解释概率模型：Logit-Probit以及其他广义线性模型.pptVIP

解释概率模型2018.12.171

目录4123876549介绍广义线性模型和对其系数的解释二分的logit和probit模型序列logit和probit模型有序logit和probit模型多类别logit模型条件logit模型泊松回归模型总结2

一、介绍在社会学家的工具箱里，最基本的统计方法就是对一个连续的线性的因变量(或者可以转化成线性的)进行回归分析。然而很多社会科学家研究的对象是无法用经典的回归模型来分析的，因为很多的态度、行为、特点，决定以及事件(无论本质上是连续的或者不连续的)是用离散的.虚拟的、序列的或者简单来说，非连续的方法来测量的。划分处理此类数据的一些统计模型常常根据数据的种类来代表和讨论，比如“二分数据分析”、“序列数据分析”、“类别数据分析”或者“离散选择分析”，或者作为一个特别的模型，比方说logit或者probit模型。这些相关联的统计方法的共同特点就是它们都是对某事件的概率来建模。因此，在本书里，我将所有分析事件概率的统计模型统一称为“概率模型”。我们讨论的概率模型包括二分的，序列的，有序的logit和probit，多类别logit，条件logit，以及泊松回归模型。由于解释上的一些困难，有些社会学家对于这些概率模型存有疑虑，由此导致他们逃避选择这种概率模型，转而选择一些更加熟悉却未必合适的方法，比如线性回归。本书的目的就是展示如何解释从各种概率