مدل‌های رگرسیون برای متغیر وابسته دودویی در ایویوز

متغیر وابسته دودویی و چالش‌های رگرسیون خطی

در تحلیل‌های اقتصادی و اجتماعی، بسیاری از پدیده‌ها دارای ماهیت دوحالتی هستند؛ به این معنی که یک رویداد یا اتفاق می‌افتد (با مقدار 1 نشان داده می‌شود) یا اتفاق نمی‌افتد (با مقدار 0 نشان داده می‌شود). متغیرهایی مانند “خرید کالا (بله/خیر)”، “اشتغال (شاغل/بیکار)”، “پاسخ به وام (پرداخت/عدم پرداخت)”، یا “انتخاب یک حزب سیاسی (حزب A/حزب B)” نمونه‌هایی از متغیرهای وابسته دودویی (Binary Dependent Variables) هستند.

استفاده از مدل رگرسیون خطی معمولی (OLS) برای تحلیل چنین متغیرهایی با چالش‌های جدی مواجه است:

• پیش‌بینی‌های خارج از بازه [0,1]: مدل OLS می‌تواند مقادیر پیش‌بینی شده‌ای تولید کند که کمتر از 0 یا بیشتر از 1 باشند، که از نظر منطقی برای احتمال غیرقابل قبول است.
• ناهمسانی واریانس (Heteroscedasticity): واریانس خطای مدل OLS برای متغیرهای دودویی ناهمسان خواهد بود که باعث می‌شود تخمین‌گرها کارایی خود را از دست بدهند و آزمون‌های آماری نامعتبر شوند.
• خطاهای غیرنرمال: توزیع خطاهای مدل OLS برای متغیرهای دودویی لزوماً نرمال نخواهد بود، که فرضیات کلیدی OLS را نقض می‌کند.
• تفسیر دشوار: ضرایب مدل OLS به عنوان تأثیر تغییر یک واحد در متغیر مستقل بر احتمال موفقیت (P(Y=1)) تفسیر می‌شوند، اما این تفسیر در سراسر دامنه متغیر مستقل ثابت فرض می‌شود که در واقعیت برای پدیده‌های دودویی معمولاً صحیح نیست.

به دلیل این مشکلات، لازم است از مدل‌های رگرسیونی خاصی استفاده شود که به‌طور ویژه برای تحلیل متغیرهای وابسته دودویی طراحی شده‌اند.

مدل‌های رگرسیون لجستیک (Logit) و پروبیت (Probit)

دو مدل رایج و قدرتمند برای تحلیل متغیرهای وابسته دودویی، مدل لجیت (Logit) و مدل پروبیت (Probit) هستند. ایده اصلی هر دو مدل این است که یک ترکیب خطی از متغیرهای مستقل را به یک احتمال بین 0 و 1 تبدیل کنند. این کار با استفاده از یک تابع توزیع تجمعی (Cumulative Distribution Function - CDF) انجام می‌شود.

مدل لجیت (Logistic Regression)

مدل لجیت از تابع توزیع لجستیک (Logistic Function) برای تبدیل ترکیب خطی متغیرها به احتمال استفاده می‌کند. این تابع به صورت یک منحنی S-شکل بوده و تضمین می‌کند که احتمالات پیش‌بینی شده همواره در بازه [0,1] قرار می‌گیرند. در مدل لجیت، ما در حال مدل‌سازی لوگاریتم شانس (Log-Odds) یک رویداد هستیم. ضریب یک متغیر مستقل در مدل لجیت نشان‌دهنده تغییر در لگاریتم شانس وقوع رویداد به ازای یک واحد تغییر در آن متغیر است.

مدل پروبیت (Probit Regression)

مدل پروبیت مشابه مدل لجیت عمل می‌کند، با این تفاوت که به جای تابع توزیع لجستیک، از تابع توزیع تجمعی نرمال استاندارد (Standard Normal CDF) استفاده می‌کند. این تابع نیز یک منحنی S-شکل تولید می‌کند و تضمین‌کننده احتمالات بین 0 و 1 است. ضرایب در مدل پروبیت نشان‌دهنده تأثیر متغیرهای مستقل بر متغیر پنهان (Latent Variable) زیربنایی هستند که منجر به مشاهده متغیر دودویی می‌شود.

شباهت‌ها و تفاوت‌ها

• شباهت: هر دو مدل لجیت و پروبیت منحنی S-شکل تولید می‌کنند، احتمالات را در بازه [0,1] نگه‌ می‌دارند و معمولاً نتایج کیفی مشابهی ارائه می‌دهند (یعنی جهت اثر متغیرها یکسان است).
• تفاوت: تابع لجستیک دارای دُم‌های (Tails) کمی سنگین‌تر از تابع نرمال استاندارد است. این بدان معناست که مدل لجیت ممکن است به مشاهدات پرت (Outliers) کمی حساس‌تر باشد. در عمل، انتخاب بین این دو مدل اغلب به ترجیح محقق و زمینه نظری مسئله بستگی دارد، اما نتایج کمی آن‌ها معمولاً بسیار نزدیک به هم هستند.

پیاده‌سازی و تفسیر در ایویوز (EViews)

ایویوز ابزارهای قدرتمندی برای تخمین و تحلیل مدل‌های لجیت و پروبیت فراهم می‌کند.

مراحل پیاده‌سازی

1. ورود داده‌ها: اطمینان حاصل کنید که متغیر وابسته دودویی شما به درستی به صورت 0 و 1 کدگذاری شده است.
2. باز کردن پنجره معادله: در ایویوز، می‌توانید از مسیر Quick -> Estimate Equation یا Object -> New Object -> Equation استفاده کنید.
3. تعریف معادله:

• در کادر Equation specification، ابتدا نام متغیر وابسته (دودویی) را وارد کنید.
• سپس یک فاصله (space) و c (برای ثابت) و در ادامه نام متغیرهای مستقل را وارد کنید.
• به عنوان مثال: Y C X1 X2 X3

1. انتخاب روش تخمین: در بخش Method، به جای LS - Least Squares (DLS)، یکی از گزینه‌های Binary - Binary Choice (Logit, Probit) را انتخاب کنید. با انتخاب آن، گزینه‌های Logit و Probit در یک لیست کشویی نمایان می‌شوند. مدل مورد نظر خود را انتخاب کنید.
2. تخمین مدل: پس از انتخاب مدل و وارد کردن متغیرها، روی OK کلیک کنید تا مدل تخمین زده شود.

تفسیر ضرایب

مهم‌ترین نکته در تفسیر مدل‌های لجیت و پروبیت این است که ضرایب خام به طور مستقیم تأثیر نهایی (Marginal Effect) متغیرهای مستقل بر احتمال وقوع رویداد را نشان نمی‌دهند.

• مدل لجیت: ضریب یک متغیر مستقل (مثلاً ${\beta }_1$β1​) نشان می‌دهد که به ازای یک واحد افزایش در $X_1$X1​، لگاریتم شانس وقوع رویداد به اندازه ${\beta }_1$β1​ واحد تغییر می‌کند. برای تفسیر ملموس‌تر، می‌توان از نسبت شانس (Odds Ratio) استفاده کرد که برابر $e^{{\beta }_1}$eβ1​ است و نشان می‌دهد با یک واحد افزایش در $X_1$X1​، شانس وقوع رویداد چند برابر می‌شود.
• مدل پروبیت: ضریب یک متغیر مستقل در مدل پروبیت نشان‌دهنده تأثیر آن متغیر بر متغیر پنهان است که مشاهده متغیر دودویی را تعیین می‌کند.

برای هر دو مدل، برای درک واقعی تأثیر متغیرهای مستقل بر احتمال (P(Y=1))، باید اثرات نهایی (Marginal Effects) را محاسبه کرد. ایویوز این قابلیت را به طور مستقیم در خروجی مدل یا از طریق دستورات خاصی فراهم می‌کند. اثرات نهایی نشان می‌دهند که با تغییر یک واحد در متغیر مستقل (با ثابت نگه داشتن سایر متغیرها)، احتمال وقوع رویداد به طور متوسط چقدر تغییر می‌کند. این مقادیر معمولاً در نقطه میانگین (mean) متغیرهای مستقل محاسبه می‌شوند و تفسیر آن‌ها شهودی‌تر است.

معیارهای برازش مدل (Goodness of Fit)

بر خلاف رگرسیون خطی که از $R^2$R2 استفاده می‌کند، در مدل‌های لجیت و پروبیت از معیارهایی مانند شبه-$R^2$R2 (Pseudo-$R^2$R2) استفاده می‌شود. انواع مختلفی از شبه-$R^2$R2 وجود دارد (مانند McFadden $R^2$R2, Cox & Snell $R^2$R2, Nagelkerke $R^2$R2) که نشان‌دهنده میزان بهبود مدل نسبت به یک مدل پایه بدون متغیرهای مستقل هستند.

همچنین، جدول طبقه‌بندی (Classification Table) که نشان می‌دهد مدل چند درصد از مشاهدات را به درستی طبقه‌بندی کرده است (پیش‌بینی 1 برای 1 و 0 برای 0)، از معیارهای مهم ارزیابی است.

آزمون نسبت درستنمایی (Likelihood Ratio Test) نیز برای بررسی معنی‌داری کلی مدل (آیا حداقل یکی از ضرایب معنی‌دار است) استفاده می‌شود.

پیش‌بینی احتمالات

ایویوز به شما امکان می‌دهد تا احتمالات پیش‌بینی شده را برای هر مشاهده محاسبه کنید. این احتمالات، احتمال وقوع رویداد (Y=1) را بر اساس مقادیر متغیرهای مستقل برای هر مشاهده نشان می‌دهند.

ملاحظات و چالش‌ها

• جداسازی کامل (Complete Separation): در برخی موارد، یک متغیر مستقل ممکن است به طور کامل متغیر وابسته را تفکیک کند (مثلاً اگر برای یک متغیر X، همه مشاهدات با X=0 دارای Y=0 باشند و همه مشاهدات با X=1 دارای Y=1 باشند). این پدیده منجر به مشکلات در تخمین مدل (ضرایب بی‌نهایت) می‌شود.
• درون‌زایی (Endogeneity): همانند مدل‌های خطی، درون‌زایی همچنان یک چالش در مدل‌های لجیت و پروبیت است و می‌تواند باعث تخمین‌های سوگیرانه شود.
• اندازه نمونه: برای تخمین پایداری مدل‌های لجیت و پروبیت، نیاز به اندازه نمونه کافی در هر دو گروه 0 و 1 متغیر وابسته است.
• فرض خطی بودن در لوجیت/پروبیت: این مدل‌ها فرض می‌کنند که رابطه بین لگاریتم شانس (برای لجیت) یا متغیر پنهان (برای پروبیت) و متغیرهای مستقل خطی است.

جمع‌بندی

مدل‌های لجیت و پروبیت ابزارهای اساسی و قدرتمند برای تحلیل پدیده‌هایی با متغیر وابسته دودویی هستند. در ایویوز، پیاده‌سازی این مدل‌ها نسبتاً سرراست است، اما درک صحیح از تفسیر ضرایب (به ویژه از طریق اثرات نهایی) برای استخراج نتایج معنی‌دار و صحیح آماری ضروری است. این مدل‌ها به محققان امکان می‌دهند تا با در نظر گرفتن ماهیت دوحالتی پدیده‌ها، تحلیل‌های دقیق‌تری ارائه دهند.

کلیدواژه ها : ایویوز-EViews-مدل‌های رگرسیون-متغیر وابسته دودویی-Binary Dependent Variables-لجیت-Logit-پروبیت-Probit-رگرسیون لجستیک-OLS-رگرسیون خطی معمولی-اثرات نهایی-Marginal Effects-نسبت شانس-Odds Ratio-شبه- 𝑅 2 R 2 -Pseudo- 𝑅 2 R 2 -جدول طبقه‌بندی-Classification Table-آزمون نسبت درستنمایی-Likelihood Ratio Test-ناهمسانی واریانس-Heteroscedasticity-متغیر پنهان-Latent Variable-جداسازی کامل-Complete Separation-درون‌زایی-Endogeneity