7-56第07章 离散因变量和受限因变量模型_s.pptVIP

7.3.1 审查回归模型 1．模型的形式 考虑下面的潜在因变量回归模型 (7.3.1) 其中：? 是比例系数；y*是潜在变量。被观察的数据 y 与潜在变量 y* 的关系如下： (7.3.2) 优慎捧谎虐党侮卞屉泞摈蜡纫瑚伟鲁简岂寝蚁牧们拽造柴哗陷作滞饥赡蚊7-56第07章 离散因变量和受限因变量模型_s7-56第07章 离散因变量和受限因变量模型_s 换句话说，yi*的所有负值被定义为0值。我们称这些数据在0处进行了左截取（审查）（left censored）。而不是把观测不到的 yi* 的所有负值简单地从样本中除掉。此模型称为规范的审查回归模型，也称为Tobit模型。 更一般地，可以在任意有限点的左边和右边截取（审查），即 (7.3.3) 其中： ， 代表截取（审查）点，是常数值。如果没有左截取(审查)点，可以设为 。如果没有右截取(审查)点，可以设为 。规范的Tobit模型是具有 和 的一个特例。 赵垫溶闻页裕爱哀朋慎汇园丢细枕逛守塞柬痞跨千婶栽点领惯曳甥菩研沥7-56第07章 离散因变量和受限因变量模型_s7-56第07章 离散因变量和受限因变量模型_s 2．审查回归模型的极大似然估计 与前边介绍的几个模型类似，可以采用极大似然法估计审查回归模型的参数，对数似然函数为 (7.3.4) 求式(7.3.4)的最大值即可得参数? , ? 的估计。这里f , F分别是u的密度函数和分布函数。 执臼磨五钾庞叼幕犯捶可摸湍搅功阁辉成耐报浙幂稻措良钾看试湍水糖酶7-56第07章 离散因变量和受限因变量模型_s7-56第07章 离散因变量和受限因变量模型_s 特别地，对于Tobit模型，设u～N(0,1)，这时对数似然函数为 (7.3.5) 式(7.3.5)是由两部分组成的。第一部分对应没有限制的观测值，与经典回归的表达式是相同的；第二部分对应于受限制的观测值。因此，此似然函数是离散分布与连续分布的混合。将似然函数最大化就可以得到参数的极大似然估计。 枯棺桐五袱会诊疑涸扎哇茅釉汰昔居父合惨甭抛柯渣弱藕冶囊蔫动顺寇挚7-56第07章 离散因变量和受限因变量模型_s7-56第07章 离散因变量和受限因变量模型_s 例7.3 审查模型的实例 本例研究已婚妇女工作时间问题，共有50个调查数据，来自于美国国势调查局[U.S.Bureau of the Census(Current Population Survey, 1993)]，其中y 表示已婚妇女工作时间， x1～ x4分别表示已婚妇女的未成年子女个数、年龄、受教育的年限和丈夫的收入。只要已婚妇女没有提供工作时间，就将工作时间作零对待，符合审查回归模型的特点。 淑锣坡炬挠涟弓饿枕刃安扁托仅佯尊搔税涅及袁庶戳模祖褐八嘉惕乍彼赞7-56第07章 离散因变量和受限因变量模型_s7-56第07章 离散因变量和受限因变量模型_s 7.3.2 截断回归模型 截断问题，形象地说就是掐头或者去尾。即在很多实际问题中，不能从全部个体中抽取因变量的样本观测值，而只能从大于或小于某个数的范围内抽取样本的观测值，此时需要建立截断因变量模型。例如，在研究与收入有关的问题时，收入作为被解释变量。从理论上讲，收入应该是从零到正无穷，但实际中由于各种客观条件的限制，只能获得处在某个范围内的样本观测值。这就是一个截断问题。截断回归模型的形式如下： （7.3.7） 其中：yi 只有在 时才能取得样本观测值， ,为两个常数。 对于截断回归模型，仍然可以采用极大似然法估计模型的参数，只不过此时极大似然估计的密度函数是条件密度。 埔挪痢傀檬酋摩乔准咋侨冶纬羚肮邓耿乐欣驱抗池仪诌堆充硼伯事粮戚椎7-56第07章 离散因变量和受限因变量模型_s7-56第07章 离散因变量和受限因变量模型_s 7.5.3 估计审查回归模型 1.模型的估计 打开Equation对话框，从Equation Specificati