定性因變量的建模詳解演示文稿

定性因變量的建模詳解演示文稿本文檔共43頁；當(dāng)前第1頁；編輯于星期六\3點(diǎn)42分（優(yōu)選）定性因變量的建模本文檔共43頁；當(dāng)前第2頁；編輯于星期六\3點(diǎn)42分（一）線性概率模型線性概率模型的解釋本文檔共43頁；當(dāng)前第3頁；編輯于星期六\3點(diǎn)42分（一）線性概率模型線性概率模型的問題1、異方差2、常規(guī)檢驗(yàn)失效3、函數(shù)設(shè)定不當(dāng)4、易出現(xiàn)無法解釋的結(jié)果本文檔共43頁；當(dāng)前第4頁；編輯于星期六\3點(diǎn)42分異方差本文檔共43頁；當(dāng)前第5頁；編輯于星期六\3點(diǎn)42分函數(shù)設(shè)定不當(dāng)線性概率模型是線性的，而實(shí)際是非線性關(guān)系本文檔共43頁；當(dāng)前第6頁；編輯于星期六\3點(diǎn)42分函數(shù)設(shè)定不當(dāng)本文檔共43頁；當(dāng)前第7頁；編輯于星期六\3點(diǎn)42分易出現(xiàn)無法解釋的結(jié)果由于函數(shù)形式設(shè)定不當(dāng)，預(yù)測時很難避免出現(xiàn)得到的Y值大于1或小于0的情況，為結(jié)果的解釋帶來困難。本文檔共43頁；當(dāng)前第8頁；編輯于星期六\3點(diǎn)42分（二）Logit模型又稱Logistic模型，該模型克服了線性概率模型的取值范圍的弱點(diǎn)。本文檔共43頁；當(dāng)前第9頁；編輯于星期六\3點(diǎn)42分（二）Logit模型本文檔共43頁；當(dāng)前第10頁；編輯于星期六\3點(diǎn)42分（二）Logit模型本文檔共43頁；當(dāng)前第11頁；編輯于星期六\3點(diǎn)42分（二）Logit模型本文檔共43頁；當(dāng)前第12頁；編輯于星期六\3點(diǎn)42分（二）Logit模型本文檔共43頁；當(dāng)前第13頁；編輯于星期六\3點(diǎn)42分（二）Logit模型1、模型的解釋2、模型的數(shù)據(jù)與估計3、模型的檢驗(yàn)本文檔共43頁；當(dāng)前第14頁；編輯于星期六\3點(diǎn)42分1、模型的解釋本文檔共43頁；當(dāng)前第15頁；編輯于星期六\3點(diǎn)42分1、模型的解釋發(fā)生比和發(fā)生比率（OddsandOddRatio）發(fā)生比率是為了比較發(fā)生比而提出的指標(biāo)

本文檔共43頁；當(dāng)前第16頁；編輯于星期六\3點(diǎn)42分1、模型的解釋自變量為定量變量的解釋本文檔共43頁；當(dāng)前第17頁；編輯于星期六\3點(diǎn)42分1、模型的解釋發(fā)生比的相對變化率本文檔共43頁；當(dāng)前第18頁；編輯于星期六\3點(diǎn)42分1、模型的解釋自變量為定量變量的解釋

回歸系數(shù)的指數(shù)表示在其他因素不變情況下，相應(yīng)自變量增加1個單位，發(fā)生比變化的幅度與方向，即發(fā)生比率。

價格上升1單位，發(fā)生比率為0.9564，即需求超過100的發(fā)生比下降，變化率為-4.36%本文檔共43頁；當(dāng)前第19頁；編輯于星期六\3點(diǎn)42分1、模型的解釋自變量為定量變量的解釋需要了解自變量發(fā)生一個離散的變化，如價格下降100元時，發(fā)生比的變化。本文檔共43頁；當(dāng)前第20頁；編輯于星期六\3點(diǎn)42分1、模型的解釋自變量為虛擬變量的解釋本文檔共43頁；當(dāng)前第21頁；編輯于星期六\3點(diǎn)42分1、模型的解釋自變量為虛擬變量的解釋本文檔共43頁；當(dāng)前第22頁；編輯于星期六\3點(diǎn)42分1、模型的解釋自變量為虛擬變量的解釋：

回歸系數(shù)的指數(shù)表示在其他因素不變情況下，兩種屬性在發(fā)生比上的差異。

高等級與低等級，發(fā)生比率為57.76，即高等級產(chǎn)品需求大于100的發(fā)生比為低等級的57.76倍本文檔共43頁；當(dāng)前第23頁；編輯于星期六\3點(diǎn)42分Tobit模型適用于截取樣本（Censoredsample），例如在正值區(qū)間為連續(xù)變量，但總體中有相當(dāng)部分取值為0的情況本文檔共43頁；當(dāng)前第24頁；編輯于星期六\3點(diǎn)42分2、模型的數(shù)據(jù)與估計進(jìn)入模型的數(shù)據(jù)分為兩類：

微觀數(shù)據(jù)分組數(shù)據(jù)本文檔共43頁；當(dāng)前第25頁；編輯于星期六\3點(diǎn)42分2、模型的數(shù)據(jù)與估計微觀數(shù)據(jù)本文檔共43頁；當(dāng)前第26頁；編輯于星期六\3點(diǎn)42分2、模型的數(shù)據(jù)與估計分組數(shù)據(jù)本文檔共43頁；當(dāng)前第27頁；編輯于星期六\3點(diǎn)42分2、模型的數(shù)據(jù)與估計對于微觀數(shù)據(jù)，最小二乘法是無用武之地的。本文檔共43頁；當(dāng)前第28頁；編輯于星期六\3點(diǎn)42分2、模型的數(shù)據(jù)與估計對于分組數(shù)據(jù)，為避免異方差，可以使用加權(quán)最小二乘

關(guān)鍵在于同一分組有幾個數(shù)據(jù)，可以計算概率本文檔共43頁；當(dāng)前第29頁；編輯于星期六\3點(diǎn)42分2、模型的數(shù)據(jù)與估計對于微觀數(shù)據(jù)，一般采用極大似然估計（MaximumLikelihoodEstimation，MLE）基本思想

假定一枚硬幣，其拋擲后為正面的真實(shí)概率有兩種可能取值：0.1和0.01，如果做一次試驗(yàn)，結(jié)果為正面，則應(yīng)估計概率為0.1。本文檔共43頁；當(dāng)前第30頁；編輯于星期六\3點(diǎn)42分2、模型的數(shù)據(jù)與估計MLE的基本思想本文檔共43頁；當(dāng)前第31頁；編輯于星期六\3點(diǎn)42分2、模型的數(shù)據(jù)與估計在Y為二分變量的情況下，服從貝努里分布，得到一個觀測值的概率為：本文檔共43頁；當(dāng)前第32頁；編輯于星期六\3點(diǎn)42分2、模型的數(shù)據(jù)與估計為便于計算，取對數(shù)：本文檔共43頁；當(dāng)前第33頁；編輯于星期六\3點(diǎn)42分2、模型的數(shù)據(jù)與估計本文檔共43頁；當(dāng)前第34頁；編輯于星期六\3點(diǎn)42分2、模型的數(shù)據(jù)與估計極大似然估計主要適用于大樣本（100以上基本可以）當(dāng)大樣本情況下，MLE將具有一致性、漸近有效性和漸近正態(tài)性等優(yōu)良性質(zhì)。本文檔共43頁；當(dāng)前第35頁；編輯于星期六\3點(diǎn)42分2、模型的數(shù)據(jù)與估計分組數(shù)據(jù)：加權(quán)最小二乘法用根據(jù)樣本獲得的頻率來代替概率，獲得對數(shù)發(fā)生比，進(jìn)行計算。本文檔共43頁；當(dāng)前第36頁；編輯于星期六\3點(diǎn)42分2、模型的數(shù)據(jù)與估計本文檔共43頁；當(dāng)前第37頁；編輯于星期六\3點(diǎn)42分2、模型的數(shù)據(jù)與估計本文檔共43頁；當(dāng)前第38頁；編輯于星期六\3點(diǎn)42分2、模型的數(shù)據(jù)與估計由此可知，權(quán)重取為：本文檔共43頁；當(dāng)前第39頁；編輯于星期六\3點(diǎn)42分3、模型的檢驗(yàn)?zāi)Ｐ驼w的評價擬合優(yōu)度擬合準(zhǔn)確性模型卡方統(tǒng)計參數(shù)的檢驗(yàn)本文檔共43頁；當(dāng)前第40頁；編輯于星期六\3點(diǎn)42分3、模型的檢驗(yàn)?zāi)Ｐ驼w的評價（1）擬合優(yōu)度

Hosmer-Lemeshow指標(biāo)AICSC本文檔共43頁；當(dāng)前第41頁；編輯于星期六\3點(diǎn)42分（1）擬合優(yōu)度Hosmer-Lemeshow指標(biāo)

將預(yù)測概率值按升序排列，根據(jù)預(yù)測概率值的大小將數(shù)據(jù)分成大致相同規(guī)模