高级计量经济学之第9章离散和限制因变量模型.pdfVIP

第9章离散和限制因变量模型

离散因变量(DiscreteDependentVariable)的取值为0、1、2….等离散值。在

多数情况下，这些取值一般没有实际的意义，仅表某一事件的发生，或者是用

于描述某一事件发生的次数。根据取值的特点，离散因变量可以分为二元变量、

多分变量和计数变量。二元变量的取值一般为1和0,当取值为1时表示某件事

情的发生，取值为0则表示不发生。因变量为二元变量的模型称为二元选择模型

(BinaryChoiceModel)o

多分变量所取的离散值个数多于二个，如果各种结果之间没有自然顺序的话,

称为无序变量。例如，当购买洗衣粉时，你可以在众多可供选择的洗衣粉品牌之

间进行选择。如果各种结果之间有一个内在的自然的顺序，则为有序变量。例如，

对债券等级的排序，老师给学生A、B、C、D和E五个等级的成绩。多分变量为

因变量的模型称为多元选择模型(MultinomialModel),其中又有条件模型

(ConditionalModel)有序选择(OrderedModel)嵌套模型(NestedModel)等分类。

计数变量主要用于描述某一事件发生的次数，它仅取整数值。例如，每户家

庭的子女数；某人在一年中看医生的次数等。因变量为计数变量的模型称为计数

模型(CountModel)o

限制因变量(LimitedDependentVariable)指的是由于样本抽取的原因使得所获

得的数据受到某些限制。当我们所获取的数据只是从总体分布的一部分抽取(而

非从总体中随机的抽取)，而另一部分由于无法观测而被删除时，称为截断

(Truncation)；若总体分布中无法观测的部分都用一个临界值表示时，称为审查

(Censor)0限制因变量模型主要包括截断模型(TruncatedModel)和审查模型

(CensoredData)两类。这两类模型多应用在调查数据的分析当中。

§9.1二元选择模型

9.1.1线性概率(LP)模型

假设有以下二元选择模型：

毛二耳0+与i=l,2,,T(9.1)

其中，Xi是包含常数项的k元解释变量,

某一事件发生；

，=[0某一事件不发生。

假设在给定Xi的时候，匕=1的概率为P，即Pro伏X=1|XJ=〃，则在给

定X的时候,另=0的概率为1-p,即Pr仍(X=0|Xj)=l-〃。

当(9.1)式满足E(4|Xj)=0时,

E(X|Xj)=X；0(9.2)

另外，因为匕只取1和0两个值，其条件期望为：

E(Z|Xj)=l,Pro》(X=l|Xj)+0-Pro0(Z=0|X)

z

=1-/?+0-(l-p)(9.3)

=P

综合(9.2)式和(9.3)式得:

E(Y.|X.)=X/p=Pr。伏工=11XJ=p(9.4)

t

因此，(9.1)式拟合的是当给定解释变量Xi的值时，某事件发生(即X取值为

1)的平均概率。在(9.4)式中，这一概率体现为线性的形式X/,因此(9.1)式称为

线性概率模型(LinearProbabilityModel,LPM)。

对于线性概率