Probit 响应模型

在 R 中构建响应模型

Kathrin Gruber

Assistant Professor of Econometrics Erasmus University Rotterdam

Probit 响应函数

  • 购买概率是潜在倾向。
  • 假设对连续、不可观测的响应变量进行回归。

在 R 中构建响应模型

啤酒需求的 probit 模型

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

coef(probit.model)

(Intercept)  price.ratio 
  -1.954092    -3.547546
在 R 中构建响应模型

Logistic vs. probit

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

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

重标度

coef(probit.model)*1.6

(Intercept)  price.ratio 
  -3.126547    -5.676073
在 R 中构建响应模型

平均边际效应

  • Logistic：可解释的对数胜算
margins(logistic.model)

price.ratio
    -0.4585
  • Probit：不可直接解释的 z 值
margins(probit.model)

price.ratio
    -0.4503
在 R 中构建响应模型

让我们来练习！

在 R 中构建响应模型

Preparing Video For Download...