二值选择模型的stata操作与分析中的logit模型是什么，很多新手对此不是很清楚，为了帮助大家解决这个难题，下面小编将为大家详细讲解，有这方面需求的人可以来学习下，希望你能有所收获。
在经典计量经济学模型中，被解释变量通常被假定为连续变量，若被解释变量为离散变量，如Y=1,2,3 那么就称为离散被选择变量模型， 离散被解释变量模型分为二元选择模型和多元选择模型。这里介绍二元选择模型的stata操作与分析，即logit模型和probit模型。
接着（一）中的例子，接下来做自变量的比数比：
采用stata得出white、married和loanprc的比数比：
logit approve white hrat obrat loanprc unem male married dep sch cosign chist pubrec mortlat1 mortlat2 vr, or nolog
得到结果：
根据结果，white的比数比为0.0828，表明白人贷款申请批准的的预测概率是非白人的2.5543倍。
同理，married贷款申请批准的预测概率是nomarried的1.6541倍；
loanprc每升高一个单位，贷款申请批准的预测概率平均下降（1-0.1488）%=0.8512%。
2
采用似然比检验。
首先做不包含婚姻状况和种族因素的logit模型（去掉white、married变量），并保存：
logit approve hrat obrat loanprc unem male dep sch cosign chist pubrec mortlat1 mortlat2 vrestimates store m1
再做包含婚姻状况和种族因素的logit模型，并保存：
logit approve white hrat obrat loanprc unem male married dep sch cosign chist pubrec mortlat1 mortlat2 vrestimates store m2
再做似然比检验：
lrtest m1 m2
得到结果：
原假设是两个模型是等价的，这里的LR检验值为35.66，p值为0.000，在5%的显著性水平下拒绝原假设，说明两个模型不等价，因此婚姻状况和种族因素会影响贷款申请批准。
看完上述内容是否对您有帮助呢？如果还想对相关知识有进一步的了解或阅读更多相关文章，请关注编程之家行业资讯频道，感谢您对编程之家的支持。
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
