Secvādā loģistikas regresija (secīgs logit/probit)
Secīgs logit ir kumulatīvs regresijas modelis kārtīgam atkarīgajam mainīgajam, kas pielāgo logit (vai probit) saiti kumulatīvajām kategoriju varbūtībām. Izstrādāts McCullagh 1980. gada kārtīgu datu regresijas modeļu analīzē, tas ir standarta rīks Likert skalas, vērtējumu un sakārtotu rezultātu analīzei.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- McCullagh, P. (1980). Regression Models for Ordinal Data. Journal of the Royal Statistical Society: Series B, 42(2), 109-142. DOI: 10.1111/j.2517-6161.1980.tb01109.x ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Ordered Logistic Regression (Ordered Logit/Probit). ScholarGate. https://scholargate.app/lv/econometrics/ordered-logit
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.
- Logistiskā regresijaPētniecības statistika↔ compare
- Multinomiālā loģistiskā regresijaEkonometrija↔ compare
- Negatīvā binomiālā regresijaEkonometrija↔ compare
- Parastā mazāko kvadrātu (OLS) regresijaEkonometrija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →