計量經濟學中6種模型(經濟計量學堂:二元響應模型，離散因變量模型)

數據的類型決定了我們模型的選擇。對于截面數據，時間序列及面板數據，各自都有自己的建模思路。數據也可以分為離散數據和連續變量數據。對于離散數據，即為我們理解的虛擬變量，二元變量，啞變量。

這種數據在我們現實中比比皆是，比如是否考研，去那個城市工作，買房還是不買...雖然離散數據看起來不高級，但是我們做決策的時候實際上往往就是離散的形式。

如果離散虛擬變量作為解釋變量即為虛擬變量回歸，這點本科計量都作為基本知識點。

當離散虛擬變量為被解釋變量，問題就比虛擬變量回歸復雜多了。為什么呢？因為它破壞了回歸方程的經典假定。不能用ols進行直接回歸。

比如是否考研，雖然y的數值是0或1，但是實際上這個考研的決策是個類似于概率的潛變量。假定概率0. 5是個臨界值，當影響你考研決策的因素大于不考研因素的時候，即概率大于0.5時，你才選擇考研，否則不考研。

如果直接在0與1積聚的地方畫出一條直線，則誤差非常大，而且參與估計的統計推斷無法進行。

較理想的做法是在0與1之間找到光滑的鏈接函數，經過科學家嘗試，他們提出了正態分布函數和邏輯分布函數滿足這些要求，即為probit 模型和logit模型。在應用上，logit模型系數比較好估計而且有很好的經濟含義，比probit更常用。