3特殊变量回归模型.ppt

图7.5 审查模型的估计对话框 在三种分布中选择一种作为误差项的分布，EViews提供三种可供选择的分布(表7.8)。 表7.8 误差项的分布 Standard normal Logistic Extreme value (欧拉常数 ) 还需要在Dependent Variable Censoring Points一栏提供关于被检查因变量的临界点的信息。临界点可以是数值、表达式、序列，还可以是空的。有两种情况需要考虑： ① 临界点对于所有个体都是已知的； ② 临界点只对具有审查观察值的个体是已知的。 （1）临界点对所有个体都已知 按照要求在编辑栏的左编辑区（Left）和右编辑区（Right）输入临界点表达式。注意如果在编辑区域留下空白，EViews将假定该种类型的观测值没有被审查。 例如，在规范的Tobit模型中，数据在0值左边审查，在0值右边不被审查。这种情况可以被指定为： 左编辑区： 0 右编辑区： [blank] 而一般的左边和右边审查由下式给出： 左编辑区： 右编辑区： EViews也允许更一般的设定，这时审查点已知，但在观察值之间有所不同。简单地在适当的编辑区域输入包含审查点的序列名字。 （2）临界点通过潜在变量产生并且只对被审查的观测值个体已知 在一些情况下，假设临界点对于一些个体（ 和 不是对所有的观察值都是可观察到的）是未知的，此时可以通过设置0-1虚拟变量（审查指示变量）来审查数据。EViews提供了另外一种数据审查的方法来适应这种形式。简单地，在估计对话框中选择Field is zero/one indicator of censoring选项，然后在合适的编辑区域输入审查指示变量的序列名。对应于审查指示变量值为1的观察值要进行审查处理，而值为0的观察值不进行审查。 例如，假定我们有个人失业时间的观察值，但其中的一些观察值反映的是在取得样本时仍然继续失业的情况，这些观察值可以看作在报告值的右边审查。如果变量rcens是一个代表审查的指示变量，可以选择Field is zero/one indicator of censoring设置，并在编辑区域输入： 左编辑区： [blank] 右编辑区： rcens 如果数据在左边和右边都需要审查的话，对于每种形式的审查使用单独的审查指示变量： 左编辑区： lcens 右编辑区： rcens 这里，lcens也是审查指示变量。完成模型的指定后，单击OK。EViews将会使用合适的迭代步骤估计模型的参数。 例7.3的估计结果如下： 2．模型的预测与产生残差 EViews提供了预测因变量期望 E (y | x, ?, ?) 的选项，或预测潜在变量期望 E (y*| x, ?, ?) 的选项。从工具栏选择Forecast打开预测对话框。为了预测因变量的期望，应该选择Expected dependent variable，并输入一个序列名称用于保存输出结果。为了预测潜在变量的期望，单击Index-Expected latent variable，并输入一个序列的名称用于保存输出结果。潜在变量的期望 E (y*| x, ?, ?) 可以从如下关系中得到： 通过选择Procs/Make Residual Series，并从残差的3种类型中进行一种，可以产生审查模型的残差序列。审查模型的残差也有3种类型，与前述类似。 在实际应用中，我们应该根据要研究的变量的数据类型选择合适的模型。当因变量 y 表示事件发生的数目，是离散的整数，即为计数变量，并且数值较小，取零的个数多，而解释变量多为定性变量时，应该考虑应用计数模型（count models）。例如，一个公司提出申请的专利的数目，以及在一个固定的时间间隔内的失业人员的数目。在计数模型中应用较广泛的为泊松模型。 3.10 计数模型 3.10.1 泊松模型的形式与参数估计 设每个观测值 yi 都来