第15章 定性响应回归模型讲义.pptVIP

若L，即 logit，是正的，这意味着当回归元的值增加时，回归子等于1的机会增加。若L为负，随着X的值增加，回归子等于1的机会减小。 (15.5.6)中给出的 logit 模型的解释如下： 斜率β2度量了随着X每单位变化的L的变化，也就是说，它说明了随着收入变化一个单位，比如1000美元，拥有住房的对数-机会比率是怎样变化的 截距β1是收入为零时拥有住房的对数-机会比率的值。 关于泊松回归模型拟合函数的解释 孙老师，您好！ ?关于您今天课上提出的为什么要用exp{β0+β1X1+β2X2+...}来拟合E(Yi)的问题，我查了一些资料，发现Jeffrey M. Wooldridge在他写的《Introductory EconometricsA Modern Approach》（中国人民大学出版社编译）中给出了这样的解释： ?“计数变量可以取非负整数值{0,1,2,...} 因而我们需要拟合的变量Yi是不能取负值的。倘若我们采取一般的线性拟合方式，则在参数估计出来以后有可能带入一个Xi后就会得到一个负的Yi, 因此线性模型不能对所有解释变量值提供最好的拟合。（同理，对数模型也不能满足E（Yi）总为正）。由于exp（·）即指数函数是永远非负的，因此这样构建拟合函数能够保证Y的预测值也总为正。” ? 所以说用指数函数来拟合其实也是一个人为的