ConditionalLogitModel..pptVIP

Conditional Logit Model Imagine a choice of the travel modes among air flight, train, bus, and car. 条件逻辑特模型可以解决解释变量中存在选择的问题。 Conditional logit 模型的简介 Conditional logit model是由美国经济学家、计量学家McFadden于1974年提出的，他的贡献主要是对分析离散抉择的理论和方法的发展。（离散抉择分析是指个人在有限种可能中作出抉择的行为分析。如个人对职业、居住地、交通工具等的选择，都是有限的离散抉择。） Conditional logit 模型的简介 在McFadden以前，对于离散变量的研究都缺乏经济理论基础。McFadden对随机效用做出一些巧妙的分配假设，使得选择各类别的机率 (乃至于整个似然函数) 都可以很简单的公式表示出来，我们因此可用标准的统计方法 (最大似然估计法) 将“类别特质”以及“经济个体特质”对类别选择的影响估计出来，他将这种计量模型取名为“条件 Logit 模型” (Conditional Logit Model)。 模型性质 条件逻辑特模型有一个特有的性质，它具有在两个可变换方案（比如乘公共汽车或小汽车旅行）之间进行选择之相对概率的特殊属性，而对其他交通选择方案的价格和质量不予考虑，这个性质称为非相关选择独立性（independence of irrelevant alternatives，简称IIA），但是这在有些应用中是不现实的。 条件logit模型(conditional logit model,CL)是常用的离散选择模型，IIA假设能令CL的参数易于估计和被广泛使用,但在很多离散选择问题上,如患者择医购药、毕业生择业、居民就餐和出行等,其备择项可能是相关的,即IIA假设不成立。若此时坚持使用CL予以分析,其参数估计必将产生严重的不一致性。为此,McFadden构建了嵌套logit模型(nested logit model,NL),该模型是CL的推广,不要求各备择项服从IIA假设。（该模型假定个人的选择能够按照一种特定的顺序进行） 模型的使用领域 Conditional Logit 模型被广泛地用于研究类别选择问题，比如说FDI（Foreign Direct Investment）在中国的区位选择，就是研究地区选择问题。 模型的使用领域 还比如说，这一模型经常被应用到对城市旅行交通需求的研究之中，它们可以被应用于交通计划之中，用于检验政策措施的效果以及其他社会与环境等方面的变化。 模型的使用领域 这些模型可以解释价格变化、通过改进而获得的可能性或者人口构成的变动是如何影响使用不同交通方式所占比例的。 模型的使用领域 这些模型在其他领域也具有应用意义，比如说对居住方式和居住地以及教育的选择等。McFadden还将他自己的模型应用到对许多社会问题的分析上，比如民用电力、电话服务和为老年人所提供的住所等。　 模型定义 根据条件概率可以定义条件logit模型 实际操作 数据来自某统计资料关于研究初生婴儿体重的影响因素的统计数据。命名数据文件为“lowbirth” 数据中的变量有parid（个体识别变量），low(婴儿低体重，若体重低则取值1，否则0)，age（母亲的年龄），lowt(母亲最近一个月的体重)，smoke（母亲怀孕期间是否吸烟，若吸烟为1，否则为0），ptd(母亲以前有早产经历，若有则1，反之为0)，ht(母亲高血压，若是则取值1，否则为0)，ui(母亲是否子宫敏感，若是则取值1，否取值0)，race1（母亲是白种人，若是则取值1，反之0），race2（母亲是黑种人，若是取值1，反之0），race3（母亲是其他色种人，若是取值1，反之取值0）。 模型中被解释变量是low,以上的解释变量均是婴儿妈妈的因素，那么这些因素就是与选择特征变量，所以应该建立条件logit模型进行回归。 实际操作之建立模型 首先是观察变量的特点，发现解释变量是选择特征变量；然后在Stata中输入如下命令打开数据文件，观察变量特点： use lowbirth, clear tab low 此命令表示将数据分类且获得其频数分布。 可见到所有数据都在两个类别中，且解释变量均为选择特征变量，pairid是个体识别变量，所以建立条件logit模型分析问题是合理的。 实际操作之模型回归 Stata中使用条件logit模型的回归命令语句如下所示： clogit y x1 x2 …[if] [in] [weight] , group(varname) [options] 其中，clogit表示对y、x进行条件logit模型回归，if和in表示回归的条件和范围