Eviews的logistic回归分析.ppt

第10章离散因变量和受限因变量模型重点内容:二元选择模型的建立排序选择模型的建立审查回归模型的建立计数模型的建立一、﹡,它与解释变量xt之间存在线性关系,即yt﹡=β1x1t+β2x2t+…+βkxkt+μt﹡(t=1,2,…,n)yt﹡与yt之间的关系为1,当yt﹡>0时yt=0,当yt﹡≤0时一、(yt=1|xt,β)=P(yt﹡>0)=P(μt﹡>-xtβ)=1-F(-xtβ)(1-1)P(yt=0|xt,β)=P(yt﹡≤0)=P(μt﹡≤-xtβ)=F(-xtβ)(1-2)式1-2中,F为μt﹡的连续分布函数,因而将原始的回归模型变成如下形式,yt=1-F(-xtβ)+μt一、,常用的二元选择模型有三种,如下表所示。μi﹡对应的分布分布函数F对应的二元选择模型标准正态分布Φ(x)Probit模型逻辑(logistic)分布ex/(1+ex)Logit模型极值分布1-exp(-ex)Extremevalue模型一、(线性概率(Tobit)模型除外),由于在模型中因变量的取值只能是1和0,因而估计系数不能解释成解释变量对被解释变量(因变量)的边际影响,但可以从符号上进行分析。当估计系数为正时,表明解释变量越大,被解释变量取值为1的概率越大;当估计系数为负时,表明解释变量越大,被解释变量取值为0的概率越大。一、,要建立二元选择模型,需首先选择主菜单栏中的“Object”|“NewObject”|“Equation”选项,或者选择“Quick”|“EstimateEquation”选项,打开方程设定对话框,选择“Specification”选项卡。在“Method”的下拉菜单中选择“BINARY–Binarychoice(logit,probit,extremevalue)”估计方法。一、“Equationspecification”中列出被解释变量、常数项和解释变量。(二元选择模型的估计只能以列表形式将方程中的变量列出,不能输入公式的形式。)在“Binaryestimation”中有三个选项,分别是“Probit”、“Logit”、“Extremevalue”,用户需选中三种估计方法中的一种。一、“Options”选项卡中,可以设置估计算法和迭代限制。一、”(稳健标准差)有两个选项:“Huber/White”为用准—极大似然函数方法估计标准差,“GLM”为用广义线性模型方法估计标准差。一、““Optimizationalgorithm”为“最优化算法”,包括三个运算法则:“QuadraticHillClimbing”法则是用对数似然分析二次导数的矩阵;“Newton-Raphson”使用二次导数;“BHHH”使用一次导数来确定迭代更新和协方差矩阵估计。