ch3 Multinomial(微观计量第二次课).pptx

3. 多元选择模型(Unordered) Multinomial Model 多元选择模型 3.1 多元选择模型 3.2 极大似然估计 3.3 边际效应 3.4 例子 3.1 多元选择模型 被解释变量（y）可以有m个选择（alternative），各选择之间无序、互斥、且数量有限、能够被穷举。 如果第j个选择被选中，记为 y = j, j=1,…, m。选项j被选中的概率记为 P_j= Pr[y=j], j=1,…,m. (1) 为每个观测值引入m个二元变量 3.1 多元选择模型 多元模型y服从multinomial分布，密度函数为： 个体 i 选择选项 j 的概率记为： 3.1 多元选择模型 3.1 多元选择模型 条件logit模型（CL） 多元logit模型（MNL） 3.1 多元选择模型 混合模型 3.1 多元选择模型 定义： CL MNL ML 3.2 极大似然估计（MLE） y密度函数 个体 i 选择选项 j 的概率记为： 似然方程 对数似然方程 FOC 3.2 极大似然估计（MLE） CL： 3.2 极大似然估计（MLE） CL总结： FOC 3.2 极大似然估计（MLE） MNL 3.2 极大似然估计（MLE） MNL 3.2 极大似然估计（MLE） MNL总结： FOC 3.3 边际效应 CL 3.3 边际效应 MNL 3.3 边际效应 机会比（相对风险）OR（MNL）