您好,欢迎访问三七文档
•二元Logit回归模型•参考书:Logistic回归模型——方法与应用•王济川,郭志刚,高等教育出版社,2001年版(共272页)。•李子奈:计量经济学(第三版),2010年。第七章。二元选择模型BinaryChoiceModel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说明•在经典计量经济学模型中,被解释变量通常被假定为连续变量。•离散被解释变量数据计量经济学模型(ModelswithDiscreteDependentVariables)和离散选择模型(DCM,DiscreteChoiceModel)。•二元选择模型(BinaryChoiceModel)和多元选择模型(MultipleChoiceModel)。•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。1、逻辑分布的概率分布函数Ftet()11fteett()()12Fteettt()()1fteetttt()()()(())112.00.05.10.15.20.25.30510152025303540F0.00.20.40.60.81.0510152025303540DF1、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。YXyiXii0)(iEiX)(iyEiiiipyPyPyE)0(0)1(1)(EyPyii()()1Xi)0(1)1(iiiiyPpyPp左右端矛盾•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。iiiyy1101XXXXiiii当,其概率为当,其概率为具有异方差性2、效用模型作为研究对象的二元选择模型Uiii11X1Uiii000XUUiiiii1010X10()()yii**Xi第i个个体选择1的效用第i个个体选择0的效用PyPyPiii()()()**10Xi•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。最大似然估计•欲使得效用模型可以估计,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。•最大似然函数及其估计过程如下:FtFt()()1PyPyPPFFiiii()()()()()()***1011XXXXiiiiPyyyFFnyyii(,,,)(())()12011XXiiLFFin(())(())XXiyi1yii11逻辑分布的对称性似然函数ln(ln()()ln(()))LyFyFiiinXXii111ln()()LyfFyfFiiiiiiin111X0i•在样本数据的支持下,如果知道概率分布函数和概率密度函数,求解该方程组,可以得到模型参数估计量。1阶极值条件四、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Ftet()11fteett()()12Fteettt()()1fteetttt()()()(())112.00.05.10.15.20.25.30510152025303540F0.00.20.40.60.81.0510152025303540DFBörsch-Supan于1987年指出:•如果选择是按照效用最大化而进行的,具有极限值的逻辑分布是较好的选择,这种情况下的二元选择模型应该采用Logit模型。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”(CC,XY)和“市场竞争地位等级”(CM,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CC、CM之间的关系,并为正确贷款决策提供支持。•样本观测值JGXYSCJGFJGXYSCJGFJGXYSCJGF0125.0-20.000001500-20.0000054.00-10.00000599.0-20.0000096.0000.0000142.0021.00000100.0-20.00001-8.00001.0000042.0000.02090160.0-20.00000375.0-20.0000118.0021.0000046.00-20.0000042.00-16.5E-13080.0016.4E-12080.00-20.000015.00021.00001-5.00001.00000133.0-20.00000172.0-20.00000326.020.00000350.0-10.00001-8.00001.00000261.010.0000123.0000.9979089.00-20.00001-2.000-10.9999060.00-20.00000128.0-20.0000014.00-23.9E-07070.00-10.000016.00001.0000122.0000.99911-8.00001.00000150.0-10.00000113.010.00000400.0-20.0000154.0021.0000142.0010.9987072.0000.0000028.00-20.0000157.0020.99990120.0-10.0000125.0000.99060146.000.0000140.0010.9998123.0000.9979115.0001.0000135.0010.9999114.0001.0000026.00-24.4E-16126.0011.0000049.00-10.0000089.00-20.0000115.00-10.4472014.00-10.549815.00011.0000069.00-10.0000061.0002.1E-121-9.000-11.00000107.010.0000140.0021.000014.00011.0000129.0011.0000030.00-20.0000054.00-20.000012.00011.00000112.0-10.0000132.0011.0000137.0010.9999078.00-20.0000054.0001.4E-07053.00-10.000010.00001.00000131.0-20.00000194.000.00000131.0-20.0000115.0001.0000CC=XYCM=SC•数据的录入•QUICK——EstimateEquation…•McFaddenR-squared0.966793•S.D.dependentvar0.495064•Akaikeinfocriterion0.121882•Schwarzcriterion0.212525•Hannan-Quinncriter.0.158168•LRstatistic102.0977•Prob(LRstatistic)0.000000••Akaikeinfocriterion0.121882•Schwarzcriterion0.212525•Hannan-Quinncriter.0.158168•信息准则越小越好:•被估计的参数个数k越小,SC越小;L越大,SC越小。•具体可参见:•《数据分析与EViewS应用》,易丹辉主编,2008年第一版,中国人民大学出版社。第35页及第12章及相关章节。•Meandependentvar0.410256•S.E.ofregression0.089416•Sumsquaredresid0.599643•Loglikelihood-1.753403•Restr.loglikelihood-52.80224•Avg.loglikelihood-0.022480•:log;llikelihoodl对数似然函数的最大值;:零模型(除常数项外的所有系数都为零,意即仅含常数项,又称截距概率模型)的对数似然函数的最大值。•LRstatistic102.0977•Prob(LRstatistic)0.0000002()LRll•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。0.9999991.0000000.4472330.000000•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),代入模型,就可以得到贷款成功的概率,以此决定是否给予贷款。END
本文标题:二元选择模型
链接地址:https://www.777doc.com/doc-3633197 .html