《离散选择模型-PPT.pptx》由会员分享，可在线阅读，更多相关《离散选择模型-PPT.pptx（42页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、离散选择模型 例8、2 分析公司员工得跳槽行为。员工就是否愿意跳槽到另一家公司,取决于薪资、发展潜力等诸多因素得权衡。员工跳槽得成本与收益就是多少,我们无法知道,但我们可以观察到员工就是否跳槽,即 例8、3 对某项建议进行投票。建议对投票者得利益影响就是无法知道得,但可以观察到投票者得行为只有三种,即 从上述被解释变量所取得离散数据看,如果被解释变量只有两个选择,则建立得模型为二元离散选择模型,又称二元型响应模型;如果变量有多于二个得选择,则为多元选择模型。本章主要介绍二元离散选择模型。1962 年,Warner 首次将她应用于经济研究领域,用于研究公共交通工具和私人交通工具得选择问题。70-
2、80 年代,离散选择模型被普遍应用于经济布局、企业选点、交通问题、就业问题、购买行为等经济决策领域得研究。本章内容8、1 线性概率模型(LPM)8、2 Logit 模型8、3 Probit 模型 二、线性概率模型 1、线性概率模型得概念。设家庭购买住房得选择主要受到家庭得收入水平,则用如下模型表示 其中 为家庭得收入水平,为家庭购买住房得选择,即 给定解释变量,被解释变量Y 得分布为 因此,家庭选择购买住房得概率就是解释变量-家庭收入得一个线性函数。我们称这一关系式为线性概率函数。Y 0 1概率 1-p p 2、线性概率函数得估计(麻烦!)(1)随机误差项得非正态性表现 给定解释变量,随机扰动
3、项仅取两个值、(2)得异方差性问题:如何修正?(3)、可能不成立5、2 Logit 模型 一、Logit 模型得产生 1、产生Logit 模型得背景 对于线性概率模型来说,存在一些问题(1)古典假定不再成立(2)(3)经济意义也不能很好地得到体现 购买住房得可能性与收入之间应该就是一种非线性关系大家有疑问的，可以询问和交流可以互相讨论下，但要小声点 可以互相讨论下，但要小声点 2、Logit 模型得含义(1)随着 得减小,趋近0 得速度会越来越慢;反过来随着 得增大,接近1 得速度也越来越慢,而当 增加很快时,得变化会比较快。故 与 之间应呈非线性关系。(2)得变化始终在0 和1 之间(3)设
4、(4)Logit 模型 其中 为机会概率比(简称机会比,下同),即事件发生与不发生所对应得概率之比。称(*)式为Logit 模型 3、Logit 模型得特点 二、Logit 模型得估计 2、最大似然估计方法。在线性回归中估计总体未知参数时主要采用OLS 方法,这一方法得原理就是根据线性回归模型选择参数估计,使被解释变量得观测值与模型估计值之间得离差平方值为最小。而最大似然估计方法则就是统计分析中常用得经典方法之一,在线性回归分析中最大似然估计法可以得到与最小二乘法一致得结果。但就是,与最小二乘法相比,最大似然估计法既可以用于线性模型,又可以用于非线性模型,由于Logit 回归模型就是非线性模型
5、,因此,最大似然估计法就是估计Logit 回归模型最常用得方法。下面,以单变量为例,说明具体得估计方法。将上式两端取对数得 Logit 回归最大似然估计得统计性质(1)参数估计具有一致性,即当样本观测增大时,模型得参数估计值将比较接近参数得真值。(2)参数估计为渐近有效,即当样本观测增大时,参数估计得标准误相应减小。(3)参数估计满足渐近正态性,即随着样本观测得增大,估计得分布近似于正态分布。这意味着,可以利用这一性质对未知参数进行假设检验和区间估计了。三、Logit 回归模型得评价和参数得统计检验 1、模型得拟合优度检验 组,或者一个观测数据得 数值为1,并且属于第2 组,就称这个观测数据就
6、是分组恰当得,否则就称这个观测数据就是分组不恰当得。如果模型估计与实际观测数据比较一致,则大多数得观测数据应该就是分组恰当得,反之,如果分组不恰当得观测数据所占得比重很大,说明模型估计与实际观测数据得拟合程度较差,模型需要调整。因此,该方法得思想就是利用分组恰当与否,得到观测数据占总样本得比重来检验模型得拟合优度。2、参数得显著性检验。对模型中参数得显著性检验,就就是决策判断某个解释变量对事件得发生(即选取)就是否有显著性影响。如果检验结果表明该解释变量对选取 得发生有显著性影响,则认为将该解释变量放入Logit 回归模型中就是恰当得。否则,需要对模型进行适当得调整。例 分析某种教学方法对成绩
7、影响得有效性,被解释变量GRADE 为接受新教学方法后成绩就是否改善,如果改善取1,否则取0;GPA 为平均分数;TUCE 为测验得分;PSI 为就是否接受新教学方法,如果接受取1,否则取0。运用EViews 软件中Logit 模型估计方法得到如下结果 解释。一个解释变量得作用如果就是增加对数发生比得话,也就增加了事件发生得概率。具体来讲,Logit 模型得系数如果就是正得并且统计显著,则在控制其她变量得情况下,对数发生比随对应得解释变量值增加而增加,相反,一个显著得负系数代表对数发生比随对应解释变量得增加而减少。如果系数得统计性质不显著,说明对应解释变量得作用在统计上与0 无差异。1、按发生比率来解释Logit 模型得系数。对Logit 模型得回归系数进行解释时,很难具体把握以对数单位测量得作用幅度,所以通常就是将Logit 作用转换成对应得发生比来解释。设模型为