Lineární model pravděpodobnosti - Linear probability model
v statistika, a lineární pravděpodobnostní model je speciální případ a binární regrese Modelka. Tady závislá proměnná pro každé pozorování bere hodnoty, které jsou buď 0 nebo 1. Pravděpodobnost pozorování 0 nebo 1 v jakémkoli jednom případě je považována za závislou na jednom nebo více vysvětlující proměnné. U „modelu lineární pravděpodobnosti“ je tento vztah obzvláště jednoduchý a umožňuje přizpůsobení modelu pomocí lineární regrese.
Model předpokládá, že pro binární výsledek (Bernoulliho soud ), a související vektor vysvětlujících proměnných, ,[1]
U tohoto modelu
a proto lze vektor parametrů β odhadnout pomocí nejmenší čtverce. Tato metoda montáže by byla neúčinná,[1] a lze je zlepšit přijetím iteračního schématu založeného na vážené nejmenší čtverce,[1] ve kterém se model z předchozí iterace používá k dodání odhadů podmíněných odchylek, , která by se mezi pozorováními lišila. Tento přístup může souviset s přizpůsobením modelu pomocí maximální pravděpodobnost.[1]
Nevýhodou tohoto modelu je, že pokud nebudou stanovena omezení , odhadované koeficienty mohou znamenat pravděpodobnosti mimo jednotkový interval . Z tohoto důvodu modely jako logitový model nebo probit model jsou běžněji používány.
Viz také
Reference
Další čtení
- Aldrich, John H.; Nelson, Forrest D. (1984). „Lineární pravděpodobnostní model“. Modely lineární pravděpodobnosti, logit a probit. Šalvěj. str. 9–29. ISBN 0-8039-2133-0.
- Amemiya, Takeshi (1985). „Modely kvalitativní odezvy“. Pokročilá ekonometrie. Oxford: Basil Blackwell. 267–359. ISBN 0-631-13345-3.
- Wooldridge, Jeffrey M. (2013). "Binární závislá proměnná: Lineární model pravděpodobnosti". Úvodní ekonometrie: moderní přístup (5. mezinárodní vydání). Mason, OH: Jihozápadní. 238–243. ISBN 978-1-111-53439-4.