计量经济学第七章PPT课件

.,1,第七章估计方法的扩展,.,2,第七章估计方法的扩展,7.1离散选择模型7.2受限因变量模型7.3面板数据,.,3,7.1离散被解释变量计量经济学模型二元选择模型ModelswithDiscreteDependentVariablesBinaryChoiceModel,一、社会经济生活中的二元选择问题二、二元离散选择模型三、二元Probit离散选择模型及其参数估计四、二元Logit离散选择模型及其参数估计五、二元离散选择模型的检验,.,4,一、社会经济生活中的二元选择问题景,.,5,研究选择结果与影响因素之间的关系。选择结果：0、1影响选择结果的因素包括两部分：决策者的属性和备选方案的属性。,.,6,在研究社会经济现象时，常常遇见一些特殊的被解释变量，其表现是选择与决策问题，是定性的，没有观测数据所对应；或者其观测到的是受某种限制的数据。被解释变量是定性的选择与决策问题，可以用离散数据表示，即取值是不连续的。例如，某一事件发生与否，分别用1和0表示；对某一建议持反对、中立和赞成5种观点，分别用0、1、2表示。由离散数据建立的模型称为离散选择模型。,.,7,例7.1研究家庭是否购买住房。由于，购买住房行为要受到许多因素的影响，不仅有家庭收入、房屋价格，还有房屋的所在环境、人们的购买心理等，所以人们购买住房的心理价位很难观测到，但我们可以观察到是否购买了住房，即我们希望研究买房的可能性，即概率P(Y=1)的大小。,.,8,例7.2分析公司员工的跳槽行为。员工是否愿意跳槽到另一家公司，取决于薪资、发展潜力等诸多因素的权衡。员工跳槽的成本与收益是多少，我们无法知道，但我们可以观察到员工是否跳槽，即,.,9,二、二元离散选择模型,.,10,1、原始模型,对于二元选择问题，可以建立如下计量经济学模型。其中Y为观测值为1和0的决策被解释变量；X为解释变量，包括选择对象所具有的属性和选择主体所具有的属性。,左右端矛盾,.,11,线性概率模型（LPM),设家庭购买住房的选择主要受到家庭的收入水平，则用如下模型表示其中X为家庭的收入水平，Y为家庭购买住房的选择，即,.,12,由于Y是取值为0和1的随机变量，并定义取值为1的概率是p，则Y的分布为Y的期望即为：E(Y)=P*1+(1-P)*0=PE(Y=1/X)=P=E(Y),.,13,由于存在这些方面的问题，所以线性概率模型不能作为实际研究二元选择问题的模型。,具有异方差性,随机误差项的非正态性表现可决系数的非真实性,.,14,欲使得离散模型可以估计，就必须为随机误差项选择一种特定的概率分布。两种最常用的分布是标准正态分布和逻辑（logistic）分布，于是形成了两种最常用的二元选择模型Probit模型和Logit模型。,.,15,三、二元Probit离散选择模型及其参数估计,.,16,Probit函数的表述,.,17,此模型为关于参数的非线性函数，不能直接求解，需采用完全信息最大似然法中所采用的迭代方法。应用计量经济学软件。,.,18,3、例题：贷款决策模型,分析与建模：某商业银行从历史贷款客户中随机抽取78个样本，根据设计的指标体系分别计算它们的“商业信用支持度”（XY）和“市场竞争地位等级”（SC），对它们贷款的结果（JG）采用二元离散变量，1表示贷款成功，0表示贷款失败。目的是研究JG与XY、SC之间的关系，并为正确贷款决策提供支持。,.,19,样本观测值,.,20,选择Probit模型,.,21,估计结果,.,22,输出的估计结果,该方程表示：当XY和SC已知时，代入方程，可以计算贷款成功的概率JGF。例如，将表中第19个样本观测值XY=15、SC=1代入方程右边，计算括号内的值为0.1326552；查标准正态分布表，对应于0.1326552的累积正态分布为0.5517；于是，JG的预测值JGF=10.5517=0.4483，即对应于该客户，贷款成功的概率为0.4483。,.,23,正确解读该结果十分重要讨论：能否说“当市场竞争地位等级提高1，给该企业贷款成功的概率提高5.062”？不能。为什么？能否说“对于不同的企业，当市场竞争地位等级都提高1，给这些企业贷款成功的概率所提高的幅度是相同的”？不能。为什么？,.,24,预测：如果有一个新客户，根据客户资料，计算的“商业信用支持度”（XY）和“市场竞争地位等级”（SC），代入模型，就可以得到贷款成功的概率，以此决定是否给予贷款。,.,25,四、二元Logit离散选择模型及其参数估计,.,26,1、逻辑分布的概率分布函数,.,27,Logit函数的表达,.,28,.,29,案例,若某学生中级微观经济学的期末成绩为A，则Y=1，如果成绩为B或C,则Y=0,我们使用平均学分绩（GPA），期初考试分数（TUCE），和个性教学系统（PSI）作为解释变量建立如下模型,.,30,.,31,.,32,回归系数的解释GPA前面的系数2.826113的含义是：在其他解释变量保持不变的情况下