Volltext herunterladen
(213.8 KB)
Zitationshinweis
Bitte beziehen Sie sich beim Zitieren dieses Dokumentes immer auf folgenden Persistent Identifier (PID):
https://nbn-resolving.org/urn:nbn:de:0168-ssoar-209855
Export für Ihre Literaturverwaltung
Semi-Nichtparametrische Maximum-Likelihood Schätzung im binären Regressionsmodell
Semi-nonparametric maximum likelihood estimation in the binary regression model
[Zeitschriftenartikel]
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 Modell... mehr
'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)... weniger
Thesaurusschlagwörter
statistische Analyse; Modellanalyse; statistischer Test; Regressionsanalyse; Schätzung; Methode; Statistik; Fehlertheorie
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