文档介绍：会计学
1
Eviews的logistic回归分析
一、二元选择模型
假设有一个变量yt﹡，它与解释变量xt之间存在线性关系，即
yt﹡=β1x1t +β2x2t +…+βkxkt+μt ﹡ （t=1，2，…，n）
yt﹡与yt之间的关系为
1 ， 当yt﹡>0时
yt =
0 ， 当yt﹡≤0时
第1页/共43页
一、二元选择模型
P(yt=1 | xt,β)= P（yt﹡> 0）= P(μt﹡>- xtβ)=1-F(- xtβ)(1-1)
P(yt=0 | xt,β)= P（yt﹡≤0）= P(μt﹡≤- xtβ)=F(- xtβ)(1-2)
式1-2中，F为μt﹡的连续分布函数，因而将原始的回归模型变成如下形式，
yt =1-F(- xtβ)+μt
第2页/共43页
一、二元选择模型
二元选择模型的类型是由分布函数的类型决定，常用的二元选择模型有三种，如下表所示。
μi﹡对应的分布
分布函数F
对应的二元选择模型
标准正态分布
Φ(x)
Probit模型
逻辑（logistic）分布
ex/(1+ ex)
Logit模型
极值分布
1-exp(-ex)
Extreme value模型
第3页/共43页
一、二元选择模型
二元选择模型一般用迭代法求极大似然函数的最大值（线性概率（Tobit）模型除外），由于在模型中因变量的取值只能是1和0，因而估计系数不能解释成解释变量对被解释变量（因变量）的边际影响，但可以从符号上进行分析。
当估计系数为正时，表明解释变量越大，被解释变量取值为1的概率越大；当估计系数为负时，表明解释变量越大，被解释变量取值为0的概率越大。
第4页/共43页
一、二元选择模型
在EViews软件的操作中，要建立二元选择模型，需首先选择主菜单栏中的“Object”|“New Object”|“Equation”选项，或者选择“Quick”|“Estimate Equation” 选项，打开方程设定对话框，选择“Specification”选项卡。在“Method”的下拉菜单中选择“BINARY – Binary choice（logit, probit, extreme value）”估计方法。
第5页/共43页
一、二元选择模型
在“Equation specification”中列出被解释变量、常数项和解释变量。（二元选择模型的估计只能以列表形式将方程中的变量列出，不能输入公式的形式。）
在“Binary estimation”中有三个选项，分别是“Probit”、“Logit”、“Extreme value”，用户需选中三种估计方法中的一种。
第6页/共43页
一、二元选择模型
在“Options”选项卡中，可以设置估计算法和迭代限制。
第7页/共43页
一、二元选择模型
Robust Covariances”（稳健标准差）有两个选项:
“Huber/White”为用准—极大似然函数方法估计标准差，
“GLM”为用广义线性模型方法估计标准差。
第8页/共43页
一、二元选择模型
“
“Optimization algorithm”为“最优化算法”，包括三个运算法则：
“Quadratic Hill Climbing”法则是用对数似然分析二次导数 的矩阵；
“Newton-Raphson”使用二次导数;
“BHHH”使用一次导数来确定迭代更新和协方差矩阵估计。
第9页/共43页