freepeople性欧美熟妇, 色戒完整版无删减158分钟hd, 无码精品国产vα在线观看DVD, 丰满少妇伦精品无码专区在线观看,艾栗栗与纹身男宾馆3p50分钟,国产AV片在线观看,黑人与美女高潮,18岁女RAPPERDISSSUBS,国产手机在机看影片

正文內(nèi)容

受限因變量模型ppt課件-文庫(kù)吧資料

2025-05-12 18:06本頁(yè)面
  

【正文】 10 , ,1 , ,2 , , , 1iiiiP r YP r YP r YP r Yiii i ii i ii M iX F XX F X F XX F X F XM X F X? ? ?? ? ? ? ?? ? ? ? ? ?? ? ? ???? ? ???? ? ? ? ???? ? ? ? ??? ? ? ?34 有序因變量模型基本概念 ? 分類界限 ?和參數(shù) β均通過求以下的似然函數(shù)最大值的方式估計(jì)得出: ? 式中函數(shù) I(.)是一個(gè)指標(biāo)函數(shù),當(dāng)括號(hào)中的邏輯關(guān)系為真時(shí)等于 1,反之等于 0。 32 有序因變量模型基本概念 ? 同二元選擇模型一樣,我們可以考慮隱變量 y*的值取決于一組自變量 X,即: ? 觀察到的 Y由 Y*決定,其規(guī)則是: ? 需要注意的是,反映類型差別的數(shù)字大小是任意的,但必須保證當(dāng) 。 ? ? ? ? ? ? ? ? XXXPPPPPPPPPP21312131212131311213211323 l o gl o gl o gl o gl o g???????? ????????????????????????????????????????????????????213132213132 ?????? ????31 無(wú)序多元選擇模型 ? 如果樣本屬于重復(fù)試驗(yàn),那么可以計(jì)算出與每個(gè)組相聯(lián)系的概率 rij/ni,然后計(jì)算出機(jī)會(huì)比的對(duì)數(shù),與 X做回歸。 ? 由于所有概率之和等于 1,因而機(jī)會(huì)比相互依賴,上述限制使需要估計(jì)的參數(shù)由 6個(gè)減少到 4個(gè)。 ? 考慮效用比較的概率函數(shù) ? 就誤差分布形式做出假定后得到可以估計(jì)的模型。 27 多元選擇模型基本概念 ? 有序模型:觀察到的因變量 Y表示出按數(shù)值大小(ordered)或重要性 (ranked)排序的分類結(jié)果: ?例 1:教育水平分文盲、小學(xué)、初中、高中、大學(xué)、研究生等 ?例 2:農(nóng)民就業(yè)分純農(nóng)業(yè)、兼業(yè)、非農(nóng)業(yè)等 ?例 3:收入水平分級(jí) ?例 4:考試成績(jī)分優(yōu)秀、良好、及格和不及格等 28 無(wú)序多元選擇模型 ? 對(duì)于無(wú)序的選擇模型,其行為選擇假定出于優(yōu)化一個(gè)隨機(jī)效用函數(shù)。 ? 無(wú)序模型:因變量 Y表示觀察對(duì)象的類型歸屬,例如: ?例 1:上班的交通工具有走路、自行車、公共汽車、出租車、自有汽車等。 ? 用列表的方式可以反映出正確推斷的比例,在 EVIEWS下可以直接生成。 擬合優(yōu)度 ? 對(duì)于線性概率模型,可以直接用得到 R2來(lái)判斷擬合優(yōu)度; ? Probit 模型和 Logit模型沒有 R2,因而需要利用其他方法來(lái)反映擬合優(yōu)度。 似然值比率檢驗(yàn) ? 對(duì)于線性概率模型,我們可以利用 F統(tǒng)計(jì)值或 LM統(tǒng)計(jì)值檢驗(yàn)是否可以排除某些變量; ? 對(duì)于 Probit 模型和 Logit模型,則需要采取新的方式進(jìn)行這樣的檢驗(yàn); ? 在利用最大似然法估計(jì) Probit 模型和 Logit模型時(shí),我們同時(shí)也獲得了對(duì)數(shù)似然值; ? 我們可以估計(jì)有系數(shù)限制和沒有系數(shù)限制的模型,然后利用得到的兩個(gè)對(duì)數(shù)似然值進(jìn)行檢驗(yàn),相應(yīng)的統(tǒng)計(jì)值為: ? LR = 2(Lr– Lur )~ c2q ? 如果未受約束似然值與受約束似然值相等,說(shuō)明模型效果差,未通過檢驗(yàn);相反,如果未約束似然值遠(yuǎn)大于約束似然值,說(shuō)明所設(shè)自變量通過檢驗(yàn),模型總體效果較好。 ? 對(duì)于 Probit 模型和 Logit模型,計(jì)算這一影響的方法較為復(fù)雜: ??p/ ?xj = g(b0 +xb)bj, ?式中 g(z)表示 dG(z)/dz ? 從公式可以看出,邊際效果隨 x的變化而改變。 ? 沒有嚴(yán)格的理由表明哪一個(gè)模型更可取 ? 得到的參數(shù)不會(huì)相同 ? 但分析結(jié)論不會(huì)有大的差別 ? 因而通常基于模型的統(tǒng)計(jì)表現(xiàn)和經(jīng)驗(yàn)來(lái)決定取舍 對(duì) Probit 模型和 Logit模型的解釋 ? 利用概率模型做分析時(shí),我們關(guān)心的通常是 X的變化如何影響概率 P(y = 1|x),即 ?p/ ?x。 ? 早期研究中使用 Logit模型的情況較多,這是因?yàn)樵撃P洼^容易計(jì)算。 Extreme Value模型 ? G(z)的第三種可選形式是極端值分布; ?Pi=G(Z) = exp( eZ) ? Extreme Value模型是參數(shù)非線性函數(shù)。 ? ? ? ?? ??? iZ sii dseZGP 2221 ?? ? iii XPGZ ?? ??? ? 1Logit模型 ? G(z)的另一種可選形式是邏輯曲線,它是標(biāo)準(zhǔn)邏輯隨機(jī)變量的累積分布函數(shù),即 Logit模型,有時(shí)也稱為 Logistic曲線回歸; ? Pi=G(Z) = exp(Z)/[1 + exp(Z)]=1/[1+exp(Z)] ? 對(duì)該式做以下變換: ? [1+exp(Z)]Pi=1 ? exp(Z)=1/Pi1=(1Pi)/Pi ? Z=log[Pi/(1Pi)]=?+?X ? 上述變換使因變量成為選擇機(jī)會(huì)比的對(duì)數(shù)。 ?式中 s是誤差項(xiàng),假定服從標(biāo)準(zhǔn)正態(tài)分布; ? P代表事件發(fā)生的概率。 ? 為了解決這一問題,我們用概率函數(shù) G(b0 + xb)來(lái)模擬事件發(fā)生的概率,該函數(shù)應(yīng)滿足 0G(z)1。 ? 隨著計(jì)量經(jīng)濟(jì)學(xué)軟件的不斷發(fā)展,現(xiàn)在已經(jīng)很少使用線性概率模型。 二元因變量模型 ? 由于線性概率函數(shù)的取值僅為 0或 1,因而
點(diǎn)擊復(fù)制文檔內(nèi)容
教學(xué)課件相關(guān)推薦
文庫(kù)吧 www.dybbs8.com
備案圖鄂ICP備17016276號(hào)-1