第十八章-离散选择模型和受限因变量模型.docxVIP

精品文档 第 18 章 离散选择模型和受限因变量模型 18.1 概述 在经典计量经济学模型中， 被解释变量通常被假定为连续变量， 但在现实的经济决策中 经常面临许多选择问题。 在这样的决策问题中， 或者选择问题中， 人们必须对可供选择的方 案作出选择。 通常被解释变量是连续的变量， 但此时的因变量只取有限多个离散的值。 例如： 人们对交通工具的选择， 是选择坐轻轨、 地铁还是公共汽车； 某大型企业是否合并另一企业； 对某一方案的建议持强烈反对、反对、中立、支持和强烈支持 5 种态度，可以分别用 0，1 ， 2 ， 3 和 4 表示。以这样的选择结果作为被解释变量建立的计量经济学模型，称为离散被解 释变量数据计量经济学模型（ models with discrete dependent variables ），或称为离散 选择模型（ DCM ， discrete choice model ）。如果被解释变量只能有两种选择，称为二元 选择模型（ binary choice model ）；如果被解释变量有多种选择，称为多元选择模型 multiple choice model ）。 20 世纪 70 和 80 年代，离散选择模型普遍应用于经济布局、企业定点、交通问题、就业问题、购买决策等经济决策领域的研究。 在实际中， 还会经常遇到因变量受到某种限制的情况， 这种情况下， 取得样本数据来自 总体的一个子集，可能不能完全反映总体。例如， 小时工资、 住房价格和名义利率都必须大 于零。这时需要建立的经济计量模型称为受限因变量模型（ limited dependent variable model ）。这两类模型经常用于调查数据的分析中。 本章将讨论三类模型及其估计方法和软件操作。 一是定性 （观测值为离散的或者表示排 序）；二是截取或者截断问题；三是观测值为整数值的计数模型。 18.2 二元因变量模型 在这个模型中， 被解释变量只取两个值， 可以是代表某件事发生与否的虚拟变量， 也可 以是两个决策中选一个， 称为二元因变量模型。例如：对样本个体是否就业的研究，个体的 随意编辑 精品文档 年龄、教育背景、种族、婚姻状况以及其他可观测的特征，作为解释变量，目的是研究个体 这些特征对个体就业概率的研究。 或者对某商品的购买与否， 取决于两类因素： 一类是该商 品具有的属性，诸如用途、价格等；一类是决策个体所具有的属性，诸如职业、年龄、收入 水平、 健康状况等。 从大量的统计中， 可以发现选择的结果与影响因素之间具有一定的因果 关系。 揭示这一因果关系并用于预测研究， 对于制定商品销售方案无疑是十分重要的， 这就 需要建立计量经济学模型来研究这些变量之间的关系。 18.2.1 二元选择模型形式 假设中二元因变量 y 取 0 和 1 两个值，，对 y 和 x 间不能建一个简单的线性回归模型， 因为模型的条件均值对残差设了一个不合理的约束条件。 而且简单回归模型中的 y 的拟合值 没有被限制在 0 和 1 之间。 为了处理二元因变量模型的特别要求，我们必须设定专门的模型。假设观测值取 1 的 概率为： P(yi 1 xi , ) 1 F ( xi ) （ 18.2.1 ） 其中 F 是连续的、严格递增的函数，其取值在 0 和 1 之间。本章讨论时采用最简单的 线性函数形式 xi ，而在 Eviews 中也可以处理非线性的函数形式。 F 函数的类型决定了二 元因变量模型的类别，即有： P(yi 0 xi , ) F ( xi ) （18.2.2 ） 给定这样的设定后，可以用极大似然法对模型的参数进行估计。对数似然函数如下： n l ( ) [ yi log(1 F ( xi )) (1 yi )log( F ( xi ))] （ 18.2.3 ） i 0 由于极大似然函数的条件就是非线性的，因此需要进行迭代运算才能得到参数的估计 值。首先对二元变量模型设定一个潜在解释变量， 假设这有一个不可观测的潜在变量 yi* 与 xi 的线性关系如下： 随意编辑 精品文档 yi* xi ui （ 18.2.4 ） 其中： ui 是随机干扰项， 由 yi* 是否超过临界值来决定因变量的观测值取值。 则 yi 和 yi* 关系有： yi 1 yi* 0 （18.2.5 ） 0 yi* 0 这里临界值设为 0 ，但是只要 x 包含常数项，临界值的选择就是不相关的。然后： P( y i 1 x , ) P( y* 0) P( x u 0)1F( x β) （ 18.2.6 ） i i i i u i 其中： Fu 是 u 的累积分布函数。根据 F 分布函数类型，常见模型有 Probit 模型（标准 正态分布