计量经济学-第七章 非线性方程模型.pptVIP

若令 则方程(7-23)可以转化为 即 （7-24） 方程(7-24)称为单变量Logit模型。 类似地，多变量Logistic回归也可以写成多元 Logit模型的形式 单变量Logit模型和多变量Logit模型也可以转换为相应的Logistic回归形式。 Logistic回归与普通线性回归模型的区别 ： （1）模型不同。 （2）研究对象不同。 （3）经典假定满足与否不同。 （4）样本数据的要求不同。 二、 Logistic回归模型估计 （一） 随机样本下Logistic回归的参数估计 假设有N 个样本数(Yi ,Xi) ，记 由于样本是随机抽取，在给定Xi的条件下，观测值Y 取0、取1的概率分别为 在给定Xi的条件下，观测值的条件概率分布为 对应于N个样本数据，其对数似然函数为 模型参数的极大似然估计，就是选择使对数似然函数达到最大时的 的值作为Logistic回归的参数估计值。 根据微积分知识知，极大似然估计值可以从以下 方程组中得到： 在计量经济学软件Eviews中，可以直接给出 Logistic回归参数的极大似然估计值。 Logistic回归参数的极大似然估计值有如下性质 （1）极大似然估计为一致估计，当样本容量很大时，模型的参数估计值将比较接近真值;