第二章 基本回归模型PPT.ppt

*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;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）线性概率模型的概念 下面用一个关于是否读研究生的例子来说明如何解释线性概率模型的结果。模型为：; 设回归结果如下（所有系数值均在10%水平上显著）： ; 因变量在这个二元选择模型中只能取两个值：0或1，可是该学生的的拟合值或预测值为0.8。将该拟合值解释为该生决定读研的概率的估计值。因此，该生决定读研的概率估计值为0.8。这种概率不是能观测的，能观测的是读研还是不读研的决定。 对斜率系数的解释也不同了。 在常规回归中，斜率系数代表的是其他解释变量不变的情况下，该解释变量的单位变动引起的因变量的变动。 在线性概率模型中，斜率系数表示其他解释变量不变的情况下，该解释变量的单位变动引起的因变量等于1的概率的变动。; CPA的系数估计值0.4意味着家庭收入不变的情况下，一个学生的GPA增加一个点（如从3.0到4.0），该生决定去读研的概率的估计值增加0.4。 INCOME的系数估计值0.002表明，一个学生的成绩不变，而家庭收入增加1000元（单位为千元），该生决定去读研的概率的估计值增加0.002。 LPM模型中，解释变量的变动与虚拟因变量值为1的概率线性相关，因而称为线性概率模型。 ;*;*;*;以pi = - 0.2 + 0.05 xi 为例，说明xi 每增加一个单位，则采用第一种选择的概率增加0.05。假设用这个模型进行预测，当预测值落在 [0，1] 区间之内（即xi取值在[4, 24] 之内）时，则没有什么问题；但当预测值落在[0，1] 区间之外时，则会暴露出该模型的严重缺点。 因为概率的取值范围是 [0，1]，所以此时必须强令预测值（概率值）相应等于0或1（见下图）。 ;*;线性概率模型的估计和问题; 第四个问题也是最严重的问题是，拟合值可能小于0??大于1，而概率值必须位于[0,1]区间内。 回到有关读研的例子。假设学生乙的GPA为4.0，家庭收入为20万元，则代入前式，Y的拟合值为 从而得到一个不可能的结果（概率值大于1）。假设另有一个学生丙的为1.0，家庭收入为5万元，则其Y的拟合值为 -0.2，表明读研的概率为负数，这也是一个不可能的结果。;*;*;*; 2、Probit模型和Logit模型;（一）Probit和Logit模型的设定 ; ;; ;; ;*;*;*;*;*;*;*