Regresi Probit dan Tobit

Regresi Probit adalah salah satu model regresi

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