5.2.4　probit回归模型的应用

5.2.4　probit回归模型的应用

现利用表5-2的数据,构建probit回归模型,并估计年龄为25岁的观众对该影片持肯定观点的可能性。

probit回归模型的应用步骤如下。

(1)确定自变量和因变量,本例中x为自变量,y为因变量。

(2)使用R中的glm()函数进行回归系数的估计,并对模型的回归系数进行显著性检验,代码如下:

运行上述代码,可得到probit回归模型的输出结果,如图5-5所示。通过输出结果发现,回归系数对应的P值均在0.1%的水平上显著。因此,本例的probit回归模型为p＝Φ(2.166－0.073x)。

图5-5　probit回归模型输出结果

(3)使用predict()函数和回归模型,估计年龄为25岁的观众对该影片持肯定观点的可能性,代码如下:

运行上述代码,得到结果如下:

由结果可知,当x＝25时,y＝1的概率约为0.636 9,因此,年龄为25岁的观众对该影片持肯定观点的可能性约为63.69%。