计量经济学第七章课件.ppt

回归系数的解释 GPA前面的系数2.826113的含义是：在其他解释变量保持不变的情况下，GPA每提高一个单位， 平均增加2.826113个单位。 而机会比率 会增加 个单位 五、二元离散选择模型的检验 变量显著性检验 拟合优度检验 方程显著性检验 似然比（LR）统计量 第七章 估计方法的扩展 第七章 估计方法的扩展 7.1 离散选择模型 7.2 受限因变量模型 7.3 面板数据 §7.1 离散被解释变量计量经济学模型—二元选择模型 Models with Discrete Dependent Variables—Binary Choice Model 一、社会经济生活中的二元选择问题 二、二元离散选择模型 三、二元Probit离散选择模型及其参数估计 四、二元Logit离散选择模型及其参数估计 五、二元离散选择模型的检验 一、社会经济生活中的二元选择问题景 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。 在研究社会经济现象时，常常遇见一些特殊的被解释变量，其表现是选择与决策问题，是定性的，没有观测数据所对应；或者其观测到的是受某种限制的数据。 被解释变量是定性的选择与决策问题，可以用离散数据表示，即取值是不连续的。例如，某一事件发生与否，分别用1和0表示；对某一建议持反对、中立和赞成5种观点，分别用0、1、2表示。由离散数据建立的模型称为离散选择模型。 例7.1 研究家庭是否购买住房。由于，购买住房行为要受到许多因素的影响，不仅有家庭收入、房屋价格，还有房屋的所在环境、人们的购买心理等，所以人们购买住房的心理价位很难观测到，但我们可以观察到是否购买了住房，即 我们希望研究买房的可能性，即概率 P(Y=1)的大小。 例7.2 分析公司员工的跳槽行为。员工是否愿意跳槽到另一家公司，取决于薪资、发展潜力等诸多因素的权衡。员工跳槽的成本与收益是多少，我们无法知道，但我们可以观察到员工是否跳槽，即 二、二元离散选择模型 1、原始模型 对于二元选择问题，可以建立如下计量经济学模型。其中Y为观测值为1和0的决策被解释变量；X为解释变量，包括选择对象所具有的属性和选择主体所具有的属性。 左右端矛盾 线性概率模型（LPM) 设家庭购买住房的选择主要受到家庭的收入水平，则用如下模型表示 其中 X为家庭的收入水平，Y 为家庭购买住房的选择，即 由于 Y是取值为0和1的随机变量，并定义取 值为1的概率是p，则Y 的分布为 Y的期望即为：E(Y)=P*1+(1-P)*0=P E(Y=1/X)=P=E(Y) Y 1 0 概率 p 1-p 由于存在这些方面的问题，所以线性概率模型不能作为实际研究二元选择问题的模型。 具有异方差性 随机误差项的非正态性表现 可决系数的非真实性 欲使得离散模型可以估计，就必须为随机误差项选择一种特定的概率分布。 两种最常用的分布是标准正态分布和逻辑（logistic）分布，于是形成了两种最常用的二元选择模型—Probit模型和Logit模型。 三、二元Probit离散选择模型及其参数估计 Probit函数的表述 此模型为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。 3、例题：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 选择Probit模型 估计结果 输出的估计结果 该方程表示：当XY和SC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XY=15、SC=－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。 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？ 预测：如果有一个新客户，根据客户资料，计