离散选择模型举例-二元离散选择模型.doc

一．二元离散选择模型 1．二元响应模型(Binary response model) 我们往往关心响应概率 ， 其中x表示各种影响因素（各种解释变量，包括虚拟变量）。根据不同的函数形式可以分为下面三类模型：线性概率模型（Linear probability model，LPM）、对数单位模型（logit）、概率单位模型(probit)： 三种模型估计的系数大约有以下的关系： 2．偏效应 （1）如果解释变量是一个连续型变量，那么他对p(x)=p(y=1|x)的偏效应可以通过求下面的偏导数得出来：，偏效应的符号和该解释变量对应的系数的符号一致；两个解释变量偏效应之比等于它们各自的估计系数之比。 （2）如果解释变量是一个离散性变量，则从变化到+1时对概率的影响大小为： 上面的其他解释变量的取值往往取其平均值。 3．估计方法与约束检验 极大似然估计；三种常见的大样本检验：拉格朗日乘数检验、wald检验、似然比检验。 4．Stata程序语法（以Probit为例） probit depvar [indepvars] [weight] [if exp] [in range] [, level(#) nocoef noconstant robust cluster(varname) score(newvar) asis offset(varname) maximize_options ] predict [type] newvarname [if exp] [in range] [, statistic rules asif nooffset ] where statistic is p predicted probability of a positive outcome; the default xb linear prediction stdp standard error of the prediction 二．具体的例子 1．数据：美国1988年的CPS数据 2．模型：估计成为工会成员的可能性，模型形式如下： 参加工会的概率=F(潜在经验potexp、经验的平方项potexp2、受教育年限grade、婚否married、工会化程度high)； 解释变量：Potexp=年龄-受教育年限-5； grade=完成的受教育年限； married：1表示婚，0未婚； high：1表示高度工会化的行业，否则为0。 3．估计的结果 3.1 probit union potexp potexp2 grade married high union Coef. Std. Err. z Pz [95% Conf. Interval] potexp .0835091 .0156087 5.35 0.000 .0529166 .1141016 potexp2 -.0015308 .0003179 -4.82 0.000 -.0021538 -.0009078 grade -.042078 .0189089 -2.23 0.026 -.0791388 -.0050171 married .0622516 .1125836 0.55 0.580 -.1584083 .2829115 high .5612953 .099662 5.63 0.000 .3659613 .7566292 _cons -1.468412 .2958112 -4.96 0.000 -2.048192 -.8886332 3.2 dprobit union potexp potexp2 grade married high 给出了，如果要求偏效应还需要对其乘以估计的系数beta； union dF/dx Std. Err. z Pz x-bar [ 95% C.I. ] potexp .0226964 .0041529 5.35 0.000 18.884 .014557 .030836 potexp2 -.000416 .000085 -4.82 0.000 519.882 -.000583 -.00025 grade -.0114361 .0051379 -2.23 0.026 13.014 -.021506 -.001366 married* .0167881 .0301137 0.55 0.580 .641 -.042234 .07581 high* .1470987 .0247005 5.63 0.000