7.2二元选择模型课案.ppt

§7.2 二元选择模型 Binary Choice Model;说明;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。;一、二元离散选择模型的经济背景;实际经济生活中的二元选择问题;;二、二元离散选择模型;1、原始模型;由于存在这两方面的问题，所以原始模型不能作为实际研究二元选择问题的模型。 需要将原始模型变换为效用模型。 这是离散选择模型的关键。 ;;2、效用模型 ;注意，在模型中，效用是不可观测的，人们能够得到的观测值仍然是选择结果，即1和0。 很显然，如果不可观测的U1U0，即对应于观测值为1，因为该个体选择公共交通工具的效用大于选择私人交通工具的效用，他当然要选择公共交通工具； 相反，如果不可观测的U1≤U0，即对应于观测值为0，因为该个体选择公共交通工具的效用小于选择私人交通工具的效用，他当然要选择私人交通工具。;3、最大似然估计 ;;;三、二元Probit离散选择模型及其参数估计;1、标准正态分布的概率分布函数 ;2、重复观测值不可以得到情况下二元Probit离散选择模型的参数估计 ;;;;关于参数的非线性函数，不能直接求解，需采用完全信息最大似然法中所采用的迭代方法。 应用计量经济学软件。 这里所谓“重复观测值不可以得到”，是指对每个决策者只有一个观测值。如果有多个观测值，也将其看成为多个不同的决策者。 ;例7.2.2 贷款决策模型;样本观测值;该方程表示，当CC和CM已知时，代入方程，可以计算贷款成功的概率JGF。例如，将表中第19个样本观测值CC=15、CM=－1代入方程右边，计算括号内的值为0.1326552；查标准正态分布表，对应于0.1326552的累积正态分布为0.5517；于是，JG的预测值JGF=1－0.5517=0.4483，即对应于该客户，贷款成功的概率为0.4483。;模拟预测;预测：如果有一个新客户，根据客户资料，计算的“商业信用支持度”（XY）和“市场竞争地位等级”（SC），代??模型，就可以得到贷款成功的概率，以此决定是否给予贷款。 ;3、重复观测值可以得到情况下二元Probit离散选择模型的参数估计 ;对第i个决策者重复观测n次，选择yi=1的次数比例为pi，那么可以将pi作为真实概率Pi的一个估计量。 ; V的观测值通过求解标准正态分布的概率分布函数的反函数得到 ;四、二元Logit离散选择模型及其参数估计;1、逻辑分布的概率分布函数 ;B?rsch-Supan于1987年指出: ;2、重复观测值不可以得到情况下二元logit离散选择模型的参数估计 ;Probit 0.999999 1.000000 0.447233 0.000000;3、重复观测值可以得到情况下二元logit离散选择模型的参数估计;用样本重复观测得到的pi构成“成败比例”，取对数并进行台劳展开，有 ;五、二元离散选择模型的检验;1、计量经济学模型中的两类检验统计量;2、拟合检验;LnL=－1.639954 LnL0=－52.80224 LRI=0.968942;3、省略变量检验;如果X2中的变量省略后对参数估计量没有影响，那么H1和H0情况下的对数最大似然函数值应该相差不大，此时LR统计量的值很小，自然会小于临界值，不拒绝 H0。;检验步骤 首先进行约束模型的估计 选择系数检验 引入省略的变量 判断;省略CC，只保留CM，估计模型;选择”Omitted Variables-LR Test”;引入CC;拒绝CC系数为0的0假设;4、异方差性检验;一般都存在异方差。 不检验，采用White修正进行估计;5、分布检验;β：模型1的参数，γ：模型2的参数。 组合模型的似然函数：;6、回代检验;例7.2.2;实例—财务欺诈识别模型;样本：财务欺诈公司30，非财务欺诈公司30 采用犯第一类错误最小原则确定最优阈值为0.68 欺诈样本中，p0.68，26个，占86.7% 非欺诈样本中，p0.68，25个，占83.3%;实例—上市公司并购