孙凤-社会统计学10.pptxVIP

第十章Logistic回归;第一节Logistic回归模型的含义与建立;在最小二乘法中，我们对因变量Y服从正态分布的推断来源于残差项服从正态分布，因为Y是残差项的线性函数。事实上，社会经济现象往往有不同于正态分布的其他分布，例如二项分布和泊松分布。这些分布存在于现实数据中，而非依据残差项获得。当数据是非正态分布时，如果依然希望用最小二乘法估计参数和建立模型，就会存在一系列问题，我们以线性概率模型为例。;二、线性概率模型 在因变量为二项分布时，要预测某一事件发生的概率，用普通线性回归方程 估测概率所建立的模型，就是所谓的线性概率回归。用公式表示为： 在因变量为二项分布时，要预测某一事件发生的概率，用普通线性回归方程 估测概率所建立的模型，就是所谓的线性概率回归。用公式表示为：;线性概率模型存在以下问题： １异方差性 普通最小二乘法假设残差项的方差是相同的，但二项分布的方差为P（１－P）， 这意味着方差是中间大两边小的，所以方程中残差项的方差不可能恒定。 ２非正态性 在给定自变量X条件下，ε是Y的预测值与实际值的离差。由于Y仅仅有０ 和１两个值，误差项要么等于ε0＝０－E（Y/X* ），或者ε1＝１－E（Y/X*）很明显， 该误差项不是正态分布。;３无意义的解释 从解释力上看，由于概率的值是有边界的，在０与１之间，但线性概率模型很有可能要超过该限制，因变量的估计值可能