解释概率模型：Logit.ppt

模型类别概率： 有序 Probit 模型 [5.4] 31 第一个阈值参数常态化 为 0 ，没有这种常态化，因 为阈值总是比类别的数目少 一，我们需要估计 J-1 个μ。 常态化后，我们只需估计 J-2 个μ。 有序 logit 模型 在 logit 的情况下，我们有 : 对比：有序 logit 和 probit 模型的区别仅 仅是它们分布函数的区别 32 在 η 上的边际效应 给定自变量值后的预 测概率 发生某事件概率的边际 效应 33 在η上的边际效应 格林讨论了一个用有序 probit 模型的估计看海军新兵的任务安排。因变量是一个有序的回答，分成三类， 海军新兵被分配到的任务是“中级技巧性的”“高级技巧性的”和“特级技巧性的”。这里只有一个μ估计 值，因为第一个μ被常态化为 0 之后 J 一 2= 3-2= 1 。让我们来看一看两个决定因素的影响一个是二分变量，另外 一个是连续变量。 婚姻状态对分配任务的影响 教育对分配任务的影响 34 婚姻状况的 logit 估计值大约是 -0.768 。将其取自 然指数得出 0.464 ，也就是对比数上的估计的影响。 这个边际效应说明对于人伍时已婚的人来说，在其 他条件一样的情况下，分配给他们特级技巧性任务 而非高等或者中等技巧性任务的比数大约是未婚人 士分配到此类任务的 0.464 倍。类似地，已婚新兵被 分配到一个特级技巧性任务而非高级或者中级技巧 性任务的比数是未婚的 0.464 倍。 新兵自身教育 logit 估计的值是 0.304 ，取了自 然指数之后对应的比数就是 1.355 。保持其他所有 的条件不变，教育每增多一年，分配到一个高级 技巧性的或者特级技巧性的而非中级技巧性的任 务的比数就增加 1.355 倍。在相同条件下，教育每 增长一年，得到一个特级或者高级技巧性任务是 得到一个中级技巧性任务的比数的 1.355 倍。 给定自变量后的预测概率 35 发生某事件概率的边际效应 对事件概率的边际效应： 利用上面的公式我们可以得到在这个例子中的边 际效应如右图所示可以看出： AFQT 得分，用偏导数 和用预测概率差两个方法都能给出基本相同的结果。 （ AFQT 是连续变量）；如果计算入伍时的婚姻状况 可以看出，用两种方法计算出被分配到高级任务的概 率减少了大约相差 5% 。（入伍时的婚姻状况是二元变 量）在有二分自变量的时候，使用偏导数的方法产生 的偏差不容忽视。 预测的概率加起来不变 ( 等于 1) 说明了对概率的影 响是零和博弈。通过在不同类别上造成的影响的互相 抵消，对概率造成的边际效应加起来应该是零。 36 六、多类别 logit 模型 第 4 章和第 5 章讨论的分析多种回答选项的模型里，这些回答选项要么有一个固有的顺序，要么就 有一个很自然的次序。但是在其他多项的选择模型当中，因变量的类别是绝对离散的、名义的，或者 没有顺序的。当数据属于或者被认为属于这一类，就应该使用多类别 logit 模型。。有时我们不确定选 项分类是不是有序的或者序列的。如果不确定，都要使用多类别 logit 模型。 多类别 logit 模型： [6.1] [6.2] 37 等式 6.1 和等式 6.2 可以推出如下 : 多类别 logit 的关系函数： 二分 logit 模型和多类别 logit 模型之间惊人的相似意着： 1. 一个多类别 logit 模型里面的概率可以用类似二分 logit 模型的方法来计算，仅仅是对很多套β的 处理要进行一些改变。 2. 此外， logit( 比数对数 ) 和比数的两者的含义在两个模型里面是完全一样的。在二分的情况下， 比较是在类别 1 和类别 2 之间进行 ( 或者第一个与最后一个 ) 的。在多选项的情况下，比较是在类 别 j 和类别 J 之间进行 ( 或者任何两个类别，除了最后一个与最后一个 ) 的。 38 在使用多类别 logit 模型时，一个重要的问 题就是在无关选择之间独立性的假设，或者称 做 IIA 。简单来说， IIA 的特性明确了每任意两 个选择 ( 回答类别 ) 的概率的比例都不应系统性 地受到其他任何选择的影响。这是一个非常重 要的前提假设，每当使用本章里面定义的多类 别 logit 模型的时候，都要给予这个前提谨慎的 考虑，如不满足我们就不应使用此模型。 解释多类别 logit 模型 对 η 或转化后的 η 的边际效应 给定自变量值后的预测概率 发生某事件概率的边际效应 39 对 η 或转化后的 η 的边际效应 二分变量：婚姻状况 连续变量：年龄 对比为