比较线性模型和robit模型logit模型.docx

研究生考试录取相关因素的实验报告 ,研究目的 通过对南开大学国际经济研究所 1999级研究生考试分数及录取情况的研 究，引入录取与未录取这一虚拟变量，比较线性概率模型与 Probit模型, Logit模型，预测正确率。 ，模型设定 表1，南开大学国际经济研究所 1999级研究生考试分数及录取情况见数据表 obs Y SCORE obs Y SCORE obs Y SCORE 1 1 401 34 0 332 67 0 275 2 1 401 35 0 332 68 0 273 3 1 392 36 0 332 69 0 273 4 1 387 37 0 331 70 0 272 5 1 384 38 0 330 71 0 267 6 1 379 39 0 328 72 0 266 7 1 378 40 0 328 73 0 263 8 1 378 41 0 328 74 0 261 9 1 376 42 0 321 75 0 260 10 1 371 43 0 321 76 0 256 11 1 362 44 0 318 77 0 252 12 1 362 45 0 318 78 0 252 13 1 361 46 0 316 79 0 245 14 0 359 47 0 308 80 0 243 15 0 358 48 0 308 81 0 242 16 1 356 49 0 304 82 0 241 17 0 356 50 0 303 83 0 239 18 0 355 51 0 303 84 0 235 19 0 354 52 0 299 85 0 232 20 0 354 53 0 297 86 0 228 21 0 353 54 0 294 87 0 219 22 0 350 55 0 293 88 0 219 23 0 349 56 0 293 89 0 214 24 0 349 57 0 292 90 0 210 25 0 348 58 0 291 91 0 204 26 0 347 59 0 291 92 0 198 27 0 347 60 0 287 93 0 189 28 0 344 61 0 286 94 0 188 29 0 339 62 0 286 95 0 182 30 0 338 63 0 282 96 0 166 31 0 338 64 0 282 97 0 123 32 0 336 65 0 282 33 0 334 66 0 278 定义变量SCORE :考生考试分数；Y :考生录取为1未录取为0。 100 150 200 250 300 350 400 450 SCORE 上图为样本观测值。 线性概率模型 根据上面资料建立模型 Yi B1 B2 * SCOREj 用Eviews得到回归结果如图： Depe ndent Variable: Y Method: Least Squares Date: 12/10/10 Time: 20:38 Sample: 1 97 In cluded observati ons: 97 Variable Coefficie nt Std. Error t-Statistic Prob. C -0.847407 0.159663 -5.307476 0.0000 SCORE 0.003297 0.000521 6.325970 0.0000 R-squared 0.296390 Mean depe ndent var 0.144330 Adjusted R-squared 0.288983 S.D. dependent var 0.353250 S.E. of regressi on 0.297866 Akaike info criteri on 0.436060 Sum squared resid 8.428818 Schwarz criteri on 0.489147 Log likelihood -19.14890 F-statistic 40.01790 Durb in -Watson stat 0.359992 Prob(F-statistic) 0.000000 参数估计结果为:Y? -0.847407+0.003297 SCOREi 参数估计结果为: Se=( 0.159663 )( 0.000521 ) t=( -5.307476 ) ( 6.325970 ) p=(0.0000) (0.0000) 预测正确率： Forecast: YF Actual: Y Forecast sample: 1 97 In eluded observati ons: 97 Root Mean Squared Error 0.294780 Mean Absolu