EViews统计分析10-离散因变量和受限因变量模型.ppt

三、受限因变量模型 2、审查回归模型的建立 “Dependent variable censoring points”区域提供了关于因变量的临界点的基本信息。临界点可以是数值（a number）、序列（a series）、表达式（a series expression）或者是空的（blank）。这里可以分为两种情况： （1）临界点对于所有的个体都是已知的情况 （2）临界点只对于具有审查观察值的个体是已知的情况 三、受限因变量模型 2、审查回归模型的建立 （1）临界点对于所有的个体都是已知的情况 在“Dependent variable censoring points”的左编辑栏（Left）和右编辑栏（Right）中输入临界点的表达式。如果编辑区域出现空白，EViews软件将假定该种类型的观测值没有被审查。 在规范的Tobit模型中，左编辑栏（Left）输入0，右编辑栏（Right）为空。因而数据在0值左边审查，在0值右边不被审查。 三、受限因变量模型 2、审查回归模型的建立 （2）临界点只对于具有审查观察值的个体是已知的情况 假定临界点对于一些个体是未知的，此时可以通过设置0和1的虚拟变量来对数据进行审查。 在“Left Right points”中选中“Zero/one indicator of censoring”命令，然后在编辑栏中输入临界点的指示变量。 审查指示变量值为1的观察值需要进行审查处理，审查指示变量值为0的观察值不需进行审查。 通过选择方程对象工具栏中的“Proc|Make Residual Series”选项，并从弹出的对话框三种类型的残差中选择一种，就可以得到审查回归模型的残差序列。 三、受限因变量模型 3、截断回归模型 截断回归模型的建立方法与审查回归模型的相类似。 首先选择主菜单栏中的“Quick”|“Estimate Equation” 选项，打开方程设定对话框，在“Method”的下拉菜单中选择“CENSORED- Censored or truncated data（tobit）”估计法。在弹出对话框的“Equation Specification”中列出变量名称，选择一种误差项的分布形式。然后再选中“Truncated sample”复选框，即可对截断回归模型进行估计。 三、受限因变量模型 3、截断回归模型 在EViews软件的操作中，截断估计只能对截断点已知的模型进行估计。如果用指标变量指定截断点，系统会给出错误信息的提示。如果因变量的某些值在截断点之外，系统同样会给出错误信息的提示。并且，软件会自动删除严格等于截断点的观察值。 四、计数模型 当因变量为计数变量，数值较小，取0的个数较多，并且解释变量多为定性变量时，应建立计数模型。 所谓的计数变量是指，因变量y表示的是事件发生的数量，是离散的整数。 EViews软件提供了多种计数模型的估计方法，有泊松估计法，负二项极大似然估计法和拟极大似然估计法，其中，泊松估计法是比较常用的。 四、计数模型 1、泊松模型 泊松模型（Poisson Model）中，每一个观测值yt都来自于参数为m(xt，β)的泊松分布，m为指标变量，和自变量有关。当给定xt时，yt的条件密度服从泊松分布，即 由泊松分布的特点，可得 通过对数似然函数最大化可得到参数β的估计值。如果条件均值分布能被正确的指定，并且y的条件分布是泊松分布，则得到的极大似然估计量是一致、有效的，且服从渐进正态分布。 * EViews统计分析基础教程 第10章 离散因变量和受限因变量模型 重点内容： 二元选择模型的建立 排序选择模型的建立 审查回归模型的建立 计数模型的建立 一、二元选择模型 1.二元选择模型的形式 假设有一个变量yt﹡，它与解释变量xt之间存在线性关系，即 yt﹡=β1x1t +β2x2t +…+βkxkt+μt ﹡ （t=1，2，…，n） yt﹡与yt之间的关系为 1 ， 当yt﹡0时 yt = 0 ， 当yt﹡≤0时 一、二元选择模型 1.二元选择模型的形式 P(yt=1 | xt,β)= P（yt﹡ 0）= P(μt﹡- xtβ)=1-F(- xtβ)(1-1) P(yt=0 | xt,β)= P（yt﹡≤0）= P(μt﹡≤- xtβ)=F(- xtβ)(1-2) 式1-2中，F为μt﹡的连续分布函数，因而将原始的回归模型变成如下形式， yt =1-F(- xtβ)+μt 一、二元选