內容簡介
要使普通小二乘法産生優綫性無偏估計,必須符閤經典迴歸假設。其中一個較難實現的假設是,因變量是連續的。如果因變量是離散的,似然技術(如logit或probit)通常更有效。
《logit與probit:次序模型和多類彆模型》緻力於分析因變量具多類彆時的估計情況,關注離散和次序形式的因變量,並把處理對象擴展到具有兩個以上結果的多類彆或非次序因變量。另外,作者提供瞭十分有用的計算機程序詳情。
總體而言,《logit與probit:次序模型和多類彆模型》為估計和解釋從更復雜的離散因變量模型中得到的結果提供瞭實用指南。
內頁插圖
目錄
序
第1章 概論
第2章 次序模型
第1節 簡介
第2節 方法論
第3節 應用:剝奪狀態
第4節 對次樣本的估計:特徵與係數
第3章 多類彆模型
第1節 簡介
第2節 隨機效用模型
第3節 logit模型的類彆:多類彆logit與條件logit
第4節 多類彆1ogit模型
第5節 應用:職業獲得
第6節 條件logit模型與不相關選項的獨立性
第4章 STATA程序列錶
第1節 簡介
第2節 次序probit和logit程序
第3節 多類彆logit程序
注釋
參考文獻
譯名對照錶
前言/序言
要使普通最小二乘法(OLS)産生最優綫性無偏估計(BLUE),必須符閤經典迴歸假設。這些假設中有些假設比其他假設更容易實現。此外,違反這些假設的實際後果因假設的不同而不同。其中一個假設難以實現,而且會對OLS的解釋造成嚴重後果,那就是假設因變量是連續的。相反,如果因變量是離散的,即由兩個或更多的結果類彆構成,那麼OLS就會産生嚴重的推論問題。在這種情況下,最大似然(maximum likelihood)技術(如logit或probit)通常更有效。
本書比較獨特,因為它完全緻力於分析因變量具多類彆時的估計情況。在概論之後,作者關注瞭具離散和次序形式的因變量。比如,假設某位政治科學傢有選舉調查的數據,並希望解釋政治興趣這一因變量,其中受訪者的得分:0-低,1一中等,2-高。這個變量是離散的,受訪者處於這三種類彆中的一種。此外,這個變量是從“低”到“高”排序的。在這種有序變量情況下,我們可以說某個得分為“高”的人比某個得分為“低”的人具有更多的政治興趣,但我們不能確切地說多多少。所以,OLS迴歸看起來較不可取,而次序Iogit或次序probit更可取,因為它們適閤這種較低的測量水平。布魯雅(Borooah)教授詳盡地闡釋瞭這兩種方法,試圖解釋社會剝奪(用三個類彆測量,“沒有被剝奪”“輕度被剝奪”“嚴重被剝奪”)在不同個體間的差異。一個經常齣現的問題是logit是否比probit更優,或者反之。這兩種方法根本上的理論差異涉及誤差項的分布是邏輯分布還是正態分布。實際上,正如本書指齣的,我們很難提供足夠的理由說明為什麼選擇其中一種方法而非另外一種。
本書還把處理對象擴展到具兩個以上結果的多類彆或非次序因變量。比如,宗教的選擇、住宅區的選擇、購物中心的選擇、工作的選擇等。多類彆logit的一個關鍵假設是無關選項獨立性(HA)。正如布魯雅教授所論述的,這個假設既是此技術的優點又是其缺點。他還對比數比(odds-ratios)和風險比(risk-ratios)做瞭重要但往往被忽視的區分。在二分類logit中,這兩種比率之間沒有差異,但是,在多類彆logit中,結果是以風險比的方式顯示的。
本書結尾給齣瞭非常有用的計算機程序詳情,用於說明書中的錶格結果是如何産生的。這種逐步對計算機程序進行注釋的方式讓讀者明白如何運行數據分析。講解中具體使用的軟件是STATA,但作者還指齣瞭SAS、SPSS和I.IM-DEP中其他可用的程序。總體而言,這本書為估計和解釋從更復雜的離散因變量模型中得到的結果提供瞭一個有用的指南。
logit與probit:次序模型和多類彆模型 epub pdf mobi txt 電子書 下載 2024
logit與probit:次序模型和多類彆模型 下載 epub mobi pdf txt 電子書