Download full text
(213.8Kb)
Citation Suggestion
Please use the following Persistent Identifier (PID) to cite this document:
https://nbn-resolving.org/urn:nbn:de:0168-ssoar-209855
Exports for your reference manager
Semi-Nichtparametrische Maximum-Likelihood Schätzung im binären Regressionsmodell
Semi-nonparametric maximum likelihood estimation in the binary regression model
[journal article]
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... view more
'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)... view less
Keywords
statistical analysis; regression analysis; statistical theory of errors; statistical test; method; statistics; model analysis; estimation
Classification
Methods and Techniques of Data Collection and Data Analysis, Statistical Methods, Computer Methods
Method
descriptive study; basic research
Document language
German
Publication Year
1990
Page/Pages
p. 49-53
Journal
ZUMA Nachrichten, 14 (1990) 27
Licence
Deposit Licence - No Redistribution, No Modifications