二值因变量模型_14.4 推断及拟和好坏的评价.pdf

对外经济贸易大学 计量经济学 I n t r o d u c t i o n t o E c o n o m e t r i c s 导论 二值因变量模型的推断 及拟合好坏的评价 Probit模型中，参数的极大似然估计量 极大似然函数是使得似然函数取值最大的 (β , β )的 0 1 值。为给定x ,…,x 时y ,…,y 的条件密度函数，该 1 n 1 n 函数可以看做未知参数β 和β 的函数。 0 1 极大似然估计量（MLE）：MLE 是能够最好描 述样本分布的参数取值. Probit模型中，参数的极大似然估计量 在大样本的情况下, MLE具有: 01 一致性 02 正态分布性 03 有效性 (在所有的估计量中具有最小方差) 单变量的 Logit 似然估计 Probit 和 Logit 模型的唯一区别就是使用不 同的概率分布函数，在Logit模型中使用的 是 logistic分布的累计概率分布函数. 其他的估计步骤和Probit模型一样； 单变量的 Logit 似然估计 同时，得到的估计量 0 , 1 也有如下 性质, 01 是一致估计量； 02 具有正态分布性 03 可以计算它们的标准差； 04 参数的检验和区间估计同经典的模型一样。 Logit 和 Probit 模型的拟合度量 2 2 在Logit 和 Probit 模型中，R 和 是无意义的。对此， 我们引入另外两种刻画拟合程度的标准： 01 “正确预测的比例”：若y = 1 且其概率预测值50% ， i 或者若y =0并且概率预测值50% ，则称对y 的预测 i i 正确。否则称其预测不正确。“正确预测的比例”就 是n个观测中预测正确的比例。 Logit 和 Probit 模型的拟合度量 02 2 2 伪R （pseudo -R ）度量了基于似然函数的模型 拟合状况。 通过比较包含所有回归变量的似然 函数的最大值和不包含任何回归变量的似然函数 的最大值度量probit模型的拟合质量。