Bei der linearen Regression muss die zu erklärende Variable kontinuierlich sein. Wir schauen uns Logit und Probit an, die wir verwenden können, wenn die zu erklärende Variable binär ist. Wir lernen die Interpretation von Logit mit dem Chancenverhältnis sowie mit vorausgesagten Wahrscheinlichkeiten, diskreten Änderungen und marginalen Effekten und schauen uns dazu die invertierte Linkfunktion an. Zudem beschäftigen wir uns mit der Modellgüte.

错误:搜索内容不能为空,请输入英文关键词
错误:关键词超出字数限制,请精简
高级检索

Logistische Regression

  • Benjamin E. Schlegel

摘要

Bei der linearen Regression muss die zu erklärende Variable kontinuierlich sein. Wir schauen uns Logit und Probit an, die wir verwenden können, wenn die zu erklärende Variable binär ist. Wir lernen die Interpretation von Logit mit dem Chancenverhältnis sowie mit vorausgesagten Wahrscheinlichkeiten, diskreten Änderungen und marginalen Effekten und schauen uns dazu die invertierte Linkfunktion an. Zudem beschäftigen wir uns mit der Modellgüte.