R语言第二阶段为Ordered logit的Heckman选择模型实现咨询

1 sampleSelection包对有序结果第二阶段回归的支持情况 #

sampleSelection包当前版本的heckit()函数仅支持第二阶段为连续变量的线性回归、二分类probit回归两种结果方程设定，不支持直接将有序logistic/有序probit作为第二阶段结果回归。你当前使用的测试代码默认拟合第二阶段为连续变量的Heckman模型，与你5分类有序结果的研究场景不匹配，输出结果会存在偏差。

2 实现建议与可用R包 #

你需要的对应Stata heckoprobit命令的带样本选择的有序响应模型，可通过以下方案在R中实现：

• 优先使用heckmanor包，该包专门适配带样本选择的有序logit/probit模型，核心函数为heckmanor()，可直接替换你现有代码逻辑，示例如下：

# 加载包（首次使用需先执行install.packages("heckmanor")安装）
library(heckmanor)

# 拟合模型，可通过type参数指定有序回归为probit或logit
ord_heckfit <- heckmanor(
  selection = Use_S ~ Age + Female + Foreign + Perception,
  outcome = Y ~ X1 + X2 + X3,
  data = D1,
  type = "probit"
)
# 查看模型结果
summary(ord_heckfit)

• 若有定制化估计需求，可使用maxLik包手动构造联合似然函数进行极大似然估计，构造逻辑与Stata heckoprobit的似然逻辑一致，可灵活适配自定义约束场景。
• 模型识别注意事项：与经典Heckman模型要求一致，选择方程需包含至少一个仅影响选择行为、不影响有序结果的外生排他性变量，否则模型识别度较低，估计结果稳定性较差。

内容的提问来源于stack exchange，提问作者Giulia