第十二讲受限被解释变量.pptVIP

高级计量经济学－12 受限被解释变量 TOBIT模型 PROBIT模型假设存在一个潜在模型 y*=?0+?1x1+…+?xk+u，u~N(0,1) y＝1，如果y*0 y＝0，如果y*?0 如果当y*0时，可以观测到数据，得到一个新模型 y*=?0+?1x1+…+?xk+u，u~N(0,?2) y＝y*，如果y*0 y＝0，如果y*?0 TOBIT模型 1）被解释变量取正数和0 2）又称censored regression model 3）例如：y表示买汽车的支出，工作时间，工资 y=?0+?1x1+…+?xk+u， y＝0， 4）标准TOBIT模型，潜变量原则上可以取负值，只是观测不到。 TOBIT模型 例如工资问题，假设工资小于0，是不合适的，实际情况是观测到被解释变量取值，不是因为归并，而是消费者的选择，选择不工作。 W1=A1x+u1消费者希望得到的工资 W2=A2x+u2消费者可以得到的工资 实际情况是如果W2 W1,工作工资等于W2 。否则不工作工资等于0 W= A2x+u2 ， u2 - u1 A1x- A2x W＝0 TOBIT模型－估计 似然函数 TOBIT模型的解释 参数的边际效用 TOBIT模型例 已婚妇女工作时间长度，使用TOBIT模型。 因变量：工作时间（小时） 解释变量 线性模型（OLS） TOBIT（ML） Nwifeinc -3.45 -8.81 Educ 28.76 80.65 Exper 65.67 131.56 Exper2 -0.7 -1.86 Age -30.51 -54.41 Kidslt6 -442.09 -894.02 Kidsge6 -32.78 -16.22 C 1330.48 3819.09 TOBIT模型例 1）OLS法和TOBIT模型的系数符号一致 2）技术条件期望的边际影响利用公式?=0.645,所以教育每更加1年的边际影响是（ 0.451 ）（80.65） 3)对TOBIT模型的基本判断。可以构造一个PROBIT 模型，当y》0时，另y=1。PROBIT模型的系数?=?/?。如果它们差别很大说明模型有问题。 TOBIT模型的识别检验 原理同PROBIT模型，需要了解似然函数的一阶条件和广义残差 广义残差的定义 TOBIT模型的识别 检验是否解释变量z被忽略的LM检验 检验异方差 TRUNCTED REGRESSION MODEL y*=?0+?1x1+…+?xk+u，u~N(0,?2) y＝y*，如果y*0 （y，x）观测不到，如果y*?0 似然函数 Ordered response models 假设有多项选择，并且存在顺序，例如信用评级。 存在一个潜变量，假设有M种选择 如果假设扰动项独立同分布的标准正态分布得到ordered probit model;如果假设时逻辑分布得到ordered logit model Ordered response models 例 假设考虑已婚妇女是否参加工作，假设有3种选择：不工作，兼职，全职。有序多元选择模型 有序多元选择模型 概率 有序多元选择模型规范化 假设模型为 有序多元选择模型规范化 概率 只要比率相同，计算出的概率就相同。为了唯一确定参数，假设?1＝0，?＝1 无序多元选择模型 Multinomial logit model(independent logit model) 优点：解释变量可以是不同选择的特征，例如交通方式，不同交通方式对同一个人花费的时间是不同的；另外可以是消费者的特征，不同收入，不同性别的人会选择不同的交通方式，例如其他情况相同时，男性比女性更爱选择开车旅行。 无序多元选择模型 该模型的一个主要缺陷是independent of irrelevant alternatives（IIA) 即pi/pj与其他选择无关。 例如选择交通工具：例如选择1表示选家庭汽车，选择2表示选蓝色长途公共汽车，根据Multinomial logit model，不管其他选择是选择火车还是选择红色长途公共汽车， p1/p2是一样的。 * * *