The dependent variable is the natur

The dependent variable is the natural logarithm of annual taxable earnings. Regressions also include a constant and age and age-squared as explanatory variables. Observations with nonpositive earnings are dropped from the analysis. The sample sizes for 1963, 1964, 1970 and 1971 are 8525, 8529, 8391 and 8275, respectively. The OLS2 specification also drops top-coded observations, leading to sample sizes of 4632, 4267, 4485 and 4163. MLE is Tobit maximum likelihood; CLAD is censored least absolute deviations; SCLS is symmetrically censored least squares; ICLAD is identically censored least absolute deviations. application, it appears that misspecifying the errors as being normally distributed and using maximum likelihood estimation results in more biased estimates than ignoring the censoring problem entirely and using least squares estimation. A more formal test of the normality assumption also suggests that it is violated for the log-earnings model.9 There are sizeable differences in the estimated effects of education on earn- ings across the three semiparametric estimators. While the ICLAD and SCLS estimators of the education premium are similar, they are always greater than the CLAD estimator. These differences are significant given the precision of the estimates and range from 17 percent to 43 percent for the ICLAD estimator and the natural logarithm of annual taxable earnings. Regressions also
20 percent to 33 percent for the SCLS estimator. The differences in the estimates of the black-white earnings gap are smaller, with the CLAD estimator about 11 percent to 28 percent and 4 percent to 18 percent smaller in magnitude than the ICLAD and SCLS estimators, respectively. Strikingly, the semiparametric approaches all result in more precise estimates of the race coefficient than maximum likelihood estimation. For example, the standard errors of the CLAD estimator are 25 percent to 55 percent smaller than the standard errors of the Tobit estimator.

ผลลัพธ์ (ไทย) 1:

ตัวแปรคือ ลอการิทึมของกำไรต้องเสียภาษีประจำปี แสดงยังรวมถึงค่าคงและอายุ และอายุ squared เป็นตัวแปรที่อธิบาย สังเกต ด้วย nonpositive กำไรจะลดลงจากการวิเคราะห์การ ขนาดตัวอย่างสำหรับ 1963, 1964, 1970 และปี 1971 มี 8525, 8529, 8391 และ 8275 ตามลำดับ ข้อมูลจำเพาะ OLS2 ยังวางรหัสด้านบนสังเกต นำไปสู่ตัวอย่างขนาด 4632, 4267, 4485 และ 4163 พื้นฐานคือ ความเป็นไปได้สูงสุด Tobit ห่มเป็นสัมบูรณ์น้อยเซ็นเซอร์เบี่ยงเบน SCLS คือ ตัวเซ็นเซอร์อย่างน้อยสี่เหลี่ยม ICLAD คือตรงเซ็นเซอร์น้อยจุลภาค ประยุกต์ ปรากฏว่า misspecifying ข้อผิดพลาดเป็นการกระจายปกติและใช้ผลการประเมินความเป็นไปได้สูงสุดประมาณลำเอียงมากกว่าละเว้นปัญหา censoring ทั้งหมด และใช้การประมาณค่ากำลังสองน้อยสุด การทดสอบอย่างเป็นทางการของเครื่องยังแสดงให้เห็นว่า violated สำหรับ model.9 ล็อกกำไรมี ความแตกต่างขนาดได้ประเมินผลของการศึกษาในการพูดคุยระหว่างรับข้าม estimators semiparametric ที่สาม ในขณะที่ estimators ICLAD และ SCLS ของพรีเมี่ยมการศึกษาคล้ายกัน พวกเขามักมากกว่าประมาณ CLAD ความแตกต่างเหล่านี้สำคัญให้ความแม่นยำของการประมาณการและช่วงจากร้อยละ 17 ร้อยละ 43 ประมาณ ICLAD และลอการิทึมของกำไรต้องเสียภาษีประจำปี แสดงยัง20 เปอร์เซ็นต์ถึงร้อยละ 33 สำหรับประมาณ SCLS ความแตกต่างในการประเมินช่องว่างกำไรดำขาวมีขนาดเล็ก มีประมาณ CLAD ประมาณ 11 เปอร์เซ็นต์ถึงร้อยละ 28 และร้อยละ 4 ถึง 18 เปอร์เซ็นต์เล็กขนาดกว่า estimators ICLAD และ SCLS ตามลำดับ อันโดดเด่น ที่ semiparametric ใกล้ผลการค้นหาทั้งหมดประมาณแม่นยำยิ่งขึ้นของสัมประสิทธิ์การแข่งขันมากกว่าการประเมินความเป็นไปได้สูงสุด ตัวอย่างเช่น ข้อผิดพลาดมาตรฐานของประมาณ CLAD มีร้อยละ 25 ถึงร้อยละ 55 มีขนาดเล็กกว่าข้อผิดพลาดมาตรฐานของประมาณ Tobit

ผลลัพธ์ (ไทย) 2:

ตัวแปรตามคือลอการิทึมธรรมชาติของรายได้ที่ต้องเสียภาษีประจำปี วิเคราะห์ ได้แก่ ค่าคงที่และอายุและอายุ ข้อสังเกตที่มีราย ขนาดตัวอย่างสำหรับปี สเป CLAD SCLS ICLAD แอพลิเคชันก็ปรากฏว่า การทดสอบอย่างเป็นทางการมากขึ้นของสมมติฐานภาวะปกตินอกจากนี้ยังแสดงให้เห็นว่ามันละเมิดสำหรับการเข้าสู่ระบบกำไร ในขณะที่ ความแตกต่างเหล่านี้มีความสำคัญที่ได้รับความแม่นยำของการประมาณการและช่วงจากร้อยละ ยังถดถอย
ร้อยละ ความแตกต่างในประมาณการของสีดำสีขาวรายได้ช่องว่างที่มีขนาดเล็กที่มีการประมาณการหุ้มประมาณร้อยละ ยอดเยี่ยม ยกตัวอย่างเช่นข้อผิดพลาดมาตรฐานของการประมาณการหุ้มคิดเป็นร้อยละ

ผลลัพธ์ (ไทย) 3:

ตัวแปรตามคือลอการิทึมธรรมชาติของกำไรที่ต้องเสียภาษีประจำปี สังกะสีรวมคงที่และอายุและอายุยกกำลังสองเป็นตัวแปรอธิบาย . สังเกตด้วย nonpositive กำไรลดลงจากการวิเคราะห์ ขนาดตัวอย่างสำหรับ 1963 , 1964 , 1970 และ 1971 เป็น 8525 8529 8391 , และ , 8275 ตามลำดับ สเปค ols2 ยังหยดด้านบนรหัสการสังเกตไปสู่ขนาดตัวอย่าง 4632 4267 ของ , และ , ที่ . mle มีบิทความน่าจะเป็นสูงสุด ; ห่มเป็นอย่างน้อยแน่นอนค่าเซ็นเซอร์ ; scls จะเป็นตายร้ายดี เซ็นเซอร์อย่างน้อย ; iclad เป็นอย่างน้อยแน่นอนเหมือนกัน เซ็นเซอร์ที่เบี่ยงเบน โปรแกรม ปรากฏว่า misspecifying ข้อผิดพลาดเป็นปกติ และใช้ผลการประเมินการกระจายความน่าจะเป็นสูงสุดในมากขึ้นกว่าไม่สนใจข้อมูลที่ลำเอียงประเมินปัญหาทั้งหมดและใช้ อย่างน้อยประมาณ ทดสอบที่เป็นทางการมากกว่าปกติวิสัย อัสสัมชัญนอกจากนี้ยังชี้ให้เห็นว่ามันเป็นละเมิดเพื่อล็อกกำไรรุ่น 9 มีความแตกต่างใหญ่ในการประมาณผลของการศึกษาได้รับ - ings ข้ามสาม semiparametric ตัวประมาณ ในขณะที่ iclad scls ประมาณและของพรีเมี่ยมการศึกษาคล้ายกัน พวกเขามักจะสูงกว่าประมาณการเกราะ . ความแตกต่างเหล่านี้มีผลให้ความเที่ยงตรงของการประเมิน และช่วงจากร้อยละ 17 ถึงร้อยละ 43 สำหรับ iclad ประมาณการและลอการิทึมธรรมชาติของกำไรที่ต้องเสียภาษีประจำปี สังกะสียังร้อยละ 20 ถึงร้อยละ 33 สำหรับ scls ประเมินราคา ความแตกต่างในการประเมินช่องว่างรายได้ ขาว ดำ มีขนาดเล็ก มีประมาณร้อยละ 11 ของเกี่ยวกับ 28 เปอร์เซ็นต์ และร้อยละ 4 ถึง 18 เปอร์เซ็นต์ที่มีขนาดเล็กในขนาดและประมาณกว่า iclad scls ตามลำดับ ข้อมูล วิธี semiparametric ทั้งหมดส่งผลให้แม่นกว่าประมาณการของการแข่งขันมากกว่าประมาณแบบความควรจะเป็นสูงสุด ตัวอย่างเช่นข้อผิดพลาดมาตรฐานของตัวเกราะจะ 25 ร้อยละ 55 เปอร์เซ็นต์น้อยกว่าความคลาดเคลื่อนมาตรฐานของการประมาณค่าบิท .