6.2 二元离散选择模型幻灯片.ppt

§6.2 二元离散选择模型 一、二元离散选择模型的经济背景 二、二元离散选择模型 三、二元Probit模型及其参数估计 四、二元Logit模型及其参数估计 五、二元离散选择模型的检验 选择Probit模型 对异方差采用稳健标准误的White修正 估计结果 输出的估计结果 正确解读该结果十分重要 讨论： 能否说“当市场竞争地位等级提高1，给该企业贷款成功的概率提高5.062”？ 不能。为什么？ 能否说“对于不同的企业，当市场竞争地位等级都提高1，给这些企业贷款成功的概率所提高的幅度是相同的”？ 不能。为什么？ 模拟预测 利用该方程，当XY和SC已知时，可以计算贷款成功的概率JGF。 例如，将第1个样本观测值XY=125、SC=－2代入方程右边，计算括号内的值为60.7749；查逻辑分布表，对应于60.7749的累积逻辑分布为1.0；于是，JG的预测值JGF=1－1.0=0，即对应于该客户，贷款成功的概率为0。 将第19个样本观测值XY=15、SC=－1代入方程右边，计算括号内的值为0.24226；查逻辑分布表，对应于0.24226的累积逻辑分布为0.5600；于是，JG的预测值JGF=1－0.5600=0.4400，即对应于该客户，贷款成功的概率为0.4400。 2、 总体显著性检验 例中，lnL=－1.639954，lnL0= － 52.80224，LR=102.3246。Χ20.01(2)=9.21。 可见，在0.01的显著水平上，该模型拒绝总体不显著的0假设。 如果按照朴素原则，例中，除了2个样本外，所有样本都通过了回代检验。没有通过回代检验的2个样本中，第19个样本的选择结果为1，回代算得的选择1的概率为0.4472；第45个样本的选择结果为0，回代算得的选择1的概率0.5498。 但是，该例中，选择1和选择0的样本数目分别为32和46，差异较大，不适合采用该方法。 如果按照先验方法，即以全部样本中选择1的样本所占的比例为临界值。例中，选择1的样本的比例为0.41。以此为临界值，只有第45个样本不能通过检验。 但是，该方法适合于以全部个体作为样本的情况，而该例中的78个样本仅是贷款客户的极少部分，所以也不适合采用该方法。 如果按照最优方法，即以“犯第一类错误最小”为原则确定临界值的方法。在例中，如果以0.50为临界值，则有2个样本发生“弃真”，即犯第一类错误；如果以0.41为临界值，则发生“弃真”的样本只有1个。所以以0.41作为临界值比较合适。 五、二元离散选择模型的检验 1、拟合检验 P：样本观测值中被解释变量等于1的比例。 L0：模型中所有解释变量的系数都为0时的似然函数值。 LRI=1，即L=1，完全拟合。 LRI=0，所有解释变量完全不显著，完全不拟合。 LnL=－1.639954 LnL0=－52.80224 LRI=0.968942 3、异方差性检验 截面数据样本，容易存在异方差性。 假定异方差结构为： 采用LM检验 将解释变量分为两类，Z为只与个体特征有关的变量。显然异方差与这些变量相关。 将异方差检验问题变为一个约束检验问题 由于一般都存在异方差，不检验，直接采用White修正进行估计 4、回代检验 概率阈值 朴素选择：p=0.5 (1、0的样本相当时） 先验选择：p=（选1的样本数/全部样本）（全样本时） 最优阈值：犯第一类错误最小原则 * 说明 离散被解释变量数据计量经济学模型（Models with Discrete Dependent Variables）和离散选择模型(DCM, Discrete Choice Model)的区别。 二元选择模型(Binary Choice Model)和多元选择模型(Multiple Choice Model)。 本节只介绍二元选择模型。 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、社会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。 选择结果：0、1 影响选择结果的因素包括两部分：决策者的属性和备选方案的属性。 两种方案的选择 由决策者的属性和备选方案的属性共同决定。 例如，选择利用公共交通工具还是私人交通工具，取决于两类因素。一类是公共交通工具和私人交通工具所具有的属性，诸如速度、耗费时间、成本等；一类是决策个体所具有的属性，诸如职业、年龄、收入水平、健康状况等。 从大量的统计中，可以发现选择结果