W statystyce model probitowy to rodzaj regresji, w której zmienna zależna może przyjmować tylko dwie wartości, na przykład żonaty lub niemężatka. Słowo to jest portmanteau, pochodzącym od prawdopodobieństwa + jednostka.
Co robi regresja probitowa?
Regresja probitowa, zwana także modelem probitowym, jest używana do modelowania dychotomicznych lub binarnych zmiennych wynikowych. W modelu probitowym odwrotny standardowy rozkład normalny prawdopodobieństwa jest modelowany jako liniowa kombinacja predyktorów.
Co to jest regresja logitowa i probitowa?
Model logitowy wykorzystuje coś, co nazywa się funkcją skumulowanego rozkładu rozkładu logistycznego. Model probitowy używa funkcji zwanej skumulowaną funkcją rozkładu standardowego rozkładu normalnego do zdefiniowania f(∗). Obie funkcje przyjmą dowolną liczbę i przeskalują ją tak, aby mieściła się w zakresie od 0 do 1.
Czy probit to to samo co regresja logistyczna?
Sigmoidalny związek między predyktorem a prawdopodobieństwem jest prawie identyczny w regresji probitowej i logistycznej 1-jednostkowa różnica w X będzie miała większy wpływ na prawdopodobieństwo w środku niż w pobliżu 0 lub 1. To powiedziawszy, jeśli zrobisz ich wystarczająco dużo, z pewnością możesz przyzwyczaić się do tego pomysłu.
Kiedy powinienem używać modelu probitowego?
Użyj modelu dwuwymiarowej regresji probitowej jeśli masz dwie binarne zmienne zależne (Y1, Y2) i chcesz modelować je łącznie jako funkcję niektórych zmiennych objaśniających.
