计量虚拟被解释变量模型.pptx

离散被解释变量模型——二元选择模型ModelswithDiscreteDependentVariables—BinaryChoiceModel在经典计量模型中，被解释变量一般被假定为连续变量。实际经济生活中的二元选择问题：离散选择模型起源于Fechner于1860年进行的动物条件二元反射研究。
1962年，Warner首次将它应用于经济研究领域，用以研究公共交通工具和私人交通工具的选择问题。
20世纪70、80年代，离散选择模型被普遍应用于经济布局、企业定点、交通问题、就业问题、购买决策等经济决策领域的研究。
模型的估计方法主要发展于20世纪80年代初期。
(美)丹尼尔·麦克法登(Daniel·McFadden)因为在离散选择模型领域的贡献而获2000年诺经奖。二、线性概率模型（LPM——LinearProbabilityModel）二、线性概率模型（LPM——LinearProbabilityModel）二、线性概率模型（LPM——LinearProbabilityModel）二、线性概率模型（LPM——LinearProbabilityModel）三、Logit离散选择模型及其参数估计三、Logit离散选择模型及其参数估计三、Logit离散选择模型及其参数估计三、Logit离散选择模型及其参数估计三、Logit离散选择模型及其参数估计例：贷款决策模型样本观测值JG=1-@LOGIT(-(C(1)+C(2)*CC+C(3)*CM))@LOGIT(X)表示对X进行logistic变换Probit
0.999999
1.000000
0.447233
0.000000预测：如果有一个新客户，根据客户资料，计算的“商业信用支持度”（CC）和“市场竞争地位等级”（CM），代入模型，就可以得到贷款成功的概率，以此决定是否给予贷款。三、Logit离散选择模型及其参数估计四、Probit离散选择模型及其参数估计四、Probit离散选择模型及其参数估计例：贷款决策模型样本观测值JG=1-@CNORM(-(C(1)+C(2)*CC+C(3)*CM))该方程表示，当CC和CM已知时，代入方程，可以计算贷款成功的概率JGF。例如，将表中第19个样本观测值CC=15、CM=－1代入方程右边，计算括号内的值为0.1326552；查标准正态分布表，对应于0.1326552的累积正态分布为0.5517；于是，JG的预测值JGF=1－0.5517=0.4483，即对应于该客户，贷款成功的概率为0.4483。Probit模拟结果预测：如果有一个新客户，根据客户资料，计算的“商业信用支持度”（CC）和“市场竞争地位等级”（CM），代入模型，就可以得到贷款成功的概率，以此决定是否给予贷款。四、Probit离散选择模型及其参数估计Logit模型与Probit模型的比较演讲完毕，谢谢观看！