第1章二元选择模型材料.ppt

续表 变量 定义 1978 1991 均值 标准差 均值 标准差 MBHC CR* MKGR DCR? DCRTA DCRSMSA DCRMBH =1若银行所在州允许MBHC =0不然的话 市场赫芬达尔(Herfindahl)指数 总市场资产的五年增长 =1若CR0.25 =0 不然的话 DCR×TA DCR×SMSA DCR×MBHC 0.416 0.493 0.427 0.495 0.257 0.155 0.254 0.150 0.656 0.203 0.778 0.254 0.009 0.022 0.011 0.029 0.013 0.113 0.013 0.114 0.178 0.383 0.187 0.390 概率单位模型的一个延伸，是由诺贝尔经济学奖获得者J.托宾(Tobin)推演出来的托宾单位模型，或简称托比模型(Tobit model)。为了解释这个模型，我们仍借助于住房所有权一例。 第四节 托比模型 但设想我们想知道一个消费者相对于他或她的收入(以及其他经济变量)花在购房上的金额。现在我们遇到一个问题：如果一个消费者不买房子，则显然我们得不到这类消费者的住房支出数据。我们只有实际上买了住房的消费者的数据。 于是消费者被划分为两类。一类由 个消费者构成，对于他们，我们既有解释变量(如收入、抵押利率，等等)的信息，又有被解释变量(购房开支)的信息。另一类由 个消费者构成，但对他们，我们仅有解释变量的信息。 一个仅对某些观测有解释变量的信息的样本叫做截取样本(Censored sample)。因此，托比模型又称截取回归模型。由于被解释变量的取值受到了限制，一些作者又称这类模型为限值应变量模型(limited dependent variable models)。 3.用步骤2得到的 作为回归(7.35)中的应变量。 4.若愿意的话，把5加到所估计的 上，从而将其转换为概率单位，然后用这样的概率单位作为回归(7.35)中的应变量。 不管我们是用n.e.d，还是用概率单位(probit)，回归结果都将是可比较的。因为在两个模型中，斜率系数 都将是一样的(为什么?),尽管截距将不一样(为什么?)。 5. 式(7.35)中的干扰项是异方差性的。因此，为了得到参数的有效估计，还有必要将数据转换，使得转换后的模型的误差项是同方差性的。 6.可按平常的方式进行假设检验，但要记住，由此引出的结果仅是渐近地即在大样本中有效。 7.从这种模型得到的 ，作为拟合优度的衡量，其价值是可疑的，理由已申述如前。 为了说明刚才讨论的步骤，我们将利用表16.7的数据。现将该表制为表16.8，并作一些补充。根据其中的n.e.d.值，我们得到如下结果 三、 概率单位模型：一个数值例子 (7.36) (n.e.d.) Probits (n.e.d.+5) 0.20 0.24 0.30 0.35 0.45 0.51 0.60 0.66 0.75 0.80 -0.84 -0.70 -0.52 -0.38 -0.12 0.03 0.25 0.40 0.67 0.84 4.16 4.30 4.48 4.62 4.88 5.03 5.25 5.40 5.67 5.84 表7.8 住房所有权一例的概率单位 这表明随着X 增加一单位，I 平均增加0.05单位。如前所说，指数 越高，家庭拥有住房的概率越大。例如，若X =6(千美元)，则由(7.36)算出 是-0.7202， 而若X=7，则 是-0.6721；前者相当于约为0.24的概率，而后者相当于约0.25的概率。所有这些均可得自累积标准化正态 CDF；或从几何上得自图16.4a。 按概率单位计算的回归结果如下(其中Zi=概率单位) 除截距外，这些结果无异于从(7.36)所得到的结果。但这并不足以为奇(为什么?) (7.37) 现在，对数单位和概率单位模型我们都已考虑过，在实践中哪一种模型较好?从理论的视角看，两者的差别，如图16.6所示。 四、对数单位和概率单位模型的关系1. 对数单位与概率单位 逻辑斯蒂和概率单位两种形式十分相近，主要差别在于逻辑斯蒂曲线略为平扁，即正态或概率单位曲线比逻辑斯蒂曲线趋近渐近轴更快。 因此，这两者之间的选择，可根据(数学上)的方便和计算机程序的具备情况来决定