Modelos de resposta Probit

Construindo modelos de resposta em R

Kathrin Gruber

Assistant Professor of Econometrics Erasmus University Rotterdam

Função de resposta Probit

  • Probabilidades de compra são propensões latentes.
  • Assume uma regressão para uma variável de resposta contínua e não observável.

Construindo modelos de resposta em R

Um modelo Probit para demanda de cerveja

probit.model <- glm(HOPPINESS ~ price.ratio,
                    family = binomial(link = probit), data  = choice.data)

coef(probit.model)

(Intercept)  price.ratio 
  -1.954092    -3.547546
Construindo modelos de resposta em R

Logístico vs. Probit

cbind(coef(logistic.model), coef(probit.model))

                 [,1]      [,2]
(Intercept) -3.572678 -1.954092
price.ratio -6.738768 -3.547546

Reescala

coef(probit.model)*1.6

(Intercept)  price.ratio 
  -3.126547    -5.676073
Construindo modelos de resposta em R

Efeitos marginais médios

  • Logístico: log-odds interpretáveis
margins(logistic.model)

price.ratio
    -0.4585
  • Probit: valores-z pouco interpretáveis
margins(probit.model)

price.ratio
    -0.4503
Construindo modelos de resposta em R

Vamos praticar!

Construindo modelos de resposta em R

Preparing Video For Download...