Page 187 - 4512

З урахуванням того, що (F c  i x b ) 0 , (F c  i 1 x b ) 1 ,
T
T
фактично модель упорядкованого вибору можна записати на-
ступним чином:
 p  ( F c  x T ) b
 1 1
 p  ( F c  x T ) b  ( F c  x T ) b
 2 2 1 .
 ...
 p  1 F (c  T
 1 q 1 x ) b

В якості розподілу F зазвичай використовують або норма-
льний розподіл (упорядкований пробіт), або логістичний роз-
поділ (упорядкований логіт).
Оцінка параметрів моделі (включаючи порогові значення)
здійснюється зазвичай методом максимальної вірогідності. Ло-
гарифмічна функція вірогідності дорівнює:

l ( , )b c   q  ln ( ).p x
t
i
i 1 t y , t  0

13.8 Цензурована регресія

Цензурована регресія (англ. Censored regression) - регре-
сія з залежною змінною, що спостерігається з обмеженням (це-
нзуруванням) можливих значень. При цьому модель може бути
цензурована тільки з одного боку (знизу або зверху) або з обох
сторін. Цензурована регресія відрізняється від усіченої регресії
(англ. truncated regression) тим, що значення факторів, на від-
міну від залежної змінної, спостерігаються без обмежень.
Канонічна цензурована регресія, цензурована знизу ну-
льовим значенням, носить назву тобіт-регресією (за аналогією
з пробіт- , логіт- і т.д.), названа на честь лауреата премії імені
Нобеля з економіки Джеймса Тобіна. Власне дослідження цен-
зурованих моделей почалися з роботи Дж.Тобіна в 1958 році, у
якій розглядалися витрати сімей на автомобілі. Для оцінки ела-
стичності попиту на автомобілі по доходу необхідно оцінити
модель залежності логарифма витрат на логарифм доходів. Од-

186