《二元离散选择模型案例》由会员分享，可在线阅读，更多相关《二元离散选择模型案例（9页珍藏版）》请在金锄头文库上搜索。
1、第七章 二元离散选择模型案例一、在一次选举中，由于候选人对高收入者有利，因此收入成为每一个投票者 表示同意或反对的最要紧阻碍因素。以投票者的态度（y）作为被说明变量，以 投票者的月收入3）作为说明变量成立模型，同意者其观测值为1，反对者其观测值为0，样本数据见表。原始模型为：七=a +。Xj + 4。利用Probit二元离散选择模型估量参数。表样本观测值序号XY序号XY序号XY11000111100021210012200012120002222001330001313001232300144000141400024240015500015150012525001660001616000262
2、6001770001717001272700188000181800028280019900019190012929001101000020200013030001估量进程如下:输入变量名，选择Probit参数估量。取得如下输出结果：Deperident Variable: YMethod: ML- Binary Probit (Quadratic hill climbing)Date: 07/08AJ8 Time: 15:57Sample: 1 30Included obsen/ations: 30Convergence achieved after5 iterationsCovarianc
3、e matrix compuied usingsecond derivativesVariableCoefficientStd. Error z-StatisticProL.C-47533961.392117 -2.5124750.0120X0.0030670.0011922.5731210.0101Mean dependent var0.500000S.D. dependent var0.50B543S. E. of regression0.274450Akaike infa criterion0.539743Sum squared resid2.109040Schwarz criterio
4、n0.633156Log likelihood-6.096147Hannan-Quinn criter.0.569627Restr. log likelihood-2079442Avg. log likelihood0.203205LR statistic (1 df)29.39654McFadden R-squared0.706037ProbabilityfLR stat)5.9OE-O0Obs with Dep=015Total obs30Obs with Dep=115可是作为估量对象的不是原始模型，而是如下结果：YF = 1 - CONRM (4.7539 + 0.003067* X)
5、能够取得不同X值下的Y选择1的概率。例如，当X=600时，查标准正态散布表，对应于 的积存正态散布为；于是，Y的预测值YF=，即对应于该个人，投同意票的概率为。二、某商业银行从历史贷款客户中随机抽取78个样本，依照涉及的指标体系别离计算它们的“商业信誉支持度”（XY）和“市场竞争地位品级”（SC）,对它们贷款的结果顷6）采纳 二元离散变量，1表示贷款成功，0表示贷款失败。样本观测值见表。目的是研究JG与XY、 SC之间的关系，并为正确贷款决策提供支持。表样本观测值JGXYSCJGFJGXYSCJGFJGXYSCJGF0125-2001500-20054-100599-2009600142210
6、100-201-80104200160-200375-2011821046-20042-10801080-2015211-5010133-200172-200326200350-101-8010261101230089-201-2-1060-200128-20014-2070-10160112201-8010150-100113100400-2015421142107200028-2015720120-1012500146001401123011501135111401026-212611049-10089-20115-1014-11511069-1006101-9-1101071014021
7、141112911030-20054-2012110112-10132111371078-200540053-1010010131-200194000131-2011501估量进程如下:输入变量名，选择Logit参数估量。Equation EstuationSpeci ti cati on Opti oilsE quation Ejeci fic：t i onEinyv：=d-i atilt ，11脚呈。by list otjg町 scBiiL；ELry estimationFiobi OEjigiEtr erne v：aiuEstiriiiti c-Tl EttingsMethod： lil
8、llATi 一 BirL：=Lt-7 choice (logit, probit. extrenie valiie) VS=dTiplh!： 1 7廿确定 I 取消取得如下输出结果:Dependent Variable: JGMethod: ML- Binary Logit (Quadratic hill climbing)Date: 070818 Time: 16:10Sample: 1 78Included otiservations: 78Corivergence achieved afler9 iterationsCovariance matrix computed usingseco
9、nd derivativesVariableCoefficientStd. Error z-StatisticProb.C16.1142614563能1.1064690.2GS5XY-0.4650350.431764 -1.07705B0.2B15SC9.3799038.7125271.0766000.2B17Mean dependent var0.410256S.D. dependent var0.495064S.E. of regression0.091187Akaike info criterion0.120325Sum squared resid0.623629Schwarz crit
10、erion0.21096BLog likelihood-1.692674Hannan-Quinn criter.0.156611Restr. log likelihood-52.B0224Avg. lag likelihood-0.021701LR statistic (2 dfl102.2191McFadden R-squared0.967943Probability(LR stat)o.oooaooObs with Dep=046Total obs78Obs with Dep=132用回归方程表示如下：JGF = 1 - CONRM（16.11 0.465035* XY + 9.37990
11、3* SC）该方程表示，当XY和SC已知时，带入方程，能够计算贷款成功的概率JGF。3、某研究所1999年50名硕士考生的入学考试总分数（SCORE）及录取情形见表5。考生 考试总分数用SCORE表示，Y为录取状态，D1为表示应届生与往届生的虚拟变量。表50名硕士考生的入学考试总分数（SCORE）及录取状况数据表序数YSCORED1序数YSCORED1114011260347121401027034713139212803441413870290339151384130033806137903103381713780320336181378033033409137613403321101371035033211113620360332112136213703311131361138033011403591390328115035814003281161356141032811703561420321118035514303211190354144031812003540450318021035314
