2. Модели бинарного выбора (пробит-модель).

2.1. Оцениваем параметры пробит-модели. Для этого: Модель – Limited dependent variable – Пробит – Binary

Указываем зависимую переменную и факторы и получаем оценки параметров пробит-модели:

(пока выбираем: Показывать p-значения)

2.2. Полученную пробит-модель можно записать следующим образом:

Показатели качества модели:

Количество корректно предсказанных случаев	82%
Индекс R2 Макфаддена.	0,324
AIC	99,404
BIC	109,825
HQC	103,622

Проверим значимость модели в целом с помощью теста отношения правдоподобия (Likelihood Ratio test):

Нулевая гипотеза отвергается. Модель в целом значима.

Теперь проверим значимость отдельных коэффициентов (используем α=0,05):

Фактор	Коэффициент	Вывод
Константа	β0	Нет
IRR	β1	Значим
Pages	β2	Нет
Success	β3	Значим

Два коэффициента незначимы, наибольшее p-value получено для коэффициента β₂ при Pages. Перестроим модель, исключив фактор Pages.

Полученную пробит-модель можно записать следующим образом:

Показатели качества модели:

Количество корректно предсказанных случаев	79%
Индекс R2 Макфаддена.	0,314
AIC	98,792
BIC	106,608
HQC	101,955

Проведя LR-тест и z-тесты, делаем вывод, что модель в целом значима и все ее отдельные коэффициенты значимы. Значения информационных критериев уменьшились, новая модель предпочтительнее старой.

2.3. Рассчитаем значения срединных коэффициентов. Для этого при построении модели выберем «Показывать срединный угловой коэффициент»:

Угловой коэффициент показывает на какую величину изменяется вероятность P(y=1) при изменении фактора на 1, если значения всех факторов – средние по выборке. В данном случае для среднего проекта при увеличении внутренней нормы доходности на 1 процент вероятность его одобрения увеличивается на 0,057. Факт успешного сотрудничества в прошлом повышает вероятность одобрения на 0,297.

2.4. Рассмотрим вероятность одобрения проекта со следующими характеристиками: IRR_f=27%, Success=0. Для этого добавляем новое наблюдение, заново строим логит-модель и выбираем: Анализ – Прогнозы:

Итак, проект с IRR=27%, предложенный инициатором, с которым фонд не реализовывал совместных проектов в прошлом, будет одобрен с вероятностью 0,65 (скорее будет одобрен, чем нет).

2.5. Теперь сравним построенные логит- и пробит-модель друг с другом. Используем значения информационных критериев:

Модель	Логит	Пробит
AIC	98,144	98,792
BIC	105,959	106,608
HQC	101,307	101,955

Для логит-модели информационные критерии ниже, следовательно, логит-модель более предпочтительна.