Fmath-6朱家祥北大计量经济学课程.pptVIP

1. 前言 标准回归分析中的被解释变数為連续型(可以是任何实数值)。但是，特殊、有限制值的被解释变数也常見於现实的数据。 整数值的被解释变数: 例如 =每个月上超市的次数。 研究的目的是探讨什麼因素(解释变数)決定了上超市的次数。 另例: =全家拥有的手机数量 二元的被解释变数 Binary Response 性質的被解释变数 例如: 代表笫i个样本 “赞成”、 “有购買”、 “违约”…等等。 即是不赞成、沒购買、无违约…。 研究目的在探討什麼因素促成了 二選一的架构可扩充到多选一。 修剪的应变数 Censored Regression 例: 研究決定家计单位国外旅行支出 抽样結果必然是 如果沒出国旅行，支出当然為零。有出国旅行，观察值為实际支出。這樣的被解释变数是修剪过的。 注: 如果样本全数是有出国旅行的家计單位，合理嗎? 伯努利分佈 二元隨机变量的机率模型: 丟不同的銅板，修正為 什么決定了 ?? 每一个人的 均不相同。重点是可否用适当的一些解释变数來解释 。 注意: 是机率，提出的模型必需保证 在[0,1]之间。 最简易的线性机率模型是: 当 的估计值求得之後，沒有任何保証 。因此少有採用此模型。 1 Logit 模型 F函数值必然在[0,1]間，可成為为 的模型。假设使用二個解释变数(更多解释变数的情形可类推)， 参数估计: 最大似然法 对数似然函数 log-likelihood function 当 為独立样本时， 的联合机率分佈等於各別机率分佈的乘积。 取对数后: 最大似然法 MLE 似然函数的型式與联合机率分佈相同。前者视参数为常数，後者视数据为常数。 最大似然法即是 Logit模型最大似然法的解可透過統计软件SAS，STATA，LIMDEP來求得 MLE 配适度 假设完全不使用任何解释变数，亦即视 為固定常數，不隨个人而变，則最大的似然函数值为: 現使用了解释变数，最大的似然函数值為: 配适度定义为准R方: 边际效果 假设 (所得)增加一单位， 购買的机率( )会提高多少? 微分結果得: 同理可得 的边际效果。 2 Probit 模型 Logit模型所使用的函数為 其实，此函数是Logit分佈的累积分布函数(CDF)。由於任意分佈的CDF值必然在[0,1]之間，都可以符合 模型的要求。Probit模型正是使用了标准正态分佈的CDF。 Probit 模型的方程組 同样运用最大似然法，可求取下列方程组的MLE参数解 。 配适度(准R方)与边际效果的计算同Logit模型。 可数的应变数数据 Count Data 观察到的数据是 ，每一個 均为正整数或零。由於波尔松隨机变数必为整数，其分布函数成为第一考虑的选择: 其中 =平均发生率。 有下标 i 的参数 代表平均发生率因人而异。(平圴每个月上 次超市)。 平均发生率， 的模型. 除了必需為正数之外，无其他限制。一般多采用 在 為独立数据的假设下，联合机率分布为: 波尔松回归方程组 软件自动执行MLE ，並输出标准误， 显著性检定: 波尔松回归的缺陷 波尔松分布的一个特性是均数等於方差。 然而，现实数据常有方差与均数不等的現象，因而降低了波尔松回归的广泛适用性。 解決之道在使用其他隨机变数亦為正整数的分布，例如负二項分布。 * * 第五讲: 有限数值的应变量 Limited Dependent Variable *