Probitmodell

aus Wikipedia, der freien Enzyklopädie
Wechseln zu: Navigation, Suche
Dieser Artikel oder Abschnitt ist nicht allgemeinverständlich formuliert. Die Mängel sind unter Diskussion:Probitmodell beschrieben. Wenn du diesen Baustein entfernst, begründe dies bitte auf der Artikeldiskussionsseite und ergänze den automatisch erstellten Projektseitenabschnitt Wikipedia:Unverständliche Artikel#Probitmodell um {{Erledigt|1=~~~~}}.

Folgendes sollte noch verbessert werden: Erklärung der Variablen; sowie allgemeinverständliche Erkläuterungen im Abschnitt Definition und Schätzung

In der Statistik ist das Probitmodell eine Spezifikation eines generalisierten linearen Modells und verwendet eine Probit-Link-Komponente. Probitmodelle wurden von Chester Bliss eingeführt.

Anwendung[Bearbeiten | Quelltext bearbeiten]

Probitmodelle werden wie Logitmodelle dazu verwendet, binäre Zielvariablen zu modellieren, also Größen die nur zwei Werte annehmen können. Beispiele: „Kauft ein Produkt – Ja/Nein“, „Lässt sich scheiden – Ja/Nein“, „Hat Abitur – Ja/Nein“.

Definition und Schätzung[Bearbeiten | Quelltext bearbeiten]

Weil die Response eine Reihe von binomialen Werten darstellt, ist die Likelihood der Annahme unterworfen, dass sie einer Binomialverteilung folgt. Sei die Response und der Vektor der erklärenden Variablen. Das Probitmodell hat die Annahme, dass gilt

wobei die Verteilungsfunktion einer Standardnormalverteilung bezeichnet. Die Parameter werden typischerweise mit der Maximum-Likelihood-Methode geschätzt.

Das Probitmodell kann durch ein einfaches latentes Variablenmodell erhalten werden. Unter der Annahme, dass

,

wobei , und dass einen Indikator dafür darstellt, ob die latente Variable positiv ist:

.

Dann kann man zeigen, dass folgende Gleichung erfüllt ist: