확률 단위와 논리 단위의 차이

1, 의미가 다릅니다. probit 은 확률의 단위이고 logistic 은 수학 (기호) 논리입니다.

용법이 다르다. Probit 모델은 정규 분포를 따르는 반면 Logit 모델은 개별 선택 모델입니다.

3. probit 은 정규 주파수 분포 평균의 편차를 기준으로 통계 단위를 계산하는 데 중점을 두고 있으며, logistic 은 이산식 선택 모델 중 하나입니다.

Logit 과 probit 의 차이점: e 의 분포 설정은 y* = x'b+e 에서 다릅니다. Logit 모델에서 E 는 표준 logistic 분포를 따릅니다. Probit 모델에서 e 는 표준 정규 분포를 따릅니다. 두 모델의 추정 한계 효과의 차이는 주로 꼬리 데이터의 해석에 반영되지만 logit 모델은 간단하고 직접적이며 적용 범위가 더 넓습니다.

Limdep, elm, nlogit 등 이산적으로 모델을 선택하는 소프트웨어가 많이 있습니다. 2 원과 다원 logit 모델은 SPSS 18.0 에서 만들 수 있습니다. Stata, SAS, guass 모두 logit 모델을 만들 수 있습니다. 엔트리 레벨 소프트웨어는 SPSS 와 elm 으로 다중 logit 및 계층 logit 를 만들 수 있습니다. 하지만 elm 을 사용하려면 등록 번호를 구입해야 합니다.

Logistic 이산식 선택 모델, Logit 모델은 최초의 이산식 선택 모델입니다. probit 은 정규 주파수 분포 평균의 편차를 기준으로 통계 단위를 계산합니다. 이 두 가지 방법 사이에도 연관이 있다. 일반적으로 probit 회귀 추정 매개변수 값에 1.8 14 를 곱하면 logistic 회귀의 매개변수 값과 거의 같습니다.