Quelle est la différence entre le modèle probit ordonné et le modèle logit ?

Les modèles logit ordonné (OL) et probit ordonné (OP) sont des techniques statistiques utilisées dans divers domaines pour analyser les données ordinales, où les observations sont classées en catégories ordonnées plutôt qu'en valeurs numériques.

Dans les applications pratiques, ces modèles sont souvent utilisés pour étudier des phénomènes dans lesquels il existe des catégories ordonnées naturelles, telles que les niveaux de satisfaction, les évaluations de performances ou les évaluations des risques.

Le modèle OL suppose que la variable continue sous-jacente suit une distribution logistique. Cela implique que la probabilité qu'une observation tombe dans une catégorie particulière augmente ou diminue selon un modèle sigmoïdal à mesure que la valeur de la variable continue change.

À l'inverse, le modèle OP postule que la variable continue sous-jacente a une distribution normale. Dans ce cadre, la probabilité de catégorisation est influencée par la distance entre la variable continue et un ensemble de seuils, des valeurs plus élevées indiquant une probabilité plus élevée d’appartenir à une catégorie supérieure.

Une caractéristique clé des modèles OL et OP est qu'ils permettent d'interpréter la relation entre la variable dépendante et les variables explicatives en termes de manière dont elles affectent la probabilité qu'une observation tombe dans une catégorie ordonnée particulière. .