Пробит-модели отклика

Построение моделей отклика в R

Kathrin Gruber

Assistant Professor of Econometrics Erasmus University Rotterdam

Пробит-функция отклика

  • Вероятности покупки — это латентные склонности.
  • Предполагается регрессия для непрерывной ненаблюдаемой переменной отклика.

Построение моделей отклика в R

Пробит-модель спроса на пиво

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

coef(probit.model)

(Intercept)  price.ratio 
  -1.954092    -3.547546
Построение моделей отклика в R

Логистическая модель vs. пробит

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

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

Масштабирование

coef(probit.model)*1.6

(Intercept)  price.ratio 
  -3.126547    -5.676073
Построение моделей отклика в R

Средние предельные эффекты

  • Логистическая: интерпретируемые логарифмические шансы
margins(logistic.model)

price.ratio
    -0.4585
  • Пробит: неинтерпретируемые z-значения
margins(probit.model)

price.ratio
    -0.4503
Построение моделей отклика в R

Давайте потренируемся!

Построение моделей отклика в R

Preparing Video For Download...