В теории вероятностей, коэффициент Миллса (или Коэффициент Миллса ) непрерывной случайной величины - это функция
где - это функция плотности вероятности, а
- это дополнительная кумулятивная функция распределения (также называемая функцией выживания ). Концепция названа в честь. Коэффициент Миллса связан с степенью опасности h (x), которая определяется как
by
Если имеет стандартное нормальное распределение, затем
, где знак означает, что частное двух функций сходится к 1 как , см. Q-function для Подробности. Можно дать более точную асимптотику.
обратный коэффициент Миллса - это отношение функции плотности вероятности к кумулятивной функции распределения распределения. Его использование часто мотивируется следующим свойством усеченного нормального распределения. Если X является случайной величиной, имеющей нормальное распределение со средним μ и дисперсией σ, то
где - константа, обозначает стандартную функцию нормальной плотности, а - стандартная нормальная кумулятивная функция распределения. Эти две фракции представляют собой обратные отношения Миллса.
Обычное применение обратного отношения Миллса (иногда также называемого «опасностью отсутствия выбора») возникает в регрессионном анализе для учета возможного смещения выбора. Если зависимая переменная подвергнута цензуре (т.е. не для всех наблюдений наблюдается положительный результат), это вызывает концентрацию наблюдений с нулевыми значениями. Эта проблема была впервые признана Тобином (1958), который показал, что, если это не принимается во внимание в процедуре оценки, оценка обычным методом наименьших квадратов даст смещенные оценки параметров. При цензурированных зависимых переменных нарушается предположение Гаусса-Маркова о нулевой корреляции между независимыми переменными и член ошибки.
Джеймс Хекман предложил двухэтапная процедура оценки с использованием обратного коэффициента Миллса для с поправкой на смещение выбора. На первом этапе регрессия для наблюдения за положительным результатом зависимой переменной моделируется с помощью модели пробит. Обратный коэффициент Миллса должен быть получен из оценки пробит-модели, логит использовать нельзя. пробит-модель предполагает, что член ошибки соответствует стандартному нормальному распределению. Оцененные параметры используются для расчета обратного коэффициента Миллса, который затем включается в качестве дополнительной объясняющей переменной в оценку OLS.