第七章 二元离散选择模型.ppt

五、例题 分析与建模： 在一次选举中，由于候选人对高收入者有 利，所以收入成为每个投票者表示同意或者 反对的最主要影响因素。以投票者的态度（y） 作为被解释变量，以投票者的月收入（x）作 为解释变量建立模型，同意者其观测值为1， 反对者其观测值为0。 原模型为： 样本观测值 100 0 1100 0 2100 1 200 0 1200 0 2200 1 300 0 1300 1 2300 1 400 0 1400 0 2400 1 500 0 1500 1 2500 1 600 0 1600 0 2600 1 700 0 1700 1 2700 1 800 0 1800 0 2800 1 900 0 1900 1 2900 1 1000 0 2000 1 3000 1 估计二元选择模型，从Equation Specification对话框中，选择Binary估计方 法。在二元模型的设定中分为两部分。 首先，在Equation Specification区域中，键 入二元因变量的名字，随后键入一列回归项。 由于二元变量估计只支持列表形式的设定， 所以不能输入公式。 然后，在Binary estimation method中选择 Probit估计方法。 模型估计结果 但是作为估计对象的不是原始模型，而是下 面这个模型。按照方程： 可以得到不同X值下的Y选择1的概率。例如，当Ｘ ＝600时，查标准正态分布表，对应于2.0137的累 积正态分布为0.9982；于是，Ｙ的预测值 YF=1-0.9982=0.0018；即对应于该个人，投赞成票 的概率为0.0018。 例 贷款决策模型 分析与建模：某商业银行从历史贷款客户中随机抽取78个样本，根据设计的指标体系分别计算它们的“商业信用支持度”（XY）和“市场竞争地位等级”（SC），对它们贷款的结果（JG）采用二元离散变量，1表示贷款成功，0表示贷款失败。目的是研究JG与XY、SC之间的关系，并为正确贷款决策提供支持。 样本观测值 估计二元选择模型，从Equation Specification对话框中，选择Binary估计方法。在二元模型的设定中分为两部分。 首先，在Equation Specification区域中，键入二元因变量的名字，随后键入一列回归项。 由于二元变量估计只支持列表形式的设定，所以不能输入公式。 然后，在Binary estimation method中选择Probit，Logit，Extreme value选择三种估计方法的一种。 模型估计输出结果 参数估计结果的上半部分包含与一般的回归结果类似的基本信息，标题包含关于估计方法（ML表示极大似然估计）和估计中所使用的样本的基本信息，也包括达到收敛要求的迭代次数。和计算系数协方差矩阵所使用方法的信息。在其下面显示的是系数的估计、渐近的标准误差、z-统计量和相应的概率值及各种有关统计量。 在回归结果中还提供几种似然函数： ① log likelihood是对数似然函数的最大值L(b)，b是未知参数? 的估计值。 ② Avg. log likelihood 是用观察值的个数N去除以对数似然函数L(b) ，即对数似然函数的平均值。 ③ Restr. Log likelihood是除了常数以外所有系数被限制为0时的极大似然函数L(b) 。 ④ LR统计量检验除了常数以外所有系数都是0的假设，这类似于线性回归模型中的统计量，测试模型整体的显著性。圆括号中的数字表示自由度，它是该测试下约束变量的个数。 ⑤ Probability（LR stat）是LR检验统计量的P值。在零假设下，LR检验统计量近似服从于自由度等于检验下约束变量的个数的?2分布。 ⑥ McFadden R-squared是计算似然比率指标，正像它的名字所表示的，它同线性回归模型中的R2是类似的。它具有总是介于0和1之间的性质。 估计选项 因为我们是用迭代法求极大似然函数的最大值，所以Option选项可以从估计选项中设定估计算法与迭代限制。单击Options按钮，打开对话框如下图所示。 图 Options对话框 Option对话框有以下几项设置： ① 稳健标准差 (Robust Standard Errors) 对二元因变量模型而言，EViews允许使用准-极大似然函数（Huber/White）或广义的线性模型（GLM）方法估计标准误差。察看Robust Covariance对话框，并从两种方法中选择一种。 ② 初始值 EViews的默认值是使用经验运算法则而选择出来的，适用