Semi-Nichtparametrische Maximum-Likelihood Schätzung im binären Regressionsmodell

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)

Weitere Titel
Semi-nonparametric maximum likelihood estimation in the binary regression model
Standort
Deutsche Nationalbibliothek Frankfurt am Main
Umfang
Online-Ressource
Sprache
Deutsch
Anmerkungen
Veröffentlichungsversion
In: ZUMA Nachrichten ; 14 (1990) 27 ; 49-53

Klassifikation
Wirtschaft
Schlagwort
Regressionsmodell
Likelihood-Funktion
Normalverteilung
Erwartungswert
Logistische Verteilung
Logit-Modell

Ereignis
Veröffentlichung
(wo)
Mannheim
(wann)
1990
Urheber
Gabler, Siegfried
Laisney, Francois
Lechner, Michael

URN
urn:nbn:de:0168-ssoar-209855
Rechteinformation
Open Access unbekannt; Open Access; Der Zugriff auf das Objekt ist unbeschränkt möglich.
Letzte Aktualisierung
25.03.2025, 13:55 MEZ

Datenpartner

Dieses Objekt wird bereitgestellt von:
Deutsche Nationalbibliothek. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.

Beteiligte

  • Gabler, Siegfried
  • Laisney, Francois
  • Lechner, Michael

Entstanden

  • 1990

Ähnliche Objekte (12)