2. 勉強進捗

今日は勉強進捗の2日目である。この日記は、これから10分以内に書いていく予定である。

順序プロビットモデル（Ordered Probit Model）

今日は大学院のコアエコノメの授業で、順序プロビットモデルについて触れた。要するに、被説明変数が順序付きの変数（例えば、アンケート調査でメンタルヘルスを1～5段階で評価したものとか）の場合、普通のOLSで推定するのはNGである。だって線形じゃないんだもの！おとなしく順序プロビットモデルを使おう。

Stataでは、「reg y x」 を、「oprobit y x」 に置き換えるだけである。probitを用いるときに、説明変数がダミー変数ならば「oprobit y i.x」としなければならないことに注意して欲しい。

恥ずかしながら、今日まで被説明変数が順序変数であっても、普通にOLSを回していた。OLSってシンプルだけど、使える状況が繊細なものなんだなぁと、しみじみ。うっかり間違ったモデルを組んで、推定を回した論文を世に出さなくて、良かった。やはり大学の授業に出席することは大切である。

ちなみに昨晩はワールドカップ、日本vsクロアチア戦を見ていたので、今日の2限の授業をすっ飛ばしてしまった。起きたら絶望の11時だった。久しぶりに、「絶起」した。

忘れていたが、順序プロビットモデルの使い方を学ぶために、今日は軽い論文を一本読んだ。下に英語と日本語で書いた纏めを掲載する。

論文
Sorensen, Todd, Supriya Sarnikar, and Ronald L. Oaxaca. 2012. "Race and Gender Differences under Federal Sentencing Guidelines." American Economic Review, 102 (3): 256-60.

1. Summary
– What is the research question?
RQ : “Does the judge discriminate against race or gender during a period in which the Federal Sentencing Guidelines were in effect?”
「州判決ガイドラインがある時に、裁判官は人種やジェンダーに対して差別しているか？」
– What do the authors do in the paper to answer that question?
Authors introduced a model of judge’s sentencing preferences and solved the utility maximization problem. Specifically, they solved the problem for the ideal sentence for a convinced defendant, taking into account the cost of deviating from the sentencing guidelines.
裁判員の量刑選好モデルを導入し、効用最大化問題を解いた。具体的には、量刑ガイドラインからの逸脱コストを考慮した上で、有罪判決を受けた被告人の理想的な量刑に対する、裁判官の効用最大化問題を解いた。
– What do they find?
Individual circumstances (age, marital status, etc.) influence sentencing decisions. Furthermore, sentencing gaps by race and gender exist even with the addition of control variables.
個人の状況(年齢、結婚しているか、など)は量刑の決定に影響を与える。さらに、人種や性別による量刑格差は、コントロール変数を加えても存在する。

2. Main contribution
– What is the main contribution of this study in comparison to previous studies?
Many of the previous studies estimated judicial gender or racial bias with few control variables, which led to omitted variables bias or sample selection bias. Therefore, we conducted our analysis using government sentencing data, which contain diverse information.
先行研究の多くは司法的なジェンダー、人種バイアスを少ないコントロール変数で推定しており、脱落変数バイアスやセレクションバイアスが発生している可能性がある。そこで、我々は多様な情報を含む政府の量刑データを用いて分析を行った。