Kinh doanh - Marketing
Kinh tế quản lý
Biểu mẫu - Văn bản
Tài chính - Ngân hàng
Công nghệ thông tin
Tiếng anh ngoại ngữ
Kĩ thuật công nghệ
Khoa học tự nhiên
Khoa học xã hội
Văn hóa nghệ thuật
Sức khỏe - Y tế
Văn bản luật
Nông Lâm Ngư
Kỹ năng mềm
Luận văn - Báo cáo
Giải trí - Thư giãn
Tài liệu phổ thông
Văn mẫu
Giới thiệu
Đăng ký
Đăng nhập
Tìm
Danh mục
Kinh doanh - Marketing
Kinh tế quản lý
Biểu mẫu - Văn bản
Tài chính - Ngân hàng
Công nghệ thông tin
Tiếng anh ngoại ngữ
Kĩ thuật công nghệ
Khoa học tự nhiên
Khoa học xã hội
Văn hóa nghệ thuật
Y tế sức khỏe
Văn bản luật
Nông lâm ngư
Kĩ năng mềm
Luận văn - Báo cáo
Giải trí - Thư giãn
Tài liệu phổ thông
Văn mẫu
Thông tin
Điều khoản sử dụng
Quy định bảo mật
Quy chế hoạt động
Chính sách bản quyền
Giới thiệu
Đăng ký
Đăng nhập
0
Trang chủ
Kinh Tế - Quản Lý
Kinh tế học
Bài giảng Kinh tế lượng: Chương 6 - Nguyễn Ngọc Lam (2017)
Đang chuẩn bị liên kết để tải về tài liệu:
Bài giảng Kinh tế lượng: Chương 6 - Nguyễn Ngọc Lam (2017)
Thu Huệ
80
10
pdf
Đang chuẩn bị nút TẢI XUỐNG, xin hãy chờ
Tải xuống
Bài giảng "Kinh tế lượng - Chương 6: Một vài mô hình phi tuyến" trình bày các nội dung: Mô hình xác suất tuyến tính - LPM, mô hình xác suất tuyến tính, mô hình Probit và Logit, mô hình logit,. nội dung chi tiết. | Chương 5: Một vài mô hình phi tuyến Khi biến phụ thuộc là biến giả, chúng ta muốn tìm xác suất mà một sự kiện nào đó xảy ra nên gọi là mô hình xác suất Ví dụ: Y= Y= 1 nếu một sinh viên tốt nghiệp ra trường 0 nếu không tốt nghiệp 1 nếu một gia đình có vay được vốn từ ngân hàng 0 nếu không vay được Mô hình xác suất tuyến tính - LPM Chúng ta viết mô hình xác suất tuyến tính dưới dạng hồi qui thông thường như sau: Pi = Pr(Yi = 1|Xi) = E(Yi|Xi) = 1 + 2Xi với E(Ui) = 0. Kỳ vọng có điều kiện E(Yi|Xi) được giải thích như là xác suất có điều kiện để sự kiện khi biến Xi đã xảy ra. Mô hình xác suất tuyến tính Gọi: Pi là xác suất Yi = 1 (sự kiện xảy ra), (1 – Pi) là xác suất Yi = 0 (sự kiện không xảy ra) Vậy Yi theo phân phối Bernoulli, có kỳ vọng: E(Yi) = 1.Pi + 0.(1 – Pi) = Pi E(Yi|Xi) = Pi Vì E(Yi|Xi) là một xác suất nên: 0 E(Yi|Xi) 1 Mô hình xác suất tuyến tính Ui = Yi - 1 - 2Xi Khi Yi = 1, Ui = 1 - 1 - 2Xi, với xác suất Pi, Khi Yi = 0, Ui = - 1 - 2Xi, với xác suất 1- Pi, Có hiện tượng phương sai sai số thay đổi, do ui theo phân phối Bernoulli nên: Var(Ui) = Pi(1 – Pi) E(Yi|Xi)= 1 + 2Xi có thể vượt khoảng (0,1) nếu Xi có giá trị lớn. Mô hình Probit và Logit Trong mô hình LPM Pi là phân phối tuyến tính nên có nhiều nhược điểm, để khắc phục người ta đưa ra 2 trường hợp: Probit Logit Khi đó, chắc chắn 0 E(Yi|Xi) .
TÀI LIỆU LIÊN QUAN
Bài giảng Kinh tế lượng: Chương 6 - Th.s Nguyễn Hải Dương
Bài giảng Kinh tế lượng: Chương 6 - Nguyễn Thị Thùy Trang
Bài giảng Nhập môn Kinh tế lượng: Chương 6
Bài giảng Nguyên lý thống kê kinh tế: Chương 6 - Hoàng Đức Thắng
Bài giảng Kinh tế lượng: Chương 6 - Nguyễn Ngọc Lam (2017)
Bài giảng Nguyên lý thống kê: Chương 6 - Nguyễn Ngọc Lam (2017)
Bài giảng Kinh tế lượng: Chương 6 - ThS. Nguyễn Phương
Bài giảng Kinh tế lượng: Chương 6 - ThS.Trần Thị Tuấn Anh
Bài giảng Kinh tế lượng: Chương 6 - Trần Thị Tuấn Anh
Bài giảng Kinh tế lượng: Chương 6 - Nguyễn Thị Nhung (ĐH Thăng Long)
crossorigin="anonymous">
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.