La respuesta de Aaron Brown es excelente, pero se refiere al logit ordenado , que es diferente del logit ordenado por rango . El primero trata de elegir entre categorías ordenadas, como “Nunca, raramente, a veces, a menudo”; el último trata con la clasificación de un individuo de un conjunto de opciones (que no se ordenan por sí mismas), como “mis tres sitios web favoritos son Quora, CNN y Youtube”.
La ÚNICA diferencia entre los modelos logit y probit, de cualquier tipo, son sus supuestas distribuciones de error: en logit, es alguna forma de distribución de valores extremos. Para logit binario , tiene una distribución de error logístico. Para el logit condicional de McFadden, a veces llamado logit multinomial, tiene un valor extremo Tipo I o una distribución de errores de Gumbel.
El modelo logit ordenado por rango es una generalización del logit condicional: primero, elige 1 elemento (su favorito) del conjunto completo de opciones disponibles para usted; luego, elige el siguiente favorito de los elementos restantes, y continúa hasta que se alcanza algún límite.
- ¿Cómo creció Bob Parsons GoDaddy * antes * de sus infames anuncios de Super Bowl?
- ¿Qué debemos hacer para tener un negocio / empresa rentable?
- ¿Cuáles son algunos modelos de negocio innovadores para nuevas empresas sociales de internet?
- ¿Cuál es el modelo de negocio de Just Dial? ¿Por qué el stock de Just Dial fluctúa tanto?
- ¿Cuál es el modelo de negocio de PRAMP.com?
Entonces: el error para el logit ordenado por rango es Gumbel, y para el probit ordenado por rango, es normal normal, como para todos los modelos probit.
El supuesto de error del modelo logit proporciona una fórmula simple para las probabilidades, una que tiene propiedades mágicas en términos de gradientes informáticos y arpillera, por lo que la optimización es extremadamente rápida y precisa. Probit es mucho más lento, pero puede ser una ventaja en el cálculo bayesiano, donde tiene un conjugado natural anterior, a diferencia del logit.