<P> 初学stata软件，请教如下问题：用效用最大化理论推出的离散选择概率公式与stata命令logit、mlogit、nlogit似乎不是一回事。</P>
<P> 以最简单的两项BL模型为例，V1、V2表示备选方案1、2的效用。</P>
<P> 用效用最大化理论推出来的binary logit模型的选择概率公式为：P1=1/[1+exp(V2-V1)]。</P>
<P> 而在使用stata,spss等统计软件进行模型标定时，用到的却是不同的公式：log[P1/(1-P1)]=V1,称做logistic回归。从而得到的P1计算公式为：P1=exp(V1)/[1+exp(V1)]。</P>
<P> 上面的两个公式是显然不同的：首先在数值上是不同的；更重要的是，最大化理论得出的选择概率P1与方案2的效用V2有关，而从logistic回归得到的P1计算公式完全由V1确定。</P>
<P> 试想：决策者从两个方案中选一个，在方案1的效用保持不变的情况下，方案2的效用增大了，那么方案1的选择概率肯定会减小，所以P1应当是与V2有关的。 </P>
<P> 所以，我感觉最大效用理论与logistic回归模型不是一回事，但是为什么几乎所有软件的标定过程又都是通过logistic过程来实现的呢？疑惑，请明白人指点，非常感谢！</P>