定性反应模型

定性反应模型

ID:37647562

大小:186.95 KB

页数:27页

时间:2019-05-27

定性反应模型_第1页
定性反应模型_第2页
定性反应模型_第3页
定性反应模型_第4页
定性反应模型_第5页
资源描述:

《定性反应模型》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第十章定性反应模型Chapter10QualitativeResponseModel(QR)1.DiscreteChoiceModels离散选择模型1.1DiscreteChoiceModels离散选择模型的被解释变量一般取值0、1、2⋯⋯,而且在很多情况下,这些取值是有意义的,比如:1、劳动力参与,用1表示“是”,用0表示“不”。2、专利的数目y=0,1,2,",这也称为Countdata。3、对某类立法的态度,用0代表“强烈反对”,1表示“反对”,2表示“中立”,3表示“支持”,4表示“强烈支持”。这是rankingdata,所取数值不是数量性的,而是orde

2、ring。4、个人求职领域,比如用0代表职员,用1表示工程师,2表示律师,3表示官员等等。这类数据仅仅是分类,既没有排序,也不是计数数据。对这些数据的模拟与此前的回归分析有所不同,必须用回归来连接离散因变量与各种因素,使用通常的概率模型(probabilitymodels)框架:Prob(eventjoccurs)=Prob(y=j)=F(relevanteffects,parameters)这就是所说的离散选择模型。1.2BinaryChoiceModels离散选择模型处理的因变量数据类型大概为二元选择、多元选择、排序数据和计数数据。首先从二重选择开始。二元选择

3、模型的因变量一般取值0或1,各种影响元素放在解释变量x中,概率模型构建为Pr()YF==1

4、xx(,β)(1.2.1)Pr()(YF==0

5、xx1−,β)其中β反应了x的改变对概率的影响。下面要关心的就是如何设定模型右端的方程形式。一种可能就是使用熟悉的线性回归,即F()x,'β=xβ(1.2.2)该模型可以表示为1'y=+xβεiii这称为线性概率模型(LPM)。Theconditionalexpectationofygivenx,Ey()

6、x,canbeiiinterpretedastheconditionalprobabilitythattheeventwi

7、lloccurgivenxi,thatis,E()(yyPii

8、Pxx===r1i

9、i)i.Thevariableyhasthefollowingprobabilitydistribution.iy01Totaliprobability1−PP1iiThatis,yfollowstheBernoulliprobabilitydistribution.i利用OLS来估计LPM通常会遇到以下问题:1、对于LPM,干扰项的正态分布假设不再成立,由于干扰项与y一样也只取两个数值,所以LPM的干扰项服从贝努里分布假设。εProbabilityi'Wheny=11−xβPii

10、i'Wheny=0−xβ1−Piii2、干扰项不再是同方差。var()εiii=−PP(1)在出现异方差的情况下,OLS估计量虽然无偏但是不再有效,需要使用WLS估计方法。3、0

11、1≤≤Eyx()得不到满足。ii就是不能保证y的拟合值像概率一样处于0和1之间。24、传统计算的R在dichotomousresponse模型中的使用是有限制的。2这类模型计算的传统R远低于1,在很多实证应用中,范围在0.2和0.6之间。除了上述问题外,LPM逻辑上不成为一个非常有吸引力的模型的主要原因是因为其假设PEyxi==()1

12、与x具有线性关系,也就是说,x的边际效应始终保持不变

13、。这显然不合情理。所以线性概率模型很少使用,至多作为通常概率模型的比较而使用。事实上应该期望P与x具有非线性关系。i因此,我们所需要的模型应该具有两个特征:一是随着x的增加P也增加,但是概率不超i过0和1区间;二是P与x之间具有非线性关系,也就是说,随着x变小,越来越慢地趋i2向于0,随着x变大,越来越慢地趋向于1。即limPr()Y==1

14、x1x'β→+∞(1.2.3)limPr()Y==1

15、x0x'β→−∞所以,任何正确的连续性概率分布函数都能够满足上述性质。现在的问题是,用哪个分布的CDF?答案是通常运用逻辑斯蒂分布和正态分布的CDF。常用概率分布函数之一为

16、标准正态分布,生成probitmodel:x'βPr()(Yt==1

17、xxϕ)(dt=Φ'β)(1.2.4)∫00−∞其中,ϕ和Φ分别代表标准正态分布的密度函数和分布函数。00常用概率分布函数之二为logisticdistribution,生成logitmodel:x'βePr()Y==1

18、xx=Λ()'β(1.2.5)x'β1+e其中,Λ()i代表logisticcumulativedistributionfunction。以上标准正态分布和逻辑斯蒂分布都有形如钟型的对称密度函数。常使用的不对称分布的概率模型还有Weibullmodel:Pr()Y==−1

19、xx

20、exp

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。