プロビット応答モデル

Rで学ぶレスポンスモデル構築

Kathrin Gruber

Assistant Professor of Econometrics Erasmus University Rotterdam

プロビット応答関数

  • 購買確率は潜在的な傾向。
  • 連続の不可観測応答に回帰を仮定。

Rで学ぶレスポンスモデル構築

ビール需要のプロビットモデル

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

coef(probit.model)

(Intercept)  price.ratio 
  -1.954092    -3.547546
Rで学ぶレスポンスモデル構築

ロジスティック vs. プロビット

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

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

スケーリングの調整

coef(probit.model)*1.6

(Intercept)  price.ratio 
  -3.126547    -5.676073
Rで学ぶレスポンスモデル構築

平均限界効果

  • ロジスティック: 解釈可能な対数オッズ
margins(logistic.model)

price.ratio
    -0.4585
  • プロビット: z値は直接解釈しにくい
margins(probit.model)

price.ratio
    -0.4503
Rで学ぶレスポンスモデル構築

演習に進みましょう！

Rで学ぶレスポンスモデル構築

Preparing Video For Download...