logit和probit的区别
logit和probit模型的主要区别在于对随机扰动项的分布设定不同：
1. logit模型中，随机扰动项服从标准logistic分布；probit模型中，随机扰动项服从标准正态分布。
2. 两个模型估算的边际效应的差别主要体现在对尾部数据的解释上。
3. 在参数估计方法上，logit模型由于其随机扰动项的累计分布函数有解析表达式，因此参数估计相对方便；而probit模型的随机扰动项是正态分布，没有解析表达式，因此参数估计相对不方便。
4. 在解释参数上，logit模型的参数可以解释为对应的X增加一个单位引起的几率比变化倍数，而probit模型的参数无法进行类似的解释。
5. 通常情况下，probit回归估计出的参数值乘以1.814，大致会等于logistic回归中的参数值。
总的来说，logit和probit模型都是用于解释事件发生的概率的模型，但在对随机扰动项的分布设定、边际效应的解释、参数估计方法、参数的解释以及两者的关系等方面存在一定的区别。
如有侵权请及时联系我们处理，转载请注明出处来自
推荐文章
科技快看 网站地图广州壹创集信息科技有限公司 版权所有 粤ICP备2021122624号
