当自变量为0-1变量时，建议使用Probit或logit这类二值选择模型回归
举一反三
- 中国大学MOOC: 当自变量为0-1变量时，建议使用Probit或logit这类二值选择模型回归
- Logit模型与多元线性回归比较( ) A: Logit模型的因变量为二分变量 B: 多元线性回归的因变量为二分变量 C: Logit模型和多元线性回归的因变量都可为二分变量 D: Logit模型的自变量必须是二分类变量
- 在线性回归模型中，参数反应了解释变量对被解释变量的边际效应，在二元选择模型中当使用Probit，Logit，极值分布回归时参数不再等于边际效应。
- 在估计Probit和Logit模型时： 未知类型：{'options': ['仍然可以使用 t 统计量来检验单个系数的显著性', '自变量不能再包括有二值变量', '因为变量非线性，所以不能再使用F统计量了', '18032fe5b4efdb2.png不再成立'], 'type': 102}
- 在估计Probit和Logit模型时： A: 仍然可以使用 t 统计量来检验单个系数的显著性 B: 自变量不能再包括有二值变量 C: 因为变量非线性，所以不能再使用F统计量了 D: [img=66x23]1803a1be88c5e26.png[/img]不再成立