详解Logit/Probit模型中的completelydetermined问题
原文链接:https://www.lianxh.cn/news/a03aa1b7e32e0.html目录1. 引言2. 问题与方法情况一:连续变量是一个很好的预测指标情况二:隐藏共线性3. 进一步扩展4. 参考资料1. 引言先和大家一起简单回顾一下什么是二值选择模型。二值选择模型:如果被解释变量 y 是离散的,而非连续的,称为「离散选择模型」 (discrete choice model ) 或「
原文链接:https://www.lianxh.cn/news/a03aa1b7e32e0.html
目录
1. 引言
先和大家一起简单回顾一下什么是二值选择模型。
二值选择模型: 如果被解释变量 y 是离散的,而非连续的,称为「离散选择模型」 (discrete choice model ) 或「定性反应模型」 (qualitative response model)。
最常见的离散选择模型是二值选择行为 (binary choices),因为人生充满了选择。比如:考研或不考研;就业或待业;买房或不买房;买保险或不买保险;等等。
此时,由于被解释变量为虚拟变量,取值为 0 或 1 ,故通常不宜进行 OLS 回归。因此,大家常用 Logit 模型或 Probit 模型进行回归。
然而,在进行二值选择模型的实证回归研究中,我们经常会遇到 Stata 显示 「completely determined」 并常常为此困惑。
基于此,本文在总结现有资料的基础上,简单归纳了二值选择模型实证回归研究中出现该问题的两种情况,希望对大家有所帮助。
为方便论述,本文以 Logit 模型为例。如果大家想要进一步深究 Logit 与 Probit 模型的异同,可以参考 Stata 连享会往期推文「 二元选择模型:Probit 还是 Logit?」。
更多推荐
所有评论(0)