Export für Ihre Literaturverwaltung

Übernahme per Copy & Paste
Bibtex-Export
Endnote-Export

       

Weiterempfehlen

Bookmark and Share


Semi-Nichtparametrische Maximum-Likelihood Schätzung im binären Regressionsmodell

Semi-nonparametric maximum likelihood estimation in the binary regression model
[Zeitschriftenartikel]

Gabler, Siegfried; Laisney, Francois; Lechner, Michael

Zitationshinweis

Bitte beziehen Sie sich beim Zitieren dieses Dokumentes immer auf folgenden Persistent Identifier (PID):http://nbn-resolving.de/urn:nbn:de:0168-ssoar-209855

Weitere Angaben:
Abstract 'Die in den Sozialwissenschaften, den Wirtschaftswissenschaften und der Biometrie bekanntesten Modelle für binäre abhängige Variablen sind das Probit- und Logitmodell. Als Verteilung der Fehlervariablen verwendet man dabei die Normalverteilung beziehungsweise die Logistische Verteilung. Beide Modelle liefern in der Regel ähnliche Schätzungen. Ist die Verteilung der Fehlervariablen schief, so führen Tests schnell zur Ablehnung beider Modelle. Beim Gallant-Nychka Ansatz wird die Verteilung geeignet approximiert. Neben den Parametern des Modells sind simultan die Parameter der Verteilung zu schätzen. Simulationen zeigen, daß die Schätzung bei normalverteilten Fehlervariablen fast genauso effizient wie im Probitmodell, jedoch viel besser bei Abweichungen von der Normalverteilung ist.' (Autorenreferat)
Thesaurusschlagwörter statistics; statistical analysis; model analysis; regression analysis; method; statistical theory of errors; estimation; statistical test
Klassifikation Erhebungstechniken und Analysetechniken der Sozialwissenschaften
Methode deskriptive Studie; Grundlagenforschung
Sprache Dokument Deutsch
Publikationsjahr 1990
Seitenangabe S. 49-53
Zeitschriftentitel ZUMA Nachrichten, 14 (1990) 27
Lizenz Deposit Licence - Keine Weiterverbreitung, keine Bearbeitung
top