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
若y選擇服從正態分佈，此時的模型就是probit模型，即：
微信
其中pi表示機率，F（yi）表示正態分佈的累計機率密度函數，yi稱做隱變量或潛變量，它經過累計機率密度函數轉換爲機率。app
因爲二元選擇模型，包括probit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，所以咱們也不能用最小二乘法OLS去估計它，而要用最大似然估計去估計模型。函數
2spa
Stata中使用logit模型迴歸的命令語句格式以下：.net
probit y x1 x2 … [if] [in] [weight] [,options]code
仍然以貸款數據數據LOANAPP.dta爲例，其數據以下所示：orm
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。blog
命令爲：
probit approve white hrat obrat loanprc unem malemarried dep sch cosign chist pubrecmortlat1 mortlat2 vr
獲得結果：
3
根據上面probit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。
採用stata得出white、married和loanprc的比數比：
probit approve white hrat obrat loanprc unem male married dep schcosign chist pubrec mortlat1mortlat2 vr, nolog
獲得結果：
根據結果，white的比數比爲0.5203，比logit模型的低；
married的比數比爲0.2657，比logit模型的低；
loanprc的比數比爲-1.012，比logit模型高。
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。