选择logistics模型.ppt

1、7.2二元选择模型，二元离散选择模型的经济背景2，二元离散选择模型3，二元Probit离散选择模型及其参数估计4，二元Logit离散选择模型及其参数估计5，二元离散选择模型的检验表明，在经典计量经济学模型中，被解释的变量通常被假设为连续变量。具有离散因变量和离散选择模型的计量经济学模型。二元选择模型和多元选择模型。本节仅介绍二元选择模型。离散选择模型起源于1860年费希纳对动物条件反射的研究。1962年，华纳首次将其应用于经济研究，研究公共交通和私人交通的选择。20世纪七八十年代，离散选择模型被广泛应用于经济决策领域，如经济布局、企业定点、交通问题、就业问题和采购决策等。该模型的估计方法主要发

2、展于20世纪80年代初。1.二元离散选择模型的经济背景，现实经济生活中的二元选择问题，以及选择结果与影响因素之间的关系。影响因素包括两个部分：决策者的属性和方案的属性。单一方案的选择。例如，买方决定购买某种商品，求职者选择某种职业，选民决定某个候选人，银行决定某个客户的贷款。它由决策者的属性决定。两个方案的选择。例如，选择两种旅行方式和选择两种商品。它是由决策者和替代者的属性决定的。2.二元离散选择模型1。原始模型。对于二元选择问题，可以建立以下计量经济模型。其中y是决策解释变量，观测值为1和0；x是一个解释性变量，包括所选对象的属性和所选主题的属性。由于这两个问题，原来的模型不能作为研究二元

3、选择问题的实用模型。有必要将原模型转化为实用新型。这是离散选择模型的关键。具有异方差性，2，效用模型，二元选择模型作为研究对象，第I个个体选择1的效用，第I个个体选择0的效用，注意在模型中，效用是不可观测的，而人们所能得到的观测值仍然是选择结果，即1和0。显然，如果不可观测的U1U0对应于观测值1，因为个人选择公共交通的效用大于选择私人交通的效用，他当然必须选择公共交通；相反，如果不可观测的U1U0对应于观测值0，因为个人选择公共交通的效用小于选择私人交通的效用，他肯定会选择私人交通。3。最大似然估计。为了进行效用模型估计，我们必须为随机误差项选择一个特定的概率分布。两种最常用的分布是标准正态

4、分布和逻辑斯蒂分布，因此形成了两种最常用的二元选择模型概率单位模型和逻辑斯蒂模型。最大似然函数及其估计过程如下：标准正态分布或逻辑分布的对称性，似然函数，在样本数据的支持下，如果我们知道概率分布函数和概率密度函数，就可以通过解方程得到模型参数的估计量。1阶极值条件，3-二元Probit离散选择模型及其参数估计，1。标准正态分布的概率分布函数。二元Probit离散选择模型的参数估计当重复观测不可用时，参数的非线性函数不能直接求解，应采用完全信息最大似然法中采用的迭代法。应用计量经济学软件。这里所谓的“重复观测不可用”意味着每个决策者只有一个观测值。如果有多个观察，他们也可以被视为多个不同的决策者

5、。例7.2.2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选取78个样本，根据设计的指标体系计算其“商业信用支持度”(CC)和“市场竞争地位水平”(CM)，并对其贷款结果(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、CC和CM之间的关系，为正确的贷款决策提供支持。样本观测值，CC=XY CM=SC，该方程表明，当CC和CM已知时，JGF贷款成功的概率可以通过代入方程来计算。例如，将表中第19个样本的观察值CC=15和CM=1代入等式右侧，并计算括号中的值为0.1326552；查标准正态分布表，对应0.1326552的累积正态分布为0.5517；因此，JG

6、预测值为JGF=10.5517=0.4483，即该客户对应的贷款成功概率为0.4483。输出估计结果，模拟和预测：如果有新客户，根据客户数据，可以将计算出的“商业信用支持度”(XY)和“市场竞争地位水平”(SC)代入模型，得到贷款成功的概率，从而决定是否发放贷款。3.二元Probit离散选择模型的参数估计可以通过重复观测得到。想法是每个决策者有多个重复的观察(例如，大约10次)。我为第I个决策者重复ni次的观察，并且选择pi作为yi=1的数比，那么pi可以被认为是真实概率Pi的估计量。建立“概率单位模型”，用广义最小二乘法进行估计。它在实践中并不常用。对第I个决策者重复观察n次，并选择pi作为

7、yi=1的数比，则pi可视为真实概率Pi的估计量。“观测”概率单位的观测值是通过求解标准正态分布的概率分布函数的反函数得到的。实际观测的Logit离散选择模型及其参数估计，1 .逻辑分布的概率分布函数，布施-潘素在1987年指出。2.当重复观测不可用时，无法得到二元logit离散选择模型的参数估计。参数的非线性函数不能直接求解，因此应采用完全信息最大似然法中的迭代法。应用计量经济学软件。probit 0.99999 1.00000 0.447233 0.00000，3，二元logit离散选择模型的参数估计可以通过重复观测获得，并且每个决策者有多个重复观测(例如，大约10次)。我为第I个决策者重

8、复ni次的观察，并且选择pi作为yi=1的数比，那么pi可以被认为是真实概率Pi的估计量。建立“对数成败比例模型”，用广义最小二乘法进行估计。它在实践中并不常用。使用从样本的重复观察中获得的pi形成“成功/失败比率”，取对数并进行泰勒展开，有、的概率分布函数，以及五种和两种离散选择模型的检验。1.计量经济模型中的两种检验统计量，基于最小二乘R2总体显著性的f检验约束回归与基于最大似然比L0原则的f检验相同：模型中所有解释变量的系数均为0时的似然函数值。LRI=1，即L=1，这是一个完美的匹配。LRI=0，所有的解释变量都不重要，也不适合。lnl=1.639954 nl 0=52.80224 r

9、li=0.968942.3，省略变量检验，经典模型中使用的变量显著性检验仍然有效。如果省略变量与保留变量不正交，参数估计量将受到影响，有必要进一步检验省略是否合适。如果X2的省略变量对参数估计量没有影响，那么H1和H0情况下的对数最大似然函数值应该没有什么差别。此时，LR统计值非常小，自然会小于临界值，因此H0不会拒绝。在测试步骤中，首先估计约束模型，选择系数测试，引入遗漏变量判断，忽略CC，只保留CM，估计模型，选择“遗漏变量-LR测试”，引入CC，拒绝CC系数为0的0假设；4、异方差检验，横截面数据样本容易产生异方差。假设异方差结构为：并使用LM检验，解释变量分为两类，而Z是一个只与个体特

10、征相关的变量。显然异方差与这些变量有关。异方差检验问题转化为约束检验问题，一般都存在异方差。不要测试，用白色修正来估计；5.分布检验，检验关于分布的假设(概率单位，逻辑单位)。一般情况下，不进行这种检查。详见相关教科书(格林，P682)。模型1的参数，模型2的参数。组合模型的似然函数：构造LM统计量。如果0的假设没有被拒绝，则表明模型1是合适的。6.反推检验：对二元离散选择模型进行估计后，将所有样本解释变量的观测值代入模型，计算每个样本解释变量选择1的概率，并与每个样本解释变量的实际观测值进行比较，判断模型的预测(反推)效果，是一种实用有效的模型检验方法。概率阈值的初始选择：p=0.5(当1和

11、0的样本相等时)优先选择：p=(1的样本数/所有样本)(当所有样本都可用时)最佳阈值：第一类错误最少的原则，例7.2.2，初始选择，即以0.5为阈值：除2个样本外，所有样本都通过了后代检验。超越选择，即阈值为选择1样本的0.41:除一个样本外，所有样本都通过了后代检验。财务舞弊识别模型示例、中国上市公司财务舞弊识别模型样本：年度报告审计意见为“无法表达意见”或“证监会立案调查”的公司属于财务舞弊样本；年度报告审计意见为“标准无保留意见”且财务报表符合“利润和现金流为0”的公司属于匹配样本。解释变量：选择11个财务指标；通过t检验，确定了六个指标：资产负债率、资产毛利率、资产周转率、营运资金比率、应收账款周转率、经营活动现金流量/资产额。样本：30家金融欺诈公司和30家非金融欺诈公司使用第一类最小错误原则来确定0.68的最佳阈值。在舞弊样本中，p