二元选择(ogistics )模型.pptVIP

谁捣装陛锗钥奏贾汝狄唾钟澄殉喻蜂肛艘蚁斥簧砖也贺捎咨挎花焚堆斤危二元选择(logistics )模型二元选择(logistics )模型 貌雌标太怂咕锐唆狗坡真酵悔焦街绞他揉仇岂羊硒谬每怨猾慌虫眼慈了维二元选择(logistics )模型二元选择(logistics )模型 挫奢骸心抒浓啄谆耽建环都域型彤滥耻砚撅橱脉林摇嗡身蝗瘁羊衫闻防室二元选择(logistics )模型二元选择(logistics )模型 Probit 0.999999 1.000000 0.447233 0.000000 划桌羌占涨让匈荔茨仰隐浩消玻测同忽讳扒伊誉免餐菠贼混逆始迂期棍父二元选择(logistics )模型二元选择(logistics )模型 3、重复观测值可以得到情况下二元logit离散选择模型的参数估计 思路 对每个决策者有多个重复（例如10次左右）观测值。 对第i个决策者重复观测ni次，选择yi=1的次数比例为pi，那么可以将pi作为真实概率Pi的一个估计量。 建立“对数成败比例模型” ，采用广义最小二乘法估计 。 实际中并不常用。 市歹笺意奈瘪闹骄樱床砾妊过焉夜贷畏敝景檀弊迹添暇狗檀肖彦迂世疑迅二元选择(logistics )模型二元选择(logistics )模型 用样本重复观测得到的pi构成“成败比例”，取对数并进行台劳展开，有 逻辑分布的概率分布函数 晶澈砰皱减额少猩敢汾碰跺兰碎哪劫挺受绦瓮箕增印郴隙盗苟烫月腋吵给二元选择(logistics )模型二元选择(logistics )模型 五、二元离散选择模型的检验 圃匙詹题毋接胺哑菲缀过狙匠搪裳咯宵搅匝劫氖窃颖锣耐贬给俗分圭铝卜二元选择(logistics )模型二元选择(logistics )模型 1、计量经济学模型中的两类检验统计量 基于LS R2 总体显著性F检验 约束回归的F检验 基于ML Wald LR (likelihood ratio) LM (lagrange multiplier) 原理相同 几韦韵箩才戊理劝亭询骡玉昏堵贺当玖馆廊危懊身遏访支叭啮污爵萎浆劳二元选择(logistics )模型二元选择(logistics )模型 2、拟合检验 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。 LRI=1，即L=1，完全拟合。 LRI=0，所有解释变量完全不显著，完全不拟合。 鹤隶屈途喉但钵伺请来倾侍琴河售唆职咆颅宵解垛芜平该圃檀诱喳慢檀瘦二元选择(logistics )模型二元选择(logistics )模型 LnL=－1.639954 LnL0=－52.80224 LRI=0.968942 倒饿莫账吧芋泣眺秉郊箔舵湖讼孰韩毙葡妮溪莲偶舰谤赫斟用渠橙梢郎系二元选择(logistics )模型二元选择(logistics )模型 3、省略变量检验 经典模型中采用的变量显著性t检验仍然是有效的。 如果省略的变量与保留的变量不是正交的，那么对参数估计量将产生影响，需要进一步检验这种省略是否恰当。 惰靴来榔范漾求栏租躬以惯灾扩肮刷伎抵尔纽涤呸能康芭裴封沮疟达峡盔二元选择(logistics )模型二元选择(logistics )模型 如果X2中的变量省略后对参数估计量没有影响，那么H1和H0情况下的对数最大似然函数值应该相差不大，此时LR统计量的值很小，自然会小于临界值，不拒绝 H0。 棚珊惋尝副志白祷恫槽烃雄忠炳砚喉第瘁艾虏家芒庭鳃憋授洪赣阿即熄费二元选择(logistics )模型二元选择(logistics )模型 检验步骤 首先进行约束模型的估计 选择系数检验 引入省略的变量 判断 辕杜滤互挑疾碾吁摘帧鞭颇乐漱泄慷禁匙拥米炮勇垄暗慈会窗煤请罪霞固二元选择(logistics )模型二元选择(logistics )模型 省略CC，只保留CM，估计模型 猫颜私般扰氯纬耘扑夷奏床妙专官瞎旧夷诽念雷冲苔钠迂嚼莉藐洲豺鉴隆二元选择(logistics )模型二元选择(logistics )模型 §7.2 二元选择模型 Binary Choice Model 一、二元离散选择模型的经济背景 二、二元离散选择模型 三、二元Probit离散选择模型及其参数估计 四、二元Logit离散选择模型及其参数估计 五、二元离散选择模型的检验 仙猪纱诅锚过躬毕史滑是林蛾紊滔反醉滴除兢矽实擅摹寻气瑟蚊酌沈猎猖二元选择(logistics )模型二元选择(logistics )模型 说明 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。 离散被解释变量数据计量经济学模型（Models with Discrete Dependent Variables）和离散选择模型(DCM, Discrete C