QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 3132|回复: 0
打印 上一主题 下一主题

probit模型与logit模型的相同点,区别及关系

[复制链接]
字体大小: 正常 放大

1192

主题

4

听众

2946

积分

该用户从未签到

跳转到指定楼层
1#
发表于 2023-11-30 17:36 |只看该作者 |倒序浏览
|招呼Ta 关注Ta
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。
( q2 n6 H. `! e* c! z5 O  R( |* \( }& n4 k" _
相同点:
* a4 I. G4 o# V. E3 |% j, G/ y+ q% s4 [1 E* r
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。$ b7 W" p" u% R+ f- E$ B/ j. B) n. k
它们都是基于最大似然估计来确定系数估计值。3 j3 r$ b& q% ]; j+ ]1 Q' X4 A
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。7 q' \. s& Z3 G
区别:* \' p8 q0 L; R: H2 Q' l1 \

' `; r% C1 S; j- R& Q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。) i- G  f! K+ J' ^
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。
% `6 i. m% m$ \; {. |# f$ u- t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。
  _3 t/ u* ^: G4 X# L关系:. R( V) D# E8 E5 V$ i" X. t
, h, j/ V% C/ _
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。: M% Q0 t( c' r" {7 @
/ l; m9 p$ F8 l% E6 I

: @; Z4 g/ R- [% S2 J6 R$ g: h& [& u! V4 f% f7 W) ]1 Z8 C
zan
转播转播0 分享淘帖0 分享分享0 收藏收藏0 支持支持0 反对反对0 微信微信
您需要登录后才可以回帖 登录 | 注册地址

qq
收缩
  • 电话咨询

  • 04714969085
fastpost

关于我们| 联系我们| 诚征英才| 对外合作| 产品服务| QQ

手机版|Archiver| |繁體中文 手机客户端  

蒙公网安备 15010502000194号

Powered by Discuz! X2.5   © 2001-2013 数学建模网-数学中国 ( 蒙ICP备14002410号-3 蒙BBS备-0002号 )     论坛法律顾问:王兆丰

GMT+8, 2026-8-26 02:55 , Processed in 0.565273 second(s), 51 queries .

回顶部