摘要：研究目标:解决响应变量与解释变量存在混频观测时的多分类分析问题，扩展多项选择Logit(Multinomial Logit, Mlogit)模型到混频数据环境下，使之能够处理混频数据并实现多分类预测。研究方法:将无约束混频数据抽样(U-MIDAS)技术引入Mlogit模型中，构建U-MIDAS-Mlogit模型，给出其极大似然估计。研究发现:新建的U-MIDAS-Mlogit模型，不但能够高频预测响应变量的多分类结果，而且具有比传统Mlogit模型更高的分类精度。研究创新:提出了一个新的U-MIDAS-Mlogit模型，能够直接对原始混频数据进行建模，克服了传统Mlogit模型需要进行数据同频化处理的局限，提升了Mlogit模型的功能，提高了多分类预测效果。研究价值:U-MIDAS-Mlogit模型具有广阔的应用前景，能够解决一类混频数据环境下的多分类分析问题，本文从数值模拟与模型应用两个层面进行了证实。
文章目录
引 言
一、U-MIDAS-Mlogit模型
1.模型建立
2.参数估计
(1)对数拟然函数推导。
(2)对数拟然函数优化。
3.诊断检验
二、数值模拟
1.数据生成
(1)生成解释变量。
(2)生成响应变量。
2.试验方案
3.模型对比
(1)分类效果评价。
(2)D-M检验。
三、模型应用
1.样本与数据
2.变量选择与描述统计
(1)变量选择。
(2)描述性统计。
3.模型分析
(1)参数估计结果。
(2)模型预测结果。
4.非平衡数据处理
(1)调整阈值法。
(2)重采样方法。
四、结 论
