¿Cuál es la diferencia entre el modelo probit ordenado y logit?

Los modelos logit ordenado (OL) y probit ordenado (OP) son técnicas estadísticas utilizadas en diversos campos para analizar datos ordinales, donde las observaciones se clasifican en categorías ordenadas en lugar de valores numéricos.

En aplicaciones prácticas, estos modelos a menudo se emplean para estudiar fenómenos en los que existen categorías ordenadas que ocurren naturalmente, como niveles de satisfacción, calificaciones de desempeño o evaluaciones de riesgos.

El modelo OL supone que la variable continua subyacente sigue una distribución logística. Esto implica que la probabilidad de que una observación caiga en una categoría particular aumenta o disminuye en un patrón sigmoideo a medida que cambia el valor de la variable continua.

Por el contrario, el modelo OP postula que la variable continua subyacente tiene una distribución normal. En este marco, la probabilidad de categorización está influenciada por la distancia de la variable continua a un conjunto de umbrales, donde valores mayores indican una mayor probabilidad de pertenecer a una categoría superior.

Una característica clave de los modelos OL y OP es que permiten la interpretación de la relación entre la variable dependiente y las variables explicativas en términos de cómo afectan la probabilidad de que una observación caiga en una categoría ordenada particular. .