3.4. Mô hình Logit hỗn hợp
- Định danh nhóm bài giảng: Nhóm 3.4. Mô hình Logit hỗn hợp trực thuộc 3. Mô hình lựa chọn rời rạc và cầu cấu trúc.
- Phạm vi mô hình: Quy tụ 1 mô hình kinh tế lượng từ mục 3.4.1 đến mục 3.4.1.
- Cơ sở phương pháp luận: Hệ thống hóa phương trình cấu trúc, phân biệt giả định nhận dạng và cấu trúc sai số chuẩn theo Wooldridge (2010); Greene (2019); Hansen (2022).
- Đối chiếu đa nền tảng: So sánh trực tiếp cú pháp thực thi trên Stata 18, R 4.x và Python 3.11+ theo McFadden & Train (2000); Train (2009); Cameron & Trivedi (2022).
1. Bản chất học thuật và cấu trúc toán học
Trong phạm vi của chương Mô hình lựa chọn rời rạc và cầu cấu trúc, nhóm phương pháp Mô hình Logit hỗn hợp giải quyết các bài toán thực nghiệm đòi hỏi đặc tả chính xác quá trình sinh dữ liệu và kiểm soát chặt chẽ cấu trúc sai số theo Wooldridge (2010); Greene (2019); Hansen (2022). Các mô hình trong nhóm 3.4 cùng dựa trên hệ thức cấu trúc nền tảng tại phương trình 1 theo McFadden & Train (2000); Train (2009); Cameron & Trivedi (2022):
$$P_{ij} = \int \frac{\exp(X_{ij}^\top \beta_i)}{\sum_{m=1}^J \exp(X_{im}^\top \beta_i)} f(\beta_i \mid \theta)\,d\beta_i \tag*{[1]}$$
Phương trình điều kiện ước lượng và tối ưu hóa của nhóm phương pháp này được xác định tại công thức 2:
$$\hat{\theta}_{\text{MLE}} = \arg\max_{\theta \in \Theta} \sum_{i=1}^N \sum_{j=1}^J y_{ij}\ln P_{ij}(X_i; \theta), \quad \frac{\partial \ell_N(\hat{\theta})}{\partial \theta} = \sum_{i=1}^N s_i(Y_i, X_i; \hat{\theta}) = 0 \tag*{[2]}$$
Sự khác biệt giữa 1 mô hình từ 3.4.1. Mô hình Logit hỗn hợp hệ số ngẫu nhiên đến 3.4.1. Mô hình Logit hỗn hợp hệ số ngẫu nhiên nằm ở giả định về phân phối của thành phần nhiễu, cơ chế nội sinh và ma trận trọng số ước lượng theo McFadden & Train (2000); Train (2009); Cameron & Trivedi (2022); Wooldridge (2010); Greene (2019); Hansen (2022).
2. Bảng đối chiếu các mô hình trong nhóm
Bảng dưới đây so sánh trực tiếp bản chất kinh tế lượng, câu lệnh thực thi trên ba phần mềm và kiểm định chẩn đoán của từng bài học trong nhóm 3.4:
| Mã mục | Tên mô hình | Bản chất kinh tế lượng | Cú pháp ước lượng chuẩn Stata 18 · R 4.x · Python 3.11+ | Kiểm định chẩn đoán bắt buộc |
|---|---|---|---|---|
| 3.4.1 | Mô hình Logit hỗn hợp hệ số ngẫu nhiên | Cho phép hệ số độ nhạy sở thích $\beta_i$ biến thiên ngẫu nhiên giữa các cá thể theo phân phối $f(\beta_i \mid \theta)$ và ước lượng bằng hợp lý cực đại mô phỏng, giải phóng hoàn toàn mô hình khỏi giả định (IIA). | Stata: cmxtmixlogit choice x_alt, random(x_alt)R: mlogit::mlogit(choice ~ x_alt, rpar = c(x_alt = 'n'), R = 100, data = df)Python: smf.mixedlm('y ~ x1 + x2', data=df, groups=df['id']).fit() |
Kiểm định ý nghĩa thống kê của độ lệch chuẩn các hệ số ngẫu nhiên $\sigma_\beta$, độ hội tụ theo số lượng điểm rút mẫu Halton $R \ge 500$ và phân phối mức sẵn lòng chi trả |
3. Quy tắc lựa chọn mô hình phù hợp
Nhà nghiên cứu có thể áp dụng quy tắc phân nhánh dưới đây để chọn đúng mô hình trong nhóm 3.4 cho dữ liệu thực tế theo Wooldridge (2010); Greene (2019); Hansen (2022):
- Chọn 3.4.1. Mô hình Logit hỗn hợp hệ số ngẫu nhiên khi: Phân tích hành vi tiêu dùng không đồng nhất, định giá mức sẵn lòng chi trả và lựa chọn danh mục sản phẩm có tương quan giữa các phương án. — Kiểm định bắt buộc: Kiểm định ý nghĩa thống kê của độ lệch chuẩn các hệ số ngẫu nhiên $\sigma_\beta$, độ hội tụ theo số lượng điểm rút mẫu Halton $R \ge 500$ và phân phối mức sẵn lòng chi trả.
4. Tài liệu tham khảo
- McFadden, D, & Train, K.(2000). Mixed MNL models for discrete response. Journal of Applied Econometrics, 15, số 5, 447–470.
- Train, K. E.(2009). Discrete Choice Methods with Simulation, 2nd ed.. Cambridge University Press.
- Cameron, A. C, & Trivedi, P. K.(2022). Microeconometrics Using Stata, 2nd ed, Vols. 1–2. Stata Press.
- Wooldridge, J. M.(2010). Econometric Analysis of Cross Section and Panel Data, 2nd ed, Chương 15–16: Binary, Multinomial and Ordered Response Models. MIT Press.
- Greene, W. H.(2019). Econometric Analysis, 8th ed, Chương 17–18: Discrete Choice Models. Pearson.
- Hansen, B. E.(2022). Econometrics, Chương 25: Binary Choice. Princeton University Press.
↑ Tài liệu gốc: KINH TẾ LƯỢNG ỨNG DỤNG TOÀN DIỆN TỪ A – Z
↑ Chương chủ quản: 3. Mô hình lựa chọn rời rạc và cầu cấu trúc
→ Bài học đầu tiên trong nhóm: 3.4.1. Mô hình Logit hỗn hợp hệ số ngẫu nhiên