day2 Recent site activity 慶應義塾大学パネルデータ解析セミナー

パネルデータ解析セミナー

第2日講義資料

2013^年3^月5^日

演習のねらい

• ^{クロスセクション分析}

 ^{テキスト第4章、第5章}

 線形回帰、プロビット、多項ロジット、サンプル・セレ クションモデル

• 分析のためのデータの整備

 ^{変数の定義・作成}

 ^{推計コマンドの利用法}

• ^{分析結果の解釈}

演習の題材

• ^第 4 ^章

 学卒時の失業率とその後の所得水準・就業形態 の関連

 線形回帰モデル・プロビットモデル

• ^第 5 ^章

 ^{男女間賃金格差の検証}

 サンプル・セレクションモデル

パネルセミナー資料（第₂日） ₃

2013/3/5

第４章：

線形回帰モデル・質的従属変数モデル

第4章: 線形回帰モデル・質的従属変数モデル

演習の題材

• 入職時の労働市場環境の長期的影響

 就職氷河期（＝学卒時の失業率が高い）に卒業 すると、良い職に恵まれず、その影響が永続的に 続くのか？

 Beaudry & DiNardo (1991), Genda et al. (2010), ^太田他 (2007), ^三好 (2007)

 新卒一括採用と終身雇用

 学卒時の失業率が、その後の所得水準や就業形 態に与える影響をみる

パネルセミナー資料（第₂日） ₅

2013/3/5

第4章: 線形回帰モデル・質的従属変数モデル

最小２乗法 (1)

• ^{線形回帰モデル}

�_� ⁼ � + �₁�_1� ⁺ �₂�_2� ⁺ ⋯ + �_�

 �_�^{: 被説明変数}

 �_��^{: 第}�^{番目の説明変数}

 �_�^{: 誤差項、攪乱項…}

• ^{最小２乗法} (Ordinary Least Square, OLS)

 所与のパラメータの値に対して定まる残差 _��� の₂ 乗和が最小になるように、パラメータ _{��, �̂1, ⋯} を選 ぶ

第4章: 線形回帰モデル・質的従属変数モデル

最小２乗法 (2)

• ^{具体的には} …

 ^{被説明変数} �_� ^{＝ 対象者の所得}

 ^説明変数 �_�� ^＝ 対象者の年齢、性別、教育水 準および学卒時の失業率

を用いて、これらの要因が賃金に与える影響を明ら かにする

パネルセミナー資料（第₂日） ₇

2013/3/5

第4章: 線形回帰モデル・質的従属変数モデル

最小２乗法 (3)

• Stata ^では …

regress depvar varlist [if] [in] [, options]

のように書く

• Syntax ^の確認

 ^regress: コマンド名、下線部までは省略可

 ^depvar: 被説明変数、単一の被説明変数を指定

 ^{varlist: 説明変数、}“Variable List”^{なので、複数を指定} 可 (cf. varname)

 [if], [in], [, options]: [ ]^は省略可

第4章: 線形回帰モデル・質的従属変数モデル

変数構築 (1)

• ^{必要な作業}

 「学卒時の失業率」を示す変数を作る

 その他、必要な変数（年齢及び勤続年数の２乗 項）を作成する

パネルセミナー資料（第₂日） ₉

2013/3/5

第4章: 線形回帰モデル・質的従属変数モデル

変数構築 (2)

• ^{学卒時の失業率}

1. 失業率のデータは入手可能

2. KHPSからは、現在の年齢と対象者の最終学歴が 分かる

• これら２つの情報をもとに、変数を定義してみる

 ^2.をもとに、各対象者が学校を卒業した年（西暦） を計算

 ^1.の情報を使って、その年の失業率を_KHPSに接続

（_mergeコマンド）

第4章: 線形回帰モデル・質的従属変数モデル

変数構築 (3)

パネルセミナー資料（第₂日） ₁₁

2013/3/5

第4章: 線形回帰モデル・質的従属変数モデル

変数構築 (4)

第4章: 線形回帰モデル・質的従属変数モデル

回帰分析の実施 (1)

• ^{回帰分析の実施}

 ^{被説明変数}

 ^{年収の対数値 (loginc)}

 ^説明変数

 ^{年齢 (age)、年齢の2乗項 (agesq)、性別 (female)、最終}

学歴ダミー (high, jrcol, col, other)^{、勤続年数} (tenure)^、 勤続年数の₂乗項 (tenuresq)^{、非正規雇用ダミー}

(nonreg) ^{および学卒時の失業率} (grad_unemp)

パネルセミナー資料（第₂日） ₁₃

2013/3/5

第4章: 線形回帰モデル・質的従属変数モデル

回帰分析の実施 (2)

• ^{サンプルの限定（} if ^{で条件付け）}

 クロスセクションデータとして、₂₀₀₄年の調査結果 のみを用いる

 ^{就業者に限定}

 ^{非就業者はloginc}が欠損しているので、何もしなくても stataは自動的にこれらのサンプルを推計から除外する はずだが、念のため。

 自営業者や家族従業者は除く

 男女別の推計も行ってみる

第4章: 線形回帰モデル・質的従属変数モデル

回帰分析の実施 (3)

パネルセミナー資料（第₂日） ₁₅

2013/3/5

第4章: 線形回帰モデル・質的従属変数モデル

回帰分析の実施 (4)

• ^補足 (Tips)

 ハイフンによる変数の指定（_p.35, 例題_4.4の注）

 推計に用いたサンプルで記述統計（例題_4.6）

 ^{White修正（例題4.5）}

 Postestimation^{コマンド（例題}4.7^）

• ^{結果の解釈（} p.36 ^～ 37 ^）

 ^セミログ (semi-log) ^{型の定式化}

 ^両対数 (log-log)

 ^{2乗項の解釈}

第4章: 線形回帰モデル・質的従属変数モデル

質的従属変数モデル (1)

• プロビットモデルの推計

 （働いている人を対象に）非正規就業であるか否 かについて、同様の分析をおこなう

パネルセミナー資料（第₂日） ₁₇

2013/3/5

第4章: 線形回帰モデル・質的従属変数モデル

質的従属変数モデル (2)

• プロビットモデルの結果の解釈

 線形回帰モデルとくらべ、非線形なモデルは結果 の解釈が難しい

 推計された係数だけでは、定量的な解釈が困難

 よくつかわれる指標＝限界効果

• ^限界効果

 ^{当該変数が1}単位変化することで、非正規就業と なる確率がどの程度変化するか

 ^演習4.10

第4章: 線形回帰モデル・質的従属変数モデル

質的従属変数モデル (3)

• ^{多項ロジットモデル}

 無業となる可能性も考慮して、「正規雇用」、「非 正規雇用」、「無業」の₃択で分析

パネルセミナー資料（第₂日） ₁₉

2013/3/5

第4章: 線形回帰モデル・質的従属変数モデル

質的従属変数モデル (4)

• ^{限界効果の推計}

 多項ロジットのケースでは少々厄介

 postestimationコマンドとして用意されている

• margins ^コマンド

 テキストの記述は旧バージョンの方法

 ^{Stata 11（？）以降であれば}

 margins, dydx(varlist) predict(p outcome(#))

第５章：

サンプル・セレクションモデル

パネルセミナー資料（第₂日） ₂₁

2013/3/5

第5章: サンプル・セレクションモデル

演習の題材

• ^{日本の男女間賃金格差}

1. ^{男女間の属性の差？}

2. 労働市場における評価の差？

^樋口 (1991), Miyoshi (2008)

• 就業選択を考慮に入れた賃金関数

^{賃金 ←} 就業を選択した場合のみ観察可

サンプル・セレクションモデル

第5章: サンプル・セレクションモデル

分析モデル (1)

• ^{ダミー変数による検定}

lnW

男性

女性

X

β4

2013/3/5 パネルセミナー資料（第₂日） ₂₃

第5章: サンプル・セレクションモデル

分析モデル (2)

• ^{係数の比較による検定}

lnW

男性

女性

X

第5章: サンプル・セレクションモデル

サンプル・セレクション (1)

• ^{賃金に関するデータ}

 働いている場合にのみ観察可能

 ^通常のOLSでは、非就業者は分析サンプルから除 外される

 このようなサンプルの限定は妥当か？

 例えば、教育年数が長く、潜在的な賃金が高い女 性ほど分析から除外されている場合

2013/3/5 パネルセミナー資料（第₂日） ₂₅

第5章: サンプル・セレクションモデル

サンプル・セレクション (2)

A

A

A

A

B

B

第5章: サンプル・セレクションモデル

変数構築

• ^{被説明変数}

 対数賃金（時間当たり賃金）_: 演習_5.1

 男女間の労働時間の違い

 ^{就業ダミー: 演習5.2}

• ^{追加の説明変数} : ^演習 5.3, 5.4, 5.5

 純金融資産額、配偶者所得、₀～₃歳の子どもの 数、₄～₆歳の子どもの数、就業経験年数（_≠勤続 年数）

2013/3/5 パネルセミナー資料（第₂日） ₂₇

第5章: サンプル・セレクションモデル

実証分析 (1)

• OLS による推計（ベンチマーク）

 働いている個人だけを使った分析

 ^例題5.6, 5.7, 5.8

 ^{係数の比較（Hausman検定: 後述）}

• サンプル・セレクションモデルによる推計

 Heckman selection model/Heckit

 heckman depvar [indepvars], select(depvar_s

= varlist_s) [twostep]

第5章: サンプル・セレクションモデル

実証分析 (2)

• ^補足 (Tips)

 ^{ローカル変数の定義}

2013/3/5 パネルセミナー資料（第₂日） ₂₉

参考文献

[1] Beaudry, P. & J. DiNardo (1991) “The Effect of Implicit Contracts on the Movement of Wages over the Business Cycle: Evidence from Micro Data,” Journal of Political Economy, 99(4), 665-688.

[2] Genda, Y., A. Kondo & S. Ohta (2010) “Long-Term Effects of a Recession at Labor Market Entry in Japan and the United States,” Journal of Human Resources, 45(1), 157-196.

[3] Miyoshi, K. (2008) “Male-Female Wage Differentials in Japan,” Japan and the World Economy, 20(4), pp.479-496.

[4] 太田聰一・玄田有史・近藤絢子 ₍₂₀₀₇₎ 「溶けない氷河_―世代効果の 展望」『日本労働研究雑誌』₂₀₀₇年₁₂月号_.

[5] ^樋口美雄 (1991)『日本経済と就業行動』東洋経済新報社_.

[6] ^三好向洋 (2007)「学卒時失業率と賃金」樋口・瀬古（編）『日本の

家計行動のダイナミズム_IV』慶應義塾出版会_.