离散选择模型举例122

《离散选择模型举例122》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、一．二元离散选择模型1．二元响应模型(Binaryresponsemodel)我们往往关心响应概率，其中x表示各种影响因素（各种解释变量，包括虚拟变量）。根据不同的函数形式可以分为下面三类模型：线性概率模型（Linearprobabilitymodel，LPM）、对数单位模型（logit）、概率单位模型(probit)：三种模型估计的系数大约有以下的关系：2．偏效应（1）如果解释变量是一个连续型变量，那么他对p(x)=p(y=1

2、x)的偏效应可以通过求下面的偏导数得出来：，偏效应的符号和该解释变量对应的系数的符号一致；两个解释变量偏效应之比等于它们各自的估计系数之比。

3、（2）如果解释变量是一个离散性变量，则从变化到+1时对概率的影响大小为：上面的其他解释变量的取值往往取其平均值。3．估计方法与约束检验极大似然估计；三种常见的大样本检验：拉格朗日乘数检验、wald检验、似然比检验。4．Stata程序语法（以Probit为例）probitdepvar[indepvars][weight][ifexp][inrange][,level(#)nocoefnoconstantrobustcluster(varname)score(newvar)asisoffset(varname)maximize_options]predict[type]n

4、ewvarname[ifexp][inrange][,statisticrulesasifnooffset]wherestatisticisppredictedprobabilityofapositiveoutcome;thedefaultxblinearpredictionstdpstandarderroroftheprediction二．具体的例子1．数据：美国1988年的CPS数据2．模型：估计成为工会成员的可能性，模型形式如下：参加工会的概率=F(潜在经验potexp、经验的平方项potexp2、受教育年限grade、婚否married、工会化程度high)；

5、解释变量：Potexp=年龄-受教育年限-5；grade=完成的受教育年限；married：1表示婚，0未婚；high：1表示高度工会化的行业，否则为0。3．估计的结果3.1probitunionpotexppotexp2grademarriedhighunionCoef.Std.Err.zP>z[95%Conf.Interval]potexp.0835091.01560875.350.000.0529166.1141016potexp2-.0015308.0003179-4.820.000-.0021538-.0009078grade-.042078.0189089

6、-2.230.026-.0791388-.0050171married.0622516.11258360.550.580-.1584083.2829115high.5612953.0996625.630.000.3659613.7566292_cons-1.468412.2958112-4.960.000-2.048192-.88863323.2dprobitunionpotexppotexp2grademarriedhigh给出了，如果要求偏效应还需要对其乘以估计的系数beta；uniondF/dxStd.Err.zP>zx-bar[95%C.I.]potexp.0

7、226964.00415295.350.00018.884.014557.030836potexp2-.000416.000085-4.820.000519.882-.000583-.00025grade-.0114361.0051379-2.230.02613.014-.021506-.001366married*.0167881.03011370.550.580.641-.042234.07581high*.1470987.02470055.630.000.568.098687.195511obs.P.216pred.P.1904762(atx-bar)(*)dF

8、/dxisfordiscretechangeofdummyvariablefrom0to1，对离散变量。此外，如果想针对某些解释变量的特定取值进行计算，可以用下面的语句：matrixmyx=（8，64，10，1，1）dprobit，at（myx）uniondF/dxStd.Err.zP>zx[95%C.I.]potexp.0261573.00443085.350.0008.017473.034841potexp2-.0004795.0000978-4.820.00064-.000671-.000288grade-.0131799.0065759-2.