1、广义线性回归 广义线性模型有三个组成部分： (1) 随机部分, 即变量所属的指数族分布 族成员, 诸如正态分布, 二项分布, Poisson 分布等等. (2) 线性部分, 即 η = x⊤β. (3) 连接函数 g(µ) = η。 R 中的广义线性模型函数glm() 对指数族中某分布的默认连接函数 是其典则连接函数, 下表列出了 R 函数glm() 所用的某些指数族分布的 典则连接函数. 2、0-1因变量的回归模型 对于因变量为0,1变量的问题，可以考虑两种模型来解决 经过Probit变换和Logit变换，两种模型可以写成： 多变量情况： logit回归 probit回归 3

二元选择(Probit&Logit)模型.doc

matlab做probit回归代码RIS 时空概率 Philipp Hunziker 2018 年 8 月 12 日 这个包实现了 (FHC) 中引入的时空自回归概率模型。 估计基于递归重要性采样 (RIS) 最大模拟似然 (MSL) 程序。 该代码松散地基于 Franzese 等人的 Matlab 复制材料，并添加了一些加速（C++）和便利功能。 注意：这个包很大程度上未经测试 - 谨慎行事。 用法 这是模拟数据的简短使用示例，类似于 FHC 中的实验 #1。 请注意，该模型是作为有状态的 R6 类实现的。 library( risprobit ) set.seed( 0 ) # # Set data specs N <- 7 * 7 TT <- 5 # TT = 21 in FHC, but that takes forever # # Set true params rho <- 0.1 gamma <- 0.3 beta <- c( - 1.5 , 3 ) # # Simulate some data sim <- simulate_data( N , TT , rho , g

第15章Probit回归(概率单位回归).pdf

Discrete logit probit estimation