Eviews的logistic回归分析ppt课件

16
EViews统计分析基础教程
一、二元选择模型
3.二元选择模型的分析
二元选择模型的回归结果分析包括： 预测
精品课件
11
EViews统计分析基础教程
一、二元选择模型
3.二元选择模型的分析
二元选择模型的回归结果分析包括：
拟合优度检验 异方差检验 预测和产生残差序列
精品课件
12
EViews统计分析基础教程
一、二元选择模型
3.二元选择模型的分析
二元选择模型的回归结果分析包括： 拟合优度检验
包括：H-L（Hosmer-Lemeshow）检验 Andrews检验
精品课件
7
EViews统计分析基础教程
一、二元选择模型
2.二元选择模型的建立 在“Options”选项卡中，可以设置估计算法和迭代限制。
精品课件
8
EViews统计分析基础教程
一、二元选择模型
2.二元选择模型的建立 Robust Covariances”（稳健标准差）有两个选项:
“Huber/White”为用准—极大似然函数方法估计标准差， “GLM”为用广义线性模型方法估计标准差。
检验中通过分组对拟合值和实际值进行比较，如果两者 间的差别较大，就可断定模型的拟合效果不好；如果两者间 的差别很小，就可认为模型的拟合效果较好。
精品课件
13
EViews统计分析基础教程
一、二元选择模型
3.二元选择模型的分析
二元选择模型的回归结果分析包括： 拟合优度检验
EViews软件操作中，在建立好的方程对象窗口下选择 “View”|“Goodness-of-Fit Test（Hosmer-Lemeshow）”选 项，将弹出拟合优度检验的对话框。
精品课件
15
EViews统计分析基础教程
一、二元选择模型
3.二元选择模型的分析
二元选择模型的回归结果分析包括： 预测
在方程对象工具栏中选择“Proc”|“Forecast（Fitted Probability/Index）”选项，或者选择工具栏中的 “Forecast”功能键，弹出预测对话框。
精品课件
EViews统计分析基础教程
第10章 离散因变量和受限因变量模型
重点内容： • 二元选择模型的建立 • 排序选择模型的建立 • 审查回归模型的建立 • 计数模型的建立
精品课件
1
EViews统计分析基础教程
一、二元选择模型
1.二元选择模型的形式
假设有一个变量yt﹡，它与解释变量xt之间存在线性关系，即 yt﹡=β1x1t +β2x2t +…+βkxkt+μt ﹡ （t=1，2，…，n） yt﹡与yt之间的关系为
“BHHH”使用一次导数来确定迭代更新和协方差矩阵估计。
精品课件
10
EViews统计分析基础教程
一、二元选择模型
2.二元选择模型的建立
“ 在“Starting coefficient”中可以指定初始值:
“.8 ×EViews”、 “.5 ×EViews”、 “.3 ×EViews”分别为使 用默认值的80%、50%、30%作为初始值； “Zero”为零系数； “User Supplied”为由用户提高数值。
精品课件
6
EViews统计分析基础教程
一、二元选择模型
2.二元选择模型的建立
在“Equation specification”中列出被解释变量、常数项和解 释变量。（二元选择模型的估计只能以列表形式将方程中的 变量列出，不能输入公式的形式。）
在“Binary estimation”中有三个选项，分别是“Probit”、 “Logit”、“Extreme value”，用户需选中三种估计方法中的 一种。
精品课件
9
EViews统计分析基础教程
一、二元选择模型
2.二元选择模型的建立
“ “Optimization algorithm”为“最优化算法”，包括三
个运算法则：
“Quadratic Hill Climbing”法则是用对数似然分析二次导数 的矩阵；
“Newton-Raphson”使用二次导数;
精品课件
5
EViews统计分析基础教程
一、二元选择模型
2.二元选择模型的建立
在EViews软件的操作中，要建立二元选择模型，需首先选择 主菜单栏中的“Object”|“New Object”|“Equation”选项，或者 选择“Quick”|“Estimate Equation” 选项，打开方程设定对话 框，选择“Specification”选项卡。在“Method”的下拉菜单 中 选 择 “ BINARY – Binary choice （ logit, probit, extreme value）”估计方法。
1 ， 当yt﹡>0时 yt =
0 ， 当yt﹡≤0时
精品课件
2
EViewsLeabharlann Baidu计分析基础教程
一、二元选择模型
1.二元选择模型的形式
P(yt=1 | xt,β)= P（yt﹡> 0）= P(μt﹡>- xtβ)=1-F(- xtβ)(1-1) P(yt=0 | xt,β)= P（yt﹡≤0）= P(μt﹡≤- xtβ)=F(- xtβ)(1-2) 式1-2中，F为μt﹡的连续分布函数，因而将原始的回归模型变成如下形式，
精品课件
14
EViews统计分析基础教程
一、二元选择模型
3.二元选择模型的分析
二元选择模型的回归结果分析包括： 拟合优度检验
在“Group observations by”区域确定 分组变量 ： 当分组变量取值很多时选择 “Quantiles”， 当分组变量只取少许几个值，选择 “Distinct values” 。
yt =1-F(- xtβ)+μt
精品课件
3
EViews统计分析基础教程
一、二元选择模型
1.二元选择模型的形式
二元选择模型的类型是由分布函数的类型决定，常用的二元 选择模型有三种，如下表所示。
精品课件
4
EViews统计分析基础教程
一、二元选择模型
2.二元选择模型的建立
二元选择模型一般用迭代法求极大似然函数的最大值（线性 概率（Tobit）模型除外），由于在模型中因变量的取值只能 是1和0，因而估计系数不能解释成解释变量对被解释变量 （因变量）的边际影响，但可以从符号上进行分析。 当估计系数为正时，表明解释变量越大，被解释变量取值为 1的概率越大；当估计系数为负时，表明解释变量越大，被 解释变量取值为0的概率越大。