多元选择模型.pptVIP

§9.2 离散被解释变量数据计量经济学模型（二）— 多元选择模型 Models with Discrete Dependent Variables—Multiple Choice Model 一、多元离散选择模型的经济背景 二、一般多元离散选择Logit模型 三、嵌套多元离散选择模型 四、排序多元离散选择模型 一、多元离散选择模型的经济背景 1、经济生活中的多元选择问题 一般的多元选择问题 排序选择问题 将选择对象按照某个准则排队，由决策者从中选择。 决策者对同一个选择对象的偏好程度。 嵌套选择问题 2、社会生活中的多元选择问题 一般的多元选择问题 排序选择问题 嵌套选择问题 二、一般多元离散选择Logit模型 说明 在多元离散选择模型中，因为Probit模型需要对多元正态分布的整体进行评价，所以它的应用受到限制。 逻辑分布更适合于效用最大化时的分布选择，所以应用最多的多元离散选择模型是Logit模型。 Logit模型的似然函数能够快速可靠地收敛，当方案或者决策个体数量较大时，计算比较简便。 Logit模型计算的简便性是有条件的。即选择方案是不相关的，具体包括： Uij=Vij+εij，εi是独立的； Pi/Pk与其它选择方案的属性无关，与选择方案的个数无关； Pi关于其它选择方案属性的弹性是不变的，与i无关。 上述条件只有在选择方案的差异相同的情况下才能得到满足。 在相关文献中有数学证明。 ⒈ 一般多元选择Logit模型的思路 如果决策者i在（J+1）项可供选择方案中选择了第j项，那么其效用模型为： 效用模型的解释变量中包括所有影响选择的因素，既包括决策者所具有的属性，也包括备选方案所具有的属性。 备选方案所具有的属性是随着方案的变化而变化的。 决策者所具有的属性中一部分是随着方案的变化而变化的，而一部分是不随着方案的变化而变化的。 用Zij表示随着方案的变化而变化的那部分解释变量，Wi表示不随着方案的变化而变化的那部分解释变量。 实用的一般多元Logit选择模型又分3种情况。 一是研究选择某种方案的概率与决策者的特征变量之间的关系； 二是研究选择某种方案的概率与决策者的特征变量以及方案的特征变量之间的关系； 三是考虑到不同方案之间的相关性的情况。 ⒉多元名义Logit离散选择模型及其参数估计 由对数似然函数最大化的一阶条件，利用Newton 迭代方法可以迅速地得到方程组的解，得到模型的参数估计量。 另一种估计方法 可以计算得到相对于基准方案的对数概率比为： 例题 农村异地转移劳动力的迁移目标研究。 被解释变量：迁移目标，即小城镇、县级市、地级市、省级城市和超大城市，依次取值1、2、3、4、5。 解释变量：个人特征和目前所在地属性。连续变量包括受教育程度、家庭规模、家庭内其他劳动力人数、家庭负担、原有收入、现有收入，目前所在地属性中的所在地农村人口、国内生产总值、城乡居民储蓄余额、粮食产量、中学生在校人数、小学生在校人数等。离散变量包括性别、婚姻状况、收入稳定与否，目前所在地所属级别与家乡所在地所属级别等。 虽然作为被解释变量的城市规模本身是有序的，但是对于农村劳动力来说，选择进入哪一个级别的城市，本身是无序的，因此对于城市化迁移目标构造多元名义logit离散选择模型。 调查样本，有效样本303份。 用SAS统计软件进行估计与分析。 首先将定义的全部变量放进模型中进行估计，并通过比较各个变量的P值来考虑具体剔除哪些变量以及对哪些变量考虑将其交互影响的效应放进模型中去。 小城镇、县级市、地级市、省级城市和超大城市依次取值1、2、3、4、5。 由于得到了频数，可以采用“对数概率模型”进行估计。 最终模型的估计结果（部分） 将模型的结果整理出来，并对每个解释变量进行分析。 例如：教育程度、家庭情况及现有收入对迁移目标的影响： 从教育程度来看，所有系数都是负值，教育程度越高的农村劳动力越愿意进入规模较大的城市；从显著性水平来看，相对于超大城市来说，县级市被选择的可能性最小，其次是小城镇，然后是地级城市，而教育程度相似的农村劳动力在省级城市与超大城市之间的选择没有明显的差异。 从家庭情况来看，所有系数都是负值，也就是说家庭情况越好的农村劳动力越愿意进入规模较大的城市；从显著性水平来看，相对于超大城市来说，省级城市最不容易被选中，其次是县级市，而小城镇与地级市之间没有明显区别 。 从现有收入来看，所有系数都是负值，也就是说目前收入越高的农村劳动力越愿意进入规模较大的城市；再从显著性水平来看，所有系数都是显著的，这说明相对于任何级别的城市而言，农村劳动力都更倾向于超大城市。 ⒊多元条件Logit离散选择模型及其参数估计 选择某种方案的概率不仅与决策者的特征变量有关，而且也与方案的特征变量有关，模型为