门槛效应模型

门槛效应模型 门槛效应模型?

门槛效应模型?

门槛效应模型?

门槛效应(FootInTheDoorEffect)又称得寸进尺效应,是指一个人一旦接受了他人的一个微不足道的要求,为了避免认知上的不协调,或想给他人以前后一致的印象,就有可能接受更大的要求。这种现象,犹如登门坎时要一级台阶一级台阶地登,这样能更容易更顺利地登上高处。

门槛效应模型 原理?

门槛效应是消费心理学中的一个重要理论,其又被称为门坎效应、登门槛效应、得寸进尺效应、进门槛效应、层递效应、门面效应等多种名称。该效应由心理学家弗里德曼与弗雷瑟于1966年,在做“无压力的屈从-登门坎技术”的现场实验中所提出。他们通过募捐实验,并仅仅附加了一句话[哪怕一分钱也好],就多募捐到了一倍的财物。换言之,由提出较低的要求开始,逐渐提出更高的要求,往往也更容易令人接受。此即所谓门槛效应。

门槛效应是方法吗?

1、门槛变量的选择。门槛变量的选择可由理论模型外生决定,汉森指出,由于门槛回归方法是通过对门槛变量进行排序后进行模型估计的,如果门槛变量含有较强的时间趋势,就会将这种趋势带入模型中,趋势的存在将改变突变点似然分布检验,更重要的是,在这种情况下,置信区间无法构建,使得问题无法研究,因此本文在选取门槛变量时尽量避免选择带有趋势的绝对指标,而选择相对指标。

2、显著性检验。门槛回归模型的实质是利用门槛值将样本分为两组,只有当两组样本的估计参数显著不同时,才使用门槛回归模型,否则说明不存在门槛,使用线性模型就可以了,因此必须对模型进行显著性检验。

(1)门槛效应的存在性检验:单一门槛存在性检验。进行显著性检验的方法是汉森提出的LM(lagrange multiplier)检验,原假设为:

如果零假设H0被拒绝,则表示模型存在机制转换(即存在门槛);反之,则表示不存在门槛。但是该H0假设表示不存在门槛,这将导致门槛参数无法识别,此时检验统计量的大样本分布将是受到干扰参数影响的“非标准非相似分布”(non-standard non-similar),而不是“卡方分布”,那么就无法使用模拟的方法得到分布的临界值。汉森为了解决这个问题,利用统计量本身的大样本分布函数进行转换,并使用“自助抽样法”(bootstrap)进行计算,得到大样本的渐进p值。如果该p值统计量的大样本分布为均匀分布,则零假设成立。在对零假设进行统计检验时,可以利用LM统计量构造似然比统计量,其公式为:

式中,S0为在零假设(即无门槛值)下的残差平方和加总;S1为存在门槛效应下的残差平方和加总。如果拒绝了LM检验,则表示模型至少存在一个门槛值,此时要继续进行两个门槛值的检验。

(2)门槛效应的存在性检验:双重门槛的存在性检验(同上)

原假设为不存在门槛效应: H0∶ β1= β2= β3 相应的备择假设?为 H1∶ β1≠β2(表示至少存在一个门槛)。我们采用自举抽样法( Bootstrap) 模拟似然比检验的渐进分布。

似然比检验基于如下统计量:

其中,S0为假设不存在门槛效应时β估计相应的残差平方和,S(^γ1)为存在单一门槛效应时β估计相应的残差平方和。n为样本国家个数,T为时间跨度。在重复多次自举抽样计算后,得到原假设H0下F1统计量的渐进p值,如果p值小于临界值(1\%、5\%或10\%),那么就拒绝原假设。