[经济学]03高级计量经济学PHD-11.pptVIP

高级计量经济学－11 二元选择模型 二元选择 线性回归模型或线性概率模型 y＝1 事情会发生 y＝0 事情不会发生 该随机变量的概率分布是 f(y)＝py（1-p）(1-y) 回归模型如下： y=?0+?1x1+…+?xk+u 线性概率模型 E(y| x1,…xk)= ?0+?x1+…+?xk 因为y等于0或1 P(y=1|x)= E(y| x1,…xk)= ?0+?1x1+…+?xk 模型刻画的是y＝1的概率 线性回归模型的缺陷 1）y 的取值有时不在0和1之间 2）方差异方差 3）边际影响不随解释变量的变化而变化 线性概率模型 异方差 边际效果不随解释变量的规模的变化而变化dp/dxi＝?i例如?1表示其他元素不变，x1增加一个单位，事情发生的概率增加?1个单位 LOGIT，PROBIT模型 对于因变量只取0和1的模型，关心的是y＝1的概率，所以假设 P(y=1|x)=G（?0+?1x1+…+?xk） G是取值在0和1之间的函数。 前面介绍的线性概率模型假设分布如下： G(z)=0,z0 G(z)=z, 0?z?1 G(z)=1,z1 其他两种常用的函数形式为 LOGIT，PROBIT模型 逻辑函数（LOGIT MODEL） G(z)=exp(z)/(1+exp(z))＝?（z） 该函数是标准逻辑变量的累积分布函数 概率单位模型（PROBIT MODEL） 对二元选择模型的解释 在大部分应用中关心的是xj的变化对P(y=1|x)的影响，边际影响（margin effect） 如果解释变量连续 如果解释变量离散，假设x1取值0或1 概率变化很简单，其他量保持不变 G(?0+?1+?2 x2…+?xk)－G(?0+?2 x2+…+?xk) 二元选择模型的解释 例1 p(y=1|x)=G(?0+?1Z1+?2Z21+?3LOG(Z2)+ ?4Z3) 变量Z1改变一个单位，y=1变化的概率为g(?0+?1Z1+?2Z21+?3LOG(Z3)+ ?4Z3)（?1＋2?2 Z1） 变量Z2改变一个单位，y=1变化的概率为g(?0+?1Z1+?2Z21+?3LOG(Z3)+ ?4Z3)（?3 /Z2） 二元选择模型的解释 三个二元选择模型的边际影响 二元选择模型的解释 （1）g(z)是密度函数，总是大于0，所以参数的符号为正说明增加发生的概率，为负说明减少发生的概率，但是程度的大小还需要计算。 （2）随着解释变量的变化，密度函数的取值发生变化。对probit模型来说，当z＝0时，密度值最大大约是0.4，这时选择y＝1概率50％，这时x改变的边际效果最大 （3）另一方面如果z取值非常大（小），这时y＝1的概率几乎等于1，x的改变的边际效果很小，因为f（z）近似等于0 二元选择模型的解释 LOGIT模型与PROBIT模型和线性概率模型系数的比较（不包括常数项） 因为正态分布密度函数g(0)=0.4,标准逻辑密度函数g(0)=0.25，所以比较他们对概率的影响时把PROBIT模型除以2.5，把逻辑模型除以4可以同线性概率模型的系数进行比较。 或者PROBIT 模型系数乘以1.6与LOGIT模型进行比较 预测y＝1的概率 P^(y=1|x)=G（b0+b1x1+…+bxk） Y^=1如果P^0.5 Y^=0如果P^=0.5 例2 选择公共交通还是开车上班 y＝1选择开车 解释变量x是（乘公共交通需要的时间－开车需要的时间） -0.0644+0.0299Xi X＝20时 x＝30时， 预测结果y＝1 例3 已婚女性是否参加工作的影响因素 抽样调查753个妇女，如果工作work=1 影响因素包括其他的收入；教育程度；结婚前的工作时间；年龄；小于6岁的孩子的个数。 例3 1）三种方法系数符号相同。 2）系数大小比较，逻辑模型乘0.25,probit模型乘0.4。 3）重要的区别是线性概率模型假设边际效应相同，而逻辑模型和概率单位模型假设边际效应递减。 例3 根据线性概率模型，如果增加一个小孩，不管已经有了几个小孩，也不管其他解释变量的取值，参加工作的概率减少26.2%。 根据PROBIT模型，假设取其他解释变量为样本均值，当没有孩子，增加1个时，参加工作概率减少33.4%，如果已经有1个，又增加一个，参加工作概率减少22.5%。 使用PROBIT模型：其他因素不变时，年龄对参加工作概率的边际影响 P(y=1|X)=g(0.27-0.012收入的均值+0.131教育程度均值+0.123工作时间均值-0.0019工作时间均值2－0.53年龄－0.868小孩个数均值)（-0.53） 潜在（latent）模型 假设有一个无法观测到的变量满足传统的线性模型，例如y*表示已婚妇女的参加工作的效用。 y*=