《高级计量经济学与Stata应用》第十五章

一、引言

• 背景介绍：介绍多值选择模型在经济学、社会学、市场营销等领域的应用背景。
• 重要性：阐述研究多值选择行为对于理解个体决策过程、预测市场趋势等方面的重要性。
  

二、理论基础

• 随机效用最大化模型（RUM）：解释个体如何在多个选项中选择效用最大的方案。该模型假设每个选项都有一个潜在的效用，且这个效用是随机的，包含可观测的解释变量和不可观测的扰动项。
• 多项Logit模型（Multinomial Logit Model, MNL）：基于RUM模型，当扰动项服从I型极值分布时，推导出的多值选择模型。该模型允许研究者估计每个选项相对于参照选项的效用差异。
• 多项Probit模型（Multinomial Probit Model, MNP）：当扰动项服从正态分布时，推导出的多值选择模型。与多项Logit模型相比，多项Probit模型在处理某些类型的异质性时可能更为合适，但其计算复杂度较高。
  

三、模型估计

• 最大似然估计法（MLE）：介绍如何使用MLE方法对多项Logit和多项Probit模型进行参数估计。
• Stata应用：展示如何在Stata中实现多项Logit和多项Probit模型的估计，包括数据准备、模型设定、参数解释等步骤。
  

四、模型检验与诊断

• 模型拟合优度检验：介绍如何评估模型的拟合优度，包括似然比检验、AIC/BIC准则等。
• 异方差性检验：讨论异方差性对模型估计结果的影响及检验方法。
• 多重共线性检验：解释多重共线性对模型估计的影响及诊断方法。
  

五、应用实例

• 案例分析：通过具体案例展示如何应用多项Logit和多项Probit模型解决实际问题，如消费者品牌选择、职业选择等。
• 结果解释：对模型估计结果进行解释，讨论各解释变量对选择概率的影响。
  

六、扩展与前沿

• 混合Logit模型（Mixed Logit Model）：介绍混合Logit模型的基本思想、估计方法及其在处理异质性偏好方面的优势。
• 其他相关模型：简要介绍其他与多值选择模型相关的模型，如嵌套Logit模型、条件Logit模型等。