数学建模社区-数学中国
标题:
probit模型与logit模型的相同点，区别及关系
[打印本页]
作者:
2744557306
时间:
2023-11-30 17:36
标题:
probit模型与logit模型的相同点，区别及关系
Probit模型和Logit模型都是常用的统计学习方法，主要用于二分类问题中。
0 @% R8 y( b% p3 F9 }# \2 z
! i/ o Z: U7 ?: z. \1 P2 L
相同点：
9 C+ k( Y$ k8 a B6 \0 G. \
7 L0 _, {; V% A/ Q. U, H
它们都是广义线性模型，通过建立数据与概率之间的联系来预测离散响应变量的可能性。
% ~9 @! T6 J0 P, i! U6 K
它们都是基于最大似然估计来确定系数估计值。
# k: B/ ^ I1 Q% ^: X e
它们都使用正态或标准 logistic 分布对连续响应 (如概率值) 进行转换。
$ V" W5 O5 P+ E' w; }' J
区别：
+ D7 Y* q& V1 O; o" B c7 Z
" b! }, B6 k. J# V! _# _
模型形式不同：Logit模型使用logistic分布函数来连接自变量和二元响应变量之间的关系，而Probit模型则使用正态分布函数。
% ~' W" s3 `. Z5 I0 h, u3 u4 q
拟合效果不同：将同样的数据拟合这两个模型得到的结果通常会不一样，但通常情况下这两者之间的差异并不明显。
1 R L0 M/ m) S* _6 N& ]7 `4 q
解释系数不同：当我们解释一个Probit模型时，各系数代表着在隐变量上提高了多少标准差对 P(Y = 1) 的影响。当解释Logit模型时，每个系数表示因为单位变化而导致的log odds的变化大小。
; J6 y" H. b5 D' v
关系：
0 g$ E" g/ c4 m( L! |: T) V; w. e
# T$ c( o. M' h2 |5 i1 ]
尽管 Probit 和 Logit 方法采用不同的连续分布函数，但其核心思想是非常类似的，即通过对响应变量的概率建模，对感兴趣的输出和输入之间的内在联系进行建模，并使用通常最大似然的参数拟合方法估计这些模型参数。因此，这两种方法通常被用于相同的建模问题并产生类似的预测结果。
+ l7 \* \' p( w" ]! M L1 g
, r$ }! n# \" X; ~7 t
4 d' o, f# c* C6 w _) p8 B
0 r F5 ]3 r9 q
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5