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「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？」。

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！