Часть серии по |
Регрессионный анализ |
---|
Модели |
Оценка |
Задний план |
|
|
Эта статья в значительной степени или полностью основана на одном источнике . июль 2015 г. ) ( |
В статистике и эконометрике , то полиномиальная модель пробит является обобщением модели пробит используется , когда существует несколько возможных категорий , что зависимая переменная может попасть. По сути, это альтернатива полиномиальной логит- модели как одному из методов мультиклассовой классификации . Ее не следует путать с многомерной пробит-моделью , которая используется для моделирования коррелированных бинарных результатов для более чем одной независимой переменной.
Общая спецификация [ править ]
Предполагается, что у нас есть серия наблюдений Y i , для i = 1 ... n , результатов множественных выборов из категориального распределения размера m (есть m возможных вариантов). Наряду с каждым наблюдением Y i представляет собой набор из k наблюдаемых значений x 1, i , ..., x k, i независимых переменных (также известных как независимые переменные , переменные-предикторы, характеристики и т. Д.). Несколько примеров:
- Наблюдаемые результаты могут быть такими: «имеет болезнь А, болезнь В, болезнь С, не имеет ни одной из болезней» для набора редких заболеваний со схожими симптомами, а объясняющие переменные могут быть характеристиками пациентов, которые считаются соответствующими (пол , раса, возраст, артериальное давление , индекс массы тела , наличие или отсутствие различных симптомов и т. д.).
- Наблюдаемые результаты - это голоса людей за данную партию или кандидата на многосторонних выборах, а объясняющие переменные - это демографические характеристики каждого человека (например, пол, раса, возраст, доход и т. Д.).
Полиномиальная пробит-модель - это статистическая модель, которую можно использовать для прогнозирования вероятного результата ненаблюдаемого многостороннего испытания с учетом связанных независимых переменных. В процессе модель пытается объяснить относительное влияние различных объясняющих переменных на разные результаты.
Формально результаты Y i описываются как категориально распределенные данные, где каждое значение результата h для наблюдения i происходит с ненаблюдаемой вероятностью p i, h, которая специфична для текущего наблюдения i, поскольку определяется значениями объясняющие переменные, связанные с этим наблюдением. Это:
или эквивалентно
для каждого из m возможных значений h .
Модель со скрытыми переменными [ править ]
Полиномиальный пробит часто записывается в терминах модели скрытых переменных :
где
потом
Это,
Обратите внимание, что эта модель допускает произвольную корреляцию между ошибочными переменными , поэтому она не обязательно учитывает независимость нерелевантных альтернатив .
Когда это единичная матрица (такая, что нет корреляции или гетероскедастичности ), модель называется независимым пробитом .
Оценка [ править ]
Этот раздел нуждается в расширении . Вы можете помочь, добавив к нему . ( Февраль 2017 г. ) |
Подробнее о том, как оцениваются уравнения, см. В статье Пробит-модель .
Ссылки [ править ]
- Грин, Уильям Х. (2012). Эконометрический анализ (седьмое изд.). Бостон: образование Пирсона. С. 810–811. ISBN 978-0-273-75356-8. CS1 maint: discouraged parameter (link)