二元Probit回归结果解读：离散选择模型分析.docxVIP

二元Probit回归分析结果解读

二元Probit回归是一种用于研究自变量对二分类因变量影响的广义线性模型方法。与Logistic回归采用Sigmoid函数不同，Probit回归基于标准正态分布的累积分布函数建立链接，将线性组合映射为0到1之间的概率值。该方法在经济学、社会学和医学研究中应用广泛，尤其适用于因变量仅取0和1两个值的情形。本研究利用SPSSAU软件，将x1、x2、x3、x4、x5作为自变量，y作为因变量进行二元Probit回归分析，探讨各自变量对二分类结果的影响方向与影响程度。

在SPSSAU【实验/医学研究】模块选择【二元probit】，将变量拖拽至右侧对应分析框，操作如下图：

一、数据基本信息

本次分析共有320个有效样本进入模型，不存在缺失数据。因变量y取值为0和1两个类别，其中y=0的样本有169个，占比52.81%；y=1的样本有151个，占比47.19%。因变量两类分布较为均衡，比例接近1:1，有利于模型的稳定估计。

从表1可以看出，全部320个样本均有效进入模型分析，无缺失数据被排除。因变量y的两个取值分布较为均匀，不存在严重的类别不平衡问题，模型估计的可靠性有保障。

二、模型似然比检验

模型似然比检验用于判断纳入自变量后模型整体是否具有统计学意义。原假设为：纳入自变量（x1、x2、x3、x4、x5）前后模型质量无差异，即所有自变量的回归系数同时为0。