Для того чтобы исправить основной недостаток модели линейной вероятности (нереалистинность оцененных значений зависимой переменной, которые могут оказаться вне интервала [0; 1]), используют модели бинарного выбора:
где F — сигмоидная функция, принимающая значения на интервале [0; 1].
К модели (11.2) можно прийти и другим способом. Предположим, что существует некоторая латентная переменная У*, линейно зависящая от объясняющих факторов:
ошибки е,…, еп независимы и имеют одну и ту же симметричную функцию плотности f (x) = f (-x), функцию распределения F (), Де,) = 0, var (ey) = с*, 1,…, п.
Величины У и У* связаны следующим образом:
Тогда.
В силу симметрии функции плотности / относительно нуля.
Обозначим за Д) функцию распределения нормированных ошибок —,.
Г В В В
г = 1,…, п. Тогда P (Yt =) = F — + —Хи + … + —Хы, что равносильно фор;
V /.
муле (11.2) (с точностью до нормировки).
Приведем наиболее уиотребимые в эконометрических моделях функции F (z) (и/(г)).
- 1 е~г
- 1. Если F (z) = A (z) = —-логистическая функция, то f (z) =-
w w 1+е~2 yw (+e~[1][2])[2]
а соответствующая модель называется логит-моделыо.
- 1 2 1[2] 2
- 2. Если f (z) = —=e~z2^2, то /г(2) = -^= J e~t2^dty а соответствующая мо-
V 27 Г 2.TZ —со дель называется пробит-моделью.
- [1] Детали см. в работе [21, р. 691−692].
- [2] См. работу [21, р. 692].
- [3] См. работу [21, р. 692].
- [4] См. работу [21, р. 692].