Logit-Modell für binäre Daten

ökonometrisches nicht lineares Modell (ökonometrische Modelle) zur Erklärung von binären (Codierung: 0 = Ereignis tritt nicht ein, 1 = Ereignis tritt ein) abhängigen Variablen (Variable, endogene). Dabei beeinflusst ein Vektor von erklärenden Variablen (Variable, exogene), die Wahrscheinlichkeit, dass das Ereignis eintritt. Die gängigste Alternative zum Logit-Modell ist das Probit-Modell für binäre Daten.

Der bedingte Erwartungswert der binären Variablen (gegeben den exogenen Variablen) entspricht der Wahrscheinlichkeit, dass das Ereignis eintritt. Die exogenen Variablen bestimmen diese Wahrscheinlichkeit nicht auf eine lineare Weise, sondern beim Logit-Modell wird dafür die logistische Verteilung herangezogen. Damit sind die geschätzten Wahrscheinlichkeiten im Gegensatz zum linearen Wahrscheinlichkeitsmodell auf das Intervall [0,1] beschränkt. Die geschätzten Koeffizienten können aufgrund des nicht linearen Modells nicht als marginale Effekte interpretiert werden. Die Schätzung erfolgt i.d.R. mit der Maximum-Likelihood-Methode. Heteroskedastizität führt im Gegensatz zum linearen Regressionsmodell häufig zu verzerrten Schätzern.