Когда использовать пробит или логит?
В сфере статистического моделирования выбор между пробит- и логит-моделями часто может вызывать недоумение. Итак, когда следует отдать предпочтение пробит-модели вместо логит-модели и наоборот? Какие факторы следует учитывать, чтобы принять обоснованное решение? Существует ли конкретный тип данных или исследовательский вопрос, который больше склоняется к одной модели, чем к другой? Как исследователь или аналитик может убедиться, что их выбор соответствует предположениям и характеристикам каждой модели?
Соответствует ли показатель склонности логиту или пробиту?
Не могли бы вы уточнить, обычно ли сопоставление оценок склонности выполняется с использованием логит- или пробит-модели? Я понимаю, что в регрессионном анализе бинарных результатов используются как логит-, так и пробит-модели, но я не уверен, какая из них чаще применяется в контексте сопоставления оценок склонности. Есть ли конкретная причина, по которой в этом сценарии один может быть предпочтительнее другого?