Logit Probit
- Probability Logistic - Probability Normal
- Mencari Odds Ratio dari setiap variabel - Mencari Odds Ratio dari setiap variabel independent
independent - Marginal Effek dari setiap variabel independent
- Marginal Effek dari setiap variabel independent - Variabel Y (depneden) = Diskrit/Kategori dan nilai
- Variabel Y (Dependen) = Diskrit/Kategori X (independent) bisa variabel kategori/numerik
(Nominal/ 2 kategori), (Ordinal/ 3 kategori) / - Sedangkan Probit – Cumulative standard normal
dummy variabel, dan nilai X (independent) bisa distribution (Φ)
varibel kategori/ numerik
- Cumulative standard logistic distribution (F),
Estimator
1. Model probit dan Logit jauh berbeda dengan model OLS. Dalam model OLS
terdapat istilah BLUE (Best Linier Unbiased Estimator), namun pada model
probit dan logit tidak terdapat istilah ini, karena bukan model linier. Dalam OLS
hasil regresi menghasilkan sebuah garis linier yang merupakan agregat kuadrat
dari simpangan masing-masing observasi yang terkecil (least square),
2. Sedangkan model probit dan logit adalah model yang menggunakan pendekatan
Maximum Likelihood (ML). Oleh karena itu hasil regresi model probit atau logit
akan menghasilkan kecenderungan yang paling mungkin.
Uji simultan (overall
significance test) :
likelihood ratio
Uji hipotesis
Uji parsial: Uji wald
Pseudo R2 (McFadden R2)
3. OR (white) = 0,33
4. White memiliki peluang 0,33 kali
mempengaruhi BBLR
dibandingkan nonwhite OR (educ)
= 1,254
5. Educ memiliki peluang
meningkatkan infl sebesar 1,254
kali
Marginal effect
1. Command : mfx
2. Penjelasannya:
3. Pertama, probabilitas keseluruhan model terhadap
(INFL) , 0,58774394.
4. Kedua, penjelasan untuk marginal efek tiap variable,
5. misal untuk variabel kidslt6, secara rata-rata ketika
nilai kidslt6 naik satu satuan maka kemungkinan
perempuan untuk infl=1 (bekerja) akan turun sebesar
0.3487663 point atau 34.88%.
6. variabel educ, secara rata-rata ketika nilai educ naik
satu satuan maka kemungkinan perempuan untuk
infl=1 (bekerja) akan naik sebesar 0.0549967 point
atau sebesar 5.5%.
Pengujian Goodness of 1. Pada hasil model kita, model fits hasilnya sangat baik.
Dimana, nilai number of covariate patterns saama dengan