- 1、本文档共63页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
V的观测值通过求解标准正态分布的概率分布函数的反函数得到 实际观测得到的 四、二元Logit离散选择模型及其参数估计 1、逻辑分布的概率分布函数 B?rsch-Supan于1987年指出: 如果选择是按照效用最大化而进行的,具有极限值的逻辑分布是较好的选择,这种情况下的二元选择模型应该采用Logit模型。 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 关于参数的非线性函数,不能直接求解,需采用完全信息最大似然法中所采用的迭代方法。 应用计量经济学软件。 Probit 0.999999 1.000000 0.447233 0.000000 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。 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 五、二元离散选择模型的检验 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 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。 LnL=-1.639954 LnL0=-52.80224 LRI=0.968942 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。 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。 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 省略CC,只保留CM,估计模型 选择”Omitted Variables-LR Test” 引入CC 拒绝CC系数为0的0假设 4、异方差性检验 截面数据样本,容易存在异方差性。 假定异方差结构为: 采用LM检验 将解释变量分为两类,Z为只与个体特征有关的变量。显然异方差与这些变量相关。 将异方差检验问题变为一个约束检验问题 一般都存在异方差。 不检验,采用White修正进行估计 5、分布检验 检验关于分布的假设(probit、logit )。 一般不进行该项检验。 具体见相关教科书(Greene,P682)。 β:模型1的参数,γ:模型2的参数。 组合模型的似然函数: 构造LM统计量,如果不拒绝0假设,表明模型1是适当的。 6、回代检验 当二元离散选择模型被估计后,将所有样本的解释变量观测值代入模型,计算得到每个样本的被解释变量选择1的概率,与每个样本被解释变量的实际观测值进行比较,以判断模型的预测(回代)效果,是一种实际有效的模型检验方法。 概率阈值 朴素选择:p=0.5 (1、0的样本相当时) 先验选择:p=(选1的样本数/全部样本)(全样本时) 最优阈值:犯第一类错误最小原则 例7.2.2 朴素选择,即以0.5为阈值:除了2个样本外,所有样本都通过了回代检验。 先验选择,即以选择1的样本的比例0.41为阈值:除了1个样本外,所有样本都通过了回代检验。 实例—财务欺诈识别模型 我国上市公司财务欺诈识别模型 样本:年度报告审计意见为“无法发表意见”或者“证监会立案调查”等公司属于财务欺诈样本;年度报告审计意见为“标准无保留意见”和财务报表满足“利润×现金流量>0”的公司属于配对样本。 解释变量:开始选择11个财务指标;通过T检验,确定6个指标:资产负债率、资产毛利率、资产周转率、营运资金比率、应收账款周转率、经营活动现金流量/资产额。 样本:财务欺诈公司30,非财务欺诈公司30 采用犯第一类错误最小原则确定最优阈值为0.68 欺诈样本中,p0.68,26个,占86.7% 非欺诈样本中,p0.68,25个,占83.3% 实例—上市公司并购 被解释变量:当年发生并购行为为1,反之为0。 解释变量:净利润率、……,全流通虚变量。 试图研究全流通都并购的影响。 样本:1994-2008上市公司,并购样本731,非并购样本9835。 采用先验原则,P=5% 模拟结果: 并购样本中:p5%占53% 非并购样本中:p5%占72% §7.2 二元
文档评论(0)