- 1、本文档共56页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
Nested Logit模型 Nested Logit模型对随机效用函数中的个人偏好附加了更加合理的分布结构,从而允许随机扰动项在某些选项之间存在着关联性 这种关联性是通过广义极端值分布 (Generalized Extreme Value, GEV) 实现的 Nested Logit模型适用于选项可以按照某种标准进行分组,并满足下列条件: 同一个组内所进行的选择满足IIA假设; 两个不同组间的选择满足IIN假设,即无关组项独立性假设 (Independence from irrelevant nests, IIN) GEV分布 选择概率 给定第g组,消费者选择j的概率为: 消费者在各组间选择第g组的概率为: 消费者选择j的概率为上面两者之积 多项式Probit模型(Multinomial Probit Model) Multinomial Logit模型的缺陷 IIA假设的附加 不允许偏好的异质性(d为常数) 无法处理时间上的相关性,在面板数据中很难对该模型进行扩展 虽然Nested Logit模型在一定程度上放宽了IIA假设以及偏好的同质性,但它还是附加了一些约束 多项式Probit模型在很大程度上克服了上述Multinomial Logit模型所具有的缺陷,因为它允许选项之间相对自由的关联性 允许不同消费者之间的偏好异质性 允许不同选项之间更加灵活的替代模式 允许随机扰动项在时间上的相关性 MNP模型设定 随机效用函数与MNL模型是一样的: 假设随机扰动项服从多元正态分布 其密度函数为 对于多项式Probit模型,模型参数除了β之外,还有方差-协方差矩阵Σ中的J(J+1)/2个元素。因此,该模型的待估参数要远远多于多项式Logit模型 MNP模型中的选择概率 在随机扰动项服从多元正态分布的假设下,可以得到消费者选择选项j的概率为: IIA假设检验 Hausman检验 思想 如果选择集中的选项真的是独立无关的,即对其它选项的机会比没有影响,那么将某个选项从模型中去掉,参数的估计结果不应该产生系统性的改变 具体步骤 首先用包含所有选项的样本,对参数进行估计,得到hat(b) 然后随机去掉某一个选项,再对参数进行估计,得到tiuta(b) 最后,选择共有的参数估计结果,计算统计量HM HM统计量 问题 由于是随机去掉某一个选项,去掉不同的选项,会得到不同的检验结论 所以要得到令人信服的结论,需要把每一个选项都去掉一次,作多次HM检验 另外,由于样本容量和数据的原因,HM检验有可能得到负的结果,这很难作出解释 Small-Hsiao检验 类似于Chow检验 步骤 首先对全部样本进行估计,得到log-likelihood值 L1 然后随机去掉一个选项,得到log-likelihood值L2, 接下来把上面两个步骤中的数据合并起来,重新进行估计,得到log-likelihood值L3 最后计算统计量 Small-Hsiao=-2[L3-(L1+L2)]~c2(k) 尽管为了得到令人信服的结论,Small-Hsiao检验也需要进行多次检验,但是Small-Hsiao检验总可以得到正的结果 Stata命令 Multinomial Logit mlogit depvar [indepvars][weight][if exp][in range][,basecategory(#) constraints(clist) noconstant robust cluster(varname) score(newvarlist) rrr level(#) maximize_options] basecategory(#): specifies the value of depvar that treated as base category; default is to choose the most frequent category. constraints(clist): linear constrained estimation score(newvarlist): create k-1 variables,k is number of observed outcomes; the mth is dLnLj/dlnxjbm rrr:reports estimated coefficients transformed to relative risk ratio.i.e:exp(b) instead of b Predict: p, xb, stdp; stdpp:calculates standard error of the difference in two linear predictions,
文档评论(0)