第07章离散因变量和受限因变量模型汇总.pptVIP

* 4. 负二项式准-极大似然估计 最大化式（7.3.12）所表示的负二项式分布的对数似然函数，对于固定的?2，可以得到参数 ? 的准-极大似然估计。倘若m(xi ,?)被正确指定，即使 y 的条件分布不服从负二项式分布，这个准-极大似然估计量仍是一致的。 * 例7.4 计数模型的实例 本例研究轮船发生事故的次数与轮船的特征属性、运行时间之间的关系。因变量 y 表示平均每月轮船发生事故数。解释变量是轮船特征属性，包括轮船类型、建造时间、使用时期等。轮船类型有5种，分别用x1～x5表示，4个建造时间，分别用y1～y4表示， z1 , z2表示两个使用时期，da表示运行时间。 本例数据符合计数模型的条件，故采用泊松模型建模。注意到定性数据较多，为防止多重共线性，在引进虚拟变量时，需要人为地去掉一个。例如，轮船类型有5种x1～x5，则去掉x1，而在模型中只用其余4个变量x2～x5，同样4个建造时间y1～y4，在模型中只用其余3个变量y2～y4，两个使用时期在模型中只用z2。模型如下： （7.4.10） * 7.5.4 估计计数模型 1. 模型的估计 估计一个计数模型，打开Equation对话框，然后在估计方法中选择COUNT作为估计方法。EViews显示计数模型估计对话框(图7.6)。 图7.6 计数模型的估计对话框 * 在上面的编辑区域，列出被解释变量和解释变量。必须通过列表形式指定计数模型。模型的形式如方程（7.5.4）所示： (7.5.4) 在Options标签中，可以根据需要改变缺省估计的运算法则、收敛准则、初始值和计算系数协方差的方法。 * EViews提供的5种计数模型的估计方法： Poisson[ML and QML]； Negative binomial[ML]； Exponential[QML]； Normal/NLS[QML]； Negative binomial[QML]。 从上面的5种计数模型中选择一种，并且对于Negative binomial[QML]模型需要指定一个值作为固定的方差参数。前4种方法对应4种因变量的分布，分别为泊松分布、负二项分布、指数分布和正态分布。 * 例7.4的估计结果如下： * 写成方程如下： z =(-6.41) (-1.29) (-2.26) (-0.46) (1.13) (4.31) (4.28) (1.5) (3.13) (8.87) 轮船类型对事故发生有影响，如类型是x5的系数是正的，会使事故发生的可能增加；建造时间y2～y4的系数基本是递减的，表明建造时间越长，则发生事故的可能越大；使用时期z2也对事故发生产生很大影响，使用时间越长，则发生事故的可能越大；运行时间ln (da) 的系数是0.9，表明运行时间每增加1%，则发生事故数量会增加0.9%，因此对发生事故有显著的影响。 * 2. 模型的预测与产生残差 选择Forecast可以预测因变量 ? 和线性指标(xb)，b是参数? 的估计值，二者的关系为 ? = exp(xb)。选择Proc\Make Residual Series，可以产生计数模型的3种类型残差，残差类型参照表7.6。 人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情操， 给我们巨大的精神力量， 鼓舞我们前进。 * * 例7.2 排序模型的实例 在调查执政者的支持率的民意测验中，由于执政者执行了对某一收入阶层有利的政策而使得不同收入的人对其支持不同，所以收入成为决定人们是否支持的因素。通过调查取得了市民收入(INC)与支持与否(Y)的数据，其中如果选民支持则Yi取0，中立取1，不支持取2。我们选取24个样本进行排序选择模型分析。 *