- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
对于Probit和Logit模型,同样可以计算(9.5)式中的以反映模型的拟合优度。此外,还可以计算类似于传统R2的McFadden似然比指数(McFadden’sLikelihoodRatioIndex)来度量拟合优度。似然比指数的定义为(9.15) McFaddenR2总是介于0和1之间。当所有的斜率系数都为0时,McFaddenR2=0,但是,McFaddenR2不会恰好等于1。McFaddenR2越大,表明拟合得越好。第30页,共47页,星期日,2025年,2月5日例贷款决策模型分析与建模:某商业银行从历史贷款客户中随机抽取78个样本,根据设计的指标体系分别计算它们的“商业信用支持度”(CC)和“市场竞争地位等级”(CM),对它们贷款的结果(JG)采用二元离散变量,1表示贷款成功,0表示贷款失败。目的是研究JG与CC、CM之间的关系,并为正确贷款决策提供支持。第31页,共47页,星期日,2025年,2月5日样本观测值CC=XYCM=SC第32页,共47页,星期日,2025年,2月5日第33页,共47页,星期日,2025年,2月5日第九章二元选择模型第1页,共47页,星期日,2025年,2月5日说明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。离散被解释变量数据计量经济学模型(ModelswithDiscreteDependentVariables)和离散选择模型(DCM,DiscreteChoiceModel)。二元选择模型(BinaryChoiceModel)和多元选择模型(MultipleChoiceModel)。本节只介绍二元选择模型。第2页,共47页,星期日,2025年,2月5日离散选择模型起源于Fechner于1860年进行的动物条件二元反射研究。1962年,Warner首次将它应用于经济研究领域,用以研究公共交通工具和私人交通工具的选择问题。70、80年代,离散选择模型被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。模型的估计方法主要发展于80年代初期。第3页,共47页,星期日,2025年,2月5日一、二元离散选择模型的经济背景第4页,共47页,星期日,2025年,2月5日实际经济生活中的二元选择问题研究选择结果与影响因素之间的关系。影响因素包括两部分:决策者的属性和备选方案的属性。对于单个方案的取舍。例如,购买者对某种商品的购买决策问题,求职者对某种职业的选择问题,投票人对某候选人的投票决策,银行对某客户的贷款决策。由决策者的属性决定。对于两个方案的选择。例如,两种出行方式的选择,两种商品的选择。由决策者的属性和备选方案的属性共同决定。第5页,共47页,星期日,2025年,2月5日二、二元离散选择模型第6页,共47页,星期日,2025年,2月5日1.线性概率(LPM)模型假设有以下二元选择模型:(9.1) 其中,Xi是包含常数项的k元解释变量,假设在给定Xi的时候,Yi=1的概率为p,即,则在给定Xi的时候,Yi=0的概率为1-p,即。第7页,共47页,星期日,2025年,2月5日当(9.1)式满足时,(9.2) 另外,因为Yi只取1和0两个值,其条件期望为(9.3) 综合(9.2)式和(9.3)式得:(9.4)第8页,共47页,星期日,2025年,2月5日因此,(9.1)式拟合的是当给定解释变量Xi的值时,某事件发生(即Yi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,因此(9.1)式称为线性概率模型(LinearProbabilityModel,LPM)。对于线性概率模型,可以采用普通最小二乘法进行估计,但是会存在一些问题。常见的问题和
原创力文档


文档评论(0)