podcast.de
Anmeldung
Anmeldung Registrierung
Auto Hell Dunkel
Erweiterte Suche
  1. Startseite
  2. Podcasts
  3. Mathematik, Informatik und Statistik - Open Access LMU - Teil 01/03 Podcast
  4. Probit models: Regression parameter estimation using the ML principle despite misspecification of the correlation structure
In this paper it is shown that using the maximum likelihood (ML)
principle for the estimation of multivariate probit models leads to
consistent and normally distributed pseudo maximum likelihood
regression parameter estimators (PML estimators) even if the `true'
correlation structure of the responses is misspecified. As a
consequence, e.g. the PML estimator of the random effects probit
model may be used to estimate the regression parameters of a model
with any `true' correlation structure. This result is independent
of the kind of covariates included in the model. The results of a
Monte Carlo experiment show that the PML estimator of the
independent binary probit model is inefficient relative to the PML
estimator of the random effects binary panel probit model and two
alternative estimators using the `generalized estimating equations'
approach proposed by Liang and Zeger (1986), if the `true'
correlations are high. If the `true' correlations are low, the
differences between the estimators are small in finite samples and
for the models used. Generally, the PML estimator of the random
effects probit panel model is very efficient relative to the GEE
estimators. Therefore, if correlations between binary responses
cannot be ruled out and the `true' structure of association is
unknown or infeasible to estimate, the PML estimator of the random
effects probit model is recommended.

Weitere Episoden

Quantifying overdispersion effects in count regression data

Quantifying overdispersion effects in count regression data

vor 24 Jahren
Graphical chain models for the analysis of complex genetic diseases: an application to hypertension

Graphical chain models for the analysis of complex genetic diseases: an application to hypertension

vor 24 Jahren
Geo-additive models of Childhood Undernutrition in three Sub-Saharan African Countries

Geo-additive models of Childhood Undernutrition in three Sub-Saharan African Countries

vor 24 Jahren
Parametric and Nonparametric Regression with Missing X's - A Review

Parametric and Nonparametric Regression with Missing X's - A Review

vor 24 Jahren
A Selection Model for Bivariate Normal Data, with a Flexible Nonparametric Missing Model and a Focus on Variance Estimates

A Selection Model for Bivariate Normal Data, with a Flexible Nonparametric Missing Model and a Focus on Variance Estimates

vor 24 Jahren
Alle Episoden anzeigen
In Podcasts werben
Schalte jetzt Werbung in Podcasts.
Episode melden

„Probit models: Regression parameter estimation using the ML principle despite misspecification of the correlation structure“

Worum geht es? Danach fragen wir noch nach dem Grund.

Abonnenten

Teilen

Mein Archiv

Deine Privatkopie der Folgen, die du nicht verlieren willst.

Podcast-Folgen verschwinden. Feeds werden auf die letzten Episoden gekürzt, Hoster räumen alte Dateien ab, Formate wechseln den Anbieter und lassen ihr Archiv zurück. Mit „Mein Archiv“ sichert podcast.de die Folgen deiner Podcasts für dich — angefangen bei den ältesten, denn die sind zuerst weg.

  • Deine gesicherten Folgen bleiben hörbar, auch wenn das Original offline geht.
  • Auch Folgen, die im heutigen Feed gar nicht mehr stehen — podcast.de kennt sie noch.
  • Herunterladen bleibt möglich, solange die Folge beim Podcaster liegt. Der zählt seine Abrufe wie bisher.
Startet bald

Sei beim Start von Mein Archiv dabei

Mein Archiv ist fast fertig. Trag dich ein, dann bekommst du eine E-Mail, sobald es losgeht – und bist von Anfang an dabei. Wir schreiben dir nur zum Start, keine Werbung, keine Weitergabe deiner Daten.

Du bekommst zuerst eine Bestätigungsmail. Abmelden geht jederzeit. Datenschutz