大家好，欢迎来到IT知识分享网。
原文链接：https://www.lianxh.cn/news/7a44186e16de7.html
编译：张雪娇 (中山大学)
来源： 连享会：Logit\Probit 推文系列
- Stata: Logit 模型简介
- Stata: 何时使用线性概率模型而非Logit？
- Stata: 为何使用 Logit 模型？Logit 模型评介
- 连享会：动态 Probit 模型及 Stata 实现
- Stata：嵌套 Logit 模型 (Nested Logit)
目录
2015 年 7 月，PAUL VON HIPPEL 列出了一些线性概率模型相对于 Logit (Logistic) 模型的优势。他认为，相比其他逻辑模型来说，线性模型更易于解释并且运行的更快，这对于处理数据集较大或复杂模型时就显得尤为重要。此外，线性概率模型通常与 Logistic 模型一样适用，因为在某些范围内概率 p 几乎与 logistic 回归中使用的对数概率函数 线性相关。
以经验来看，他建议线性概率模型可以用于概率范围在 0.20 到 0.80 之间的模型。因为在此范围内，概率和对数概率几乎是线性相关的 (如图 1 所示)。Long (1997) 也曾给出过类似的建议。然而，事实上线性概率模型实际可行的应用范围比这更广。
免责声明：本站所有文章内容,图片，视频等均是来源于用户投稿和互联网及文摘转载整编而成，不代表本站观点，不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益，请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权，请联系删除，如若转载，请注明出处：https://yundeesoft.com/15626.html
