第五章离散选择模型课题.pptVIP

组，或者一个观测数据的 数值为1，并且属于第2组，就称这个观测数据是分组恰当的，否则就称这个观测数据是分组不恰当的。如果模型估计与实际观测数据比较一致，则大多数的观测数据应该是分组恰当的，反之，如果分组不恰当的观测数据所占的比重很大，说明模型估计与实际观测数据的拟合程度较差，模型需要调整。因此，该方法的思想是利用分组恰当与否，得到观测数据占总样本的比重来检验模型的拟合优度。 2、参数的显著性检验。 对模型中参数的显著性检验，就是决策判断某个解释变量对事件的发生（即选取 ）是否有显著性影响。如果检验结果表明该解释变量对选取 的发生有显著性影响，则认为将该解释变量放入Logit回归模型中是恰当的。否则，需要对模型进行适当的调整。 例 分析某种教学方法对成绩影响的有效性，被解释变量GRADE为接受新教学方法后成绩是否改善，如果改善取1，否则取0；GPA为平均分数；TUCE为测验得分；PSI为是否接受新教学方法，如果接受取1，否则取0。运用EViews软件中Logit模型估计方法得到如下结果 解释。一个解释变量的作用如果是增加对数发生比的话，也就增加了事件发生的概率。具体来讲， Logit模型的系数如果是正的并且统计显著，则在控制其它变量的情况下，对数发生比随对应的解释变量值增加而增加，相反，一个显著的负系数代表对数发生比随对应解释变量的增加而减少。如果系数的统计性质不显著，说明对应解释变量的作用在统计上与0无差异。 1、按发生比率来解释Logit模型的系数。 对Logit模型的回归系数进行解释时，很难具体把握以对数单位测量的作用幅度，所以通常是将Logit作用转换成对应的发生比来解释。 设模型为 5.3 Probit Model 例 在前述新教学方法的例子里，运用Eviews软件里的Probit模型估计方法得到如下结果 第五章 离散选择模型 5.1 线性概率模型(LPM) 5.2 Logit模型 5.3 Probit模型 5.1 线性概率模型(LPM) 一、问题的提出 在研究社会经济现象时，常常遇见一些特殊的被解释变量，其表现是选择与决策问题，是定性的，没有观测数据所对应；或者其观测到的是受某种限制的数据。 1、被解释变量是定性的选择与决策问题，可以用离散数据表示，即取值是不连续的。 例5.1 研究家庭是否购买住房。由于，购买住房行为要受到许多因素的影响，不仅有家庭收入、房屋价格，还有房屋的所在环境、人们的购买心理等，所以人们购买住房的心理价位很难观测到，但我们可以观察到是否购买了住房，即 例5.2 分析公司员工的跳槽行为。员工是否愿意跳槽到另一家公司，取决于薪资、发展潜力等诸多因素的权衡。员工跳槽的成本与收益是多少，我们无法知道，但我们可以观察到员工是否跳槽，即 例5.3 对某项建议进行投票。建议对投票者的利益影响是无法知道的，但可以观察到投票者的行为只有三种，即 从上述被解释变量所取的离散数据看，如果变量只有两个选择，则建立的模型为二元离散选择模型，又称二元型响应模型；如果变量有多于二个的选择，则为多元选择模型。本章主要介绍二元离散选择模型。 1962年，Warner首次将它应用于经济研究领域，用于研究公共交通工具和私人交通工具的选择问题。70-80年代，离散选择模型被普遍应用于经济布局、企业选点、交通问题、就业问题、购买行为等经济决策领域的研究。 2、被解释变量取值是连续的，但取值的范围受到限制，或者将连续数据转化为类型数据。 在研究居民储蓄时，调查数据只有存款一万元以上的帐户，这时就不能以此代表所有居民储蓄的情况，这种数据称为截断数据。这两种数据所建立的模型称为受限被解释变量模型。 二、线性概率模型 1、线性概率模型的概念。 设家庭购买住房的选择主要受到家庭的收入水平，则用如下模型表示 其中 为家庭的收入水平， 为家庭购买住房的选择，即 则 Y的分布为 则Y 的数学期望为 Y 0 1 概率 1-p p 因此， 家庭选择购买住房的概率是家庭收入的一个线性函数。我们称这一关系式为线性概率函数。 2、线性概率函数的估计 （1）随机误差项的非正态性表现 （2） 的异方差性 （3）利用加权最小二乘法修正异方差 3、 可决系数 的非真实性 4、 不成立 5 一个例子 5.2 Logit模型 一、Logit模型的产生 1、产生Logit模型的背景 对于线性概率模型来说，存在一些问题 （1）古典假定不再成立 （2） （3）经济意义也不能很好地得到体现 购买住房的可能性与收入之间应该是一种非线性关系 2、Logit模型的含义 （1）随着 的减小， 趋近0的速度会越来越慢；反过来随着