二元离散选择模型案例

《二元离散选择模型案例》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第七章二元离散选择模型案例1、在一次选举中，由于候选人对高收入者有利，所以收入成为每个投票者表示同意或者反对的最主要影响因素。以投票者的态度（y）作为被解释变量，以投票者的月收入（x）作为解释变量建立模型，同意者其观测值为1，反对者其观测值为0，样本数据见表7.1。原始模型为：。利用Probit二元离散选择模型估计参数。表7.1样本观测值序号XY序号XY序号XY1100011110002121001220001212000222200133000131300123230014400014140002424001550001515001252500166000161600026260

2、01770001717001272700188000181800028280019900019190012929001101000020200013030001估计过程如下：输入变量名，选择Probit参数估计。得到如下输出结果：但是作为估计对象的不是原始模型，而是如下结果：可以得到不同X值下的Y选择1的概率。例如，当X=600时，查标准正态分布表，对应于2.9137的累积正态分布为0.9982；于是，Y的预测值YF=1-0.9982=0.0018，即对应于该个人，投赞成票的概率为0.0018。2、某商业银行从历史贷款客户中随机抽取78个样本，根据涉及的指标体系分别计算它们的“商业

3、信用支持度”（XY）和“市场竞争地位等级”（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。样本观测值见表8.2。目的是研究JG与XY、SC之间的关系，并为正确贷款决策提供支持。表7.2样本观测值JGXYSCJGFJGXYSCJGFJGXYSCJGF0125-2001500-20054-100599-2009600142210100-201-80104200.02090160-200375-2011821046-20042-16.50E-1308016.40E-12080-2015211-5010133-200172-200326200350-10

4、1-80102611012300.9979089-201-2-10.9999060-200128-20014-23.90E-07070-10160112200.99911-8010150-100113100400-201542114210.998707200028-2015720.99990120-1012500.990601460014010.999812300.99791150113510.999911401026-24.40E-1612611049-10089-20115-10.4472014-10.54981511069-1006102.10E-121-9-11010710

5、14021141112911030-20054-2012110112-101321113710.9999078-2005401.40E-07053-1010010131-200194000131-2011501估计过程如下：输入变量名，选择Logit参数估计。得到如下输出结果：用回归方程表示如下：该方程表示，当XY和SC已知时，带入方程，可以计算贷款成功的概率JGF。3、某研究所1999年50名硕士考生的入学考试总分数（SCORE）及录取情况见表5。考生考试总分数用SCORE表示，Y为录取状态，D1为表示应届生与往届生的虚拟变量。表7.350名硕士考生的入学考试总分数（SCORE）

6、及录取状况数据表序数YSCORED1序数YSCORED111401126034712140102703471313921280344141387029033915138413003380613790310338171378032033618137803303340913761340332110137103503321111362036033211213621370331113136113803301140359139032811503581400328116135614103281170356142032111803551430321119035414403181200354045

7、031802103531460316122035004703080230349048030812403490490304025034815003031定义如下：，加入D1变量的目的是想考察考生为应届生或往届生是否也对录取产生影响。考生录取状态（Y）与考试总分数（SCORE）的散点图如下图所示：由于变量Y只有两种状态，所以应该建立二元选择模型过程如下：选择BINARY（二元）估计方法，选择logit模型得到如下输出结果：由D1的相伴概率可以看出，D1的参数没有显著性，说