La méthode de programmation de la procédure d’Heckman proposée par Smits [2003] que nous avons suivie est décrite ici.
Il s’agit dans un premier temps d’exécuter une régression logistique. Dans cette optique il s’agit d’écrire dans l’espace prévu pour la programmation de SPSS (File : New : Syntax) le programme qui suit :
Logistic regression y’ 263 with x 1 x 2 x 3 264 …
/ save pred (ikl).
Puis exécuter la commande. L’instruction « /save pre (IKL) » permet de créer une nouvelle variable contenant pour chaque unité d’observation (le ménage dans notre cas) la probabilité estimée par le modèle. Nous avons ensuite utilisé l’inverse de la fonction de distribution cumulative de la distribution normale pour transformer ces estimations individuelles sous la forme qu’elles auraient pris avec un modèle Probit.
compute ips= probit (ikl).
La variable IPS ainsi obtenue contient les estimations générées par le Probit et peuvent donc être utlisées pour calculer Lambda comme s’il s’agissait d’un modèle de sélection de type Probit.
compute lambda =
( 1/ sqrt (2*3.141592654))*(exp(- ips*ips 0.5)))/cdfnorm( ips).
Notons que les observations manquantes doivent êtres éliminées avec la fonction :
select if (y >0 and x 1 ne –9 and ….).
La dernière manipulation consiste à calculer la variable de contrôle nommée Delta et de tester si sa valeur est bien comprise en –1 et 0 pour l’ensemble de l’échantillon.
compute delta= -lambda*ips-lambda*lambda..
descr delta/ statistics = min max.
Y’ correspond à la variable dépendante transformée en variable indicatrice (dummy variable) afin de permettre la réalisation de la régression logistique.
Vecteur des variables explicatives du modèle.