前言:本文主要介绍如何以效用最大化理论为基础,推导出二项 Logit(Binary Logit)模型。
本文为系列离散选择模型(Discrete Choice Model, DCM)系列文章的第8篇。
温馨提示:阅读本文之前,请准备好纸、笔、以及小板凳。自己动手推导一遍有助于理解。
Probit模型的建模过程回顾
在《效用最大化准则:离散选择模型的核心(Probit篇)——离散选择模型之七》一文中,我们基于效用最大化理论给出了二项Probit模型的推导过程。简单回顾一下建模的过程:
- 假设对于决策主体n面临两个备选方案i和j
- 方案i的效用
可以表示为可以观测得到的、确定性的部分和一个随机项之和:
(1)
- 类似地,方案j的效用
可以表示为:
(2)
- 对于决策主体 n 而言,若方案 i 的效用
高于方案 j 的效用,则 n 选取方案 i 。也就是说,n 选择方案 i 的概率等价于事件发生的概率:
(3)
- 如果令
和服从均值为0、方差为和的正态分布,则服从均值为0、方差为的正态分布。在此基础上,便可以推导出Probit模型的表达形式如下面的(4)式所示。其中,