ScholarGate
Assistent
Regression modelRegression / GLM

Robuust Probitmodel

Het robuuste probitmodel schat de waarschijnlijkheid van een binaire uitkomst met behulp van de probit-linkfunctie, terwijl het de inferentie beschermt tegen specificatiefouten van de foutenverdeling of heteroscedasticiteit. Coëfficiënten worden verkregen via maximale waarschijnlijkheid; standaardfouten worden vervolgens vervangen door de sandwich-schatter (Huber-White), die consistent blijft, zelfs wanneer de aangenomen foutvariantie onjuist is.

Toepassen met StatMindBinnenkortVideoBinnenkortDownload slides

Lees de volledige methode

Alleen voor leden

Log in met een gratis account om dit onderdeel te lezen.

Inloggen

Method map

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

Bronnen

  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

Deze pagina citeren

ScholarGate. (2026, June 3). Robust Probit Regression Model. ScholarGate. https://scholargate.app/nl/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). Geraadpleegd op 2026-06-15 via https://scholargate.app/nl/statistics/robust-probit-model · Gegevensset: https://doi.org/10.5281/zenodo.20539026