第八章虛擬變量回歸-免費(fèi)閱讀
【正文】 ? 最大似然估計(jì)具有一致性、有效性和正態(tài)性，但保持這些性質(zhì)一般要求樣本規(guī)模很大， n500 0]1[)](ln[101010?????? ????niXXi iieeDL??????0]1[)](l n[111010?????? ????iniXXi XeeDLii??????? 例：研究心肌梗塞和 HDL（高密度脂蛋白）和 FIB（纖維蛋白原）的關(guān)系，收集 53個(gè)樣本 ? Eviews 估計(jì)結(jié)果中： ? LR statistics 相當(dāng)于線形回歸中的 F統(tǒng)計(jì)量 ? Mcfadden R squared 相當(dāng)于線形回歸中的 R方 Dependent Variable: D1 Method: ML Binary Logit (Quadratic hill climbing) Date: 05/11/09 Time: 09:46 Sample: 1 53 Included observations: 53 Convergence achieved after 3 iterations Covariance matrix puted using second derivatives Variable Coefficient Std. Error zStatistic Prob. FIB HDL Mean dependent var . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood HannanQuinn criter. Avg. log likelihood Obs with Dep=0 30 Total obs 53 Obs with Dep=1 23 )(11),1(ii HDLF I Bii eHDLF I BYP ?????? 處理辦法２： ? 當(dāng)樣本比較大時(shí) ，用Ｘ給定時(shí)計(jì)算的頻率作為Ｐ的估計(jì)，進(jìn)而計(jì)算出 的估計(jì)值。 ? 線形概率模型存在的問題： ? 調(diào)整后的 R2不能精確衡量擬合程度。此時(shí)，可設(shè)定虛擬變量： ??????**01XXXXD? 構(gòu)建包含門檻水平 X*的分段線性回歸模型： ? 于是有兩個(gè)不同階段的回歸函數(shù)： ? 顯然，虛擬變量方法可有效的實(shí)現(xiàn)分段回歸，其中兩階段的截距分別為 和 ，斜率分別為 和 。 iiiiii XDXDY ????? ???????????????01)()()E ( Yi DXDXii??????? ?注： ?對于包含多個(gè)類別（ M個(gè)）的屬性變量，構(gòu)建 M1個(gè)虛擬變量， 如在消費(fèi)模型中，考慮區(qū)域因素（東部，中部，西部）影響，可構(gòu)建 2個(gè)虛擬變量： 若考慮不同 區(qū)域居民對應(yīng)回歸模型截距的不同，可構(gòu)建模型如下： ????其他東部011D ????其他中部012Diiiii XDDY ????? ????? 2211則有： ?如果模型中包含不止一個(gè)定性變量，利用虛擬變量還可以研究定性變量對因變量的交互影響。 如在消費(fèi)模型中，考慮區(qū)域因素（東部，中部，西部）影響，可構(gòu)建 2個(gè)虛擬變量：
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號-1