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)

Angaben zum Objekt

• 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 und Themen

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

Beteiligte, Orts- und Zeitangaben

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

Weitere Informationen

• 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