Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Probit - модели могут быть могут быть использованы для определения вероятностей сложных событий, выражаемых в виде комбинаций некоторых наборов простых событий, каждое из которых имеет два альтернативных варианта, например, переезд (непереезд) на новое место жительства и аренда (покупка) жилья и т. п. В этом случае данные вероятности могут быть определены как вероятности выбора в рамках многомерных альтернативных вариантов.
Для каждого индивидуума t (t =1,2,..., Т) модель, определяющая вероятности двух событий, может быть представлена в виде следующей системы:
y 1 t *= a ¢1 x 1 t + e 1 t , если y 1 t =1, то y 1*>0, если y 1=0, то y 1*£0;
y 2 t *= a ¢2 x 2 t + e 2 t ,если y 2 t =1, то y 2*>0, если y 2=0, то y 2*£0. (10.72)
Латентные переменные y 1 t * и y 2 t * модели (10.72) могут интерпретироваться в терминах выгоды, получаемой в зависимости от принятого решения соответственно в первом и во втором случаях; х 1 t и х 2 t – векторы значений независимых факторов, соответствующих сделанному выбору; e 1 t и e 2 t – ошибки соответственно первого и второго уравнений; r – коэффициент ковариации ошибок e 1 и e 2.
Закон совместного распределения ошибок модели e 1 и e 2 в общем случае характеризуется следующими параметрами:
M [ e 1]= M [ e 2]=0;
D [ e 1]= D [ e 2]=1*;
Cov[ e 1, e 2]= r,
Согласно модели (10.72) возможны следующие комбинации решений:
Наблюдаемые комбинации образуют массив зависимых переменных модели (10.72).
В системе (10.72) допускается, что события являются зависимыми между собой, что означает существование ненулевой ковариационной связи между ошибками e 1 и e 2. Например, возможность приобретения жилья на новом месте может способствовать принятию решения о переезде или, наоборот, переезд обусловливает необходимость аренды жилья.
Для определения функции закона распределения введем следующие обозначения: q 1 t =2 y 1 t –1 и q 2 t =2 y 2 t –1*. Тогда qjt =1, если уjt =1, и qjt =–1, если уjt =0, для j =1,2. Введем также в рассмотрение следующие переменные:
zjt = a ¢ j x jt и wjt = qjt × zjt, j =1,2
и
rt *= q 1 t × q 2 t × r.
Вероятность того, что зависимые переменные Y 1 и Y 2 системы (10.72) для конкретного индивидуума принимают соответственно значения y 1 t и y 2 t , при, например, нормальном виде закона их совместного распределения рассчитывается как
P (Y 1= y 1 t , Y 2= y 2 t )=F2(w 1 t , w 2 t , rt*), (10.74)
где F2(.) – функция нормального закона совместного распределения случайных переменных Y 1 и Y 2, имеющая следующий вид:
F2(w 1 t , w 2 t , rt*)=ò ò
где u 1 и u 2 – переменные интегрирования и плотность этого распределения имеет следующий вид:
Для определения маржинальных эффектов в модели (10.72) введем в рассмотрение вектор х t, являющийся объединением векторов х 1 t и х 2 t * , и вектор коэффициентов g 1, такие что a 1¢ х 1 t = g 1¢ х t. Вектор g 1 составлен из элементов вектора коэффициентов a 1 и нулей, стоящих на позициях, которые соответствуют переменным второго уравнения. Аналогичным образом введем вектор коэффициентов g 2: a 2¢ х 2 t = g 2¢ х t. Тогда вероятность того, что значения y 1 и y 2одновременно будут равны единице определяется следующим выражением:
P (y 1=1, y 2=1)=F2[ g 1¢× x t, g 2¢× x t, rt *]. (10.77).
Маржинальные эффекты независимых факторов x t для P (y 1=1, y 2=1) могут быть определены согласно следующему выражению:
g 1 t × g 1+ g 2 t × g 2,
где
Для получения gt 2 индексы 1 и 2 в выражении (10.78) нужно поменять местами*.
Математические ожидания зависимых переменных yj, j =1,2 для конкретных наборов независимых переменных х t в соответствии с выражением (10.50) определяются как
M [ yj | x t ]= F(g j ¢× x t), j =1,2. (10.79)
Для модели (10.72) можно также определить условные математические ожидания переменных y 1 t и y 2 t .
Например, математическое ожидание зависимой переменной первого уравнения при условии, что y 2=1, определяется согласно формуле условной вероятности следующим образом:
M [ y 1| y 2=1, x t ]= P [ y 1=1| y 2=1, x t ]=
=P [ y 1=1, y 2=1| x t ]/ P [ y 2=1| x t ]=
=F2(g 1¢× x t, g 2¢× x t, r t *)/F(g 2¢× x t) (10.80)
Аналогично определяется математическое ожидание зависимой переменной второго уравнения при условии, что y 1=1.
Маржинальные эффекты факторов x t для функции типа (10.80) рассчитываются как
¶ M [ y 1| y 2=1, x t ]/¶ x t =
=[1/F(g 2¢× x t)]×[ gt 1× g 1+(gt 2–F2×(j (g 2¢× x)/ F(g 2¢× x t))× g 2]. (10.81)
Аналогичным образом могут быть построены модели с тремя и более зависимыми переменными, с учетом того, что функционал F должен выражать их совместное распределение.
Дата публикования: 2014-10-25; Прочитано: 456 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!