2010年-世界发展银行全球_Empirical_Econometric_Evaluation_of_Alternative_Methods_of_Dealing_with_Missing_Values_in_Investment_Climate_Surveys_100页_1mb

总结：Empirical Econometric Evaluation of Alternative Methods of Dealing with Missing Values in Investment Climate Surveys

核心内容

本文探讨了如何处理投资气候调查（ICSs）中缺失值的问题，评估了几种替代方法在估算总生产率（TFP）时的适用性。研究重点在于比较不同方法在面对不同缺失模式时的性能，并提出了一种简单替代机制（ICA方法），作为处理复杂和不平衡缺失数据的基准方法。

主要观点

• 投资气候调查的重要性：ICSs是理解新兴和转型经济体经济增长因素的重要工具，涵盖经济、社会、政治和制度等多个方面。
• 缺失数据的普遍性：这些调查数据中普遍存在缺失值，导致样本量大幅减少，影响分析的准确性。
• 缺失数据的处理方法：传统方法如完全案例分析（complete case analysis）因丢失大量数据而被质疑，而现代方法如最大似然估计、多重插补和EM算法提供了更优的替代方案。
• ICA方法的提出：ICA方法是一种简单且有效的替代方案，基于EM算法，适用于具有大量解释变量的模型，且在不同缺失机制下表现稳健。
• 缺失机制的分类：研究中讨论了缺失数据可能属于完全随机缺失（MCAR）、随机缺失（MAR）或非忽略缺失（MNAR），并强调了对缺失机制的理解在分析中的重要性。
• 样本代表性问题：缺失数据显著影响样本代表性，尤其是在某些国家如泰国、尼日尔、巴拉圭、坦桑尼亚和土耳其，完全案例样本可能仅占原始样本的不到30%。
• 变量选择的影响：仅使用响应率高的变量可以显著提高样本数量，但同时也可能排除大量重要信息。

关键信息

四国案例分析

• 印度：完全案例样本占原始样本的64.9%，使用ICA方法后减少至84.0%。
• 土耳其：完全案例样本占29.1%，使用ICA方法后增加至61.2%。
• 南非：完全案例样本占70.8%，使用ICA方法后增加至85.9%。
• 坦桑尼亚：完全案例样本占39.3%，使用ICA方法后增加至67.8%。

缺失值模式分析

• 印度：缺失值主要集中在资本、劳动力等变量上，占样本的16.3%。
• 土耳其：缺失值集中在销售、材料和劳动力，占样本的27.9%。
• 南非：缺失值集中在销售、材料、资本和劳动力，占样本的12.2%。
• 坦桑尼亚：缺失值集中在销售、材料、资本和劳动力，占样本的15.7%。

数据特征

• ICSs包含约400个变量，但用于回归分析的变量通常减少到120-200个。
• 数据主要基于回忆，而非账面值或会计数据。
• 数据集在时间维度上较短，通常包括2-3年的生产率数据和1年的投资气候数据。

方法比较

• ICA方法：简单且易于实施，适用于复杂和不平衡缺失数据。
• 其他方法：如多重插补、EM算法、自助法（bootstrap）和Heckman模型等，虽然更复杂，但ICA方法在大多数情况下表现良好，与这些方法的差异并不显著。

研究结论

ICA方法在处理投资气候调查中的缺失值问题上表现出良好的稳健性，特别是在面对不同缺失机制时。尽管存在更复杂的替代方法，ICA方法因其简单性和有效性，成为处理ICSs中大量缺失数据的一个实用选择。研究强调了对缺失机制的理解对于正确应用各种插补方法的重要性，并指出在实际分析中，合理处理缺失数据是确保结果可靠性的关键。