一般離散因變量模型和面板離散因變量模型-資料下載頁
2025-08-10 14:24本頁面
【導讀】在實際經(jīng)濟問題中，被解釋變量也可能是定性變量。對某一商品是否購買，某件事情的成功和失。為被解釋變量，建模過程就較為復雜。模型，Probit模型和Logit模型。Tobit模型的形式如下，其中μt為隨機誤差項，Xt為解釋變量，?β為待估計的參數(shù)。Yt為二元選擇變量。模型由JamesTobit提出，因此得名。息稅、機動車的費改稅問題等。Yt服從二項分布。其中Yt的樣本值是0或1，而預測值(擬合值)是概率。則采用第一種選擇的概率增加。內(nèi)時，則沒有什么問題；模型的嚴重缺點。似然估計為一致估計。二是極大似然估計是漸進有效的，當。樣本容量較大時，極大似然估計的方差小于其它方法的方差。三是極大似然估計為漸進的正態(tài)分布。2020年9月，p188-189）。率隨Xt的變化而線性變化，這個假設(shè)通常與實際情況不相符。尋求符合這樣非線性關(guān)系的模型。用正態(tài)分布的累積概率作為Probit模型的預測概率。另外logistic函數(shù)也能滿足這樣的要求。數(shù)的模型稱作logit模型。該模型是McFadden于1973年首次提出。是logistic概率分布函數(shù)。
【正文】 資產(chǎn)存量的影響較小，農(nóng)戶每增加 1000元的人均農(nóng)業(yè)生產(chǎn)性資產(chǎn)，其勞動力的非農(nóng)就業(yè)概率減少不足 1%。 王中昭制作 模型 Ⅰ 的結(jié)果表明，區(qū)位因素對農(nóng)戶勞動力非農(nóng)就業(yè)傾向的影響非常顯著。為了對比不同區(qū)位中，各因素對農(nóng)戶非農(nóng)就業(yè)傾向的影響，我們將樣本非為兩組，濱海三區(qū)和四個近郊的樣本為一組，五縣的樣本為另一組。將這兩組樣本分別代入上述計量模型，結(jié)果見下表中的模型 Ⅱ 和模型 Ⅲ 。 王中昭制作 當我們只將濱海三區(qū)和四個近郊的樣本代入模型后，計算結(jié)果表明（模型 Ⅱ ），教育對農(nóng)戶勞動力非農(nóng)就業(yè)概率的影響依然很顯著，并且隨著農(nóng)戶勞動力教育程度的提高，其非農(nóng)就業(yè)概率也逐步增加。與全部樣本的計算結(jié)果不同的是，生產(chǎn)性資產(chǎn)存量NGDZC對農(nóng)戶勞動力非農(nóng)就業(yè)沒有產(chǎn)生顯著的影響。其原因可能在于，處于中心城市周邊的四郊和濱海三區(qū)，由于其非農(nóng)產(chǎn)業(yè)非常發(fā)達，優(yōu)越的區(qū)位條件在一定程度上弱化了農(nóng)戶的生產(chǎn)性資產(chǎn)存量對其非農(nóng)就業(yè)的影響。將五縣的樣本代入模型后計算結(jié)果（模型 Ⅲ ）與包含全部樣本的計算結(jié)果類似，這里不再贅述。 王中昭制作 ? 對比模型 Ⅱ 和模型 Ⅲ 的結(jié)果表明，相對于近郊而言，教育程度對距離中心城市相對較遠的農(nóng)戶勞動力非農(nóng)就業(yè)傾向的影響更大。從邊際影響看，在濱海三區(qū)和四個近郊中，農(nóng)戶每增加一名小學、初中、高中、中專教育水平的勞動力，其非農(nóng)就業(yè)的概率相應(yīng)地增加 %、 %、 %、%。而在距離中心城區(qū)較遠的五縣，農(nóng)戶每增加一名小學、初中、高中、中專和大專及以上教育水平的勞動力，其非農(nóng)就業(yè)的概率相應(yīng)地增加%、 %、 %、 %、 %。其中中等專業(yè)技術(shù)水平的教育的影響最為明顯，這意味著在邊遠的農(nóng)村地區(qū)大力發(fā)展教育，尤其是專業(yè)技術(shù)教育對增加農(nóng)戶的非農(nóng)就業(yè)有明顯的促進作用。 王中昭制作 ? 我們曾經(jīng)提到 ， 目前我國農(nóng)村勞動力非農(nóng)就業(yè)的途徑主要有三條：外出進城打工 、 進入本地區(qū)的鄉(xiāng)鎮(zhèn)和私營企業(yè)和從事非農(nóng)業(yè)家庭經(jīng)營 。 接下來 ， 我們進一步考察教育對這三種非農(nóng)就業(yè)途徑的影響 。 實證模型中自變量的選擇與前文相同 ， 只不過這里的因變量分別為農(nóng)戶中是否有勞動力外出打工 、 進入本地企業(yè)就業(yè)和是否從事非農(nóng)業(yè)家庭經(jīng)營 。 為了使結(jié)果更具有集中性 ， 我們將全部樣本中只有農(nóng)業(yè)勞動力 ，沒有非農(nóng)業(yè)勞動力的樣本全部剔除 。 將其余樣本代入模型 ， 計算結(jié)果略 。 王中昭制作 ? 在農(nóng)戶外出打工的模型中 ， 小學 、 初中 、 中專和大專及以上教育水平對農(nóng)戶外出打工產(chǎn)生了明顯的促進作用 ， 而高中教育的影響則不顯著 。 區(qū)位因素則對外出打工的影響是負面的 ， 距離中心城區(qū)越近 ， 農(nóng)戶月容易在本地獲得非農(nóng)就業(yè)的機會 ， 外出打工的傾向越小 。 農(nóng)戶所擁有的生產(chǎn)性資產(chǎn)存量的影響并不顯著 。 比較奇怪的是本地區(qū)鄉(xiāng)鎮(zhèn)企業(yè)的發(fā)達程度并為對農(nóng)戶外出打工產(chǎn)生顯著的抑制作用 。 相比之下 ， 農(nóng)戶人均耕地的數(shù)量明顯地制約了農(nóng)戶外出打工 。 從變量的邊際影響上看 ， 就教育而言 ， 農(nóng)戶每增加一名小學教育程度的勞動力 ， 其外出打工的概率相應(yīng)地增加 19%；每增加一名初中教育程度的勞動力 ， 其外出打工的概率增加 15%；每增加一名中專教育程度的勞動力 ， 其外出打工的概率增加 24%；每增加一名大專及以上教育程度的勞動力 ， 其外出打工的概率增加 26%。 農(nóng)戶的人均耕地每增加 1畝 ， 其勞動力外出打工的概率相應(yīng)地減少 %。 農(nóng)戶從相對邊遠的縣城遷入近郊 ， 其勞動力外出打工的概率減少 25%。 王中昭制作 ? 當離散因變量取值不止一個時，就要用到多元選擇模型，這樣現(xiàn)象較普遍。例如，在銀行信用風險管理中，企業(yè)貸款的信用從高到低分為 5個等級，正常貸款、關(guān)注貸款、次級貸款、可疑貸款和損失貸款等。則 Y可以化為：正常貸款（取值 0）、關(guān)注貸款（取值 1） 、次級貸款（取值 2） 、可疑貸款（取值3）和損失貸款（取值 4）。 ? 又如：購買房子：有能力購買并已實現(xiàn)、有能力購買但沒實現(xiàn)、想買但無能力購買、不想購買。 排序選擇模型 王中昭制作 ? logit模型 ? 實例： 15省收入消費面板數(shù)據(jù) .dta ? 經(jīng)過處理后得到： ? 15省收入消費面板離散因變量數(shù)據(jù) .dta ? 2. 面板數(shù)據(jù)的 probit模型 ? 3. 面板數(shù)據(jù)的 tobit模型 二、面板離散因變量模型 王中昭制作 ? clear ? use 15省收入消費面板離散因變量數(shù)據(jù) .dta,clear ? xtlogit y cp2cp15 ip2ip15 //由 probchi2= .因為 y是亂取的 . ? xtlogit y cp2cp15 ip2ip15 year2year6 ? ? *如果考慮到 fe(固定效應(yīng) )或者 re（隨機效應(yīng)），則加上 fe或 re. ? xtlogit y cp2cp15 ip2ip15,re ? xtlogit y cp ip,fe ? ? *2. 面板數(shù)據(jù)的 probit模型 ? xtprobit y cp2cp15 ip2ip15 year2year6 ? * ? *3. 面板數(shù)據(jù)的 tobit模型 ? xttobit y cp2cp15 ip2ip15 year2year6 ?
畢業(yè)設(shè)計相關(guān)推薦
鄂ICP備17016276號-1