probit模型的样本量问题

我想分析女性的婚姻决策问题，分析什么因素影响女性选择结婚或者不结婚。我现在遇到的问题是，2000个样本中，Y变量取1的样本有1950个，取0的样本有50个，即未婚的只有50个，剩下1950个都是结婚的，两类样本数量差别很大。不知道在这种情况下运用二元probit模型是否合适？
如果不合适的话，有什么方法解决吗？另外，二元probit模型中取0和取1的样本比例大概为多少是合适的？
请大家赐教！

zero inflated probit

似乎不太合适
看看你的样本
是不是年龄都比较大？
增加点样本吧
哈哈 增加一些18岁以下的样本
我敢保证未婚的比较多（偏远农村可能例外）

要不，你的题目就叫 大龄女青年婚姻决策问题
这样人口特征统计的研究没做过也没什么意思
只能统计描述给人娱乐的
对政策指导上没什么用处

虽然，没有研究具体数据，但是结果差不多都可以猜测出来，决定女性是否结婚的最大因素是年龄
“待价”和“待嫁”还是比较少的，这样的样本你可能也收集不到
搞个数理模型比计量模型要有趣得多

另外，研究女性是否决策生孩子，生几个孩子也不错 嘿嘿

zmn123452700 发表于 2011-11-3 19:11
似乎不太合适
看看你的样本
是不是年龄都比较大？

非常感谢您，的确让我对研究的问题清楚了不少。
目前困惑我的主要问题是，50个未婚的样本，1950个结婚的样本，这么大的样本差是否用probit模型是合适的？如果不合适，为什么呢？请您多指教啊O(∩_∩)O~

zhanglin8562 发表于 2011-11-3 20:03
非常感谢您，的确让我对研究的问题清楚了不少。
目前困惑我的主要问题是，50个未婚的样本，1950个结婚的 ...

不合适
原因很多，你可以简单地理解为小概率事件下的离散选择研究没有意义。
你现在的问题很可能是在抽样上出了问题。
比例没有固定限制，如果年龄分布正常的话，0.7-0.8是可以的。
不知道你怎么调查的，调查哪些人，结婚的接近0.98了！

确实不太 合适。你这个叫类别不平衡，而且不平很的程度太大了。
另外，我们处理不平衡的样本有bagging,boosting等等方法，过抽样也是，你可以搜搜看

木子小昔 发表于 2012-1-21 11:44
确实不太 合适。你这个叫类别不平衡，而且不平很的程度太大了。
另外，我们处理不平衡的样本有bagging,boo ...

您好，我想问一下，多元probit模型数据量为Y取1的样本为200,去2的为30,取3的为20,取4的15，这样可以吗？？谢谢