Was ist der Unterschied zwischen dem geordneten Probit- und dem Logit-Modell?

Ordered Logit (OL)- und Ordered Probit (OP)-Modelle sind statistische Techniken, die in verschiedenen Bereichen zur Analyse von Ordinaldaten eingesetzt werden, wobei Beobachtungen in geordnete Kategorien und nicht in numerische Werte kategorisiert werden.

In praktischen Anwendungen werden diese Modelle häufig zur Untersuchung von Phänomenen eingesetzt, bei denen es natürlich vorkommende geordnete Kategorien gibt, wie z. B. Zufriedenheitsniveaus, Leistungsbewertungen oder Risikobewertungen.

Das OL-Modell geht davon aus, dass die zugrunde liegende kontinuierliche Variable einer logistischen Verteilung folgt. Dies bedeutet, dass die Wahrscheinlichkeit, dass eine Beobachtung in eine bestimmte Kategorie fällt, in einem sigmoidalen Muster zunimmt oder abnimmt, wenn sich der Wert der kontinuierlichen Variablen ändert.

Umgekehrt postuliert das OP-Modell, dass die zugrunde liegende kontinuierliche Variable eine Normalverteilung aufweist. In diesem Rahmen wird die Wahrscheinlichkeit der Kategorisierung durch den Abstand der kontinuierlichen Variablen von einer Reihe von Schwellenwerten beeinflusst, wobei größere Werte eine höhere Wahrscheinlichkeit der Zugehörigkeit zu einer höheren Kategorie anzeigen.

Ein wesentliches Merkmal sowohl der OL- als auch der OP-Modelle besteht darin, dass sie die Interpretation der Beziehung zwischen der abhängigen Variablen und den erklärenden Variablen im Hinblick darauf ermöglichen, wie sie die Wahrscheinlichkeit beeinflussen, dass eine Beobachtung in eine bestimmte geordnete Kategorie fällt .