Перевод на русский язык статьи "Fifty Years of Mincer Earnings Regressions", страница 15

Этот оценщик вычисляет исключая ставкой внутреннюю норму возвращения для кого - то со средним увеличением в ежегодном постскриптуме дохода регистрации = постскриптум и со средним отклонением от полного среднего числа e (s, x) = e (s + j, x) = 0 для всего x.

С другой стороны, принимая агентов не может предсказать, что постскриптум, используя оценки среднего дохода E (w (s, x) \s, x) приведет к оценщику для r с

plim f7 = e? ' [км (s, j)] 1/j- 1 и постскриптум + - [Јn к + (s, j)],

где к = t, „ s-n J f и Ми, j) определен в уравнении (8).

Для постскриптума> 0, прямо показать, что к> 1, который подразумевает, что все остальное то же самое, оценщик, f/, основанный на среднем доходе будет большим когда, там - изменение в возвращении к обучению чем тогда, когда нет. Кроме того, внутренняя норма возвращения является большей для кого - то со средним профилем дохода чем это - для индивидуума со средней ценностью постскриптума. Снова, если агенты знают постскриптум, мы должны вычислить fj, обусловливающий на постскриптуме и строить среднюю норму из возвращения от среднего числа тех fj. Снова, средний исключая постом и исключая нормами ставки возвращения уверены отличаться, если нет совершенное предвидение.


22

Стол 5 оценок сообщений исключая ставкой IRR основанный на более ранней стратегии оценки так же как регулируемых оценках, что использование означает доход в пределах каждого образования и категории опыта, а не предсказанного дохода в e = 0 (и регулируемые и неприспособленные оценки счет на обучение и прогрессивные налоги). Регулируемые оценки производят намного ниже (и более разумный) IRR оценки чем неприспособленные 27

Использование среднего дохода, а не дохода для кого - то со средним остаточный вообще ведет к ниже оцененным внутренним нормам возвращения для большинства сравнений обучения. Таким образом, даже если спецификация Мясорубки за доход регистрации правильна, внутренняя норма возвращения, руководящего индивидуальными решениями ниже, чем Мясорубка оценила норму возвращения, когда индивидуумы базируют их решения обучения на средних уровнях дохода в пределах обучения и испытывают категории. Другими словами, предсказанный полученный доход, используя коэффициенты от оцененного регресса дохода регистрации, где e = 0 - неточная мера среднего дохода в пределах каждого обучения и категории опыта.

Подстройка к неуверенности сообщила в этой секции, делает сильное предположение, что все изменение является unforecastable в решениях обучения времени, сделаны. Лучший подход состоял бы в том, чтобы извлечь компоненты изменения, которые являются forecastable в решениях обучения времени, сделаны (разнородность) от компонентов, которые являются unforecastable (истинная неуверенность). Только последние компоненты должны использоваться, чтобы вычислить М. (s, j). Методы для того, чтобы извлекать разнородность из неуверенности доступны (Carneiro, Hansen, и Heckman, 2003), но требуют групповых данных и не могут быть применены к секциям креста Переписи. Мы рассматриваем последовательную неуверенность в секции 6, но сначала мы рассматриваем уклон когорты в пределах структуры Мясорубки.

5, как Взаимно-частные Оценки IRR Сравниваются с Оценками на основе Когорты?

К настоящему времени, после Мясорубки и полной литературы, мы оценили возвращения к обучению, используя данные взаимной секции, который берет стандартный синтетический подход когорты, принимающий, что младшие рабочие базируют их ожидания дохода на текущих опытах старших рабочих. В этом случае, взаимная секция и профили опыта образования-дохода когорты те же самые. Однако, если цены на навык изменяются, время и рабочие способны к по крайней мере

2rWe испытывают недостаток в требуемых групповых данных относительно индивидуумов, чтобы вычислить исключая почтовыми нормами возвращения.


23