En statistiques, un modèle probit est un type de régression où la variable dépendante ne peut prendre que deux valeurs, par exemple marié ou non marié. Le mot est un mot-valise, venant de probabilité + unité.
Que fait une régression probit ?
La régression probit, également appelée modèle probit, est utilisée pour modéliser des variables de résultat dichotomiques ou binaires. Dans le modèle probit, la distribution normale standard inverse de la probabilité est modélisée comme une combinaison linéaire des prédicteurs.
Qu'est-ce que la régression logit et probit ?
Le modèle logit utilise ce qu'on appelle la fonction de distribution cumulative de la distribution logistique. Le modèle probit utilise ce qu'on appelle la fonction de distribution cumulative de la distribution normale standard pour définir f(∗). Les deux fonctions prendront n'importe quel nombre et le redimensionneront entre 0 et 1.
Le probit est-il identique à la régression logistique ?
La relation sigmoïde entre un prédicteur et la probabilité est presque identique dans la régression probit et logistique Une différence d'une unité dans X aura un impact plus important sur la probabilité au milieu que près 0 ou 1. Cela dit, si vous en faites assez, vous pouvez certainement vous habituer à l'idée.
Quand dois-je utiliser un modèle probit ?
Utilisez le modèle de régression probit bivarié si vous avez deux variables dépendantes binaires (Y1, Y2), et souhaitez les modéliser conjointement en fonction de quelques variables explicatives.
