ScholarGate
Assistent
Regression modelRegression / GLM

Robust Probit-modell

Den robuste probit-modellen estimerer sannsynligheten for et binært utfall ved bruk av probit-koblingsfunksjonen, samtidig som den beskytter inferens mot feilspesifikasjon av feilfordelingen eller heteroskedastisitet. Koeffisienter oppnås via maksimum likelihood; standardfeil erstattes deretter av sandwich- (Huber-White) estimatoren, som forblir konsistent selv når den antatte feilvariansen er feil.

Anvend med StatMindSnartVideoSnartDownload slides

Les hele metoden

Kun for medlemmer

Logg inn med en gratis konto for å lese denne delen.

Logg inn

Method map

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

Kilder

  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

Slik siterer du denne siden

ScholarGate. (2026, June 3). Robust Probit Regression Model. ScholarGate. https://scholargate.app/no/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). Hentet 2026-06-15 fra https://scholargate.app/no/statistics/robust-probit-model · Datasett: https://doi.org/10.5281/zenodo.20539026