Chapter7离散选择摸型.docVIP

离散选择模型 随着特殊因变量模型的不断发展和完善，它被广泛地用于对个体或家庭的决策行为，如人们对职业或居住地点的选择的主客观影响因素进行分析。根据因变量的不同类型，我们可以将特殊因变量模型分为两大类： 第一类是因变量的数据的取值不是连续的，而是离散的。一般的经济模型都假设内生变量是连续的，我们考虑的所有回归模型都隐含地假定了因变量是定量的，但是在很多情况下事实并非如此。在分析和研究经济现象时，我们经常会碰到一些特殊因变量，其数据是离散的而不是连续的，或观测到的是受到某种限制的数据。例如，作为选择理论的经济学可能会遇到这样一些特殊的情形——是否生产或者是否消费某种商品，而不是要生产或要消费多少某种商品的问题，还有人们出行时是选择乘火车、公共车、或是小轿车等决策问题。我们再看以下几个例子。 例 1.1 是否购买某种古玩？古玩的精确价值很难确定。比如清代的铜钱，买家的心理价位是多少，我们无法观测到。但是我们可以观察到买家是否购买。即买家的行为是 我们希望研究的是买家购买的可能性，即概率P(Y=1)。。 例 1.2 对某项议案进行投票。议案对投票者的利益影响我们观察不到，但可以观察到投票者的行为只有三种，即 我们希望研究的是投票者投各种票的概率P(Y=j)，j=1, 2, 3。 例 1.3 去哪家超市购物？住所附近有5家超市，距离、价格、品种、服务等各有不同，人们并不总是在同一家超市购物，我们可以观察到人们的不同选择。用变量描述，即为 我们也希望研究人们去各家超市的概率P(Y=j)，j=1, 2, 3, 4, 5。 对这些情形的描述要求经济模型的内生变量是离散的，也就是内生变量的取值是有限的。如果要对描述人们选择行为的这类情形进行实证分析，就必须设定被解释变量是离散变量的经济计量模型。这类模型被称之为离散选择模型，它可以描述和实证研究决策者必须从一组有限的离散备选方案中选择一个行动的决策分析。 第二类是因变量的取值范围受到限制，与这类数据相对应的模型为受限因变量模型。即因变量的取值是连续的，但其取值范围受到限制。比如，在调查活动中可能出现以下几种情况：（1）因变量的取值超过某一数值或不足某一数值。如消费者愿意为某件商品付出货币的数量，当这个数量超过商品的最低价值时，反映为购买价格；而当这个数量低于商品的最低价值时，不发生购买行为，反映为数字0；（2）因变量的数据来源被限制为原来变量所有可能值的一部分，如研究居民储蓄时，调查数据只有存款一万元以上的账户，那就不能代表所有的居民储蓄情况。（3）有部分与自变量相对应的因变量的观察值无法获得。例4就属于这种情况。 例 1.4 研究已婚妇女的劳动时间供给向题。现有50组调查数据(见表1.1) ,其中各变量含义分别为:Y(工作时间)，X1(未成年子女数)，X2 (年龄)，X3 (受教育年限)，X4(丈夫收入)。 二项选择模型 二项选择模型是指模型中被解释变量只包括两种结果的情形。 线性概率模型 线性概率模型（Linear Probability Model））的形式如下， yi = xiβ+ ui 1.1 其中ui为随机误差项，x为解释变量矩阵，β为参数向量，yi为二元选择变量，取0或1。设 1 （若是第一种选择，或“成功”） yi = 0 （若是第二种选择，或“失败”） 这时，模型（1）中的参数该如何解释？因为yi只取0或1，显然(不能再解释为“xi增加1个单位，yi增加βi个单位”。但(i仍然是有经济含义的。 对yi取期望， E(yi) = xiβ 1.2 因为yi只能取两个值，0和1，所以yi 服从两点分布。把yi的分布记为， P ( yi = 1) = pi P ( yi = 0) = 1 - pi 则 E(yi) = 1 (pi) + 0 (1 - pi) = pi 1.3 因此， pi = xiβ （yi的样本值是0或1，而预测值是概率。） 1.4 即xi(体现了第i次事件“成功”的概率。因此，(i表示“其他变