计量经济学及其应用：第15章.pptVIP

第15章 ;15.1 线性概率模型 15.2 二元logit模型 15.3 案例分析;15.1 线性概率模型;;2. 线性概率模型存在的问题;（2） 不以0和1为界。因为 是虚拟变量，所以，既然 是概率值，取值就应该介于0和1之间。概率的预测值大于1（或小于0）是没有意义的。然而，再次观察方程（15-2），根据 和 的值，方程左边的取值可能会超出有意义的范围。例如，如果方程（15-2）中所有的 和 都取1，则 等于3，远大于1。 ;15.2 二元logit模型; Logit模型应该采用最大似然法（maximum likelihood，简称ML）而非OLS估计。最大似然估计是通过最大化样本数据被观察到的概率来确定参数估计值的。OLS估计与ML估计的结果并非完全不同，对线性方程来说，在古典假设（包括正态性假设）满足的情况下，ML估计结果与OLS估计结果完全相同。; 其次，令; Logit模型可以采用EViews直接估计，在EViews主菜单下，点击“Quick/Estimare Equation”，在“Equation specification”中写入各变量名，然后在“method”下拉菜单中选择“Binary choice”，点击“确定”即可，如图15-1所示。;2. 解释logit模型的参数估计量;