Robustes Probit-Modell
Das robuste Probit-Modell schätzt die Wahrscheinlichkeit eines binären Ergebnisses unter Verwendung der Probit-Linkfunktion, während die Inferenz vor Fehl-Spezifikationen der Fehlerverteilung oder Heteroskedastizität geschützt wird. Die Koeffizienten werden mittels Maximum-Likelihood-Schätzung (MLE) gewonnen; die Standardfehler werden anschließend durch den Sandwich-Schätzer (Huber-White) ersetzt, der auch dann konsistent bleibt, wenn die angenommene Fehlervarianz falsch ist.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Wooldridge, J. M. (2010). Econometric Analysis of Cross Section and Panel Data (2nd ed.). MIT Press. ISBN: 978-0262232586
- White, H. (1982). Maximum Likelihood Estimation of Misspecified Models. Econometrica, 50(1), 1–25. DOI: 10.2307/1912526 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Robust Probit Regression Model. ScholarGate. https://scholargate.app/de/statistics/robust-probit-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Generalisiertes Lineares Modell (GLM)Statistik↔ compare
- Logistische RegressionForschungsstatistik↔ compare
- Robuste Logistische RegressionStatistik↔ compare
- Robuste RegressionStatistik↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →