第七章二元離散选择模型.doc

第七章 二元离散选择模型 1.在一次选举中，由于候选人对高收入者有力，所以收入成为每个投票者表示同意或者反对的最主要影响因素。以投票者的态度（y）作为被解释变量，以投票者的月收入（x）作为解释变量建立模型，同意者其观测值为1，反对者其观测值为0，样本数据见表7.1。原始模型为：。利用Probit二元离散选择模型估计参数。 表8.1 样本观测值 序号 X Y 序号 X Y 序号 X Y 1 100 0 11 1100 0 21 2100 1 2 200 0 12 1200 0 22 2200 1 3 300 0 13 1300 1 23 2300 1 4 400 0 14 1400 0 24 2400 1 5 500 0 15 1500 1 25 2500 1 6 600 0 16 1600 0 26 2600 1 7 700 0 17 1700 1 27 2700 1 8 800 0 18 1800 0 28 2800 1 9 900 0 19 1900 1 29 2900 1 10 1000 0 20 2000 1 30 3000 1 估计过程如下： 输入变量名，选择Probit参数估计。 得到如下输出结果： 但是作为估计对象的不是原是模型，而是如下结果： 可以得到不通X值下的Y选择1的概率。例如，当X=600时，查标准正态分布表，对应于2.9137的累积正态分布为0.9982；于是，Y的预测值YF=1-0.9982=0.0018，即对应于该个人，投赞成票的概率为0.0018。 某商业银行从历史贷款客户中随机抽取78个样本，根据涉及的指标体系分别计算它们的“商业信用支持度”（XY）和“市场竞争地位等级”（SC），对它们贷款的结果（JG）采用二元离散变量，1表示贷款成功，0表示贷款失败。样本观测值见表8.2。目的是研究JG与XY、SC之间的关系，并为正确贷款决策提供支持。 表8.2 样本观测值 JG XY SC JGF JG XY SC JGF JG XY SC JGF 0 125 -2 0 0 1500 -2 0 0 54 -1 0 0 599 -2 0 0 96 0 0 1 42 2 1 0 100 -2 0 1 -8 0 1 0 42 0 0.0209 0 160 -2 0 0 375 -2 0 1 18 2 1 0 46 -2 0 0 42 -1 6.50E-13 0 80 1 6.40E-12 0 80 -2 0 1 5 2 1 1 -5 0 1 0 133 -2 0 0 172 -2 0 0 326 2 0 0 350 -1 0 1 -8 0 1 0 261 1 0 1 23 0 0.9979 0 89 -2 0 1 -2 -1 0.9999 0 60 -2 0 0 128 -2 0 0 14 -2 3.90E-07 0 70 -1 0 1 6 0 1 1 22 0 0.9991 1 -8 0 1 0 150 -1 0 0 113 1 0 0 400 -2 0 1 54 2 1 1 42 1 0.9987 0 72 0 0 0 28 -2 0 1 57 2 0.9999 0 120 -1 0 1 25 0 0.9906 0 146 0 0 1 40 1 0.9998 1 23 0 0.9979 1 15 0 1 1 35 1 0.9999 1 14 0 1 0 26 -2 4.40E-16 1 26 1 1 0 49 -1 0 0 89 -2 0 1 15 -1 0.4472 0 14 -1 0.5498 1 5 1 1 0 69 -1 0 0 61 0 2.10E-12 1 -9 -1 1 0 107 1 0 1 40 2 1 1 4 1 1 1 29 1 1 0 30 -2 0 0 54 -2 0 1 2 1 1 0 112 -1 0 1 32 1 1 1 37 1 0.9999 0 78 -2 0 0 54 0 1.40E-07 0 53 -1 0 1 0 0 1 0 131 -2 0 0 194 0 0 0 131 -2 0 1 15 0 1 估计过程如下： 输入变量名，选择Logit参数估计。 得到如下输出结果： 用回归方程表示如下： 该方程表示，当XY和SC已知时，带入当成，可以计算贷款成功的概率JGF。 某研究所1999年50名硕士考生的入学考试总分数（SCORE）及录取情况见表5。考生考试总分数用SCORE表示，Y为录取状态，D1为表示应届生与往届生的虚拟变量。 表5 50名硕士考生的入学考试总分数（SCORE）及录取状况数据表 序数 Y SCORE D1 序数 Y SCO