Probit模型、Logit模型、IV-Probit模型、IV-Probit模型
概述
Y = β 1 X 1 + β 2 X 2 + ϵ i Y=\beta_1X_1+\beta_2X_2+\epsilon_i Y=β1X1+β2X2+ϵi
边际效应:就是系数,即 β 1 \beta_1 β1 、 β 2 \beta_2 β2
解释:如,在控制其他变量(条件)不变的情况下,每增加一个单位的 X 1 X_1 X1, Y Y Y增加 β 1 \beta_1 β1 个单位。
Probit
模型:
它的边际效益推导:
Probit模型的边际效应可以通过计算变量对概率密度函数的一阶偏导数来获取。具体来说,对于一个二进制(0/1)的因变量 y y y,Probit模型可以表示为:
P ( y = 1 ∣ x ) = Φ ( β 0 + β 1 x 1 + ⋯ + β k x k ) P(y=1|x) = \Phi(\beta_0 + \beta_1 x_1 + \cdots + \beta_k x_k) P(y=1∣x)=Φ(β0+β1x1+⋯+βkxk)
其中, Φ ( ) \Phi() Φ()是标准正态分布函数。则 x j x_j xj的边际效应为:
∂ P ( y = 1 ∣ x ) ∂ x j = ϕ ( β 0 + β 1 x 1 + ⋯ + β k x k ) ⋅ β j \frac{\partial P(y=1|x)}{\partial x_j} = \phi(\beta_0 + \beta_1 x_1 + \cdots + \beta_k x_k)\cdot \beta_j ∂xj∂P(y=1∣x)=ϕ(β0+β1x1+⋯+βkxk)⋅βj
其中, ϕ ( ) \phi() ϕ()是标准正态分布的概率密度函数。这个结果告诉我们,边际效应是指当其他变量不变时,增加自变量 x j x_j xj一个单位对因变量的概率影响,即 β j \beta_j βj。需要注意的是,由于Probit模型是非线性的,所以边际效应可能会随着 x j x_j xj的变化而变化。
*
表示展示所有的变量的边际取值
atmean
在样本均值的边际效应
at(age=30)
在特定值边际效应的取值
Logit
模型:
1、只做一次probit模型
命令:probit y x1 x2,nolog
mfx compute
outreg2 using myfile, word replace(导出的是回归系数)
outreg2 using myfile, word mfx ctitle(mfx) append(导出的是边际效应,若不想要回归系数忽略上条命令)
2、做多次probit(因为我是分别加入控制变量和调节变量的,所以我做了两次probit)
probit y x1 x2,nolog
mfx compute
outreg2 using myfile, word mfx ctitle(mfx) append
probit y x1 x2 x3 x4,nolog
mfx compute
outreg2 using myfile, word mfx ctitle(mfx) append
注意每次做完probit回归都要做mfx命令和outreg2命令,最后结果就是多次probit的边际效应在一个表里
延伸阅读
这篇知乎文章写得很好
【传送门-二元Logit模型和Probit模型及其Stata实现】作为笔记,码住
IV-Probit
这部分的模型延伸,其实最难的还是找IV,可以参是从地理因素、环境、气候等。
代码:
y
:被解释变量
age age_2 sex minzu hukou marry edu pary
:控制变量
z
:工具变量,可在后面加IV
x
:核心解释变量
原理:
见文章:二值选择模型内生性检验方法、步骤及Stata应用
IV-Logit
从参考的文献来看,IV-Logit与Logit的区别就是引入工具变量的区别。
Probit模型、Logit模型、IV-Probit模型、IV-Probit模型相关推荐
- 二元选择模型:Probit还是Logit?
原文链接:https://www.lianxh.cn/news/979079951adf2.html Source: Probit or Logit: ladies and gentlemen, pi ...
- 什么是非集计模型_集计与非集计模型的关系
集计与非集计模型的关系 Wardrop 第一 . 第二平衡原理 集计模型 在 传统的交通规划或交通需求预测中,通常首先将对象地区或群体划分为若干个小区或群体等特 定的集合体,然后 以这些小区或群体为基 ...
- 分类变量回归——Probit和Logit(附代码)
分类变量回归--Probit和Logit 为什么不是普通线性回归? 什么是Link函数? 如何实现(statsmodels&sklearn)? statsmodels(统计学分析场景推荐) P ...
- 信用卡评分模型(数据获取+数据预处理+探索分析+变量选择+模型开发+模型评估+信用评分+建立评分系统)
最近两次遇到关于信用卡评分的题目,遂了解一波. Reference: 基于python的信用卡评分模型(超详细!!!) https://www.jianshu.com/p/f931a4df202c h ...
- 从DSSM语义匹配到Google的双塔深度模型召回和广告场景中的双塔模型思考
▼ 相关推荐 ▼ 1.基于DNN的推荐算法介绍 2.传统机器学习和前沿深度学习推荐模型演化关系 3.论文|AGREE-基于注意力机制的群组推荐(附代码) 4.论文|被"玩烂"了的协 ...
- 逻辑斯谛回归模型( Logistic Regression,LR) 最大熵模型(Max Entropy,ME)
文章目录 1. Logistic Regression 模型 1.1 logistic 分布 1.2 二项逻辑斯谛回归模型 1.3 模型参数估计 1.4 多项逻辑斯谛回归 1.5 Python代码 2 ...
- 数学建模优化模型简单例题_数学建模之优化模型:存储模型
点击上方「蓝字」关注我们 最近,为申报市级精品课程,我为我校"数学建模与科学计算"课程录制了讲课视频,下面是3.1节优化模型的第一个例子:存储模型.敬请大家批评指正! 优化模型是数 ...
- R语言使用DALEX包的model_performance函数对caret包生成的多个算法模型进行残差分布分析并可视化每个模型的残差反向累积分布图
R语言使用DALEX包的model_performance函数对caret包生成的多个算法模型进行残差分布分析并可视化每个模型的残差反向累积分布图 目录
- R语言glm拟合logistic回归模型实战:基于glm构建逻辑回归模型及模型系数统计显著性分析、每个预测因子对响应变量的贡献
R语言glm拟合logistic回归模型实战:基于glm构建逻辑回归模型及模型系数统计显著性分析.每个预测因子对响应变量的贡献 目录
- R语言glmnet交叉验证选择(alpha、lambda)拟合最优elastic回归模型:弹性网络(elasticNet)模型选择最优的alpha值、模型最优的lambda值,最终模型的拟合与评估
R语言glmnet交叉验证选择(alpha参数和lambda参数)拟合最优elastic回归模型:弹性网络(elasticNet)模型选择最优的alpha值.弹性网络(elasticNet)模型最优的 ...
最新文章
- linux下VNC配置详解
- Maven的配置文件pom.xml
- 函数-生成器之斐波拉契数列
- python十进制转二进制循环_python十进制转二进制的详解
- 【PC工具】更新:在线智能抠图工具,在线视频、图片、音频等转换工具,绿色免安装抠图神奇抠图工具...
- 谷歌chrome浏览器的源码分析(五)
- POJ - 1330 Nearest Common Ancestors(树上倍增/树链剖分求LCA)
- SQLServer常用系统视图
- postfilter中文什么意思_使用过滤器解决(Post/Get)中文乱码问题
- 此博客记录我的进阶之路(PHP、C、Python、Erlang)
- JavaScript复习笔记(3)——数据类型(null、undefined、NaN)与深度克隆
- Java学习教程,Java基础教程(从入门到精通)
- 0906--学成在线页面案例
- winform利用html开发,Winform开发框架之HTML编辑控件介绍
- SQL2005数据库可疑的解决方法
- 板岩 Steven Slate Audio :FG-2A 压缩评测
- html图片居中在页面中心点,css让img居中显示 怎么让一张图片在网页中居中显示...
- 移动应用中的AR开发,6款最受欢迎工具推荐
- 高通开发笔记---yukon worknote
- 微信小程序审核不通过的原因,这里整理了10个最常见的
热门文章
- 2014年计算机一级考试操作题,2014国家计算机一级考试操作题常见题型.doc
- 什么情况下下索引不会被命中
- 游戏与常用的五大算法---上篇
- 维度和指标(metrics and dimensions)
- 物联网的作用和发展方向
- BUG之Type interface com.zcy.mapper.UserLogMapper is not known to the MapperRegistry.
- 仿生蛇形机器人01、Dynamixel MX-64AR舵机控制例程的使用【Python 1.0协议】
- libcurl入门之http通信(2)
- 生产类库存管理的难点和应对方案
- C# 中panel的mousewheel鼠标滚轮事件触发