zaoczne Slajdy I Modele dyskretnego wyboru - e
Transkrypt
zaoczne Slajdy I Modele dyskretnego wyboru - e
Jerzy Marzec, UEK Modele dyskretnego wyboru - plan zajęć 1. 2. 3. 4. 5. Literatura Amemiya T.,1985, Advanced Econometrics, Harvard University Press, Cambridge (Massachusetts). Greene W.H., 2003, Econometric Analysis, Prentice Hall, New York. Wprowadzenie – pojęcie zmiennych jakościowych Klasyfikacja i definicje Modeli Danych Jakościowych Estymacja parametryczna i testowanie Wnioskowanie o naturze zjawiska i prognozowanie na podstawie MDJ Przykłady zastosowań MDJ w badaniach marketingowych Typy zmiennych jakościowych Gruszczyński M., 2001, Modele i prognozy zmiennych jakościowych w finansach i bankowości, Monografie i Opracowania SGH, Warszawa, nr 6. Gourieroux C., 2000, Econometrics of Qualitative Dependent Variables, Cambridge University Press, Cambridge. Marzec J. (2008), Bayesowskie modele zmiennych jakościowych i ograniczonych w badaniach niespłacalności kredytów, Wydawnictwo UE w Krakowie, Kraków. Maddala G.S., 1983, Limited Dependent and Qualitative Variables in Econometrics, Cambridge University Press, Cambridge. Mikroekonometria (modele i metody analizy danych indywidualnych), pod red. M. Gruszczyńskiego, Oficyna, Warszawa 2010. Maddala G.S., 2006, Ekonometria, PWN Warszawa. Daniel L. McFadden, Handbook of Econometrics Volume 2, Chapter 24, Econometric Analysis of Qualitative Response Models, Massachusetts Institute of Technology. Przykłady zmiennych jakościowych 1. Typy zmiennych jakościowych (zmiennych losowych o rozkładzie skokowym) 1. Dychotomiczna, binarna (zero-jedynkowa); 2. Polichotomiczna nieuporządkowana 3. Polichotomiczna uporządkowana 2. Zmienna dychotomiczna : chory/zdrowy, kupił /nie kupił, posiada/nie posiada, bankrut /niebankrut Polichotomiczna nieuporządkowana wybór środka transportu (auto własne (kolegi), autobus, tramwaj, kolej podziemna, rower) forma finansowania zakupu środka trwałego (gotówka, kredyt bankowy, kupiecki, leasing) wybór oferty dot. usługi telekomunikacyjnej po wygaśnięciu umowy terminowej (rezygnacja, przedłużenie na warunkach „starych”, „nowych”, przejście na „kartę”. Przykłady zmiennych jakościowych 3. Zmienna polichotomiczna uporządkowana każda zmienna mierzona na skali Likerta (zdecydowanie tak, raczej tak, nie ma zdania, raczej nie, zdecydowanie nie) - odpowiedzi respondentów np. stopień satysfakcji z warunków mieszkaniowych (1niski, 2 - średni, 3 - wysoki). jakość udzielonego kredytu (kategoria ryzyka, normalne, poniżej standardu, wątpliwe i stracone) Informacja o posiadaniu własnego auta w gospodarstwie domowym (brak, jedno używane, jedno nowe auto, co najmniej dwa) informacje o zatrudnieniu (bezrobotny, pół etatu, pełny etat). Modelowanie marketingowe Definicja Modele modele dyskretnego wyboru (zmiennych jakościowych, ang. quantal (qualitative) response models lub discrete choice models) opisują zależność między wynikiem dokonywanych wyborów a egzogenicznymi zmiennymi objaśniającymi, które mogą opisywać indywidualne charakterystyki podmiotów podejmujących decyzję lub cechy możliwych alternatyw (wyborów). 1 Jerzy Marzec, UEK Model dyskretnego wyboru - założenia Definicja i klasyfikacja MDW Modele MDW 1. Modele dychotomiczne; (binary choice model) 2. Modele polichotomiczne dla kategorii uporządkowanych (ordered choice model) 3. Modele polichotomiczne dla kategorii nieuporządkowanych (multiple-choice model) Model dla danych licznikowych (model Poissona) Modele regresji ograniczonej i cenzurowanej (w biostatystyce: modele przeżycia survival models) 4. 5. Model dyskretnego wyboru - definicja Propozycja Random utility maximization (RUM) models (D. McFadden) Założenia Konsument max funkcję użyteczności przy ograniczeniu budżetowym Dopuszcza się błędy w optymalizacji i złe postrzeganie korzyści związanych z wyborami Funkcja użyteczności traktowana jako funkcja zmiennej losowej Konsument wybiera jedną z J alternatyw Modele dychotomiczne (J=2) - plan Definicja (dla ustalonego konsumenta nr t) yt , h = 1 gdy zt , h = max (zt ,1 , K , zt , J ) j∈{1,K, h ,K, J } yt , h = 0 w przeciwnym przypadku gdzie z = g ( x;θ ) + ε , t, j t, j t , j zt,j - funkcja użyteczności dla decyzji j g() – znana (liniowa) funkcja danych i parametrów θ Założenia dt. εt,j i zakres informacji o x są podstawą do klasyfikacji modeli Zagadnienia 1. Model dychotomiczny – definicja i rodzaje Liniowy model prawdopodobieństwa Model probitowy i logitowy 2. Własności modelu i wnioskowanie o badanym zjawisku 3. Estymacja – Metoda Największej Wiarygodności 4. Prognozowanie 5. Mierniki oceny dopasowania modelu do danych Modele dychotomiczne (przykład) Modele dychotomiczne (J=2) definicja x – zmienne charakteryzujące konsumenta lub alternatywy Specyfikacja ze zmiennymi ukrytymi y wprowadzamy niezależne zmienne ukryte z1,…,zT obserwujemy yt=1, gdy zt≥0 i yt=0 gdy zt<0 1 εt niezależne i symetryczne rozkłady o E(εt) = 0 i V(εt) = 1 lub V(εt) =znana stała wektor β zawiera wyraz wolny yt = 1 gdy konsument przedłużył umowę yt = 0 w przeciwnym przypadku 0 1,5 2 2,5 3 3,5 x - średnia miesięczny dochód konsumenta (zł) Modelowanie marketingowe 4 4,5 zt = xt β + ε t 1 gdy zt ≥ 0 yt = 0 gdy z < 0 t 2 Jerzy Marzec, UEK Modele dychotomiczne – rodzaje Modele dychotomiczne – pt Można pokazać, że pt = Pr ( yt = 1) = 1 − Pr ( yt = 0 ) = 1 − Pr ( zt < 0 ) = 1 − Pr (xt β + ε t < 0 ) = 1 − Pr (ε t < − xt β ) symetr = 1 − F (− xt β ) = F ( xt β ) gdzie F() jest dystrybuantą zmiennej εt Dla logitu e xt β 1 F (xt β ) = 1 + e xt β = 1 + e − xt β Dla probitu = w formie niejawnej (aproksymacja numeryczna) Modele dychotomiczne– efekty krańcowe Modele dychotomiczne – cdf Określenie wpływu zmiany wybranej zmiennej objaśniającej na Pr(yt=1) Nazwa modelu a postać dystrybuanty Przykład: yt=1, gdy wykupiono ubezpieczenie mieszkania lub domu, xt2 – płeć, xt3 – położenie nieruchomości (wieś, miasteczko … miasto metropolitalne), xt4 – wiek klienta Rozkład jednostajny = liniowy model prawdopodobieństwa Rozkład normalny = model probitowy Rozkład logistyczny = model logitowy Niech zt = β 1 + β2xt2 + β 3xt3 + β4xt4 + składnik losowy Modele dychotomiczne– efekty krańcowe Efekty krańcowe (marginal effects). Postacie i własności. ηt ,h = ∂ Pr ( yt = 1) ∂xth Modele dychotomiczne– efekty krańcowe Efekty krańcowe Informuje o ile zmieni się Pr-o sukcesu, gdy wybrana zmienne, xth wzrośnie o jednostkę Niech xtβ = β1 + β2xt2 + β3xt3 + β 4xt4 dla zmiennej ciągłej ηt ,k = Pr ( yt = 1; xth = 1) − Pr ( yt = 1; xth = 0 ) dla zmiennej skokowej Jeżeli xtβ = β1xt1 + β2xt2 +…+ βhxth +…βKxtK : ∂pt ∂F ( xt β ) ∂F ( xt β ) ∂xt β = = ⋅ = f ( xt β ) ⋅ β h ∂xth ∂xth ∂xt β ∂xth Modelowanie marketingowe Liniowy model prawdopodobieństwa (linear probability model; LPM) Model probitowy Model logitowy F(xt⋅β) = exp(xt⋅β)/[1+exp(xt⋅β)] Model krzywej Gompertza (gombit); F(xt⋅β)=exp(–exp(–xt⋅β )) Model krzywej Urbana F(xt⋅β )=0,5+arcus tg(xt⋅β )/π Model rozkładu Burra F(xt⋅β)=1/[1+exp(-xt⋅β)]α , gdzie α>0 Model z rozkładem t-Studenta (uogólnienie modeli logitowego i probitowego) … Znak efektu identyczny dla każdego konsumenta ∂pt = f ( xt β ) ⋅ β 2 ∂xt 2 Wartość efektu jest różna dla konsumentów, ale ma taki sam znak ∂pt = f ( xt β ) ⋅ β 3 ∂xt 3 ∂pt = f ( xt β ) ⋅ β 4 ∂xt 4 3 Jerzy Marzec, UEK Modele logitowy Logarytm ilorazu szans (log-odds ratio): ln odds = ln pt 1 − pt gdzie ln k pt = ∑ xtj β j 1 − pt j =1 Interpretacja Jeżeli xtj wzrośnie o jednostkę, to iloraz szans zmieni się: w przybliżeniu o (βj ·100)% (dla małych βj) dokładnie o [(exp(βj) -1)·100]% Modelowanie marketingowe 4