二元因变量模型.pptVIP

拟合优度 Pseudo-R2 McFaddens Pseudo-R2=1-lnL1/lnL0 L1为无约束的似然值，L0为b=0约束下的似然值 Pseudo-R2越接近0，意味着L1与L0越接近，从而b→0 当模型的拟合优度改进时，lnL1→0，从而Pseudo-R2会非常接近1 Pseudo-R2原理 由于y为两点分布，似然函数的最大可能取值为1，其对数值为0 有0≥ LnL1 ≥ LnL0 对于介于0和1之间的情形不能给出明确的解释和判断 0 LnL1 LnL0 LnL 概率的正确预测率 当hat(pi)大于等于0.5时，令hat(yi)为1，当hat(pi)小于0.5时，令hat(yi)为0 将hat(yi)与实际的y值比较，就可以得到模型预测的正确率 概率的正确预测率 这个正确率的计算是建立在这样一个假设之上的，即hat(yi)的预测结果取决于发生概率最高的事件。但是，事件发生的概率最高，并不意味着它在每一次实验或观测中都会发生，因此这个检验具有一定的局限性 其他的方法： 概率预测值与真实值yi的相关系数 Probit模型 模型设定 我们假定u ～N(0,1)，可以推导出 模型估计 在前面，我们已经讨论过非线性概率模型的参数估计问题，对于Probit模型，我们只需要进行F→Φ和f→φ的转换，即可得到Pro