在經典計量經濟學模型中，被解釋變量一般被假定爲連續變量，若被解釋變量爲離散變量，如Y=1,2,3 那麼就稱爲離散被選擇變量模型， 離散被解釋變量模型分爲二元選擇模型和多元選擇模型。這裏介紹二元選擇模型的stata操做與分析，即logit模型和probit模型。 nginx
1git
二元選擇模型就是因變量y只能取0或者1，以此創建的迴歸方程爲：微信
可是這樣直接設定模型，卻不能保證估計後的結果y必定能夠取值0或者1，因此引入y的機率的形式，即app
此時至關於y服從兩點分佈，取值在0-1之間。函數
若y選擇服從logisitic機率分佈，此時的模型就是logit模型，即：
spa
y經過logisitic機率分佈函數F（y）轉換爲機率。將上述模型經過轉換，能夠獲得：
.net
因爲二元選擇模型，包括logit模型的y是二分類的，因此其偏差的分佈再也不是正態分佈，而是二項分佈，所以咱們就不能用最小二乘法OLS去估計它，而要用最大似然估計去估計模型。3d
2code
Stata中使用logit模型迴歸的命令語句格式以下：orm
logit y x1 x2 … [if] [in] [weight] [,options]
以貸款數據數據LOANAPP.dta爲例，其數據以下所示：
用二值變量approve對種族變量white和其餘自變量（hrat、obrat、loanprc、unem、male、married、dep、sch、cosign、chist、pubrec、mortlat1、mortlat2和vr）估計logit模型。
命令爲：
logit approve white hrat obrat loanprc unem malemarried dep sch cosign chist pubrecmortlat1 mortlat2 vr
獲得結果：
根據logit模型結果，其餘變量取均值時white人羣貸款申請批准的預測機率比nowhite人羣機率多0.9378。
3
根據上面logit模型的估算結果，得出white、married和loanprc的平均偏效應和比數比，並解釋其含義。
採用stata得出white、married和loanprc的平均偏效應：
margins, dydx(white married loanprc)
獲得結果：
根據結果，white的平均偏效應爲0.0828，代表白人貸款申請批准的的預測機率平均比非白人高0.0828。
歡迎掃碼關注，如有問題，請點擊「在看」留言或在公衆號裏留言。
本文分享自微信公衆號 - 博士的計量經濟學乾貨（econometrics_ABC）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。