Selektionsmodeller

Selektionsmodeller är statistiska modeller som beskriver och ofta korrigerar för urvalsbias som uppstår när observationer inte är slumpmässigt utvalda. De används inom flera fält, bland annat ekonometrik, sociologi, epidemiologi och biostatistik, där det som observeras inte nödvändigtvis är representativt för populationen.

Den mest kända typen är Heckman-selektionsmodellen, utvecklad av James J. Heckman. Den består av två ekvationer som analyseras simultant: en selektionsekvation som modellerar sannolikheten att en individs data förs in i analysen (vanligtvis en probit), och en utfallsekvation som beräknar det intressanta resultatet givet att individen selekterats. Eftersom felen i de två ekvationerna ofta är korrelerade uppstår bias om selektionen ignoreras. Modellen hanteras oftast med tvåstegsmetoden (Heckman-korrigering) eller med fullständig informationsmaximumlikelihood. En vanlig tillämpning är arbetskraftsdata där endast personer som är sysselsatta observeras i datasetet.

Utöver den klassiska modellen finns flera varianter och tillämpningar: kontrollfunktioner, bivariata probitmodeller, paneldata eller selektivt bortfall (MNAR, missing not at random). Dessa används för att hantera bias i olika sammanhang, till exempel i studier av sysselsättning, hälsa och klinisk forskning där deltagande eller svar är selektivt.

Begränsningar inkluderar krav på korrekt specificering av båda ekvationerna samt starka antaganden om felens fördelning och identifikation. Exklusionsrestriktioner som påverkar selektionen men inte utfallet används ofta för att möjliggöra estimation. Se även relaterade begrepp som missingsdata och probit-/tobitmodeller.