原文链接：https://www.lianxh.cn/news/e18031ffad4f3.html

目录

• 1. 简介
• 2. 二元 Logit 模型
  • 2.1 0/1 分布
  • 2.2 Logit 变换
  • 2.3 Logistic 模型
  • 2.4 估计结果的解释与举例
• 2.5 边际效应分析
  • 2.5.1 平均边际效应
  • 2.5.2 样本均值处的边际效应
• 3. 实证分析中的应用举例
  • 3.1 研究背景
  • 3.2 北京市汽车限号行驶政策
  • 3.3 研究数据
  • 3.4 模型设定与结果分析
• 4. 参考文献

1. 简介

在实证研究中，我们会经常遇到被解释变量为 “是/否” 或者 “某事件发生/未发生”，此时，被解释变量只有 两种 取值，对应的数字编码可记为 0 或 1，称为二值变量或 0-1 变量。例如，我们想研究以下问题：

• 什么因素会导致患胃癌（患胃癌 = 1；未患胃癌 = 0）？
• 具有哪些特征的中小企业会破产违约还贷（违约 = 1；未违约 = 0）？
• 哪些消费者倾向于购买 iphone（购买 iphone = 1；未购买 iphone = 0）？
• 北京实施限行政策后哪些家庭会购买第二辆小汽车（购买第二辆车 = 1；未购买第二辆车= 0）？

在这些情况下，采用线性回归模型研究被解释变量的影响因素是 不合适的 （可参见 连享会推文 二元选择模型：probit 还是 logit？(微信版)，需要使用 概率模型，其中最常用的是二元 Logit 模型。

原文链接：https://www.lianxh.cn/news/e18031ffad4f3.html

推荐内容