Probit 反應模型

在 R 中建立反應模型

Kathrin Gruber

Assistant Professor of Econometrics Erasmus University Rotterdam

Probit 反應函數

  • 購買機率視為潛在傾向。
  • 假設一個連續且不可觀測的反應變數的迴歸。

在 R 中建立反應模型

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 中建立反應模型

Logistic 與 probit 比較

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

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

尺度重調整

coef(probit.model)*1.6

(Intercept)  price.ratio 
  -3.126547    -5.676073
在 R 中建立反應模型

平均邊際效果

  • Logistic：易解釋的對數勝算
margins(logistic.model)

price.ratio
    -0.4585
  • Probit：較難直觀的 z 值
margins(probit.model)

price.ratio
    -0.4503
在 R 中建立反應模型

一起來練習吧！

在 R 中建立反應模型

Preparing Video For Download...