第九讲定类或定序因变量回归分析.ppt

第九讲 定类或定序因变量回归分析 一、问题的提出 线性回归模型在定量分析中广为流行，然而当因变量是一个定类变量而不是一个连续变量时，很难应用线性回归模型。 如政治学中研究是否选举某候选人，经济学研究中涉及的是否销售或购买某种商品，如在社会学和人口学研究中所涉及的如犯罪、逃学、迁移、结婚、离婚、生育、患病等等都可以按照二分类变量或多分类来测量。 又如在研究态度与偏好等心理现象时也经常按几个类型进行测量的，如“强烈反对”、“反对”、“中立”、“支持”、和“强烈支持”。 另外，有时对一些连续变量也要转换成类型变量，如在分析升学考试的影响因素时，将考生分为录取线以上和录取线以下，只要选定一个分界点，连续变量便可以被转换成定类变量。 从统计理论上看，在进行最小二乘法的参数估计时，我们仅仅关注残差项ε的分布，很少对因变量Y所服从的分布予以关注，实际上,我们拥有Y的信息要远远大于拥有残差项ε的信息。 因变量Y服从正态分布的推断来源于残差项服从正态分布，因为Y 是残差项的线性函数。事实上，社会经济现象往往有不同于正态分布的其他分布，例如： （1）二项分布（binomial distribution） （2）泊松分布（Poisson） 二、线性概率模型 1、模型建立 以最小二乘法为基础的线性回归方程是估测因变量的平均值，而二分变量的均值有一个特定的意义，即概率。用普通线性回归方程估测概率，就是所谓的线性概率回归。用公式表示为： P = a + ∑βiXi + ε 对二项分布线性概率模型的结果解释： 在其他变量不变的情形下，x每增加一个单位，事件发生概率的期望将变动β个单位。 例如，林楠和谢文（1988）曾用线性概率模型估测入党（政治资本）的概率，模型为： P = -0.39 +0.01A +0.04E +0.03U 其中：P—党员概率， A—年龄， E—受教育年限， U—单位身份 2、线性概率模型存在的问题 1）异方差性 普通最小二乘法假设残差项的方差是相同的，但二项分布的方差为 p（1-p），这意味着方差是中间大，两边小，所以方程中残差项的方差不可能恒定。 2）非正态性 在给定自变量x条件下， ?是y的预测值与实际值的离差。由于y仅仅有0和1两个值，误差项 ? 要么等于 ，或者 很明显，该误差项不是正态分布。 3）无意义的解释 从解释力上看，由于概率的值是有边界的，在0与1之间。但林楠方程很有可能要超过该限制，因变量的估计值可能是负数，也可能大于1，因此模型的结果是无意义的。例如，运用林楠方程，我们发现如果年龄为100岁，受教育程度超过10年，则入党的概率约等于1。 4）非线性关系 三、简单对数比率回归 1、模型建立 既然用线性概率回归存在以上两个方面的局限性，我们能否用比率做因变量呢？ 比如用男女比率作因变量，用成功与不成功之比做因变量。用比率做因变量可以建立估计方程，但存在的问题是，比率是非对称的. 一个简单的解决办法就是取对数，结果就是所谓对数比率（logit)。若用P代表某事件的概率，则对数比率函数的定义为 g（P）= log （P/1-P） 以对数比率为因变量对自变量X1，X2，X3……做回归称为对数比率回归（logistic regression），其方程式为： 表1 概率、比率和对数比率 2、发生比 发生比是事件的发生频数与不发生频数之间的比，即： Odds=(事件发生频数)/（事件不发生频数） 当比值大于1时，表明事件更有可能发生。比如一个事件发生的概率为0.6，事件不发生的概率为0.4，发生比等于0.6/0.4=1.5。事件发生的可能性是不发生的1.5倍。 四、极大似然估计的基本思想 1) 概率问题 例1、假定我们要估计一样本中男性的发生概率。以s表示样本中男性的数量；N是样本规模；π是总体中男性的概率（ ?=0.5 ）。 根据贝努利公式： 其中k!=k(k-1)…2.1 10个样本中有3个男性的概率为： 如果我们已知样本中s、N及其概率分布的信息，需要估计总体特征?，则需要借助极大似然估计法来完成。极大似然估计ML就是估计这样一个参数值，由于该参数的存在可以使得被观察的事件最有可能发生。 2)