8.2 线性概率模型.pptVIP

应变量为定性变量的模型 * * 二元选择模型 Binary Choice Model 想解释一个定性事件 只有两种选择：只取0和1 如 Y：一成年人是否参与劳动？ Y：一个企业是否会被兼并？ Y：一家庭是否买房买车？ * * 线性概率模型 Y(0,1)的期望值：事件发生（成功）的概率。 （Linear probability model，LPM） * * 线性概率模型回归系数的含义 保持其他因素不变，Bj 度量了解释变量的变化导致成功的概率变化： * * 线性概率模型的应用 因变量参与劳动市场（inlf）：已婚妇女在1975年的劳动力参与状况的二元变量； inlf = 1：该妇女在该年度的某时候曾为了工资而在家庭以外工作过 nwifeinc：劳动力的参与取决于收入的其他来源，如：丈夫的收入（千美元） educ：受教育年数 exper：过去在劳动力市场的年数 age：年龄 kidslt6：年龄低于6岁的子女数 * * 线性概率模型的应用 利用姆罗兹（Mroa，1987）的数据：753个妇女的样本中有428个人曾在1975年的某个时间参加过劳动 估计出如下线性概率模型： * * 一元线性概率模型 Y：一家庭是否拥有房产（0，1） X：家庭收入 * * LPM模型的缺陷 1）概率估计值可能落在0~1之外 2）X的边际效应不变 如房产所有权模型 在收入分布的两端，边际效应减少 * * 模型的期望性质 1）随着X的增加，Y（概率）增加，但不超出0 ~ 1； 2）Y与X呈非线性： 随着X减到很小，P趋于零的速度越来越慢 随着X增到很大，P趋于1的速度越来越慢 * Y=1表示一种结果，Y=0表示另一种结果 * 回归系数不能理解为：保持所有其他因素不变的情况下，给定x一个单位的变化，导致y的变化量 Y或从0变化到1，或从1变化到0 * 可使用多元回归模型来估计各个解释变量对定性信息的影响。OLS机制同前。 * Y=1表示一种结果，Y=0表示另一种结果 * 回归系数不能理解为：保持所有其他因素不变的情况下，给定x一个单位的变化，导致y的变化量 Y或从0变化到1，或从1变化到0 * 可使用多元回归模型来估计各个解释变量对定性信息的影响。OLS机制同前。