3. Модели упорядоченного множественного выбора (логит-модель).

3.1. Загрузим данные из второго файла и оценим параметры модели: Модель – Limited dependent variable – Логит – Ordered

Получаем следующую модель:

3.2. Логит-модель множественного упорядоченного выбора может быть записана в виде:

То есть:

Показатели качества модели:

Количество корректно предсказанных случаев	50,5%
AIC	391,79
BIC	404,99
HQC	397,13

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 (при проведении z-тестов используем α=0,05):

Фактор	Коэффициент	Вывод
IRR	β1	Значим
Success	β2	Значим
1-е пороговое значение	c1	Значим
2-е пороговое значение	c2	Значим

3.3. Используем модель для прогнозирования. Введем, например, такие значения факторов: IRR=29, Success=1.

Затем строим модель заново и выбираем: Анализ – Прогнозы:

Получаем прогноз:

Итак, проекту со значениями факторов IRR=29, Success=1 скорее всего будет присвоен рейтинг «3» (самый высокий).

3. Модели упорядоченного множественного выбора (пробит-модель).

3.1. Загрузим данные из второго файла и оценим параметры модели: Модель – Limited dependent variable – Пробит – Ordered

Получаем следующую модель:

3.2. Пробит-модель множественного упорядоченного выбора может быть записана в виде:

То есть:

Показатели качества модели:

Количество корректно предсказанных случаев	51%
AIC	391,6
BIC	404,79
HQC	396,94

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 (при проведении z-тестов используем α=0,05):

Фактор	Коэффициент	Вывод
IRR	β1	Значим
Success	β2	Значим
1-е пороговое значение	c1	Значим
2-е пороговое значение	c2	Значим

3.3. Используем модель для прогнозирования. Введем, например, такие значения факторов: IRR=29, Success=1.

Затем строим модель заново и выбираем: Анализ – Прогнозы:

Получаем прогноз:

Итак, проекту со значениями факторов IRR=29, Success=1 скорее всего будет присвоен рейтинг «3» (самый высокий).

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

Модель	Логит	Пробит
AIC	391,79	391,6
BIC	404,99	404,79
HQC	397,13	396,94

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