计量经济学（第三版）（谢识予）计量三10.pptVIP

第10章 二元选择模型 本章介绍离散选择中的二元选择模型的计量经济分析。 二元选择模型是从多元回归分析从连续性被解释变量线性回归模型，向二值离散被解释变量模型的扩展。 本章介绍的内容包括二元选择问题，线性概率模型、Probit模型和Logit模型三种常见二元选择模型，以及它们的参数估计和检验方法。 第一节 二元选择问题 第二节 二元选择模型的分类 第三节 二元选择模型的参数估计 第四节 二元选择模型的参数估计 第一节 二元选择问题 现实经济或社会问题的实证研究，常需要解释和预测定性选择、结果。 被解释变量局限于定量指标是不够的。 例子1：一个人初中或高中毕业后选择读书还是工作？ 哪些因素会影响人们关于读书的决策？ 究竟是学习成绩还是家庭条件对关于读书的选择影响更大？ 例子2：如何才能考取心仪的学校？ 每天复习8小时或者参加昂贵的补习班能否录取？。 例子3：住房、汽车等大宗商品的消费，买还是不买？ 可以预测人们关于是否买房、买车的决策吗？ 价格、收入、家庭规模、教育、物业或用车成本，更重要？ 例子4：如果坚持自己的出价不让步，卖方最终会接受吗？如铁矿石谈判 当预测这些定性结果和研究它们的影响因素时，需要把这些定性选择变量作为被解释变量。 称为“二元选择模型”或”两项选择模型 可扩展到“多项选择模型”。 “离散选择模型”。 解释这些离散变量的则可以是连续变量，也包含其他定性变量。 基本特征：选择是或否 第二节 二元选择模型 定性选择问题要用计量经济模型、方法进行分析研究，首先需要引进虚拟变量把这些定性选择、结果转化为数学变量。 例如对于家庭购房决策来说，如果用1表示该家庭购房，0表示该家庭不购房，那么家庭购房选择就对应如下虚拟变量的取值 由于哪种情况会发生并不是确定的，具有随机性，因此这些虚拟变量是随机变量。 引进了上述反映定性结果的虚拟变量以后，就可以建立相关的回归模型。 例如对于居民是否购房的选择问题，如果假设相关因素对定性结果的作用都是线性叠加的，那么可以建立一个以二值虚拟变量为被解释变量，影响这个定性结果的因素作为解释变量的线性回归模型： 可以把上述模型理解为被解释变量是居民关于购房选择的定性虚拟变量，解释变量包括家庭收入、财产、家庭规模、家庭规模预期增量、房价、房价预期、利率等。 除了被解释变量是二值随机虚拟变量以外，表面上线性回归模型与一般多元线性回归模型没有区别。 被解释变量的特点决定了与一般多元线性回归模型有很大不同。 问题和困难： 因为被解释变量只有成功失败、非此即彼两个结果，人们的选择是在两个对立结果中的摇摆，而且影响哪个结果出现的因素又很复杂，因此解释和预测这种定性结果、选择，就像解释和预测明天是否会下雨那样，显然非常困难，很难有足够的把握。 从技术角度进一步分析，上述线性回归模型是一个连续函数，解释变量中许多会是连续变量，因此该模型输出的预测值存在许多甚至无限种可能值，两变量离散选择模型被解释变量的观测到的都只有1、0两个值。 因此该模型不可能直接预测两项选择的结果，预测的只是定性结果出现的概率。 如果用 表示 取1的概率，那么 取0的概率就是 。这个取值0、1的二值随机变量 的数学期望等于取1的概率 设所有解释变量都是确定性的，而误差项满足 ， 对线性模型两边求数学期望 如果解释变量是随机变量，则得到 以0、1二值虚拟变量作为被解释变量的二元选择线性回归模型，反映的是解释变量对定性结果、选项发生概率的影响 也被称为“线性概率模型”（linear probability model, LPM）。 利用这种线性概率模型预测的只是对定性结果的发生概率，而不是定性结果确定性的出现与否进行预测。 专业的天气预报只是预测降水概率，而不说一定下雨不下雨 二元离散选择模型的随机误差项 ，与一般线性回归模型的误差项也有区别的讨论： 如果把模型（1）改写成 不难看出 的作用就是弥补只取1、0两个值的虚拟变量 ，与连续变量 之间的差别。 取1，无法观测的扰动因素 把概率从 提高到1 取0，则 把概率从 降到0。 弥