計量經(jīng)濟學 第2版 課件 第7、8章 滯后變量模型、虛擬變量模型

ECONOMETRICS第七章滯后變量模型教學目的和要求0105040302了解滯后效應(yīng)了解滯后變量模型的類型與作用掌握分布滯后模型的估計方法了解自回歸模型的形式掌握自回歸模型的檢驗與估計課程內(nèi)容010302滯后變量模型的定義分布滯后模型自回歸模型引子：宏觀經(jīng)濟政策具有滯后效應(yīng)嗎？宏觀經(jīng)濟政策在實施中容易產(chǎn)生滯后性，一方面是時間差問題：宏觀經(jīng)濟政策從制定到實施存在時間差，在此過程中并不會立刻對政策作出反應(yīng)，甚至可能原來的政策意圖加速了經(jīng)濟波動，產(chǎn)生反向效應(yīng)。另一方面，不同的宏觀經(jīng)濟政策滯后性存在差異，如，財政政策和貨幣政策的滯后性是不同的，財政政策相比于貨幣政策的效果更為明顯，且產(chǎn)生的滯后性并不十分嚴重，因此政府在制定相應(yīng)的宏觀經(jīng)濟政策時，應(yīng)將不同宏觀經(jīng)濟政策的滯后性納入考量之中。在現(xiàn)實經(jīng)濟活動中，這類滯后現(xiàn)象普遍存在，這就要求在做經(jīng)濟分析時應(yīng)該考慮動態(tài)時滯影響。怎樣才能將這類時間上滯后的經(jīng)濟關(guān)系或經(jīng)濟特征在計量經(jīng)濟模型中加以體現(xiàn)呢？7.1.1滯后效應(yīng)在現(xiàn)實經(jīng)濟活動中，解釋變量和被解釋變量之間的關(guān)系往往會存在一定的作用時滯，即變量間的相互作用不僅僅體現(xiàn)在當期，還體現(xiàn)在未來一期或未來若干期。由于經(jīng)濟活動存在一定的慣性，被解釋變量不僅會受到解釋變量當期水平的影響，還會受到解釋變量或被解釋變量前期水平的影響，我們將這種現(xiàn)象稱之為滯后現(xiàn)象或滯后效應(yīng)。滯后效應(yīng)在現(xiàn)實經(jīng)濟活動中非常普遍，比如通貨膨脹與貨幣供應(yīng)量之間的關(guān)系，投資與產(chǎn)出之間的關(guān)系，收入與消費之間的關(guān)系，價格變化與供給和需求之間的關(guān)系等，下面舉一個例子簡單說明。7.1滯后變量模型的意義

滯后效應(yīng)例子：消費收入滯后效應(yīng)當然，人們的消費行為一般不會嚴格遵循式（7-1）的函數(shù)關(guān)系，影響消費者消費行為的因素有很多，這其中不免會存在難以測量的隨機干擾因素，但式（7-1）反映了滯后效應(yīng)的主要特征，可以此為基礎(chǔ)對消費者的消費行為進行針對性研究，只要進一步了解基本消費，就可以據(jù)此對消費變化趨勢和收入政策實施效果進行有效分析和預測。滯后效應(yīng)例子：消費收入滯后效應(yīng)實際上，現(xiàn)實經(jīng)濟活動中產(chǎn)生滯后現(xiàn)象的原因有很多，主要表現(xiàn)在：1.心理因素。人是進行經(jīng)濟活動的主體，不同的人會有不同的心理，他們對經(jīng)濟活動的判斷也各不相同。例如，當物價上漲或下跌時，人們不會立刻做出很大的改變，而是保持他們原來的生活習慣。此外，在經(jīng)濟活動中，人們的期望心理也會影響對經(jīng)濟活動的判斷，他們會根據(jù)自己的經(jīng)驗和偏好做出決定。例如，人們在消費時，會對商品價格的變化進行預測，當他們預期到商品價格下跌時，會暫時減少購買或持幣觀望，當他們預期到商品價格上漲時，就會增加購買。因此，經(jīng)濟主體的心理因素同樣會引發(fā)滯后效應(yīng)。產(chǎn)生滯后效應(yīng)的原因2.技術(shù)因素。由于技術(shù)限制，在日常生產(chǎn)活動中，投入與產(chǎn)出之間的關(guān)系經(jīng)常存在滯后效應(yīng)。例如，農(nóng)業(yè)生產(chǎn)中，農(nóng)作物從播種到收獲需要很長一段時間，而農(nóng)產(chǎn)品的產(chǎn)量和價格之間的關(guān)系就存在著一定的滯后效應(yīng)，當期農(nóng)產(chǎn)品的產(chǎn)量會受到上期農(nóng)產(chǎn)品價格的影響，并且會對當期農(nóng)產(chǎn)品的價格產(chǎn)生一定影響。這種情況在工業(yè)和其他行業(yè)中也很常見，因此，經(jīng)濟活動中技術(shù)限制也會導致滯后現(xiàn)象的產(chǎn)生。產(chǎn)生滯后效應(yīng)的原因3.制度因素。對經(jīng)濟活動我們往往需要制定一些規(guī)章制度進行約束和管理，而這些制度也會對經(jīng)濟活動產(chǎn)生一定滯后影響。例如，直線制縱向管理體系存在較多管理層次，溝通渠道較長，信息和任務(wù)的上傳下達需要一定的時間，這種體系制度往往會導致交流溝通產(chǎn)生滯后影響，造成管理效率低下。又如，簽訂某些制度合同時，產(chǎn)品的需求量和價格一般是提前制定的，而市場價格在不斷變化，這時合同的價格無法及時進行調(diào)整，也會產(chǎn)生一定滯后效應(yīng)。所以說，當某個經(jīng)濟變量發(fā)生變化時，由于規(guī)章制度等約束，其他經(jīng)濟變量不能據(jù)此立即做出反應(yīng)，需要經(jīng)過一段時間才能發(fā)生相應(yīng)變化，引起滯后效應(yīng)。產(chǎn)生滯后效應(yīng)的原因7.1.2滯后變量模型的類型和作用7.1滯后變量模型的意義

滯后變量模型的類型

滯后變量模型的類型1.提高模型擬合優(yōu)度。滯后變量模型可以更加全面、客觀地描述分析存在滯后效應(yīng)的經(jīng)濟現(xiàn)象，并且可以有效提高模型的擬合優(yōu)度。2.有效描述經(jīng)濟現(xiàn)象的動態(tài)變化過程。滯后變量模型可以反映過去的經(jīng)濟活動對現(xiàn)期經(jīng)濟行為的影響，或者說可以反映現(xiàn)期經(jīng)濟活動對將來經(jīng)濟行為的影響，使模型成為動態(tài)模型，可以有效分析經(jīng)濟活動的動態(tài)變化過程。3.揭示經(jīng)濟現(xiàn)象調(diào)整變化過程。對經(jīng)濟現(xiàn)象進行分析的主要目的是找出其運行規(guī)律，以更好地調(diào)整經(jīng)濟策略和政策實施，促進經(jīng)濟的穩(wěn)定增長。滯后變量模型定量描述了滯后效應(yīng)，可以據(jù)此模擬分析經(jīng)濟系統(tǒng)的變化和調(diào)整過程。滯后變量模型的作用

7.2分布滯后模型

分布滯后模型的假定7.2.2分布滯后模型的估計在估計分布滯后模型時，通常會遇到如下困難：一是滯后期長度難以確定二是模型存在多重共線性，不能直接使用最小二乘法估計模型參數(shù)三是容易損失自由度常用的分布滯后模型估計方法主要有經(jīng)驗加權(quán)估計法和阿爾蒙估計法。7.2分布滯后模型經(jīng)驗加權(quán)估計法是依據(jù)實際問題特點和以往經(jīng)驗，賦予各期變量一組確定的權(quán)數(shù)。對各期滯后變量進行加權(quán)線性組合，形成一個新的解釋變量，再運用最小二乘法對模型進行參數(shù)估計。經(jīng)驗加權(quán)估計法的基本思路是：減少解釋變量的個數(shù)，以消除或削弱多重共線性。這里權(quán)數(shù)分布的類型取決于分布滯后模型中滯后結(jié)構(gòu)的類型，通常將滯后結(jié)構(gòu)類型分為遞減型滯后結(jié)構(gòu)、不變型滯后結(jié)構(gòu)與倒V型滯后結(jié)構(gòu)三類。經(jīng)驗加權(quán)估計

遞減型滯后結(jié)構(gòu)

遞減型滯后結(jié)構(gòu)

不變型滯后結(jié)構(gòu)

倒V型滯后結(jié)構(gòu)三種滯后結(jié)構(gòu)類型圖7-1三種滯后結(jié)構(gòu)類型經(jīng)驗加權(quán)估計的優(yōu)缺點經(jīng)驗加權(quán)估計法的優(yōu)點是：簡單易懂，操作方便；可以在一定程度上減少解釋變量個數(shù)，減少自由度損失；通過對解釋變量重新進行線性組合可以有效避免多重共線性對模型擬合好壞的干擾，提高參數(shù)估計精確度。但是，經(jīng)驗加權(quán)估計法的一個突出缺點在于權(quán)數(shù)的設(shè)置主觀性較大。因此，在運用經(jīng)驗加權(quán)估計法時，要求研究者對經(jīng)濟現(xiàn)象有比較透徹的認識，可以根據(jù)先驗信息多設(shè)置幾組權(quán)數(shù)，分別估計多個模型，根據(jù)模型結(jié)果中的判定系數(shù)R^2、F檢驗值、t檢驗值和DW值等相關(guān)指標綜合判斷，從中選擇擬合效果最好的模型。阿爾蒙法

阿爾蒙法

阿爾蒙法

阿爾蒙法

阿爾蒙法

7.3.1自回歸模型的形式7.3自回歸模型

自適應(yīng)預期模型

自適應(yīng)預期模型

自適應(yīng)預期模型

局部調(diào)整模型

局部調(diào)整模型

局部調(diào)整模型

7.3.2自回歸模型的檢驗和估計7.2自回歸模型

自回歸模型的檢驗

自回歸模型的檢驗

自回歸模型的估計當自回歸模型中存在相關(guān)性問題時，通常選擇工具變量法估計模型，即選擇一個新變量作為工具變量去替代自回歸模型中滯后被解釋變量。工具變量的選擇應(yīng)同時滿足如下三個條件：一是與所替代的滯后被解釋變量高度相關(guān)；二是與隨機誤差項不相關(guān)；三是與其他解釋變量不相關(guān)?？梢宰C明，工具變量法得到的估計量雖然呈現(xiàn)有偏、一致性，但其仍優(yōu)于OLS估計得到的有偏、不一致估計量。自回歸模型的估計

7.4案例分析

年度年度19781132.261122.09200013395.2315886.519791146.381281.79200116386.0418902.5819801159.931228.83200218903.6422053.1519811175.791138.41200321715.2524649.9519821212.331229.98200426396.4728486.8919831366.951409.52200531649.2933930.2819841642.861701.02200638760.240422.7319852004.822004.25200751321.7849781.3519862122.012204.91200861330.3562592.6619872199.352262376299.9319882357.242491.21201083101.5189874.1619892664.92823.782011103874.43109247.7919902937.13083.592012117253.52125952.9719913149.483386.622013129209.64140212.119923483.373742.22014140370.03151785.5619934348.954642.32015152269.23175877.7719945218.15792.622016159604.97187755.2119956242.26823.722017172566.6203330.0319967407.997937.552018183359.84220904.1319978651.149233.562019190382.23238874.0219989875.9510798.182020182913.88245679.03199911444.0813187.672021202538.88246322.00

表7-11978-2021年中國國家財政收入和國家財政支出數(shù)據(jù)單位：億元樣本數(shù)據(jù)模型估計為了研究中國國家財政收入和國家財政支出之間的關(guān)系，將給出兩種模型，并運用三種方法進行估計，然后比較選優(yōu)，并以此進行分析。1.建立分布滯后模型國家財政支出（Y）和國家財政收入（X）之間的關(guān)系可用有限分布滯后模型表示。（1）選擇恰當?shù)臏笃诳梢酝ㄟ^互相關(guān)分析命令crossYX，得到恰當?shù)臏笃冢鐖D7-2。圖7-2國家財政收入和國家財政支出的互相關(guān)圖模型估計

模型估計

表7-2Z1、Z2和Z3的值模型估計

模型估計

模型估計（2）阿爾蒙估計法運用軟件EViews9.0和所給數(shù)據(jù)，用阿爾蒙法對模型中的參數(shù)進行估計。①在軟件中創(chuàng)建新的Workfile。使用命令CREATEA19782021或在軟件中選擇File-New-Workfile，然后在界面中輸入圖7-3的內(nèi)容。圖7-3模型估計②將表7-1數(shù)據(jù)導入軟件中。使用命令DATAYX或者Object-NewObject-Series，然后把數(shù)據(jù)復制粘貼到表格中，如圖7-4所示。圖7-4模型估計③在命令欄鍵入命令LSYCPDL（X,8,2）得到回歸結(jié)果，如圖7-5所示。圖7-5模型估計

模型估計

模型估計圖7-6模型估計

圖7-8圖7-7模型對比結(jié)果

思考與練習

1.什么是滯后現(xiàn)象？滯后現(xiàn)象產(chǎn)生的原因有哪些？

2.為什么要引入滯后變量模型呢？該模型有何作用？

3.滯后變量模型可分為分布滯后模型和自回歸模型，這兩個模型有何區(qū)別？

4.自回歸模型有哪些？這些模型之間有哪些相同之處與不同之處？

5.什么是自適應(yīng)預期模型?

6.自回歸模型估計存在什么問題？又該如何解決這些問題？

參考文獻[1]龐皓.計量經(jīng)濟學(第四版)[M].北京：科學出版社,2019.1[2]孫敬水.計量經(jīng)濟學第4版[M].背景：清華大學出版社,2018.9ECONOMETRICS第8章

虛擬變量模型教學目的和要求0105040302了解虛擬變量模型；明確虛擬變量在建立和估計計量經(jīng)濟模型中的意義和作用;掌握引入和應(yīng)用虛擬變量的基本思想和方法;能夠運用虛擬變量模型實證分析;掌握Eviews軟件中相關(guān)內(nèi)容的操作方法。課程內(nèi)容010302虛擬解釋變量模型虛擬被解釋變量模型案例分析引子：性別對家務(wù)勞動時間有顯著影響嗎？

家務(wù)勞動是家庭成員必須承擔的義務(wù),我國傳統(tǒng)觀念認為，男主外女主內(nèi)，女性承擔了大部分的家務(wù)勞動。我國家務(wù)勞動時間是否存在性別差異？影響家務(wù)勞動時間的主要因素有哪些？隨著科技的進步、經(jīng)濟的發(fā)展、受教育程度的提高以及二孩政策的放開，這種家務(wù)勞動時間分配模式是否有所改變？隨著越來越多的女性參與到公共事務(wù)中來，男性群體家務(wù)勞動時間有沒有發(fā)生的變化？類似定性因素對人們經(jīng)濟行為的影響也需要加以研究。

在建立計量經(jīng)濟學模型的過程中，變量選擇是十分重要的。有些變量是定量變量，例如個人的年收入、一個國家的GDP、房屋價格等，這些都是數(shù)值型變量；還有一些變量為定性變量，例如個人的性別、學歷、種族、文化程度、季節(jié)差異、政府更迭、制度變革、經(jīng)濟政策、區(qū)位差異等，如果不將這些定性因素納入到模型中，單純由定量因素構(gòu)建模型，一方面可能導致模型的解釋能力不強，另方面會影響人們對經(jīng)濟系統(tǒng)運行影響因素分析的全面性。那么，由于定性因素不能準確量化，并且有些定性因素是作為人們經(jīng)濟行為的影響因素（如性別對家務(wù)勞動時間分配或攻讀博士學位），而有的是作為人們經(jīng)濟行為的結(jié)果（如是否購房、投資渠道選擇），又如何將其納入到模型之中？

8.1虛擬解釋變量模型1.一個定性因素多個屬性

對于具有兩種屬性狀態(tài)的定性變量，如性別，婚否等等，可以按照是否具有某種特征將此定性變量定義成兩個虛擬變量？以性別這個定性變量為例，定義female和male這兩個虛擬變量：

在帶有截距項的回歸模型中，僅引入其中一個虛擬變量進入模型；如果同時將兩個虛擬變量放入模型，由于

造成解釋變量完全的多重共線性，將會掉進虛擬變量陷阱。8.1.2虛擬解釋變量的設(shè)置原則2.多個因素多個屬性如果有n個定性因素，每個定性因素含有個不同的屬性狀態(tài)，在帶有截距項的回歸模型中，則可以按照上述方式在模型中共引入個虛擬變量?？紤]到性別和學歷差異對工資水平有重要的影響，可以將工資模型設(shè)為其中虛擬變量和虛擬變量female依次設(shè)為

8.1.2虛擬解釋變量的設(shè)置原則1.加法方式在模型中，在其余解釋變量相同的情形下檢驗不同樣本組別的截距項是否存在顯著差異，即各個組別的總體回歸函數(shù)斜率相同時截距項有無差異，此時虛擬變量通過加法進入了模型，可以自然地將樣本分組：

圖中表明男性和女性組別家務(wù)勞動時間模型斜率相同，但是截距不同。虛擬變量通過加法方式引入模型，反映定性因素對截距的影響，也就是兩個群體平均水平的差異。在相同工資水平的情況下，女性群體承擔家務(wù)勞動的平均時間要比男性群體高出個單位。8.1.3虛擬解釋變量的設(shè)置方式XYY女性男性O(shè)（1）虛擬變量與定量變量的交互作用

在模型

中，假設(shè)無論男性還是女性，解釋變量lnwage對家務(wù)勞動時間housework的邊際效應(yīng)時相同的。但在現(xiàn)實生活中，多數(shù)情況下相同的工作崗位往往女性的工資比男性低，從比較利益來看，這也是女性相對于男性在家務(wù)勞動時間花費較長的原因之一?，F(xiàn)在檢驗lnwage對housework的邊際效應(yīng)有無性別差異，即性別變量是否影響模型（8-1）對應(yīng)不同組別的斜率。在上述模型中將性別虛擬變量通過乘法引入模型，加入虛擬變量female與lnwage的交互項，那么如何解釋該交互項的系數(shù)的含義呢？2.乘法方式

可以得到不同組別的平均家務(wù)勞動時間2.乘法方式交互項的系數(shù)度量了工資對家務(wù)勞動時間的邊際效應(yīng)在性別上的差異，具體來說，當lnwage增加一個單位，男性平均家務(wù)勞動時間增加個單位，而女性平均家務(wù)勞動時間將增加個單位，那么就度量了當lnwage增加一個單位，女性平均增加的家務(wù)勞動時間與男性的差異。如果假設(shè)不同組別的總體回歸函數(shù)擁有不同的斜率，那么就增加虛擬變量與其它解釋變量的交互項。XY女性男性O(shè)左圖表明反映定性因素對斜率的影響可以通過乘法方式引入虛擬變量，虛擬變量的系數(shù)度量了兩個組別斜率的差異。男性平均家務(wù)時間：女性平均家務(wù)時間：（2）虛擬變量與虛擬變量的交互作用

虛擬變量以乘法的方式引入模型不僅會發(fā)生在虛擬變量與定量變量之間，還可能發(fā)生虛擬變量與虛擬變量之間的交互作用?？紤]下面模型2.乘法方式其中married是婚姻狀況的虛擬變量，定義為根據(jù)前面的介紹，以加法進入模型的虛擬變量married的系數(shù)影響各個組別對應(yīng)的總體回歸函數(shù)的截距，那么虛擬變量female與虛擬變量married的交互項又起到什么作用，它的系數(shù)的含義又如何解釋呢？婚姻和性別都是具有兩個類別的定性變量，因此模型（8-7）含有這兩個定性變量，就將整個樣本分成四個組別：未婚男性，未婚女性，已婚男性和已婚女性。各個組別的平均家務(wù)勞動時間如下

2.乘法方式虛擬變量female的系數(shù)度量了在工資水平相同的條件下未婚群體女性相對于男性平均家務(wù)勞動增加的時間；虛擬變量married的系數(shù)則表示工資水平一致的情形下男性群體已婚狀態(tài)相較于未婚狀態(tài)平均家務(wù)勞動增加的時間；交互項的系數(shù)的含義相對有點復雜，它包含兩層含義：第一層表示在工資水平相同的條件下性別因素帶來的已婚群體與未婚群體平均家務(wù)時間差異的影響，第二層表示在工資水平相同的條件下婚姻狀態(tài)帶來的女性群體與男性群體平均家務(wù)時間差異的影響。1.檢驗模型結(jié)構(gòu)穩(wěn)定性

模型結(jié)構(gòu)穩(wěn)定性一般是來自同一總體的不同樣本所建立的同一形式回歸模型的參數(shù)無顯著差異；如果不同模型的回歸函數(shù)存在差異，則認為模型結(jié)構(gòu)不穩(wěn)定或模型突變。

設(shè)來自同一總體的兩個樣本建立的回歸模型為

定義虛擬變量

，

將兩個樣本合并后的總體模型為：全樣本利用單個變量的顯著性t檢驗可以判斷變量D和XD的系數(shù)顯著性。如果D和XD的系數(shù)有一個不顯著，則意味著模型結(jié)構(gòu)是不穩(wěn)定的；否則說明模型結(jié)構(gòu)具有穩(wěn)定性。8.1.4虛擬解釋變量的應(yīng)用

在實際問題的建模過程中，被解釋變量與解釋變量在不同的解釋變量數(shù)值變動區(qū)間均呈線性變動關(guān)系，但線性回歸方程參數(shù)的值存有差異，如果用一條線性回歸線去模擬，則模型擬合程度必定不高；如果直接進行分段回歸，又往往受制于分段樣本量偏小。遇到此類問題，可借助于在模型中引入虛擬變量加以解決。例如，假若收入（Y）對消費（X）具有線性影響，在不同的收入水平下，消費與收入的具體數(shù)量關(guān)系可由如下3個子樣本回歸模型進行描述。2.進行分段線性回歸

全樣本回歸模型可以設(shè)為

3.測度季節(jié)因素影響第1季度第2季度第3季度第4季度

定性變量在模型中不僅可以作為解釋變量，也可以被解釋變量。虛擬被解釋變量的出現(xiàn)，其主要作用是對某一經(jīng)濟現(xiàn)象或活動作出選擇或決策。這一類問題的特征是被研究對象在受到多因素影響時，決策結(jié)果是定性的。例如，大學生進行學業(yè)規(guī)劃時是繼續(xù)深造還是馬上就業(yè)？居民在進行投資渠道選擇時是投資房地產(chǎn)還是購買股票、債券？等。影響決策的因素（解釋變量）可以是定量的，也可以是定性的，而研究對象（被解釋變量）則是定性的。把被解釋變量作為虛擬變量的模型稱為定性選擇模型（qualitativechoicemodels）。如果被解釋變量僅有兩種狀態(tài)或?qū)傩詣t稱為二元選擇模型（binarychoicemodels）；如果被解釋變量有三種及以上狀態(tài)或?qū)傩詣t稱為多元選擇模型。本章討論二元選擇模型。8.2虛擬被解釋變量模型

8.2.1線性概率模型從而顯然有

2.線性概率模型的特點

2.線性概率模型的特點

XYYO1Y

鑒于線性概率模型的局限性，現(xiàn)實中應(yīng)用較少，人們通常選用Probit模型和Logit模型等研究二元選擇問題。

8.2.2Probit模型XO1Y0.5P將上述想法繪制的曲線具有S型特征，這與隨機變量的分布函數(shù)曲線的特征相似。因此，分布函數(shù)即可作為研究這一類問題計量經(jīng)濟學模型的設(shè)定。依據(jù)不同的假定，分布函數(shù)可取相應(yīng)的具體形式，Probit模型是其中的一種，取分布函數(shù)為標準正態(tài)分布的累積分布函數(shù)。最簡單的Probit模型就是指被解釋變量Y是一個0,1變量，事件發(fā)生的概率依賴于解釋變量，即，也就是說,Y=1的概率是一個關(guān)于X的函數(shù)，其中服從標準正態(tài)分布。設(shè)

2.Probit模型的估計

3.Probit模型的檢驗

3.Probit模型的檢驗不全為零

8.2.3Logit模型

2.Logit模型的特點

3.Logit模型的估計

3.Logit模型的估計

上式稱為n次觀測的似然函數(shù)。將上式兩端取對數(shù)得

Logit模型檢驗方法同probit模型。

當被解釋變量是名義變量(即取值只是名義代號，沒有大小順序的含義)時，Logit和Probit沒有本質(zhì)的區(qū)別。兩者的區(qū)別主要在于采用的分布函數(shù)不同，前者假設(shè)隨機變量服從logistic分布，而后者假設(shè)隨機變量服從正態(tài)分布。其實，這兩種分布函數(shù)的公式很相似，函數(shù)值相差也并不大，唯一的區(qū)別在于logistic分布函數(shù)的尾巴比正態(tài)分布粗一些。4.Logit模型檢驗8.3案例分析

案例：工薪階層群體出行選擇模型

使用一項針對工薪階層群體關(guān)于公共交通工具的調(diào)查報告，主要目的是調(diào)查出行是選擇乘坐公交車上下班還是騎自行車上下班。被解釋變量Y設(shè)置如下

序號性別年齡

月收入Y序號性別年齡

月收入Y10