|
|
二分类概率单位回归(Probit)
# 1、作用
二分类概率单位回归（Probit Regression）是一种广义的线性模型，用于处理因变量Y为二分类（binary）变量的回归分析。在这种情况下，Y只能取两个值（例如，0和1，代表“成功”与“失败”、“是”与“否”等）。Probit模型通过假设一个潜在的连续变量（通常称为潜变量）与自变量X之间存在线性关系，并通过这个潜变量与阈值（通常是0）的比较来决定Y的取值。具体来说，当潜变量大于0时，Y取值为1；当潜变量小于或等于0时，Y取值为0。
由于Probit模型使用正态分布的累积分布函数（CDF）来连接潜变量和观察到的二分类因变量，因此它能够捕捉到因变量与自变量之间的非线性关系，并且允许误差项服从正态分布。
# 2、输入输出描述
输入
：自变量 X 为1个或1个以上的定类或定量变量，因变量 Y 为一个定类变量。
输出
：模型输出的分析结果及模型的预测效果。
# 3、案例示例
案例：根据员工满意度、月均工作小时、工伤事故、薪资水平四个影响因素(自变量)研究员工是否离职。
# 4、案例数据
# 5、案例操作
Step1：新建分析；
Step2：上传数据；
Step3：选择对应数据打开后进行预览，确认无误后点击开始分析；
step4：选择【二分类概率单位回归】；
step5：查看对应的数据数据格式，按要求输入【二分类概率单位回归】数据;
step6：点击【开始分析】，完成全部操作。