Como interpretar Probabilidade Models

Análise estatística nas ciências sociais e outros campos quantitativos requer a interpretação dos modelos de probabilidade em muitos casos. A metodologia mais comum usado pelos cientistas sociais é Mínimos Quadrados Ordinários (MQO) . No entanto, OLS é metodologicamente inviável quando a variável dependente é um manequim. Quando este for o caso , são preferidos logit . Embora diferente de interpretar OLS , não é difícil de entender modelos logit , que expressam dados em curvas em forma de S como probabilities.Things previstos Você vai precisar de
Conjunto de dados com a matriz de regressão
Mostrar Mais instruções
como configurar um modelo Logit
1

Anote as fórmulas que você usará para configurar o modelo da seguinte forma:

Y * = b0 + + b1X1 b2x2 + .
..

Pr ( Y = 1 ) = ( 1 ) /( 1 + exp ( - ? Y * ) )
2

Pr ( Y = 1 ) indica a probabilidade de que Y = 1 , com Y indicando algum evento . Imagine que Y é a probabilidade de que um cidadão vai votar . Se Pr ( Y = 1) = 0,5 , então você sabe que há uma probabilidade de 0,5 de que o cidadão vai votar . Assim , Pr ( Y = 1 ) é sempre um valor entre 0 e 1
3

Os coeficientes ( B0 , B1, B2 , etc ) serão expressos como sinais positivos ou negativos e correspondem às suas variáveis ​​independentes ( as variáveis ​​que atuam sobre a variável dependente ) . Se um desses coeficientes com sinal negativo , a maior correspondente X significa que haverá uma menor Y * , e, consequentemente, uma diminuição do Pr ( Y = 1).
Como interpretar um Modelo Logit
4

Em modelos logit , a variável dependente é um manequim. Ou seja, ela expressa um ou /ou tipo de evento expresso como uma probabilidade . Um modelo logit com probabilidade de voto como variável dependente seria atribuir qualquer um? 0 & quot; ou uma? 1? para cada alternativa como se segue :

& quot 0? ; = Não votaram

& quot ; 1? = Votou

A variável dependente está situado no eixo -y , que funciona em uma escala com 0 em seu ponto mais baixo e 1 no seu ponto mais alto .

simular este exemplo , desenhando um xy gráfico com o eixo y descrita acima .
5

Criar um eixo x , que descreve o nível de formação . Coloque cinco marcas de hash na escala e rotulá-los começando com 1 no de hash mais próximo da intersecção e terminando com 5 no ponto mais distante do Intersect , onde 1 = algumas ensino médio, 2 = ensino médio, 3 = algumas de graduação , 4 = graduação , e 5 = além de graduação .
6

desenhar e S em forma de curva de modo a que o ponto mais elevado da curva ( a parte superior da S ) está situado acima do 5 sobre o eixo x e do outro lado a partir de um ponto imediatamente abaixo do 1 sobre o eixo y e o ponto mais baixo é o acima 1 no eixo - x e em frente a um ponto imediatamente acima do 0 sobre o eixo y .
7

para interpretar esta curva , subir uma linha imaginária vertical , de qualquer ponto sobre o eixo - x para o local onde a linha imaginária encontra a curva S . Então, imagine uma outra linha correndo horizontalmente da que se cruzam com o eixo -y . Esta intersecção revela a probabilidade de que um cidadão com? X & quot; nível de ensino tem um? y & quot; probabilidade de voto (ou seja , um cidadão com alguma experiência de graduação tem um 0,43 probabilidade de voto )