(微观计量经济学教暗母)离散计数数据模型.pptVIP

§9.3 离散计数数据模型（Models For Count Data） ;一、问题的提出;1、经济、社会活动中的计数数据问题;2、计量模型中的计数数据问题;建立模型的目的主要有两点： 检验从数据中可以观察到的行为模式是否与理论预期相符； 将N和X之间的内在联系用数量化的方式表现出来。 从理论上讲，多元线性方程的参数估计方法也可以被应用来分析计数数据模型问题。 但是很容易发现，计数数据中零元素和绝对值较小的数据出现得较为频繁，而且离散特征十分明显，利用这些特点，可以找到更合适的估计方法。 ;七十年代末以来，许多学者在计数数据模型的处理方法方面作出了较大贡献，包括： Gilbert（1979）提出了泊松回归模型， Hausman,Hall和Griliches（1984）提出了负二项回归模型和Panel方法， Gourier，Monfort和Trogonon（1984）提出了仿最大似然法。 其中，最先提出的泊松方法在研究计数数据模型问题中应用得非常广泛。 ;二、泊松回归模型;1、泊松回归模型;最常用的关于?i的方程是对数线性模型，即 ;2、泊松回归模型的ML估计;由于对数似然函数的Hessian矩阵对任何x和?的取值是负定的。即LnL在稳定点有极大值，稳定点指满足一阶条件的?。 ;3、拟合优度;该统计量为各样本观察值的偏差之和。如果拟合达到完美状态，则该统计量为零。 ;分子和分母都衡量了模型在只有一种观察值的模型基础上的改进，分母为改进的最大空间。所以该统计量的数值在0到1之间。 ;“仿R2”统计量 ;4、假设检验 ;三个统计量都服从χ2分布，自由度为受限变量的个数。如果统计值大于临界值，则拒绝原假设。 ;5、例题;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;注意入选的解释变量;部分参数的经济意义缺乏合理解释。只作为试例。;ACCIDENTS = @EXP(1.645572184*TYPEA + 2.353413299*TYPEB + 0.4488787812*TYPEC + 0.8131627072*TYPED + 1.401045748*TYPEE - 0.6726004217*YEAR60 + 0.3731874354*YEAR65 + 0.7675535312*YEAR70 - 0.6994767419*YEAROP60 + 6.388715642e-05*SERVMONTH);用LR统计量进行假设检验;0假设为：制造年份对事故次数无影响;拒绝0假设;预测结果与观测值的比较;OLS估计与计数数据估计拟合值的比较;三、泊松回归模型的扩展;1、不平均分布检验（Overdispersion）;基于回归的检验方法 Cameron和Trivedi在1990年提出 ;拉格朗日乘子检验法 基本思想也是放松泊松模型中均值等于方程的假设。 泊松分布是负二项分布的一种特殊情况，当对负二项分布的某个参数加以一定的限制条件后，就能够得到泊松分布。 在一般情况下，如果一个模型是在对另一个替代模型的参数加以限制的条件下得到的，那么就可以得到LM统计量。 ;2、负二项分布模型（Negative Binomial Regression Model） ;引入无法观察的随机影响来使泊松模型一般化 ;该分布是负二项分布的一种形式。 其条件均值为λi，条件方差为λi（1+1/θ）λi）。 由概率密度可以求得最大似然函数，再通过迭代法求出参数估计。 对于负二项分布假设可以用Wald或者LR统计量进行检验。 ;负二项分布回归模型;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;ACCIDENTS = @EXP(1.520444133*TYPEA + 2.270100317*TYPEB + 0.4581374106*TYPEC + 0.6449816375*TYPED + 1.358883951*TYPEE - 0.8616385402*YEAR60 + 0.2032389361*YEAR65 + 0.9661619692*YEAR70 - 0.70200106