1-离散因变量模型.pptVIP

file:5logit-guosheng-a file:5logit-guosheng-b 第1讲：?结束 （累积分布） （7curve-line） a=2 预测准确率 97%=58/60。 残差是异方差的 Logit模型估计结果如下（EViews命令：Quick, estimate equation选Logit） file:logit1 file:logit1 三个估计（Probit、Logit 和Gompit）模型的结论是一样的，即假设一个考生考了358分，那末他能够被录取的概率小于0.5，未被录取。当增加1分时，被录取的概率大于0.5，应该被录取了。 file:logitzhou logit模型对应的残差图呈异方差特征（中间大，两侧小） file:logitzhou Probit模型对应的残差图呈异方差特征（中间大，两侧小） file:logitzhou gompit模型对应的残差图呈异方差特征（中间大，两侧小） 估计结果显示，教育程度对劳动力的非农业就业倾向有着非常明显的作用。 file:logitzhou 10.6有序因变量模型 第1讲 ?离散选择模型 正态概率分布函数 标准正态分布、logistic?分布、极值（Gumbel）分布的位置比较 有序因变量模型的预测操作是在输出结果窗口点击Proc键选Make Model，在打开的窗口点击Solve键。 7order_model-1 ? Y=1、2、3时对应的残差的均值不同，分布更接近极值分布。 7order_model-1 7order_model-1 第1讲 ?离散选择模型 file:7logit1 file:logitzhou file:7order_model-1 第1讲 ?离散选择模型 第1讲 ?离散选择模型 Var(ui2) = pi - pi2当pi = 0.5时最大 正态分布、logistic分布、极值分布（Gumbel）累计概率分布函数 （7curve-line） 第1讲 ?离散选择模型 极值（Gumbel）分布，中位数 = 0.3665，均值 = 0.5772，标准差 = 1.2826 第1讲 ?离散选择模型 第1讲 ?离散选择模型 Probit、Logit、Gompit模型估计的EViews操作： file:logit1 file:logit1 file:logit1 点击forecast分别预测隐变量和概率值。 file:logit1