Heckman a discuté du biais de l`utilisation d`échantillons non aléatoires sélectionnés pour estimer les relations comportementales comme une erreur de spécification. Il suggère une méthode d`estimation en deux étapes pour corriger le biais. La correction utilise une idée de fonction de contrôle et est facile à implémenter. La correction d`Heckman implique une hypothèse de normalité, fournit un test pour le biais de sélection d`échantillon et la formule pour le modèle corrigé de biais. Notez que la valeur retournée est un instantané dans le temps-si vous souhaitez observer le modèle de sélection pour les modifications apportées à l`index sélectionné, vous pouvez ajouter un ChangeListener en tant que tel: Notez que dans le cas d`une sélection multiple, il est possible d`ajouter un ListChangeListener à la collection retourné par MultipleSelectionModel. getSelectedIndices () pour être informé chaque fois que la sélection change, et cela fonctionnera également dans le cas d`une sélection unique. S`il existe déjà un ou plusieurs index sélectionnés dans ce modèle, l`appel de cette méthode n`effacera pas ces sélections-pour ce faire, il est nécessaire d`appeler d`abord clearSelection (). Fait référence à la propriété d`index sélectionnée, qui est utilisée pour indiquer la valeur d`index actuellement sélectionnée dans le modèle de sélection. L`index sélectionné est soit-1, pour représenter qu`il n`y a pas de sélection, ou une valeur entière qui se trouve dans la plage de la taille du modèle de données sous-jacent.

Cet exemple illustre l`utilisation de PROC QLIM pour les modèles de sélection d`échantillons. Le jeu de données est le même que celui de Mroz (1987). L`objectif est d`estimer une fonction d`offre salariale pour les femmes mariées, en tenant compte du biais potentiel de sélection. Sur les 753 femmes, le salaire est observé pour 428 femmes qui travaillent. L`équation de participation de la main-d`œuvre estimée dans l`exemple introductif est utilisée pour la sélection. L`équation salariale utilise le salaire du journal (lsalaire) comme variable dépendante. Les variables explicatives dans l`équation salariale sont les années de scolarité de la femme (EDUC), l`expérience de travail de l`épouse (exper), et le carré d`expérience (expersq). Le programme est le suivant: dans la première étape, le chercheur formule un modèle, basé sur la théorie économique, pour la probabilité de travailler. La spécification canonique pour cette relation est une régression probit de la forme efface le modèle de sélection de tous les indices sélectionnés.

Retourne la valeur entière indiquant l`index actuellement sélectionné dans ce modèle. S`il y a plusieurs éléments sélectionnés, cela retournera la sélection la plus récente effectuée.