第9章-特殊因变量的计量经济模型.pptVIP

通常的经济计量模型都假定因变量是连续的，但是在现实的经济决策中经常面临许多选择问题。人们需要在可供选择的有限多个方案中作出选择，与通常被解释变量是连续变量的假设相反，此时因变量只取有限多个离散的值。例如，人们对交通工具的选择：地铁、公共汽车或出租车；投资决策中，是投资股票还是房地产。以这样的决策结果作为被解释变量建立的计量经济模型，称为离散被解释变量数据计量经济学模型（models with discrete dependent variables），或者称为离散选择模型(discrete choice model, DCM)。 在实际中，还会经常遇到因变量受到某种限制的情况，这种情况下，取得的样本数据来自总体的一个子集，可能不能完全反映总体。这时需要建立的经济计量模型称为受限因变量模型（limited dependent variable model)。这两类模型经常用于调查数据的分析中。 当因变量表示事件发生的数目，是离散的整数，即为计数变量，并且数值较小，取零的个数多，而解释变量多为定性变量时，应该考虑应用计数模型（count models）。例如，一个公司提出申请的专利的数目，以及在一个固定的时间间隔内的失业人员的数目。 二、Probit模型 假定 累计概率分布函数曲线在0.5附近的斜率最大。对应y在实轴上的值，相应概率值永远大于0、小于1。但是Probit模型需要假定y服从正态分布。 例 审查模型的实例 本例研究已婚妇女工作时间问题，共有50个调查数据，来自于美国国势调查局[U.S.Bureau of the Census(Current Population Survey, 1993)]，其中y 表示已婚妇女工作时间， x1～ x4分别表示已婚妇女的未成年子女个数、年龄、受教育的年限和丈夫的收入。只要已婚妇女没有提供工作时间，就将工作时间作零对待，符合审查回归模型的特点。 截断回归模型 截断问题，形象地说就是掐头或者去尾。即在很多实际问题中，不能从全部个体中抽取因变量的样本观测值，而只能从大于或小于某个数的范围内抽取样本的观测值，此时需要建立截断因变量模型。例如，在研究与收入有关的问题时，收入作为被解释变量。从理论上讲，收入应该是从零到正无穷，但实际中由于各种客观条件的限制，只能获得处在某个范围内的样本观测值。这就是一个截断问题。截断回归模型的形式如下： （7.3.7） 其中：yi 只有在 时才能取得样本观测值， ,为两个常数。 对于截断回归模型，仍然可以采用极大似然法估计模型的参数。 估计审查回归模型 1.模型的估计 为估计审查模型，打开Equation对话框，从Equation Specification对话框所列估计方法中选择CENSORED估计方法。在Equation Specification区域，输入被审查的因变量的名字及一系列回归项。审查回归模型的估计只支持列表形式的设定(图7.5)。 图7.5 审查模型的估计对话框 在三种分布中选择一种作为误差项的分布，EViews提供三种可供选择的分布(表7.8)。 表7.8 误差项的分布 (欧拉常数 ) Extreme value Logistic Standard normal 还需要在Dependent Variable Censoring Points一栏提供关于被检查因变量的临界点的信息。临界点可以是数值、表达式、序列，还可以是空的。 按照要求在编辑栏的左编辑区（Left）和右编辑区（Right）输入临界点表达式。注意如果在编辑区域留下空白，EViews将假定该种类型的观测值没有被审查。 例如，在规范的Tobit模型中，数据在0值左边审查，在0值右边不被审查。这种情况可以被指定为： 左编辑区： 0 右编辑区： [blank] 而一般的左边和右边审查由下式给出： 左编辑区： 右编辑区： EViews也允许更一般的设定，这时审查点已知，但在观察值之间有所不同。简单地在适当的编辑区域输入包含审查点的序列名字。 例7.3的估计结果如下： 2．模型的预测与产生残差 通过选择Procs/Make Residual Seri