高级计量经济学 第五章 二元选择模型.pptVIP

* L一般为负值 第五章二元选择模型 (Binary choice models) 本章内容 反映选择行为的模型 线性概率模型 经典二元选择模型 PROBIT模型 LOGIT模型 极端值模型 拟合优度测定 案例分析 用计量经济模型反映选择行为 行为主体从事的每项活动都可以看作是一种选择； 每个行为主体都有其偏好； 人们的行为有其规则； 在经济分析中，通常认为选择基于效用最大化标准。 研究中需要考虑： 行为理论基础 计量经济学模型方法 模型设定 统计理论和数据 估计方法和统计检验 行为假定 就可以选择的活动而言，行为主体的偏好具有传递性和完备性。 每项选择都有其相应的效用水平Uijt。 每个行为主体都试图获得最大效用。 我们无法对效用直接进行观测，只能通过观察行为主体做出的选择来揭示其偏好。 行为主体选择第一项活动意味着Ui1t Ui2t 随机效用函数(Random Utility Functions) 形式：Uij = ?j + ?i’xij + ?i’zi + eij ?j为与特定选择j相联系的常数项 xij 为选择j所具有的特性(Attributes) ?i为反映行为主体偏好的权重 zi 为行为主体的特征 ?i为行为主体特征的权重 eij为效用函数中不可观察的随机成分，假定E(eij)=0, Var(eij)=1 随机效用函数帮助建立了行为模式与观察到的数据之间的关系。 有限因变量模型(Limited dependent variable models) 在文献中，有限因变量模型常被称为离散型选择模型(Discrete Choice Models) 有限因变量模型的一般形式可以表达为： P(y = 1|x) = G(b0 + xb ) y* = b0 + xb + u, y = max(0,y*) 式中P(.)表示事件发生的概率； y*是一个隐变量（Latent variable)，其值大小取决于影响因素x，而y*决定事件发生的概率。 当y*达到不同的临界值时，y取不同的离散值（对应于不同的选择）或连续值（反映选择强度）。 二元选择模型是因变量取值仅为0或1的特殊情况。 二元行为选择 可以简化表述为涉及“是”或“否”的决策 例如是否攻读研究生 净效用函数：U读研 = ?+?1 X1 + ?2 X2 + ?1 Z1 + ?2 Z2+ e 当U读研0，那么选择读研究生。 使用的数据 因变量基于显示出的偏好 读研者U读研 0，定义Y＝1 未读研者U读研 0，定义Y=0 解释变量 收费X1（代表读研成本） 研究生工资增量X2 (代表预期收益） 家庭收入Z1（反映支付能力） 读研前的学习成绩Z2（代表个人能力） 二元行为选择 由模型分析可以获得的信息 研究生的社会经济特性是否具有重要意义 降低成本是否有助于吸引更多学生？ 就业市场好坏是否对读研究生有重要影响 家庭或个人特征是否影响到选择 家庭收入是否对读研究生构成重要限制？ 个人的学习能力是否影响到读研的决策？ 推断不同条件下的研究生规模变化 提高费用/就业机会增加/居民收入增加 推断个人的行为 哪些学生最有可能报考研究生 二元选择模型可用于评价政策 在评价某项政策计划（或技术应用）产生的影响时，常常可以用虚变量作为模型的因变量，例如： 是否参与某政策计划： 当所分析对象参与该某政策计划时D=1，否则D=0； 是否采纳某种（新）技术 当所分析对象采纳该技术时D=1，否则D=0； 农业劳动力转移 当农户家庭中有劳动力实现转移时D=1，否则D=0。 农户土地流转、借贷行为、政府提价… 自我选择问题 在很多情况下，是否选择参与某政策计划或是否采用某生产技术是由微观行为主体选择的，由此导致了自我选择问题。 如果我们掌握有哪些因素影响到是否参与，那么就可以对选择行为做分析。 然而经常出现的情况是，有一些无法观察的因素影响到是否参与。 在此情况下，仅利用参与者的信息估计政策效果可能出现偏差，进而导致制定错误的政策。 线性概率模型 我们可以用线性概率模型来研究二元选择行为，此时模型可以写作： P(y = 1|x) = ?1x1 + … + ?KxK+e ?j 表示当xj 变化时概率的变化 该方程推断的y 的值表示做出该选择的概率。 一个问题是，由线性概率方程推断得出的概率值可能落在区间[0,1]之外，因而只有在均值附近才较为可靠。 由于线性概率函数的取值仅为0或1，因而误差项与模型参数β出现相关，即e或是等于-β?X，或是等于1-β?X，因而存在异方差问题，导致统计检验失效。 随着计量经济学软件的不断发展，现在已经很少使用线性概率模型。 概率模型 Z 1 Z* 线性概率函数 概率函数模型 如前面所述，利用概率模型做推断时可能会遇到计算值超出0~1区间的情况。 为了解决这