第八讲 二元选择模型.ppt

二元离散选择模型（Binary Choice Modle);在经典计量经济学模型中，被解释变量通常被假定为连续变量。但经济分析中经常面临需对决策问题，或称选择问题，即人们必须在可供选择的几个方案中做出决策，这就只能用离散的数据来表示。以这样的离散的决策结果作为被解释变量建立的模型称为离散选择模型(DCM, Discrete Choice Model)。 如果被解释变量只能存在两种选择，称为二元选择模型(Binary Choice Model)；如果存在多种选择，称为多元选择模型(Multiple Choice Model)。 ;离散选择模型起源于Fechner于1860年进行的动物条件二元反射研究。 1962年，Warner首次将它应用于经济研究领域，用以研究公共交通工具和私人交通工具的选择问题。 70、80年代，离散选择模型被普遍应用于经济布局、企业定点、交通问题、就业问题、购买决策等经济决策领域的研究。 模型的估计方法主要发展于80年代初期。;一、二元离散选择模型的经济背景  实际经济生活中的二元选择问题;1、原始模型;由于存在这两方面的问题，所以原始模型不能作为实际研究二元选择问题的模型。 需要将原始模型变换为效用模型。 这是离散选择模型的关键。 ;2、效用模型 ;注意，在模型中，效用是不可观测的，人们能够得到的观测值仍然是选择结果，即1和0。 很显然，如果不可观测的U1U0，即对应于观测值为1，因为该个体选择公共交通工具的效用大于选择私人交通工具的效用，他当然要选择公共交通工具； 相反，如果不可观测的U1≤U0，即对应于观测值为0，因为该个体选择公共交通工具的效用小于选择私人交通工具的效用，他当然要选择私人交通工具。;3、最大似然估计 ;;;1、标准正态分布的概率分布函数 ;2、重复观测值不可以得到情况下二元Probit离散选择模型的参数估计 ;例 贷款决策模型;样本观测值;该方程表示，当CC和CM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CC=15、CM=－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=1－0.5517=0.4483，即对应于该客户，贷款成功的概率为0.4483。;模拟预测;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”（CC）和“市场竞争地位等级”（CM），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。 ;1、逻辑分布的概率分布函数 ;2、重复观测值不可以得到情况下二元logit离散选择模型的参数估计 ;Probit 0.999999 1.000000 0.447233 0.000000;P：样本观测值中被解释变量等于1的比例。 L0：模型中所有解释变量的系数都为0时的似然函数值。 R2：McFaddan R-squared ;LnL=－1.639954 LnL0=－52.80224 McFadden R2=0.968942 LR=102.3246;3、回代检验