logit模型和probit模型区别

logit模型和probit模型区别如下：

一、probit和logit的区别

1、意思不同

probit：概率单位。

logistic：数理(符号)逻辑。

2、用法不同

probit：probit模型服从正态分布。两个模型都是离散选择模型的常用模型。但logit模型简单直接，应用更广。

而且，当因变量是名义变量时，Logit和Probit没有本质的区别，一般情况下可以换用。区别在于采用的分布函数不同，前者假设随机变量服从逻辑概率分布，而后者假设随机变量服从正态分布。

logistic：Logit模型是最早的离散选择模型，也是目前应用最广的模型。Logit模型是Luce(1959)根据IIA特性首次导出的;Marschark(1960)证明了Logit模型与最大效用理论的一致性;Marley(1965)研究了模型的形式和效用非确定项的分布之间的关系。

3、侧重点不同

probit：根据常态频率分配平均数的偏差计算统计单位。

logistic：离散选择法模型之一，Logit模型是最早的离散选择模型。

probit和logistic的关系如下：

如果从分布角度来讲，logit函数和probit的函数几乎重叠，但反映的含义不同，logit等于p/(1-p)，这里p是结局发生的概率，而probit的函数是F-1(p)，注意-1是上标。F是累积的标准正态分布函数，所以F-1就是累积标准正态分布函数的逆函数或反函数。

从解释的角度来讲，logit更容易理解一些，因为p/(1-p)就是我们常说的odds，两个odds相比就是odds ratio，也就是我们最常用的OR值。所以当我们做出结果后，logistic回归所反应的实际意义就非常直观。而相比之下，probit的含义表示自变量对累积标准正态分布函数的逆作用，这个就太让人看不懂了。

设集体是由个人C1、C2…CN所组成，则集体对于同一事物的情感称为该事物的合成情感，用∣MC∣来表示。

集体情感通常并不等于各成员情感的代数和，但必定与各成员的情感存在一定的相关关系，可以证明（从略）：

MC=∑（MCi×Si） （1－28）

其中Si反映了个人情感对集体情感的影响程度，称为情感影响权数，它与价值观的影响权数基本相同。

probit与logit的区别为：

1、意思不同，probit为概率单位，logistic为数理(符号)逻辑。

2、用法不同，probit模型服从正态分布，Logit模型是离散选择模型。

3、侧重点不同，probit根据常态频率分配平均数的偏差计算统计单位，logistic是离散选择法模型之一。

logit和probit的区别：y = x'b + e中，对e的分布的设定不同。logit模型中，e服从标准logistic分布；probit模型中，e服从标准正态分布。两个模型估算的边际效应的差别主要体现在对尾部数据的解释上，但logit模型简单直接，应用更广。

离散选择模型的软件很多，有limdep，elm、nlogit等。spss180中能做2元和多元logit模型。stata，sas，guass都能做logit模型。入门级的软件是spss和elm，后者可以做多元logit和分层logit。但是elm必须购买注册号才能使用。

logistic离散选择法模型之一，Logit模型是最早的离散选择模型：probit是根据常态频率分配平均数的偏差计算统计单位。两个方法之间也是有关联的，通常情况下，probit回归估计出的参数值乘以1814，大致会等于logistic回归中的参数值。

数学模型的特点与分类如下：

将实际问题抽象为数学符号和公式的形式化表达，以便对问题进行定量分析和求解。目前，数学模型被广泛应用于科学研究、经济管理、社会政策等领域。下面，将详细介绍数学模型的分类以及其特点。

1静态模型和动态模型

根据时间因素的不同，数学模型可以分为静态模型和动态模型两种。静态模型是指在某一相对固定的时间点上建立的模型，而动态模型则是针对时间流程性问题而建立的模型。静态模型更适合于简单的问题，而动态模型则更适合于需要考虑时间因素的问题。

2确定性模型和随机模型

根据变量所受影响的程度和随机性质，数学模型可分为确定性模型和随机模型两种。确定性模型一般假设所有的参量都是确定的而不受随机因素影响的，例如线性规划模型、多项式拟合模型等。而随机模型则涉及到概率与统计的范畴，包括随机过程、马尔可夫模型、蒙特卡罗模拟等。

3非线性模型和线性模型

根据变量之间的函数关系，数学模型可分为非线性模型和线性模型两种。线性模型的特点是变量之间的关系可以用简单线性方程表示，如一次函数、二次函数等。

而非线性模型则表现为变量之间的函数关系不是线性的，无法用简单的线性方程表示，这类模型包括指数函数、对数函数、三角函数等。

4离散模型和连续模型

根据变量的取值方式，数学模型可分为离散模型和连续模型两种。连续模型是指变量的取值在某一范围内均匀连续，如微积分中的导数和积分问题。而离散模型则是指变量只能取有限或离散的值，比如网络最短路径问题、整数规划问题等。

5静态描述模型和动态过程模型

根据其描述被建立对象的时间因素，数学模型可分为静态描述模型和动态描述过程模型。静态描述模型用来描述某一瞬间存在的状态或对象，如流量平衡方程、盈利表等等。而动态描述过程模型则着眼于变化过程的演化关系，如差分方程、微分方程、动态规划等等。

综上所述，数学模型是一种把实际问题抽象为数学符号和模型形式，以便对问题进行定量分析和求解的工具。数学模型的种类繁多，我们需要根据问题的特点、需求和条件等因素，选择相应类型的数学模型进行建模与分析，以更好地解决实际问题。