使用最大似然法在 R 中拟合 Logit/Probit 回归模型
Fit a Logit/Probit regression model in R using Maximum Likelihood
这里有一个简单的问题：
我想知道 R 中是否有任何函数可以使用 最大似然法[=]拟合 logit/probit 回归模型22=]?
目前，我正在使用函数 glm 给出的 OLS 方法（我希望它确实使用 OLS 方法）...我在某处读到 probit/logit 使用 OLS 方法的模型可能有附带参数问题。所以我想试试 MLE 方法。
提前感谢您的帮助！
@Maju116 的评论是正确的。 glm() 不使用普通最小二乘法，它使用 iteratively reweighted least squares；正如 linked 维基百科文章所说
IRLS is used to find the maximum likelihood estimates of a generalized linear model
二项式族的默认 link 是 logit，因此 glm(...,family=binomial) 或 glm(...,family=binomial(link="logit")) 将适合逻辑 (logit) 回归。 glm(...,family=binomial(link="probit")) 将适合概率回归。
如果您当前正在使用 glm(...) 而没有 明确的 family 参数，那么您假设高斯误差，这意味着您将得到与普通最小二乘法 (lm()) 相同的答案（这是对具有高斯（正态）分布误差的数据集的最大似然估计）。为了清晰和高效，当您想要执行 OLS 时，通常最好使用 lm() 而不是 glm() 和默认系列。
这里有一个简单的问题：
我想知道 R 中是否有任何函数可以使用 最大似然法[=]拟合 logit/probit 回归模型22=]?
目前，我正在使用函数 glm 给出的 OLS 方法（我希望它确实使用 OLS 方法）...我在某处读到 probit/logit 使用 OLS 方法的模型可能有附带参数问题。所以我想试试 MLE 方法。
提前感谢您的帮助！
@Maju116 的评论是正确的。 glm() 不使用普通最小二乘法，它使用 iteratively reweighted least squares；正如 linked 维基百科文章所说
IRLS is used to find the maximum likelihood estimates of a generalized linear model
二项式族的默认 link 是 logit，因此 glm(...,family=binomial) 或 glm(...,family=binomial(link="logit")) 将适合逻辑 (logit) 回归。 glm(...,family=binomial(link="probit")) 将适合概率回归。
如果您当前正在使用 glm(...) 而没有 明确的 family 参数，那么您假设高斯误差，这意味着您将得到与普通最小二乘法 (lm()) 相同的答案（这是对具有高斯（正态）分布误差的数据集的最大似然估计）。为了清晰和高效，当您想要执行 OLS 时，通常最好使用 lm() 而不是 glm() 和默认系列。