第十章_定性选择模型与受限因变量模型重点分析.ppt

第十章 定性选择模型和受限因变量模型 二、线性概率模型的估计和问题 第一个问题是线性概率模型存在异方差性。扰动项的方差是 ，这里 p 是因变量等于1的概率，此概率对于每个观测值不同，因而扰动项方差将不是常数，导致异方差性。可以使用WLS法，但不是很有效，并且将改变结果的含义。 第二个问题是扰动项不是正态分布的。事实上，线性概率模型的扰动项服从二项分布。 第三个问题，它假定自变量与Y=1的概率之间存在线性关系，而此关系往往不是线性的。 第二节 Probit模型和Logit模型 虽然估计和使用线性概率模型很简单，但存在上面讨论的几个问题，其中最严重的两个问题是拟合值小于0或大于1的问题和假定自变量和的概率之间存在线性关系的假设不现实的问题。使用更为复杂的二元响应模型可以克服这些缺陷 二、Probit模型和Logit模型的极大似然估计和假设检验 估计LPM，我们可以采用OLS或WLS。在Probit模型和Logit模型中，由于的非线性性质，OLS或WLS都不再适用。估计Probit模型和Logit模型，通常采用极大似然法。 极大似然估计量（MLE）即由极大化此对数似然函数得到。对于logit模型，G是标准logistic cdf，是logit估计量；对于probit模型，G是标准正态cdf，是probit估计量。 由于此最大化问题的非线性性质，我