第7章二元离散选择模型.docVIP

PAGE  PAGE 9 第七章 二元离散选择模型 1.在一次选举中，由于候选人对高收入者有力，所以收入成为每个投票者表示同意或者反对的最主要影响因素。以投票者的态度（y）作为被解释变量，以投票者的月收入（x）作为解释变量建立模型，同意者其观测值为1，反对者其观测值为0，样本数据见表7.1。原始模型为：。利用Probit二元离散选择模型估计参数。 表8.1 样本观测值 序号XY序号XY序号XY110001111000212100122000121200022220013300013130012323001440001414000242400155000151500125250016600016160002626001770001717001272700188000181800028280019900019190012929001101000020200013030001 估计过程如下： 输入变量名，选择Probit参数估计。 得到如下输出结果： 但是作为估计对象的不是原是模型，而是如下结果： 可以得到不通X值下的Y选择1的概率。例如，当X=600时，查标准正态分布表，对应于2.9137的累积正态分布为0.9982；于是，Y的预测值YF=1-0.9982=0.0018，即对应于该个人，投赞成票的概率为0.0018。 某商业银行从历史贷款客户中随机抽取78个样本，根据涉及的指标体系分别计算它们的“商业信用支持度”（XY）和“市场竞争地位等级”（SC），对它们贷款的结果（JG）采用二元离散变量，1表示贷款成功，0表示贷款失败。样本观测值见表8.2。目的是研究JG与XY、SC之间的关系，并为正确贷款决策提供支持。 表8.2 样本观测值 JGXYSCJGFJGXYSCJGFJGXYSCJGF0125-2001500-20054-100599-2009600142210100-201-80104200.02090160-200375-2011821046-20042-16.50E-1308016.40E-12080-2015211-5010133-200172-200326200350-101-80102611012300.9979089-201-2-10.9999060-200128-20014-23.90E-07070-10160112200.99911-8010150-100113100400-201542114210.998707200028-2015720.99990120-1012500.990601460014010.999812300.99791150113510.999911401026-24.40E-1612611049-10089-20115-10.4472014-10.54981511069-1006102.10E-121-9-1101071014021141112911030-20054-2012110112-101321113710.9999078-2005401.40E-07053-1010010131-200194000131-2011501 估计过程如下： 输入变量名，选择Logit参数估计。 得到如下输出结果： 用回归方程表示如下： 该方程表示，当XY和SC已知时，带入当成，可以计算贷款成功的概率JGF。 某研究所1999年50名硕士考生的入学考试总分数（SCORE）及录取情况见表5。考生考试总分数用SCORE表示，Y为录取状态，D1为表示应届生与往届生的虚拟变量。 表5 50名硕士考生的入学考试总分数（SCORE）及录取状况数据表 序数YSCORED1序数YSC