十虚拟因变量(计量经济学).PPTVIP

计量经济学讲义 “计量检验”复习 第九章:虚拟因变量 § 1 线性概率模型（LPM) § 2 对数单位模型（Logit Model) 用以下方法处理 数据构造 §3 概率单位模型(probit Model) §4 托比（tobit)模型 托比模型是概率的拓展，还是以住房为例，对因变量我们不仅想知道有或是没有，还要问一个消费者相对于其收入花在购房上的金额。出现一个问题：如果一个消费者不买住房就得不到这类消费者的住房支出数据。托比模型就是针对这种情况而言的。 截取样本：仅对某些观测有因变量的信息的样本。 本章小结 对于二元选择模型，应熟练掌握logit回归模型或probit模型。并熟练掌握利用Eviews统计软件进行实证研究，并对回归结果中的参数进行合理解释，会进行拟合优度检验。 对于排序选择模型，掌握利用Eviews统计软件进行实证研究，并对回归结果中的参数进行合理解释。 课后练习 找一个二元选择模型的例子，用Eviews实现 要求解释回归结果 作拟合优度检验 找一个排序选择模型的例子，用Eviews实现。 要求解释回归结果。 二、Logit模型与Probit 模型的比较 1、几何形状 Probit Model (概率）：虚曲线 Logit Model (对数）：实曲线 注：Logit Model 的使用要多于Probit Model 降低预测精度 预测 随机解释变量 自相关 异方差 多重共线性 DW检验 White检验 VIF 检验 失效 失效 失效 t检验 方差变大 方差变大 方差变大 对参数?的估计量的标准差 参数估计不稳定 线性无偏 对参数?的估计 因变量也可以是定性变量。如家庭是否拥有自己的住宅，企业是否在某个地区投资，成年男子是否在“参与劳动”等。 1 总和 概率 4、拟和优度 通常情况下，拟和优度不会太高，在0.2至0.6之间。 ………. ………. ………. ………. 对于受约束的LPM(b)一般 不会大，大多数实例 ，当实际的散点非常密集在 点A和B处时， 才会高。 .… …. 20 25 40 … … … 18 60 10 12 50 8 8 40 6 （其中拥有住房的家庭数） (收入以 的家庭个数）