Применение методов машинного обучения и байесовского подхода для оценивания моделей с мультиномиальным неслучайным отбором

Данное исследование посвящено использованию методов машинного обучения и байесовского подхода для оценивания эконометрических моделей с мультиномиальным неслучайным отбором. Модель, предложенная Хекманом, получила широкое распространение в прикладной экономической и в фундаментальной эконометрической науке. Однако методы коррекции селективности, подходящие для работы как с большими, так и с малыми размерами выборок, недостаточно изучены, а используемые подходы являются ограниченными рядом предпосылок. Данный факт является мотивацией для разработки и исследования новых подходов, которые предлагаются в данной работе. С помощью симуляций Монте-Карло были показаны преимущества использования моделей машинного обучения и байесовского подхода по сравнению с классическими методами при разных предпосылках генерации данных и размерах выборок. Применение байесовских методов позволяет достичь более точных оценок на малых размерах выборок, в то время как подходы с использованием алгоритмов машинного обучения могут превосходить классические методы как при большом, так и малом числе наблюдений. Также было продемонстровано применение используемых подходов на уникальном наборе данных о футбольных игроках пяти ведущих европейских лиг за сезон 2021/2022 для оценивания влияния различных факторов на трансферную стоимость футболистов.