Probitresponsmodeller

Bygga responsmodeller i R

Kathrin Gruber

Assistant Professor of Econometrics Erasmus University Rotterdam

Probitresponsfunktion

  • Köpsannolikheter är latenta benägenheter.
  • Förutsätter en regression för en kontinuerlig, ej observerbar responsvariabel.

Bygga responsmodeller i R

En probitmodell för ölefterfrågan

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

coef(probit.model)
(Intercept)  price.ratio 
  -1.954092    -3.547546
Bygga responsmodeller i R

Logistisk vs. probit

cbind(coef(logistic.model), coef(probit.model))
                 [,1]      [,2]
(Intercept) -3.572678 -1.954092
price.ratio -6.738768 -3.547546

Omskalning

coef(probit.model)*1.6
(Intercept)  price.ratio 
  -3.126547    -5.676073 
Bygga responsmodeller i R

Genomsnittliga marginaleffekter

  • Logistisk: tolkningsbara log-odds
margins(logistic.model)
price.ratio
    -0.4585
  • Probit: icke-tolkningsbara z-värden
margins(probit.model)
price.ratio
    -0.4503
Bygga responsmodeller i R

Nu kör vi en övning!

Bygga responsmodeller i R

Preparing Video For Download...