Mô hình logit và probit
Ước lượng ML của mô hình Logit và Probit
Để ước lượng mô hình bằng ML, ta phải xây
dựng hàm log-likelihood của các quan sát i.
Xác suất có điều kiện của y
i
ứng với x
i
là:
f(y|x
i
, ) = [F(x
i
’)]
y
[1 - F(x
i
’)]
(1-y)
, y = 0,
1
Hàm log-likelihood của quan sát i là:
Hàm log-likelihood của mẫu n quan sát:
L = (*)
iiiii
xFlogyxFlogy
11
n
i
1
Ước lượng ML của mô hình Logit và Probit
Thông thường, ta có thể giải (*) để tìm ước
lượng của sao cho L() cực đại.
là các ước lượng chệch nhưng vững và xấp
xỉ phân phối chuẩn.
Do vậy, ta có thể dùng các thống kê t, F để
kiểm định mức ý nghĩa của các ước lượng.
Lưu ý, các ước lượng ML là vững và theo
những phân phối xấp xỉ nên để có độ tin cậy
cao, cở mẫu n phải lớn.
Mô hình logit:
Vế trái của phương trình này được gọi là
tỉ số log-odds.
phân phối tích luỹ của u
i
trong (7.10) là
logistic
k
j
ijj
i
i
x
P
P
1
0
)
1
ln(
Mô hình Probit:
các phần dư u
i
trong phương trình (7.10) theo phân
phối chuẩn
k
j
ijji
xZ
1
0
Biến bị chặn: mô hình Tobit
Mô hình Tobit được sử dụng để phân tích
trong lý thuyết kinh tế lượng lần đầu tiên
bởi nhà kinh tế học James Tobin năm
1958.
với u
i
~ IN(0,
2
)
y
i
* = x
i
+ u
i
nếu y
i
*
> 0
0 nếu y
i
* 0
y
i
=
Nó còn có tên gọi khác là mô hình hồi qui
chuẩn được kiểm duyệt (censored
regression model)
hoặc mô hình hồi qui có biến phụ thuộc bị
chặn (limited dependent variable
regression model)
bởi vì có một số quan sát của biến phụ
thuộc y* bị chặn hay được giới hạn.
Ví dụ, Tobin xem xét vấn đề chi tiêu cho
việc mua xe ôtô.
Chúng ta muốn ước lượng hệ số co giãn
của thu nhập đối với nhu cầu mua xe ôtô.
Đặt y* là chi tiêu cho mua xe ôtô và x là
thu nhập, mô hình Tobit được trình bày
như sau:
y* = x
i
+ u
i
u
i
~ IN(0,
2
)
Mô hình Tobit: chi tiêu mua xe ô tô
mô hình cho số giờ làm việc
y
i
= x
i
+ u
i
cho các quan sát có chi tiêu mua xe là số
dương
0 cho các quan sát không có chi tiêu mua
xe
y
i
=
mô hình tiền lương
y
i
= x
i
+ u
i
cho những người có việc làm
0 cho những người không đi làm
H
i
=
y
i
= x
i
+ u
i
cho những người có việc làm
0 cho những người không đi làm
W
i
=
Bây giờ ước lượng phương trình hồi qui bội
y =
0
+
1
x
1
+
2
x
2
+ … +
k
x
k
+ u
Thu được tổng bình phương các phần dư RSS.
Khi đó:
i
k
i
i
x
1
nếu cá nhân thuộc nhóm
1
(nhóm
I)
nếu cá nhân thuộc nhóm
2
(nhóm
II)
y =
n2
n1 +
n2
n
1
n
1
+n
2
2
21
nn
RSS
i
i