In der Statistik ist ein Probit-Modell eine Art Regression, bei der die abhängige Variable nur zwei Werte annehmen kann, zum Beispiel verheiratet oder nicht verheiratet. Das Wort ist ein Kunstwort aus Wahrscheinlichkeit + Einheit.
Was bewirkt eine Probit-Regression?
Probit-Regression, auch Probit-Modell genannt, wird verwendet, um dichotome oder binäre Ergebnisvariablen zu modellieren. Im Probit-Modell wird die inverse Standardnormalverteilung der Wahrscheinlichkeit als Linearkombination der Prädiktoren modelliert.
Was ist Logit- und Probit-Regression?
Das Logit-Modell verwendet die sogenannte kumulative Verteilungsfunktion der logistischen Verteilung. Das Probit-Modell verwendet etwas, das als kumulative Verteilungsfunktion der Standardnormalverteilung bezeichnet wird, um f(∗) zu definieren. Beide Funktionen nehmen eine beliebige Zahl und skalieren sie neu, sodass sie zwischen 0 und 1 liegt.
Ist Probit dasselbe wie logistische Regression?
Die sigmoidale Beziehung zwischen einem Prädiktor und einer Wahrscheinlichkeit ist bei Probit und logistischer Regression nahezu identisch Eine Differenz von 1 Einheit in X hat einen größeren Einfluss auf die Wahrscheinlichkeit in der Mitte als in der Nähe 0 oder 1. Das heißt, wenn Sie genug davon tun, können Sie sich sicherlich an die Idee gewöhnen.
Wann sollte ich ein Probit-Modell verwenden?
Verwenden Sie das bivariate Probit-Regressionsmodell wenn Sie zwei binäre abhängige Variablen (Y1, Y2) haben und diese gemeinsam als Funktion einiger erklärender Variablen modellieren möchten.
