Robustais Probit modelis
Robustais Probit modelis novērtē bināra rezultāta varbūtību, izmantojot probit saiknes funkciju, vienlaikus pasargājot inferenci no kļūdām kļūdainā kļūdu sadalījuma specifikācijā vai heteroscedasticitātē. Koeficienti tiek iegūti, izmantojot maksimālo vergojamību; standarta kļūdas pēc tam tiek aizstātas ar sviestmaižu (Huber-White) novērtētāju, kas paliek konsekvents pat tad, ja pieņemtā kļūdu dispersija ir nepareiza.
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
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Robust Probit Regression Model. ScholarGate. https://scholargate.app/lv/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.
- Vispārīgais lineārais modelis (GLM)Statistika↔ compare
- Logistiskā regresijaPētniecības statistika↔ compare
- Robustā loģistiskā regresijaStatistika↔ compare
- Robustā regresijaStatistika↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →