Regression modelRegression / GLM

Modèle Probit Robuste

Le Modèle Probit Robuste estime la probabilité d'un résultat binaire en utilisant la fonction de lien probit tout en protégeant l'inférence contre une mauvaise spécification de la distribution des erreurs ou de l'hétéroscédasticité. Les coefficients sont obtenus par maximum de vraisemblance ; les erreurs standard sont ensuite remplacées par l'estimateur sandwich (Huber-White), qui reste cohérent même lorsque la variance d'erreur supposée est incorrecte.

Appliquer avec StatMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

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

Sources

  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

Comment citer cette page

ScholarGate. (2026, June 3). Robust Probit Regression Model. ScholarGate. https://scholargate.app/fr/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). Consulté le 2026-06-15 sur https://scholargate.app/fr/statistics/robust-probit-model · Jeu de données : https://doi.org/10.5281/zenodo.20539026