The Heckman correction is a statistical technique to correct bias from non-randomly selected samples or otherwise incidentally truncated dependent variables, a pervasive issue in quantitative social sciences when using observational data. Conceptually, this is achieved by explicitly modelling the individual sampling probability of each observation (the so-called selection equation) together with the conditional expectation of the dependent variable (the so-called outcome equation). The resulting likelihood function is mathematically similar to the tobit model for censored dependent variables, a connection first drawn by James Heckman in 1974. Heckman also developed a two-step control function approach to estimate this model, which avoids the computational burden of having to estimate both
| Attributes | Values |
|---|
| rdfs:label
| - Heckman-Korrektur (de)
- Corrección de Heckman (es)
- Heckman correction (en)
|
| rdfs:comment
| - La corrección de Heckman (el método de dos etapas, lambda de Heckman o el método Heckit) es cualquiera de una serie de métodos estadísticos relacionados desarrollados por James Heckman de 1976 a 1979, que permiten que el investigador para corregir el sesgo de selección. Los problemas de sesgo de selección son endémicos a casi todos los problemas econométricos aplicados, que hacen que la técnica de Heckman original, y las mejoras posteriores de sí mismo y de los demás, sean indispensables en econometría aplicada. En 2000 Heckman recibió el Premio Nobel de Economía por este logro, mientras trabajaba en la Universidad de Chicago. (es)
- Die Heckman-Korrektur ist eine statistische Technik, um den Auswahleffekt von nicht zufällig ausgewählten Proben zu korrigieren. Konzeptionell wird dies erreicht durch die Modellierung von den individuellen Wahrscheinlichkeiten jeder Beobachtung (die sogenannte Selektionsgleichung) zusammen mit den Bedingungen für die abhängige Variable (die sogenannte Resultatsgleichung). Die resultierende Wahrscheinlichkeitsfunktion ist mathematisch ähnlich mit dem Tobit-Modell für zensierte abhängige Variablen. James Heckman erkannte diese Verbindung als Erster im Jahr 1974. Heckman entwickelte auch eine Zwei-Schritt-Modell-Kontrollfunktion, um dieses Modell abzuschätzen. Dies senkt den Rechnungsaufwand, um beide Gleichungen zu berechnen, auch wenn zu den Kosten der Ineffizienz. Heckman erhielt den Nobe (de)
- The Heckman correction is a statistical technique to correct bias from non-randomly selected samples or otherwise incidentally truncated dependent variables, a pervasive issue in quantitative social sciences when using observational data. Conceptually, this is achieved by explicitly modelling the individual sampling probability of each observation (the so-called selection equation) together with the conditional expectation of the dependent variable (the so-called outcome equation). The resulting likelihood function is mathematically similar to the tobit model for censored dependent variables, a connection first drawn by James Heckman in 1974. Heckman also developed a two-step control function approach to estimate this model, which avoids the computational burden of having to estimate both (en)
|
| dcterms:subject
| |
| Wikipage page ID
| |
| Wikipage revision ID
| |
| Link from a Wikipage to another Wikipage
| |
| Link from a Wikipage to an external page
| |
| sameAs
| |
| dbp:wikiPageUsesTemplate
| |
| has abstract
| - Die Heckman-Korrektur ist eine statistische Technik, um den Auswahleffekt von nicht zufällig ausgewählten Proben zu korrigieren. Konzeptionell wird dies erreicht durch die Modellierung von den individuellen Wahrscheinlichkeiten jeder Beobachtung (die sogenannte Selektionsgleichung) zusammen mit den Bedingungen für die abhängige Variable (die sogenannte Resultatsgleichung). Die resultierende Wahrscheinlichkeitsfunktion ist mathematisch ähnlich mit dem Tobit-Modell für zensierte abhängige Variablen. James Heckman erkannte diese Verbindung als Erster im Jahr 1974. Heckman entwickelte auch eine Zwei-Schritt-Modell-Kontrollfunktion, um dieses Modell abzuschätzen. Dies senkt den Rechnungsaufwand, um beide Gleichungen zu berechnen, auch wenn zu den Kosten der Ineffizienz. Heckman erhielt den Nobelpreis für Wirtschaftswissenschaften im Jahr 2000 für seine Arbeit in diesem Feld. (de)
- The Heckman correction is a statistical technique to correct bias from non-randomly selected samples or otherwise incidentally truncated dependent variables, a pervasive issue in quantitative social sciences when using observational data. Conceptually, this is achieved by explicitly modelling the individual sampling probability of each observation (the so-called selection equation) together with the conditional expectation of the dependent variable (the so-called outcome equation). The resulting likelihood function is mathematically similar to the tobit model for censored dependent variables, a connection first drawn by James Heckman in 1974. Heckman also developed a two-step control function approach to estimate this model, which avoids the computational burden of having to estimate both equations jointly, albeit at the cost of inefficiency. Heckman received the Nobel Memorial Prize in Economic Sciences in 2000 for his work in this field. (en)
- La corrección de Heckman (el método de dos etapas, lambda de Heckman o el método Heckit) es cualquiera de una serie de métodos estadísticos relacionados desarrollados por James Heckman de 1976 a 1979, que permiten que el investigador para corregir el sesgo de selección. Los problemas de sesgo de selección son endémicos a casi todos los problemas econométricos aplicados, que hacen que la técnica de Heckman original, y las mejoras posteriores de sí mismo y de los demás, sean indispensables en econometría aplicada. En 2000 Heckman recibió el Premio Nobel de Economía por este logro, mientras trabajaba en la Universidad de Chicago. (es)
|
| prov:wasDerivedFrom
| |
| page length (characters) of wiki page
| |
| foaf:isPrimaryTopicOf
| |
| is Link from a Wikipage to another Wikipage
of | |
| is Wikipage redirect
of | |
| is Wikipage disambiguates
of | |
![[RDF Data]](/fct/images/sw-rdf-blue.png)
![[cxml]](/fct/images/cxml_doc.png)
![[csv]](/fct/images/csv_doc.png)
![[text]](/fct/images/ntriples_doc.png)
![[turtle]](/fct/images/n3turtle_doc.png)
![[ld+json]](/fct/images/jsonld_doc.png)
![[rdf+json]](/fct/images/json_doc.png)
![[rdf+xml]](/fct/images/xml_doc.png)
![[atom+xml]](/fct/images/atom_doc.png)
![[html]](/fct/images/html_doc.png)