Probit 回归简介

什么是 Probit 回归？

Probit 回归（Probability Unit Regression）是一种用于处理二元因变量（Binary Dependent Variable，取值为 0 或 1）的广义线性模型。当我们要预测某个事件发生的概率时（例如：用户是否购买、贷款是否违约、病人是否康复），Probit 模型是一个非常经典的选择。

核心原理

与线性回归不同，Probit 回归不直接预测 Y 值，而是通过标准正态分布的累积分布函数（CDF），将线性组合映射到 (0, 1) 区间内。

模型公式如下：
$$ P(Y=1|X) = \Phi(\beta_0 + \beta_1 X_1 + \dots + \beta_k X_k) $$

其中：

• $P(Y=1|X)$ 是在给定自变量 $X$ 的情况下，事件发生的概率。
• $\Phi$ 代表标准正态分布的累积分布函数。
• $\beta$ 是需要估计的回归系数。

与 Logit 回归的区别

Probit 和 Logit 模型非常相似，主要区别在于链接函数的选择：

• Probit 假设误差项服从标准正态分布。
• Logit 假设误差项服从逻辑斯蒂分布（Logistic Distribution）。

在实际应用中，两者的结果通常非常接近。选择哪一个往往取决于学科习惯（经济学常用 Probit，生物统计和社会科学常用 Logit）或对尾部概率的特定假设。

本案例说明

本案例使用 Stata 内置的 auto 数据集，探究汽车的价格 (price) 和 重量 (weight) 如何影响该汽车是进口车 (foreign) 的概率。

结果展示说明

本部分描述运行 main.do 脚本后，Stata 输出窗口及数据编辑器中将呈现的内容。

1. 描述性统计输出

• 输入命令*：summarize foreign price weight
• 输出描述*：

系统将显示一个表格，包含 foreign, price, weight 三个变量的观测值数量 (Obs)、均值 (Mean)、标准差 (Std. Dev.)、最小值 (Min) 和最大值 (Max)。用户可以据此检查数据是否存在异常值或缺失值。

2. Probit 回归系数表

• 输入命令*：probit foreign price weight
• 输出描述*：

系统将输出一个迭代日志（显示似然函数收敛过程），随后展示回归结果表。表格包含以下列：

• Coef.：回归系数 ($\beta$)。注意，这里的系数不能直接解释为概率变化，它表示对潜变量（Z-score）的影响。
• Std. Err.：系数的标准误。
• z：Z 统计量（系数除以标准误）。
• P>|z|：P 值，用于检验系数是否显著不为 0。

• [95% Conf. Interval]：95% 置信区间。

• 预期现象*：如果 price 的系数为负且显著，说明在控制重量的情况下，价格越高，汽车是进口车的概率越低（基于该特定数据集的特性）。

3. 平均边际效应 (Average Marginal Effects)

• 输入命令*：margins, dydx(*)
• 输出描述*：

系统将输出“平均边际效应”表。这是解释 Probit 模型最关键的部分。

• dy/dx：表示当自变量（如 price）增加 1 个单位时，因变量 foreign=1 的平均概率变化量。
• 例如，若 price 对应的 dy/dx 为 -0.0002，意味着价格每增加 1 美元，该车是进口车的概率平均下降 0.02%。
• 同样包含标准误、Z 值、P 值和置信区间。

4. 预测概率数据

• 输入命令*：predict pred_prob, p followed by list ...
• 输出描述*：
• 数据编辑器变化：数据集中会新增一列名为 pred_prob 的变量。
• 列表输出：运行 list 命令后，屏幕将显示前 10 行数据，包含：
  • foreign：实际观测值（0 或 1）。
  • price 和 weight：原始自变量值。
  • pred_prob：模型预测的该车为进口车的概率（数值在 0 到 1 之间）。
• 观察点：用户可以看到，对于实际是进口车（foreign=1）的样本，其 pred_prob 通常较高；反之则较低。