最大化此似然函数即得到对β的“随机效应Log估 计量”( Random Effect Logit)。 如果将逻辑分布()改为正态分布φ(),则为“随 机效应Prob估计量”( Random Effect Probit) 在估计时已将积分掉,故得不到对个体效应的估 计,也无法预测的发生概率或计算解释变量的边际效 解决方法之一是假设vz=0。 由于i的存在,同一个体不同期的扰动项之间仍存 在自相关,9 最大化此似然函数即得到对 的“随机效应Logit估 计量”(Random Effect Logit)。 如果将逻辑分布 改为正态分布 ，则为“随 机效应Probit估计量”(Random Effect Probit)。 在估计时已将 积分掉，故得不到对个体效应 的估 计，也无法预测 的发生概率或计算解释变量的边际效 应。 解决方法之一是假设 =0。 由于 的存在，同一个体不同期的扰动项之间仍存 在自相关