一般离散因变量模型和面板离散因变量模型.pptVIP

商学院 王中昭 如果回归模型的解释变量中含有定性变量，则可以用虚拟变量进行处理。在实际经济问题中，被解释变量也可能是定性变量。如通过一系列解释变量的观测值观察人们对某项动议的态度，是否签订合同。对某一商品是否购买(汽车或房子)，某件事情的成功和失败，求职者对某种职业是否接受或者拒绝，那么这种选择就可以用1或者0来表示，这与解释变量的虚拟变量一样，只不过这里的变量为被解释变量，建模过程就较为复杂。 当被解释变量为定性变量时怎样建立模型呢？这就是要介绍的二元选择模型或多元选择模型。这里主要介绍Tobit（线性概率）模型，Probit（概率单位）模型和Logit模型。 1．Tobit（线性概率）模型Tobit模型的形式如下， Yt = ? + Xtβ + μt …… (1)其中μt为随机误差项，Xt为解释变量，?和 β为待估计的参数。Yt为二元选择变量。此模型由James Tobit提出，因此得名。如利息税、机动车的费改税问题等。设 例如有如下数据,其X和Y的散点图为: 对Yt取期望， E(Yt) = ? + Xt ? ……(2) 下面研究Yt的分布。因为Yt只能取两个值0和1，所以Yt 服从二项分布。把Yt的分布记为: pt = P (Yt = 1)