比较线性模型和Probit模型、Logit模型文档格式.doc

比较线性模型和Probit模型、Logit模型文档格式.doc

《比较线性模型和Probit模型、Logit模型文档格式.doc》由会员分享，可在线阅读，更多相关《比较线性模型和Probit模型、Logit模型文档格式.doc（5页珍藏版）》请在冰豆网上搜索。

330

71

267

6

379

39

328

72

266

7

378

40

73

263

8

41

74

261

9

376

42

321

75

260

10

371

43

76

256

11

362

44

318

77

252

12

45

78

13

361

46

316

79

245

14

359

47

308

80

243

15

358

48

81

242

16

356

49

304

82

241

17

50

303

83

239

18

355

51

84

235

19

354

52

299

85

232

20

53

297

86

228

21

353

54

294

87

219

22

350

55

293

88

23

349

56

89

214

24

57

292

90

210

25

348

58

291

91

204

26

347

59

92

198

27

60

287

93

189

28

344

61

286

94

188

29

339

62

95

182

30

338

63

282

96

166

31

64

97

123

32

336

65

33

334

66

278

定义变量SCORE：

考生考试分数；

Y：

考生录取为1，未录取为0。

上图为样本观测值。

1．线性概率模型

根据上面资料建立模型

用Eviews得到回归结果如图：

DependentVariable:

Y

Method:

LeastSquares

Date:

12/10/10Time:

20:

Sample:

197

Includedobservations:

97

Variable

Coefficient

Std.Error

t-Statistic

Prob. 

C

-0.847407

0.159663

-5.307476

0.0000

0.003297

0.000521

6.325970

R-squared

0.296390

Meandependentvar

0.144330

AdjustedR-squared

0.288983

S.D.dependentvar

0.353250

S.E.ofregression

0.297866

Akaikeinfocriterion

0.436060

Sumsquaredresid

8.428818

Schwarzcriterion

0.489147

Loglikelihood

-19.14890

F-statistic

40.01790

Durbin-Watsonstat

0.359992

Prob（F-statistic）

0.000000

参数估计结果为：

-0.847407+0.003297

Se=（0.159663）（0.000521）

t=（-5.307476）（6.325970）

p=（0.0000）（0.0000）

预测正确率：

Forecast:

YF

Actual:

Forecastsample:

RootMeanSquaredError

0.294780

MeanAbsoluteError 

0.233437

MeanAbsolutePercentageError

8.689503

TheilInequalityCoefficient 

0.475786

BiasProportion 

VarianceProportion 

0.294987

CovarianceProportion 

0.705013

2.Logit模型

ML-BinaryLogit（Quadratichillclimbing）

21:

Convergenceachievedafter11iterations

Covariancematrixcomputedusingsecondderivatives

z-Statistic

-243.7362

125.5564

-1.941248

0.0522

0.679441

0.350492

1.938536

0.0526

0.115440

0.123553

1.266017

0.176640

-3.992330

Hannan-Quinncriter.

0.145019

Restr.loglikelihood

-40.03639

Avg.loglikelihood

-0.041158

LRstatistic（1df）

72.08812

McFaddenR-squared

0.900282

Probability（LRstat）

ObswithDep=0

Totalobs

ObswithDep=1

得Logit模型估计结果如下

pi=F（yi）=拐点坐标（358.7,0.5）

其中Y=-243.7362+0.6794X

预测正确率

0.114244

0.025502

1.275122

0.153748

0.025338

0.974662

3.Probit模型

ML-BinaryProbit（Quadratichillclimbing）

-144.4560

70.19809

-2.057833

0.0396

0.402868

0.196186

2.053504

0.0400

0.116277

0.122406

1.284441

0.175493

-3.936702

0.143872

Avg.lo