yang dapat digunakan untuk mengetahui pengaruh variabel independen terhadap variabel dependen yang bersifat biner. Karena pada model probit ini digunakan fungsi sebaran kumulatif normal seringkali model ini juga dinamakan model normit. Model Probit dapat dinyatakan sebagai berikut: 𝑃 𝑌𝑖 = 1 𝑥𝑖 = (𝛽0 + 𝛽1 𝑋𝑖1 + ⋯ + 𝛽𝑝 𝑋𝑖𝑝 ) (𝛽0 +𝛽1 𝑋𝑖1 +⋯+𝛽𝑝 𝑋𝑖𝑝 ) =න 𝑧 𝑑𝑧 −∞ Dimana 𝑧 adalah fungsi kepekatan peluang dari sebaran normal Model peluang linier vs Model Probit Model probit lebih menarik dari model peluang linear, namun untuk menduga parameter koefisiennya digunakan pendugaan kemungkinan maksimum (maximum likelihood, ML) non linear. Interpretasi koefisiennya agak terbatas Perbandingan Logistik vs Probit Interpretasi Untuk melakukan interpretasi, pertimbangkan laten variabel y* yang tidak dapat diamati oleh peneliti dan memiliki ketergantungan pada variabel x secara linier 𝑦𝑖∗ = 𝑥′𝑖 𝛽 = 𝛽0 + 𝛽1 𝑋𝑖1 + ⋯ + 𝛽𝑝 𝑋𝑖𝑝 + 𝑢𝑖 Variabel laten 𝑦𝑖∗ dapat diinterpretasikan sebagai utility difference antara memilih 𝑦𝑖 = 1 dan 0 Nilai 𝑦𝑖 = 1 jika variabel laten bernilai positif dan 0 selainnya. Jadi nilai observasi 1 𝑗𝑖𝑘𝑎 𝑦𝑖∗ > 0 𝑦𝑖 = ൝ 0 𝑗𝑖𝑘𝑎 𝑦𝑖∗ ≤ 0 Peluang bahwa 𝑦𝑖 = 1adalah 𝑃 𝑦𝑖 = 1|𝑥𝑖 = 𝑃 𝑦𝑖∗ > 0|𝑥𝑖 = 𝑃 𝑥′𝑖 𝛽 + 𝑢𝑖 > 0|𝑥𝑖 = 𝑃 𝑢𝑖 > −𝑥 ′ 𝑖 𝛽|𝑥𝑖 = 1 − −𝑥 ′ 𝑖 𝛽 = 𝑥′𝑖 𝛽 Regresi Tobit • Regresi Tobit merupakan analisis regresi yang digunakan untuk variabel tak bebas yang akibat sifat terbatasnya menjadi bernilai nol untuk beberapa pengamatan dan bernilai positif untuk selainnya • Dalam menduga parameter regresi Tobit digunakan metode Maximum Likelihood Estimation (MLE).Menurut Hosmer dan Lemeshow (2000) penggunaan metode ini menghasilkan penduga yangkonsisten dan efisien untuk sampel yang berukuran besar Regresi probit pun merupakan salah satu model regresi yang dapat digunakan untuk menjelaskan pola hubungan antara variabel respon dengan variabel prediktor, dimana variabel respon tersebut bersifat kategori dikotomus yang dikategorikan berdasarkan nilai pada threshold tertentu. Fungsi yang digunakan pada regresi probit adalah distribusi normal. Berikut merupakan probabilitas dari regresi probit. p = 𝝫(Z) ; Z = β0 +β1 X1 + β2 X2 + ⋯ + βq Xq