计量经济学面板logit的固定效应怎么做 请教面板Logit模型具体如何操作
\u8ba1\u91cf\u7ecf\u6d4e\u5b66\u9762\u677flogit\u7684\u56fa\u5b9a\u6548\u5e94\u600e\u4e48\u505a\u64cd\u4f5c\u8fc7\u7a0b\uff1a\u622a\u9762\u6570\u636e\uff1aObject/NewObject\uff0c\u5e76\u4ece\u8be5\u83dc\u5355\u4e2d\u9009\u62e9Equation\u9009\u9879\u3002\u5728\u51fa\u73b0\u7684EquationSpecification\u5bf9\u8bdd\u6846\u8f93\u5165\u65b9\u7a0b\u3002\u9762\u677f\u6570\u636e\uff1a\u6253\u5f00eviews\uff0c\u6253\u5f00\u4e00\u4e2aworkfile\uff0c\u70b9\u51fbbalancedpanel\uff0c\u8fdb\u5165\u9762\u677f\u6570\u636e\u6846\uff0c\u8f93\u5b8c\u6570\u636e\u4e4b\u540e\uff0c\u5728proc\u4f30\u8ba1\u6a21\u578b\u7684\u65f6\u5019\uff0c\u5728\u65b9\u6cd5\u9009\u9879\u91cc\u9009\u62e9tobit\u5373\u53ef\u3002
\u8fd9\u4e2a\u4e00\u822c\u6ca1\u6709\u7406\u8bba\u7684\u6709\u529b\u652f\u6301\u7684
如果要弄清楚原理，可以看格林或平狄克的计量经济学，上面有比较详细的讲解。另外，向你一本不错的书：王济川、郭志刚，Logistic回归模型——方法与应用，北京：高等教育，2001。浏览一下这三本书的相关内容，你基本上可以弄清楚概率估计模型，至于网上有没有电子版的书我就不太清楚了。这里，我可以先简单的回答你这个问题。首先，通常人们将“Logistic回归”、“Logistic模型”、“Logistic回归模型”及“Logit模型”的称谓相互通用，来指同一个模型，唯一的区别是形式有所不同：logistic回归是直接估计概率，而logit模型对概率做了Logit转换。不过，SPSS好像将以分类自变量构成的模型称为Logit模型，而将既有分类自变量又有连续自变量的模型称为Logistic回归模型。至于是二元还是多元，关键是看因变量类别的多少，多元是二元的扩展。其次，当因变量是名义变量时，Logit和Probit没有本质的区别，一般情况下可以换用。区别在于采用的分布函数不同，前者假设随机变量服从逻辑概率分布，而后者假设随机变量服从正态分布。其实，这两种分布函数的公式很相似，函数值相差也并不大，唯一的区别在于逻辑概率分布函数的尾巴比正态分布粗一些。但是，如果因变量是序次变量，回归时只能用有序Probit模型。有序Probit可以看作是Probit的扩展绛旓細鎿嶄綔杩囩▼锛氭埅闈㈡暟鎹細Object/NewObject锛屽苟浠庤鑿滃崟涓夋嫨Equation閫夐」銆傚湪鍑虹幇鐨凟quationSpecification瀵硅瘽妗嗚緭鍏ユ柟绋嬨闈㈡澘鏁版嵁锛氭墦寮eviews锛屾墦寮涓涓獁orkfile锛岀偣鍑籦alancedpanel锛岃繘鍏ラ潰鏉挎暟鎹锛岃緭瀹屾暟鎹箣鍚庯紝鍦╬roc浼拌妯″瀷鐨勬椂鍊欙紝鍦ㄦ柟娉曢夐」閲岄夋嫨tobit鍗冲彲銆
绛旓細棣栧厛锛岄氬父浜轰滑灏嗏淟ogistic鍥炲綊鈥濄佲淟ogistic妯″瀷鈥濄佲淟ogistic鍥炲綊妯″瀷鈥濆強鈥Logit妯″瀷鈥濈殑绉拌皳鐩镐簰閫氱敤锛屾潵鎸囧悓涓涓ā鍨嬶紝鍞竴鐨勫尯鍒槸褰㈠紡鏈夋墍涓嶅悓锛歭ogistic鍥炲綊鏄洿鎺ヤ及璁℃鐜囷紝鑰logit妯″瀷瀵规鐜囧仛浜哃ogit杞崲銆備笉杩囷紝SPSS杞欢濂藉儚灏嗕互鍒嗙被鑷彉閲忔瀯鎴愮殑妯″瀷绉颁负Logit妯″瀷锛岃屽皢鏃㈡湁鍒嗙被鑷彉閲忓張鏈夎繛缁嚜...
绛旓細瀵逛簬鍥哄畾鏁堝簲鐨闈㈡澘 Logit 妯″瀷锛屽彲浠ラ氳繃瀵绘壘 鐨 鍏呭垎缁璁￠噺 锛坰ufficient statistic锛夛紝鐒跺悗鍦ㄧ粰瀹氭鍏呭垎缁熻閲忕殑鏉′欢涓嬭繘琛 鏉′欢鏈澶т技鐒朵及璁 锛坈onditional MLE锛夈傚浜 Logit 妯″瀷锛孋hamberlain锛1980锛夋彁鍑轰娇鐢 浣滀负 鐨勫厖鍒嗙粺璁￠噺锛屽苟璁＄畻鍦ㄧ粰瀹 鎯呭喌涓嬬殑鏉′欢浼肩劧鍑芥暟锛堟牴鎹厖鍒嗙粺璁￠噺鐨...
绛旓細Logit妯″瀷鍥犲叾姒傜巼琛ㄨ揪寮忕殑鐩磋鎬у拰姹傝В鏁堢巼楂橈紝浣垮緱瀹冨湪蹇冪悊瀛︺佺ぞ浼氬銆缁忔祹瀛浠ュ強浜ら氬垎鏋愮瓑棰嗗煙琛ㄧ幇鍑哄己澶х殑瀹炵敤鎬с備緥濡傦紝褰撳嚭琛屾椂闂寸瓑鍙橀噺鍙戠敓鍙樺寲鏃讹紝鍙渶绠鍗曡皟鏁存ā鍨嬪弬鏁帮紝鍗冲彲蹇熻绠楀嚭鍚勯夋嫨鏋濈殑鏂版鐜囥傚悓鏃讹紝鐢变簬IIA鐗规э紝妯″瀷鐨勭粨鏋勭浉瀵圭ǔ瀹氾紝渚夸簬鍦ㄤ笉鏀瑰彉閫夋嫨闆嗙殑鎯呭喌涓嬭繘琛岄娴嬭皟鏁达紝濡傛坊鍔...
绛旓細Logit妯″瀷鏄竴绉嶇敤浜庝簩鍏冨垎绫婚棶棰樼殑缁熻妯″瀷銆傚畠浣跨敤瀵规暟鍑犵巼鍑芥暟(logit function)鏉ユā鎷熷缁撴灉鐨勯娴, 浠庤屽彲浠ュ缁撴灉杩涜绾挎у缓妯°傝繖鏍峰彲浠ヤ娇鐢ㄧ嚎鎬у洖褰掓妧宸ф潵浼拌鍙傛暟骞惰繘琛岄娴嬨傚彟澶栵紝鐢变簬Logit妯″瀷鐨勮緭鍑烘槸鍦0鍜1涔嬮棿鐨勬鐜囧硷紝鍥犳瀹冧篃鍙互鐢ㄦ潵妯℃嫙閫昏緫鍥炲綊銆
绛旓細Logit妯″瀷锛圠ogit model锛屼篃璇戜綔鈥滆瘎瀹氭ā鍨嬧濓紝鈥滃垎绫昏瘎瀹氭ā鍨嬧濓紝鍙堜綔Logistic regression锛屸滈昏緫鍥炲綊鈥濓級鏄鏁ｉ夋嫨娉曟ā鍨嬩箣涓锛孡ogit妯″瀷鏄渶鏃╃殑绂绘暎閫夋嫨妯″瀷锛屼篃鏄洰鍓嶅簲鐢ㄦ渶骞跨殑妯″瀷銆傛槸绀句細瀛︺佺敓鐗╃粺璁″銆佷复搴娿佹暟閲忓績鐞嗗銆璁￠噺缁忔祹瀛銆佸競鍦鸿惀閿绛夌粺璁″疄璇佸垎鏋愮殑甯哥敤鏂规硶銆侺ogit妯″瀷鏄渶鏃╃殑绂绘暎閫夋嫨...
绛旓細鎵浠ヤ笂闈㈢殑绛夊紡鍙 鎴愮珛灏卞彲浠ョ敤浜嗐俢. 濡傛灉 锛屽垯 Probit 涓 Logit 妯″瀷骞朵笉鑳藉緱鍒板绯绘暟 鐨勪竴鑷翠及璁°傛鏃剁粺璁℃帹鏂苟鏃犳剰涔夈傛浠庝笂闈㈢殑寮忓瓙鍗曚釜绯绘暟杩涜妫楠岋紝鏄剧劧闇瑕 鏈煡鐨 鐪熷疄鍙傛暟 銆備簬鏄垜浠彲浠ユ牴鎹 楂樼骇璁￠噺12 鐨 6.6 鐨勬柟娉曞幓澶勭悊锛岃繖閲屽氨涓嶅啀璧樿堪浜嗐
绛旓細Logit妯″瀷锛圠ogit model锛屼篃璇戜綔鈥滆瘎瀹氭ā鍨嬧濓紝鈥滃垎绫昏瘎瀹氭ā鍨嬧濓紝鍙堜綔Logistic regression锛屸滈昏緫鍥炲綊鈥濓級鏄鏁ｉ夋嫨娉曟ā鍨嬩箣涓锛屽睘浜庡閲嶅彉閲忓垎鏋愯寖鐣达紝鏄ぞ浼氬銆佺敓鐗╃粺璁″銆佷复搴娿佹暟閲忓績鐞嗗銆璁￠噺缁忔祹瀛銆佸競鍦鸿惀閿绛夌粺璁″疄璇佸垎鏋愮殑甯哥敤鏂规硶銆傞昏緫鍒嗗竷锛圠ogistic distribution锛夊叕寮廝(Y=1鈹俋=x)=exp(x...
绛旓細Logit妯″瀷锛圠ogit model锛夛紝涔熻瘧浣溾滆瘎瀹氭ā鍨嬧濓紝鈥滃垎绫昏瘎瀹氭ā鍨嬧濓紝鍙堜綔Logistic regression锛屸滈昏緫鍥炲綊鈥濓紝鏄鏁ｉ夋嫨娉曟ā鍨嬩箣涓锛孡ogit妯″瀷鏄渶鏃╃殑绂绘暎閫夋嫨妯″瀷锛屼篃鏄簲鐢ㄦ渶骞跨殑妯″瀷銆傛槸绀句細瀛︺佺敓鐗╃粺璁″銆佷复搴娿佹暟閲忓績鐞嗗銆璁￠噺缁忔祹瀛銆佸競鍦鸿惀閿绛夌粺璁″疄璇佸垎鏋愮殑甯哥敤鏂规硶銆傜嚎鎬у洖褰掓ā鍨嬬殑涓涓眬闄愭ф槸...
绛旓細涓瑰凹灏斅烽害鍏嬫硶鐧诲湪闅忔満鏁堢敤鐞嗚鐨勫熀纭涓婏紝鎻愬嚭浜嗕竴绉嶅垱鏂扮殑璁￠噺妯″瀷鈥斺旀潯浠Logit妯″瀷(Conditional Logit Model)銆傞氳繃杩欎釜妯″瀷锛岄夋嫨鍚勭被鍒殑姒傜巼鍙互鐢ㄧ畝鍗曠殑鍏紡琛ㄨ揪锛屼娇寰楁垜浠兘澶熻繍鐢ㄦ爣鍑嗙粺璁℃柟娉曪紙濡傛渶澶т技鐒朵及璁★級鏉ヤ及璁＄被鍒壒璐ㄥ拰涓綋鐗硅川瀵归夋嫨鐨勫奖鍝嶃傝繖绉嶆ā鍨嬪洜鍏剁悊璁烘墡瀹炰笖璁＄畻绠渚匡紝鍦璁￠噺缁忔祹瀛...
