相同的数据,用二元probit模型的时候模型出来下面会出现一行字:Note: 0 failures and 6 successes completely determined.用logit模型却不会出现,已验证vif均小于5,且两个模型结果有点差异,我能把二元probit换成logit模型继续做实证吗?这样换模型继续做实证的话有意义吗?非常感谢大家的解答
二元probit 二元logit
- 写回答
- 好问题 0 提建议
- 追加酬金
- 关注问题
- 邀请回答
-
4条回答 默认 最新
关注 引自免费微信小程序:皆我百晓生
在您提供的输出中,可以看到二元Probit模型和二元Logit模型的估计结果。从输出来看,二元Probit模型中有一行信息提到"0 failures and 6 successes completely determined",这表明存在完全分离的情况,即某些观测值的结果(失败或成功)完全由解释变量所确定,这种情况会导致参数估计不稳定,并可能影响模型的预测能力。
二元Logit模型没有显示出类似的问题,这可能是因为Logit模型对完全分离问题的处理更为宽容,但仍然可能存在某种程度上的多重共线性问题,尽管VIF检查显示都在可接受范围内。
关于您的问题,能否将二元Probit模型替换为二元Logit模型并继续进行实证分析,答案通常是肯定的,特别是在存在完全分离的情况下。这是因为二元Logit模型是更常用的模型,它对数据的分布假设较为宽松,通常不需要严格满足误差项正态分布的要求,而二元Probit模型则要求误差项必须是标准正态分布。此外,Logit模型的系数解释更容易理解,因为它给出了因变量取值为1的概率相对于基值变化的倍数。
然而,需要注意的是,即使更换了模型,由于完全分离的存在,模型可能还是存在问题。在这种情况下,您可以考虑以下几个建议:
- 检查变量:确保所有输入变量都与因变量有实际的相关性。
- 数据清洗:查看是否存在异常值或缺失值,这些可能会影响模型的表现。
- 变量转换:尝试对某些变量进行对数变换或其他非线性变换,看是否能改善模型拟合。
- 删除变量:如果某个变量导致完全分离,可以考虑删除这个变量,看看其他变量的效果如何。
- 使用混合模型:对于完全分离问题,可以考虑使用混合模型(如混合效应模型),它们更能处理此类情况。
- 其他方法:例如使用广义加性模型(GAM)、多项式逻辑回归等方法。
下面是用R语言实现这两个模型的例子:
# 假设df是包含数据的DataFrame,cyyiyuan为目标变量,其他列是特征变量 library(nnet) # 二元Probit模型 probit_model <- glm(cbind(cyyiyuan, 1 - cyyiyuan) ~ ., data = df, family = binomial("probit")) summary(probit_model) # 二元Logit模型 logit_model <- glm(cyyiyuan ~ ., data = df, family = binomial("logit")) summary(logit_model)
根据模型的残差诊断、似然比检验以及模型的预测性能(如交叉验证下的准确性、ROC曲线等),选择最适合的模型。如果您决定继续使用Logit模型,请务必关注其假设条件,特别是独立性假设,因为完全分离可能暗示着这一假设的破坏。
本回答被题主选为最佳回答 , 对您是否有帮助呢?解决 无用评论 打赏 举报 编辑记录
悬赏问题
- ¥15 Windows Script Host 无法找到脚本文件"C:\ProgramData\Player800\Cotrl.vbs”
- ¥15 matlab自定义损失函数
- ¥15 35114 SVAC视频验签的问题
- ¥15 impedancepy
- ¥15 求往届大挑得奖作品(ppt…)
- ¥15 如何在vue.config.js中读取到public文件夹下window.APP_CONFIG.API_BASE_URL的值
- ¥50 浦育平台scratch图形化编程
- ¥20 求这个的原理图 只要原理图
- ¥15 vue2项目中,如何配置环境,可以在打完包之后修改请求的服务器地址
- ¥20 微信的店铺小程序如何修改背景图