第9章--定性数据的建模分析.ppt

第九章 定性数据的建模分析 本章内容 第一节 解释变量中含有定性变量的回归模型 第二节 二项Logistic回归模型 第三节 判别分析  第一节 解释变量中含有定性变量的回归模型 在回归分析中，我们对一些解释变量是定性变量的情形先给予数理化，处理方法是引进只取0和1两个值的虚拟变量。当某一属性出现时，虚拟变量取值为1，否则为0。 （一）简单情况 简单情况是指定性变量只取两类可能性的情况。 例如研究企业资本结构问题， 为企业资本结构， 为企业规模。另外再考虑审计意见两种情况： 企业资本结构的回归模型为： (9.1) （二）复杂情况 复杂情况是指定定性变量可能取多类值的情况。 假设以采掘业、建筑业、房地产业和社会服务业4个行业的上市公司为例，研究企业资本结构问题，其中 为企业资本结构， 为企业规模， 为审计意见，另外再考虑行业差异 。为了用虚拟变量反映这4个行业，我们初步设想引入如下4个0-1型解释变量： 可是这样作却产生了一个新的问题，即4个自变量之和恒等于1，构成完全多重共线性。解决这个问题的方法很简单，我们只需去掉一个0-1型变量，只保留3个0-1型解释变量即可。所以，对于具有 个分类的变量，当确定了参照系后，只需设置 个0-1型解释变量。 企业资本结构的回归模型为： (9.2) 第二节 二项Logistic回归模型 一、二项Logistic回归模型概述 （一）二项Logistic回归模型的应用背景 在许多会计研究问题中，所研究的被解释变量往往只有“是”或“否”两个可能结果，就需要设置虚拟变量。当被解释变量为虚拟变量时，建立一般的多元线性回归模型就会出现以下问题：（1）残差不再满足且的假设条件。（2）残差不再服从正态分布。（3）被解释变量的取值区间受限制。由此可见，当被解释变量是0-1型变量时，无法直接采用一般的多元线性回归模型建模，通常应采用Logistic回归模型。本章只介绍二项Logistic回归模型。 利用Logistic回归可以直接预测观测量相对于某一事件的发生概率 在一般的多元回归中，若以概率 为被解释变量，则方程为： (9.3) 但用该方程计算时，常会出现 或 的不合理情形。为此需要对 作对数单位转换，即 ，于是可得到Logistic回归方程为： (9.4) 其中 、 为常数和解释变量的系数， 为自然数，其曲线为 型。 某一事件不发生地概率为: Prob(no event)=1- Prob(event) (9.5) 二元Logistic模型对数据要求为： （1）被解释变量应具二分特点。 （2）解释变量数据最好为多元正态分布。 （三）二项Logistic回归模型中回归系数的含义 在应用中人们通常更关心的是解释变量给发生比 带来的变化。 当Logistic回归模型的回归系数确定后，将其代入的函数，即 (9.6) 当其他解释变量保持不变而研究 变化一个单位对 的影响时，可将新的发生比设为 ，则有： (9.7) 于是有 (9.8) 由