순서 프로빗

시리즈의 일부
회귀 분석
모델
선형 회귀 단순 회귀 다항식 회귀 분석 일반 선형 모형
일반화 선형 모형 개별 선택 이항 회귀 분석 이항 회귀 로지스틱 회귀 분석 다항 로지스틱 회귀 분석 혼합 로짓 프로빗 다항 프로빗 주문된 로짓 순서 프로빗 포아송
다단계 모형 고정 효과 랜덤 효과 선형 혼합 효과 모형 비선형 혼합 효과 모형
비선형 회귀 분석 비모수 반파라메트릭 견고. 양분위수 아이소토닉 주요 컴포넌트 최소 각도 현지의 세그먼트화
변수 오류
견적
최소 제곱 선형 비선형
보통의 가중치 일반화
부분적 총 음이 아닌 능선 회귀 정규화
최소 절대 편차 반복 재중량화 베이지안 베이지안 다변량 최소 제곱 스펙트럼 분석
배경
회귀 검증 평균 및 예측 반응 오차 및 잔차 적합도 학생화 잔차 가우스-마르코프 정리
수학 포털
v t

통계학에서 순서 프로빗(ordered probit)은 순서 종속 변수(poor, fair, good, excellent와 같이 잠재적 값이 자연적 순서를 갖는 종속 변수)의 결과가 세 개 이상인 경우에 널리 사용되는 프로빗 분석의 일반화이다.마찬가지로 널리 사용되는 로짓 메서드에도 대응하는 순서 로짓이 있습니다.순서 프로빗은 순서 로짓과 마찬가지로 순서 회귀의 특정 방법입니다.

예를 들어 임상연구에서 약물이 환자에게 미칠 수 있는 효과는 프로빗 회귀를 순서대로 사용하여 모델링할 수 있습니다.독립 변수에는 약물의 사용 또는 미사용뿐만 아니라 환자의 고혈압, 심장병 등의 질병 유무와 같은 의료 기록의 세부사항과 같은 제어 변수가 포함될 수 있다.의존 변수는 완치, 증상 완화, 효과 없음, 악화 상태, 사망의 목록에서 순위가 매겨집니다.

또 다른 적용 예는 조사 조사에서 일반적으로 사용되는 리커트 유형의 항목이며, 응답자는 자신의 동의를 순서 있는 척도로 평가한다(예: "강력하게 반대"에서 "강력하게 동의").순서 프로빗 모형은 이러한 데이터에 적절한 적합을 제공하여 옵션 ^[1]간 간격 거리를 가정하지 않고 반응 옵션의 순서를 유지합니다.

개념적 기초

특성화할^[2] 기본 관계가 다음과 같다고 가정합니다.

${\displaystyle {}^{}y}$ ${\displaystyle {\ast }^{}}$ $=$ ${\displaystyle {\mathsf{}}^{}}$ ${\displaystyle {T\beta }^{}}$+ ${\$ { $displaystyle$ y^{*}=\$mathbf {x}^{\mathsf {T}}\beta +\ilon$

$여기$서 y$$ { \ $displaystyle$y$^$ { * } } $where$ 、 x \ displaystyle \ $mathbf${ $x }$는 독립 변수의 $벡터$이고$β$ \$displaystyle$ \ display $}$는 추정하고자 하는 회귀 계수의 벡터이다.또한 y를$관찰$할 수 없지만(\$displaystyle$ y$^\{*\})$ 응답 카테고리만 관찰할 수 있다고 가정합니다.

${\displaystyle y=case}0~{\text{if}~y^{*}\leq 0,\1~{\text{if}~0<y^{*}\leq \mu _{1}~\text{if}}~\mu _{1}<y^{*}\d} \leq\dots\dots}_vots 0,\leq0\end {case}}$

다음으로 순서 프로빗 기법은$$y의${\displaystyle {}^{}}$관측치$($y의 $관측{\displaystyle {}^{}}$ 중단 데이터 형식$)$를 사용하여 파라미터 $벡터{\displaystyle }$β$(\displaystyle$ \$beta$를 맞춥니다.

견적

이 섹션은 확장해야 합니다.추가하시면 됩니다. (2017년 2월)

모형은 보통 최소 제곱을 사용하여 일관되게 추정할 수 없습니다. 일반적으로 최대우도를 사용하여 추정됩니다.방정식의 추정 방법에 대한 자세한 내용은 순서형 회귀 분석 문서를 참조하십시오.

레퍼런스

추가 정보

• Becker, William E.; Kennedy, Peter E. (1992). "A Graphical Exposition of the Ordered Probit". Econometric Theory. 8 (1): 127–131. doi:10.1017/S0266466600010781.