Modele odpowiedzi probit

Budowanie modeli reakcji w R

Kathrin Gruber

Assistant Professor of Econometrics Erasmus University Rotterdam

Funkcja odpowiedzi probit

  • Prawdopodobieństwa zakupu są ukrytymi skłonnościami.
  • Zakłada regresję dla ciągłej, nieobserwowalnej zmiennej odpowiedzi.

Budowanie modeli reakcji w R

Model probit dla popytu na piwo

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

coef(probit.model)

(Intercept)  price.ratio 
  -1.954092    -3.547546
Budowanie modeli reakcji w R

Logistyczny vs. probit

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

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

Skalowanie

coef(probit.model)*1.6

(Intercept)  price.ratio 
  -3.126547    -5.676073
Budowanie modeli reakcji w R

Średnie efekty krańcowe

  • Logistyczny: interpretowalne log-odds
margins(logistic.model)

price.ratio
    -0.4585
  • Probit: nieinterpretowalne wartości z
margins(probit.model)

price.ratio
    -0.4503
Budowanie modeli reakcji w R

Czas na ćwiczenia!

Budowanie modeli reakcji w R

Preparing Video For Download...