Regression modelRegression / GLM

Modelo Probit Robusto

El Modelo Probit Robusto estima la probabilidad de un resultado binario utilizando la función de enlace probit, protegiendo la inferencia de la especificación errónea de la distribución del error o de la heterocedasticidad. Los coeficientes se obtienen por máxima verosimilitud; los errores estándar se reemplazan luego por el estimador de emparedado (Huber-White), que se mantiene consistente incluso cuando la varianza del error asumida es incorrecta.

Aplicar con StatMindPróximamenteVídeoPróximamenteDownload slides

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Method map

The neighbourhood of related methods — select a node to explore.

Fuentes

  1. Wooldridge, J. M. (2010). Econometric Analysis of Cross Section and Panel Data (2nd ed.). MIT Press. ISBN: 978-0262232586
  2. White, H. (1982). Maximum Likelihood Estimation of Misspecified Models. Econometrica, 50(1), 1–25. DOI: 10.2307/1912526

Cómo citar esta página

ScholarGate. (2026, June 3). Robust Probit Regression Model. ScholarGate. https://scholargate.app/es/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.

Compare side by side
ScholarGateRobust Probit Model (Robust Probit Regression Model). Recuperado el 2026-06-15 de https://scholargate.app/es/statistics/robust-probit-model · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026