1 / 15

Økonometri 1

Økonometri 1. Binær responsmodeller: Logit og probit 12. maj 2003. Plan:. Modeller med en binær afhængig variabel: Afsnit 17.1. Sidste gang: Modeller for binær respons (p. 554-557). Link-funktioner: Logistisk, normalfordelt, lineær. Latent variabel motivation.

amelia
Download Presentation

Økonometri 1

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Økonometri 1 Binær responsmodeller: Logit og probit 12. maj 2003 Økonometri 1: Binær responsmodeller: Logit og probit

  2. Plan: • Modeller med en binær afhængig variabel: Afsnit 17.1. • Sidste gang: • Modeller for binær respons (p. 554-557). • Link-funktioner: Logistisk, normalfordelt, lineær. • Latent variabel motivation. • Partielle effekter: Kontinuert/diskret variabel. • Maximum likelihood estimation (p. 557-559). • I dag: • Fortolkning og sammenligning af binær respons modeller (p. 559-565). • Respons-sandsynligheder: • Ex. 17.1 fortsat • Tommelfingerregler for sammenligning mellem modeller • Goodness-of-fit • Eksempel: Data fra spørgeskemaerne. Økonometri 1: Binær responsmodeller: Logit og probit

  3. Modeller for binær respons variabler • Model for kvalitativ variabel med to udfald: • Modellerer respons-sandsynligheden: • Forklarende variabler indgår som et lineært index: • kan indeholde transformationer (log, kvadratiske, interaktionsled,…) • Ikke-lineær model (i parameteren ) som følge af funktionsform for (”link-funktionen”). • Logit: Probit: Økonometri 1: Binær responsmodeller: Logit og probit

  4. Partielle effekter på respons-sandsynligheden • Kontinuert forklarende variabel: Alt-andet-lige effekt af en marginal ændring af på respons-sandsynligheden: • Diskret forklarende variabel: øges til : • Med udgangspunkt i hvilken værdi af ? • Gennemsnit for stikprøven, : • Diskrete variabler: Referenceperson (som er velrepræsenteret i stikprøven: kvinde, samlevende, et barn, mellemlang uddannelse,…). Økonometri 1: Binær responsmodeller: Logit og probit

  5. Partielle effekter på respons-sandsynligheden: Sammenligning af modeller • Koefficienter i det lineære indeks kan ikke sammenlignes direkte. • Ex. Samlevende amerikanske kvinder deltagelse i arbejdsstyrken: Forklaret ved samlevers indkomst, uddannelse, arbejdsmarkedserfaring, alder, (små) børn,…(Ex. 17.1). • Fokus: Effekten af småbørn (under skolealder), kidslt6 (antal børn under 6 år), og effekten af samlevers indkomst, nwifeinc. • Uddrag af koefficienter i de tre modeller (afh. Variabel: inlf) Økonometri 1: Binær responsmodeller: Logit og probit

  6. Partielle effekter på respons-sandsynligheden: Sammenligning (2) • Referenceperson: Ex. 17.1. • Kvantitative variabler: nwifeinc=20.13, exper=10.6, expersq=112.36, age=42.5 • Kvalitative variabler: kidsge6=1, kidslt6=0 Økonometri 1: Binær responsmodeller: Logit og probit

  7. Partielle effekter på respons-sandsynligheden: Sammenligning (3) • Referenceperson: nwifeinc=20.13, exper=10.6, expersq=112.36, age=42.5,kidsge6=1, kidslt6=0. • Marginal effekt af at øge kontinuert variabel nwifeinc: Økonometri 1: Binær responsmodeller: Logit og probit

  8. LPM Logit Probit Øges fra: educ =5 educ =12.3 educ =17 educ =5 educ =12.3 educ =17 0 -0.262 -0.220 -0.344 -0.257 -0.235 -0.335 -0.266 1 -0.262 -0.074 -0.242 -0.341 -0.082 -0.253 -0.332 2 -0.262 -0.025 -0.025 -0.191 -0.014 -0.094 -0.204 Partielle effekter på respons-sandsynligheden: Sammenligning (4) • Referenceperson: nwifeinc=20.13, exper=10.6, expersq=112.36, age=42.5,kidsge6=1. • Partiel effekt af at øge kidslt6 med 1: Økonometri 1: Binær responsmodeller: Logit og probit

  9. Partielle effekter på respons-sandsynligheden: Sammenligning (5) • Signifikans: Direkte på • Sammenligning mellem logit-og probit-estimater: Skalering • Tommelfingerregel: Sammenligningsfaktor: 0.4/0.25 = 1.6. • Tommelfingerregel for sammenligning med LPM: • Faktor 4 i forhold til logit • Faktor 2.5 i forhold til probit • I arbejdsudbudseksemplet: Økonometri 1: Binær responsmodeller: Logit og probit

  10. Goodness of fit (1) • To mulige udfald: y=1 eller y=0 • Prediktion fra logit eller probit model: • Pseudo-R2 mål: Sammenlign med model uden forklarende variabler: • Reminder: Topunkts-fordelingen: • Maximeret log-likelihoodværdi: Økonometri 1: Binær responsmodeller: Logit og probit

  11. Goodness of fit (2) • Maximeret log-likelihoodværdi for logit/probit: • Pseudo R2 baseret på max log likelihood (LR-index): • Egenskaber: Økonometri 1: Binær responsmodeller: Logit og probit

  12. Goodness of fit (3) • Andel korrekt predikterede observationer: • Optæl korrekt predikterede observationer, dvs. de individer hvor eller • Andel ukorrekt predikterede observationer: Økonometri 1: Binær responsmodeller: Logit og probit

  13. Goodness of fit (4) • Benchmark for andel korrekt predikterede observationer naiv prediktion): • Andel ukorrekt naivt predikterede observationer: • Prediktionsbaseret goodness of fit mål: • Naiv model har altid mere end 50% korrekte: Ikke altid særligt oplysende mål. Økonometri 1: Binær responsmodeller: Logit og probit

  14. Eksempel: Data fra spørgeskemaerne. • Statistiske resultater for binær responsmodeller er asymptotisk begrundede. • Konsistens • Asymptotisk normalitet af • Men vi vil alligevel (forsøgsvist) prøve at se lidt mere på resultater for spørgeskemaerne (n<100). • SAS kørsler for spørgeskemadata. Økonometri 1: Binær responsmodeller: Logit og probit

  15. Næste gang: Mandag 19. maj • Afslutningsforelæsning. • At udføre et empirisk projekt: Kap. 19. • Sammenfatning af faget: Ekstern evaluering. • Mere eksamensinfo. Økonometri 1: Binær responsmodeller: Logit og probit

More Related