离散选择模型课件.ppt

离散选择模型课件.ppt

ID:57010840

大小:629.50 KB

页数:33页

时间:2020-07-26

离散选择模型课件.ppt_第1页
离散选择模型课件.ppt_第2页
离散选择模型课件.ppt_第3页
离散选择模型课件.ppt_第4页
离散选择模型课件.ppt_第5页
资源描述:

《离散选择模型课件.ppt》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、第9讲离散被解释变量模型主要内容1-二值选择模型2-多值选择模型第1节二值选择模型一实验基本原理二实验内容和数据来源根据某统计资料,得到美国妇女就业的数据统计集,形成数据文件“womenwork.dta”,用来研究影响美国妇女就业的因素。被解释变量是work(就业work=1,不就业work=0),解释变量是age(年龄),married(婚否),children(子女数),education(教育年限)。完整的数据在本书附带光盘里的data文件夹的“womenwork.dta”工作文件中。利用以

2、上数据,建立合适模型对就业的影响因素进行计量分析,由于被解释变量取值有两个可以建立二值选择模型来分析问题。三实验操作指导1.建立logit模型分析(1)使用logit模型回归Stata中使用logit模型回归的命令语句格式如下:logityx1x2…[if][in][weight][,options]该命令中logit表示使用logit模型进行回归,相应y表示模型的被解释变量,x表示模型的解释变量,if表示logit的回归条件,in表示回归的范围,weight表示给观测值的加入权重,options

3、的内容如下表所示:本实验中,在Stata命令窗口中输入如下命令。usewomenwork,clear输入此命令来打开需要的数据文件。logitworkageeducationmarriedchildren输入此命令对被解释变量为work,解释变量为age、education、married、children的模型使用logit模型进行回归估计。在这个回归结果图中loglikelihood即对数似然值,不断的试错迭代是logit模型的估计方法,在逐步进行回归时,通过比较不同模型的-2LL判断模型的拟

4、合优度,选择取值更小的模型。LRchi2(4)是卡方检验的统计量,也就是回归模型无效假设所对应的似然比检验量;其中4为自由度,Prob>chi2是其对应的P值,在这个估计结果显示以p=0显著说明模型的有效性。其实这两个指标与线性回归结果中F统计量和P值的功能是大体一致的。另外结果中的PseudoR2是准R2,虽然不等于R2,但可以用来检验模型对变量的解释力,因为二值选择模型是非线性模型,无法进行平方和分解,所以没有,但是准衡量的是对数似然函数的实际增加值占最大可能增加值的比重,所以也可以很好的衡量

5、模型的拟合准确度。此logit模型中拟合优度为0.1882。coef是自变量对应的系数估计值,OLS通过t检验来检验估计量是否显著,logit模型通过z检验来判断其显著性;通过z检验结果可以看到此模型中系数均以p=0显著不为0。(2)由于估计系数不像线性模型能够表示解释变量的边际效应,所以Stata中有额外的命令语句来计算解释变量的边际效应:mfx[compute][if][in][,options]此命令语句中mfx表示对回归之后的模型计算解释变量的边际效应,其中options内容如下表所示:本

6、实验中,在进行logit模型回归估计后,在Stata命令窗口中输入如下命令:mfx此命令计算模型回归之后,解释变量取值在样本均值处的边际效应。此输出结果显示了每一个解释变量的平均边际影响,另外读者可以自己设定计算在边际影响的点,其原理就是命令语句options中的at(atlist)将其具体化,例如“mfx,at(x1=0)”表示计算x1取值为0,其他解释变量取值在样本均值处的边际效应;而“mfx”默认是在所有解释变量在样本平均值处的边际效应。(3)计算模型预测的百分比来计算模型的拟合优度。如果要

7、检验这个分类的依据或者要获得每个预测值,可以利用此二值模型进行预测分析,Stata中二值选择模型的预测的命令语句如下所示:predict[type]newvar[if][in][,single_options]其中predict是表示对模型进行预测的命令;newvar表示预测新变量的名称,type可以表明设定新变量的类型;if和in表示对此预测设定的条件和范围;single_options的内容以下表所示:本实验中,在Stata命令窗口中输入如下预测命令,可以得到预测结果图:predictp1,p

8、r此命令可以获得此模型的个体估计的值并记为新变量p1listworkp1此命令可以将实际值与估计值对应罗列,对比看到预测值和实际值的一致程度。(1)ROC曲线(受试者操控曲线)此曲线是指图9.3提到的敏感性与(1-特异性)的散点图,即预测值等于1的准确率与错误率的散点图。Stata中绘画该ROC曲线命令语句为:lroc[x][if][in][weight][,options]其中lroc表示绘图ROC曲线命令,if和in表示对绘制图时的条件和范围的设定,weight表示对观测值的权

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。