高级计量经济学二元选择模型PPT课件
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
变化如何影响概率P(y = 1|x)，即∂p/ ∂x。
对于线性概率函数，x的边际影响可以很容易的从 其回归系数得知。
对于Probit 模型和Logit模型，计算对条件概率边 际影响的方法较为复杂：
∂p/ ∂xj = g(α+x) j,
式中g(z)表示dG(z)/dz
是否参与某政策计划：
当所分析对象参与该某政策计划时D=1，否则D=0；
是否采纳某种（新）技术
当所分析对象采纳该技术时D=1，否则D=0；
农业劳动力转移
当农户家庭中有劳动力实现转移时D=1，否则D=0。
农户土地流转、借贷行为、政府提价…
自我选择问题
在很多情况下，是否选择参与某政策计划或是否 采用某生产技术是由微观行为主体选择的，由此 导致了自我选择问题。
家庭或个人特征是否影响到选择
家庭收入是否对读研究生构成重要限制？ 个人的学习能力是否影响到读研的决策？
推断不同条件下的研究生规模变化
提高费用/就业机会增加/居民收入增加
推断个人的行为
哪些学生最有可能报考研究生
二元选择模型可用于评价政策
在评价某项政策计划（或技术应用）产生的影响 时，常常可以用虚变量作为模型的因变量，例如：
概率模型
FZ
1
线性概率函数
Z*
Z
概率函数模型
如前面所述，利用概率模型做推断时可能会遇到 计算值超出0~1区间的情况。
为了解决这一问题，我们用概率函数G(α+x)来模
拟事件发生的概率，该函数应满足0<G(z)<1。 常用的分布和模型形式有：
正态分布→ Probit模型 Logistic分布→ Logit模型 Gompertz分布→极端值(Extreme value)模型
i为行为主体特征的权重
eij为效用函数中不可观察的随机成分，假定E(eij)=0,
随机Var效(ei用j)=函1 数帮助建立了行为模式与观察到的数 据之间的关系。
二元行为选择
由模型分析可以获得的信息
研究生的社会经济特性是否具有重要意义
降低成本是否有助于吸引更多学生？ 就业市场好坏是否对读研究生有重要影响
行为主体选择第一项活动意味着Ui1t > Ui2t
随机效用函数 (Random Utility Functions)
形式：Uij = j + i’xij + i’zi + eij
j为与特定选择j相联系的常数项
xij 为选择j所具有的特性(Attributes)
i为反映行为主体偏好的权重
zi 为行为主体的特征
如果我们掌握有哪些因素影响到是否参与，那么 就可以对选择行为做分析。
然而经常出现的情况是，有一些无法观察的因素 影响到是否参与。
在此情况下，仅利用参与者的信息估计政策效果 可能出现偏差，进而导致制定错误的政策。
线性概率模型
我们可以用线性概率模型来研究二元选择行为，此时模型 可以写作：
P该j(表y方=示程1当推|x)x断j=变的化1yx1的时+值概…表率+示的做变KxK出化+该e 选择的概率。
现有的计量经济学软件提供了三种模型的计算程序，因而 都很容易计算。
没有严格的理由表明哪一个模型更可取：
得到的参数不会相同 但分析结论不会有大的差别 收敛特性有时出现差别
通常根据模型的统计表现和经验偏好决定取舍。
来自百度文库
对Probit 模型和Logit模型的解释
利用概率模型做分析时，我们关心的通常是X的
一个问题是，由线性概率方程推断得出的概率值可能落在
区间[0,1]之外，因而只有在均值附近才较为可靠。
由于线性概率函数的取值仅为0或1，因而误差项与模型参
数β出现相关，即e或是等于-β΄X，或是等于1-β΄X，因而存
在异方差问题，导致统计检验失效。
随着计量经济学软件的不断发展，现在已经很少使用线性 概率模型。
第五章
二元选择模型
(Binary choice models)
本章内容
反映选择行为的模型 线性概率模型 经典二元选择模型
PROBIT模型 LOGIT模型 极端值模型
拟合优度测定 案例分析
用计量经济模型反映选择行为
行为主体从事的每项活动都可以看作是一种选择； 每个行为主体都有其偏好； 人们的行为有其规则； 在经济分析中，通常认为选择基于效用最大化标准。 研究中需要考虑：
由于Probit模型是参数非线性函数，因而需要用最 大似然法来估计。
15
Logit模型
G(z)的另一种可选形式是逻辑曲线，它是标准逻 辑随机变量的累积分布函数，即Logit模型，有时 也称为Logistic曲线回归；
Pi=G(Z) = exp(Z)/[1 + exp(Z)]=1/[1+exp(-Z)]
行为理论基础 计量经济学模型方法
模型设定 统计理论和数据 估计方法和统计检验
行为假定
就可以选择的活动而言，行为主体的偏好具有传 递性和完备性。
每项选择都有其相应的效用水平Uijt。 每个行为主体都试图获得最大效用。 我们无法对效用直接进行观测，只能通过观察行
为主体做出的选择来揭示其偏好。
不同统计分布的特征
Probit 模型
G(z)的一种可选形式是标准正态累积分布函数， 此即Probit模型。
P i GZi
1 2
Zi eu22du
式中u是误差项，假定服从标准正态分布；
P代表事件发生的概率。
估计指标Z，需要应用累计正态分布函数的逆函数
Z i G 1 P iX i
Pi=G(Z) = exp(- e-Z)
Extreme Value模型也是参数非线性函数，需 要用最大似然法估计。
模型选择
由前面的图形可以看出，作为三种模型基础的三种统计分 布有类似的变化模式，接近零时概率密度最大（此时累积 分布函数上升最迅速），但分散程度有一定差异。
早期研究中使用Logit模型的情况较多，这是因为该模型较 容易计算。
对该式做以下变换：
[1+exp(-Z)]Pi=1 exp(-Z)=1/Pi-1=(1-Pi)/Pi
Z=log[(1-Pi)/Pi]=+X
上述变换使因变量成为选择机会比的对数。 Logit模型也是参数非线性函数，但容易线性化。
Extreme Value模型
G(z)的第三种可选形式是极端值分布；
对于线性概率函数，x的边际影响可以很容易的从 其回归系数得知。
对于Probit 模型和Logit模型，计算对条件概率边 际影响的方法较为复杂：
∂p/ ∂xj = g(α+x) j,
式中g(z)表示dG(z)/dz
是否参与某政策计划：
当所分析对象参与该某政策计划时D=1，否则D=0；
是否采纳某种（新）技术
当所分析对象采纳该技术时D=1，否则D=0；
农业劳动力转移
当农户家庭中有劳动力实现转移时D=1，否则D=0。
农户土地流转、借贷行为、政府提价…
自我选择问题
在很多情况下，是否选择参与某政策计划或是否 采用某生产技术是由微观行为主体选择的，由此 导致了自我选择问题。
家庭或个人特征是否影响到选择
家庭收入是否对读研究生构成重要限制？ 个人的学习能力是否影响到读研的决策？
推断不同条件下的研究生规模变化
提高费用/就业机会增加/居民收入增加
推断个人的行为
哪些学生最有可能报考研究生
二元选择模型可用于评价政策
在评价某项政策计划（或技术应用）产生的影响 时，常常可以用虚变量作为模型的因变量，例如：
概率模型
FZ
1
线性概率函数
Z*
Z
概率函数模型
如前面所述，利用概率模型做推断时可能会遇到 计算值超出0~1区间的情况。
为了解决这一问题，我们用概率函数G(α+x)来模
拟事件发生的概率，该函数应满足0<G(z)<1。 常用的分布和模型形式有：
正态分布→ Probit模型 Logistic分布→ Logit模型 Gompertz分布→极端值(Extreme value)模型
i为行为主体特征的权重
eij为效用函数中不可观察的随机成分，假定E(eij)=0,
随机Var效(ei用j)=函1 数帮助建立了行为模式与观察到的数 据之间的关系。
二元行为选择
由模型分析可以获得的信息
研究生的社会经济特性是否具有重要意义
降低成本是否有助于吸引更多学生？ 就业市场好坏是否对读研究生有重要影响
行为主体选择第一项活动意味着Ui1t > Ui2t
随机效用函数 (Random Utility Functions)
形式：Uij = j + i’xij + i’zi + eij
j为与特定选择j相联系的常数项
xij 为选择j所具有的特性(Attributes)
i为反映行为主体偏好的权重
zi 为行为主体的特征
如果我们掌握有哪些因素影响到是否参与，那么 就可以对选择行为做分析。
然而经常出现的情况是，有一些无法观察的因素 影响到是否参与。
在此情况下，仅利用参与者的信息估计政策效果 可能出现偏差，进而导致制定错误的政策。
线性概率模型
我们可以用线性概率模型来研究二元选择行为，此时模型 可以写作：
P该j(表y方=示程1当推|x)x断j=变的化1yx1的时+值概…表率+示的做变KxK出化+该e 选择的概率。
现有的计量经济学软件提供了三种模型的计算程序，因而 都很容易计算。
没有严格的理由表明哪一个模型更可取：
得到的参数不会相同 但分析结论不会有大的差别 收敛特性有时出现差别
通常根据模型的统计表现和经验偏好决定取舍。
来自百度文库
对Probit 模型和Logit模型的解释
利用概率模型做分析时，我们关心的通常是X的
一个问题是，由线性概率方程推断得出的概率值可能落在
区间[0,1]之外，因而只有在均值附近才较为可靠。
由于线性概率函数的取值仅为0或1，因而误差项与模型参
数β出现相关，即e或是等于-β΄X，或是等于1-β΄X，因而存
在异方差问题，导致统计检验失效。
随着计量经济学软件的不断发展，现在已经很少使用线性 概率模型。
第五章
二元选择模型
(Binary choice models)
本章内容
反映选择行为的模型 线性概率模型 经典二元选择模型
PROBIT模型 LOGIT模型 极端值模型
拟合优度测定 案例分析
用计量经济模型反映选择行为
行为主体从事的每项活动都可以看作是一种选择； 每个行为主体都有其偏好； 人们的行为有其规则； 在经济分析中，通常认为选择基于效用最大化标准。 研究中需要考虑：
由于Probit模型是参数非线性函数，因而需要用最 大似然法来估计。
15
Logit模型
G(z)的另一种可选形式是逻辑曲线，它是标准逻 辑随机变量的累积分布函数，即Logit模型，有时 也称为Logistic曲线回归；
Pi=G(Z) = exp(Z)/[1 + exp(Z)]=1/[1+exp(-Z)]
行为理论基础 计量经济学模型方法
模型设定 统计理论和数据 估计方法和统计检验
行为假定
就可以选择的活动而言，行为主体的偏好具有传 递性和完备性。
每项选择都有其相应的效用水平Uijt。 每个行为主体都试图获得最大效用。 我们无法对效用直接进行观测，只能通过观察行
为主体做出的选择来揭示其偏好。
不同统计分布的特征
Probit 模型
G(z)的一种可选形式是标准正态累积分布函数， 此即Probit模型。
P i GZi
1 2
Zi eu22du
式中u是误差项，假定服从标准正态分布；
P代表事件发生的概率。
估计指标Z，需要应用累计正态分布函数的逆函数
Z i G 1 P iX i
Pi=G(Z) = exp(- e-Z)
Extreme Value模型也是参数非线性函数，需 要用最大似然法估计。
模型选择
由前面的图形可以看出，作为三种模型基础的三种统计分 布有类似的变化模式，接近零时概率密度最大（此时累积 分布函数上升最迅速），但分散程度有一定差异。
早期研究中使用Logit模型的情况较多，这是因为该模型较 容易计算。
对该式做以下变换：
[1+exp(-Z)]Pi=1 exp(-Z)=1/Pi-1=(1-Pi)/Pi
Z=log[(1-Pi)/Pi]=+X
上述变换使因变量成为选择机会比的对数。 Logit模型也是参数非线性函数，但容易线性化。
Extreme Value模型
G(z)的第三种可选形式是极端值分布；