定性因变量回归模型

第15章 定性因变量回归模型 定性（离散）因变量模型的性质1、因变量只有有限的取值，特别的只能取0或1。2、定性因变量模型的实质是概率模型，即估计给定自变量的条件下，因变量属于某种类型的概率3、例：破产、收购等4、模型：（1）线性概率模型（2）logit模型（3）probit模型 线性概率模型1、模型2、扰动项的非正态性因为Y只取两个值，其分布服从贝努力二项分布，扰动项也服从贝努力分布3、扰动项的异方差性根据贝努力分布的性质，扰动项的方差与X有关，因而是异方差的。可用加权最小二乘法估计模型，权重为4、估计值不在0，1内。要用logit或probit模型5、R-2无效例：收入与房产异方差的处理1、检验（在eviews中如何检验残差是否存在异方差）2、按照理论方法进行加权最小二乘估计（1）估计OLS，得预测值（拟合值）yf（2）修改样本sample（在workfile的sample处双击，在弹出的对话框的下面的方框（条件框）输入yf0 and yf1（3）生成权重序列genr w=sqrt(yf*(1-yf)（4）估计WLS其他的例子债券评级债券违约率 LOGIT模型问题的提出：在线性概率模型（LPM）中，无法保证模型的预测（拟合）值 介于0，1。逻辑斯特分布函数：Logit模型Logit模型的特点1、L的变化范围是正负无穷大之间，但P的范围在0，12、L是X的线性函数，P是X的非线性函数3、Logit模型可以是多元的4、当机会比率由1减到0时，L会变成负数，且在幅度上越来越大，当机会比率由1升到无穷大时，L为正且越来越大5、beta系数表示x变化1单位时，机会比率的对数变化的数量6、利用机会比率对数的预测值，可以计算概率值7、Logit模型假设机会比率的对数与X是线性关系 Logit模型的估计群组数据1、计算样本频率2、计算logit3、计算权重4、估计WLS（eviews操作例）Logit模型的估计值的解释利用的数据估计Logit模型如下LOG(P/(1-P)=-1.52+0.075*X（1）x增加1单位，log(p/(1-p)增加（2）令z=p/(1-p)，两边对x求导x增加1单位，p/(1-p)增长7.5%（3）预测概率值，令x=20，（4）x增加1单位导致p的变化，方程两边对x求导 非群组数据Logit模型估计非群组数据利用表个体数据，估计如下模型Eviews中的估计方法（1）打开方程设定对话框；（2）在method中选择binary方法；（3）在弹出的对话框内输入方程形式；（4）选择logit模型；OK估计结果说明1、估计方法是极大似然估计法，标准误为渐进标准误（大样本有效）2、检验统计量为Z统计量（正态分布）3、R-2无意义，报告McFadden R-24、全部系数的显著性检验用LR统计量5、各系数的含义为对应变量变化1单位时，p/(1-p)变化的比率6、eviews中的预测为p的预测7、预测成功率，yf，则yff=1，否则yff=0，比较yff与y，两者对应位置相同计成功次数增加1