Статистический советник

Пробит/логит регрессия для категориальной зависимой переменной

Используйте НЕЛИНЕЙНОЕ ОЦЕНИВАНИЕ. Этот модуль содержит опции проведения логит и пробит регрессии с использованием критерия максимального правдоподобия.

Логит и пробит регрессия используется для анализа зависимости между одной или несколькими независимыми (предикторными) переменными и категориальной зависимой (критериальной) переменной с двумя уровнями. Например, можно использовать этот модуль для предсказания исхода некоторого испытания на основе некоторых непрерывных переменных, таких как, например, длительность подготовки к этому испытанию. В этом случае успех или неудача представляют значения категориальной зависимой переменной с двумя возможными уровнями значений, а время подготовки является непрерывной независимой переменной.

Логит/пробит регрессия имеет ряд преимуществ по сравнению с множественной линейной регрессией (см. руководство пользователя). В наиболее общих словах, эти регрессионные методы подразумевают, что в действительности зависимая переменная является преобразованием некоторой скрытой переменной, не имеющей ограничений на диапазон принимающих значений. Например, пробит модель предполагает, что реальная скрытная зависимая переменная измерена в термина z-значений нормальной кривой; если преобразовать эти вероятности (с помощью нормальной кривой), предсказания для зависимой переменной всегда будут между 0 и 1. Поэтому на самом-то деле мы используем независимые переменные для предсказания вероятностей соответствующих значений зависимой переменной.