四、多元排序选择模型 1.原始数据
obs income attitude obs
income attitude 1 900 0 17 2500 1 2 1000 0 18 2600 1 3 1100 0 19 2700 1 4 1200 0 20 2800 1 5 1300 0 21 2900 2 6 1400 0 22 3000 2 7 1500 0 23 3100 2 8 1600 0 24 3200 2 9 1700 0 25 3300 2 10 1800 1 26 3400 2 11 1900 1 27 3500 2 12 2000 1 28 3600 2 13 2100 1 29 3700 2 14 2200 1 30 3800 2 15 2300 1 31 3900 0 16
2400 1
32
4000 0
2.模型估计
*注：解释见p118；写出模型Attitude*=0.00112*Income
21
：
3.排序选择模型的E-P表
22
4.模型预测
*注：因变量各选择的拟合值之和为1；
23
五、受限因变量模型 （一）审查回归模型 1.原始数据
obs hours age edu husinc kids 1 1610 2 1656 3 0 4 456 5 1300 6 0 7 2500 8 1020 9 1458 10 1600 11 1969 12 1960 13 240 14 997 15 1848 16 1224 17 1400 18 0 19 2000 20 0 21 2215 22 1680 23 0 24 800 25 1955 26 2300 27 0 28 1904 29 1516 30
346
32 30 35 34 31 54 37 54 48 39 33 42 30 43 43 35 43 39 45 35 42 30 48 45 31 43 59 32 31 42
24
12 10909.99 12 19500.1 12 10999.91 12 6800.064 14 20000 12 6979.024 16 9151.959 12 10499.82 12 8420.097 12 12000.03 12 23999.96 11 19000 12 15000.13 10 14400.09 11 22000.88 12 15499.93 12 13199.89 12 13837.05 12 14000.01 12 9999.967 16 13024.96 12 8000 13 17478.93 12 9159.98 12 8247.922 17 27000.62 12 15999.88 12 17000 17 15000.12 12
9999.936
1 2 4 3 3 0 2 0 2 2 1 1 3 2 1 3 2 5 0 4 2 0 0 0 2 2 0 3 1 0
2.Tobit模型估计 审查回归模型结果：
（二）截断回归模型
25
相关推荐：
loading