离散选择模型分析ppt课件.ppt

第8章离散选择模型分析 第一节离散选择模型概述 一般回归分析中的因变量为数值型变量 通常是连续变量 但有时也会遇到一些特殊的因变量 1 因变量为离散变量 或为非数值型变量 分类变量或顺序变量 2 因变量为连续变量 但变量的取值范围受限制 上述这两类数据称为特殊因变量数据 特殊因变量数据模型 特殊因变量的回归模型 称为特殊因变量模型 按数据不同主要有如下两类 1 离散因变量模型 discretedependentmodel 因变量为离散变量或非数值型变量 2 截取模型 Tobitmodel 因变量为连续变量 但因变量的取值范围受限制 若样本数据抽自总体分布的某一规定部分时 称为截断数据 相应的回归模型称为截断回归模型 这种模型在实际中应用很少 本章讨论离散因变量模型和截取回归模型 第二节离散因变量模型 前二章讨论的回归模型 因变量都是连续变量 如产量 收入和价格等 但在许多的实际问题中 所研究的因变量是离散的 或是非数值型 对于这一类因变量 古典的回归分析方法已不完全适用 例4 1 4 1 一家公司的人事部门研究高级人才是否接受招聘与招聘条件 如薪金 福利和工作环境等 关系 若招聘对象是否接受用y表示 则y为虚拟变量 即y可划分为两个类别 分别用1和0表示 例4 3 研究交通工具的选择与影响选择的因素的关系时 用y表示选择类型 则 4 4 则定性变量y划分为四个类别 两元选择模型和多元选择模型 离散因变量是指因变量只有有限多个类别或有限多种取值 当因变量只有两个类别或两种取值时 这种离散因变量的模型称为两元选择模型 如例4 1 而当因变量有两个以上类别或两种以上取值时 相应的离散因变量模型称为多元选择模型 例4 3 两元选择模型 1 线性概率模型 linearprobabilitymodel 简称LP模型 函数设定不当 线性概率模型存在的二个问题 2 Probit模型 3 Logit模型 第三节两元选择模型 Probit和Logit模型 一 Probit模型根据 4 7 Probit模型取为标准正态分布的分布函数 从而 取为标准正态分布的分布函数 即得Probit模型 理论基础 McFadden的效用理论或行为的理性选择为依据 第i个家庭对是否拥有住房的决定 依赖于一种不可观测的效用指数I 而这种效用指数I又取决于某个解释变量X 即 问题 不可观测的I如何与拥有住房的实际决定发生关系 合理的假定是 对每个家庭都有一个指数临界值 如果I超过临界值 该家庭将拥有住房 否则不拥有住房 例4 4 最大似然估计 themethodofmaximumlikelihood 牛顿法 Newton smethod 二 Logit模型 似然方程组 Logit模型的牛顿法 4 28 对于Logit模型 参数估计同样应用牛顿法 并且可得 预测 第四节离散因变量模型设定的检验 模型设定的检验包含两部分的内容 1 模型函数的设定 即应取哪一种形式更适合样本数据 2 中的设定 即哪些解释变量应引进模型 一 模型系数的检验1单个系数的检验 2多个参数的检验 Wald检验 2 对数似然比检验 log likelihoodratiotest 回归元单位变化的边际效应 边际效应给出了自变量的边际变化引起事件发生概率的变化 偏效应 1 如果解释变量是一个连续型变量 那么他对p x p y 1 x 的偏效应可以通过求下面的偏导数得出来 偏效应的符号和该解释变量对应的系数的符号一致 两个解释变量偏效应之比等于它们各自的估计系数之比 2 如果解释变量是一个离散性变量 则从变化到 1时对概率的影响大小为 第五节离散因变量模型应用举例 例4 1研究新的经济学教学方法的效果 因变量y表示采用了一种新的经济学教学方法后学生在一次测验中分数是否改善 自变量分别表示学生的平均分数 预测验分数和是否接受新教学法 表4 1 学习效果分析的数据 第七节截取模型 Tobit模型 在经济分析中 有时因变量的数据受限制 从而只能取得部分因变量数据 实际上tobit模型是probit模型的推广 tobit意即Tobin的probit 在严格为正值的时候大致连续 但是有相当部分取值为0 例4 4研究某耐用消费品的需求时 如果一个家庭不购买这种耐用消费品 则用于该耐用消费品的支出y 0 因而 实际上得到的只是购买数据 而不是需求数据 这种数据称为截取数据 即当消费品的需求量转换为销售量时 数据被截取 截取模型就是讨论如何利用审查数据分析该耐用消费品的需求 截取模型只是观测不到被解释变量 一 Tobit模型概述 条件期望 二 Tobit模型的估计 对于审查数据 最小二乘法不能给出参数的理想估计量 图4 4以耐用