Semi-Nichtparametrische Maximum-Likelihood Schätzung im binären Regressionsmodell

Journal article | Zeitschriftenartikel

'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)

Object Details

• Alternative title: Semi-nonparametric maximum likelihood estimation in the binary regression model
• Extent: Seite(n): 49-53
• Language: Deutsch
• Notes: Status: Veröffentlichungsversion

References and Relationships

• Bibliographic citation: ZUMA Nachrichten, 14(27)

Classification and Topics

• Subject: Sozialwissenschaften, Soziologie ; Erhebungstechniken und Analysetechniken der Sozialwissenschaften ; statistische Analyse ; Modellanalyse ; statistischer Test ; Regressionsanalyse ; Schätzung ; Methode ; Statistik ; Fehlertheorie ; Grundlagenforschung ; deskriptive Studie

Contributors, Places and Time

• Event: Geistige Schöpfung
• (who): Gabler, Siegfried ; Laisney, Francois ; Lechner, Michael
• Event: Veröffentlichung
• (where): Deutschland
• (when): 1990

Further information

• URN: urn:nbn:de:0168-ssoar-209855
• Rights: GESIS - Leibniz-Institut für Sozialwissenschaften. Bibliothek Köln
• Last update: 21.06.2024, 4:26 PM CEST