¿Por qué logit se llama regresión?
Tengo curiosidad por entender por qué se hace referencia al término "logit" como regresión, a pesar de sus fundamentos matemáticos y estadísticos aparentemente distintos. ¿Podría explicarnos más detalladamente el fundamento de esta clasificación, destacando las similitudes o conexiones clave que justifican etiquetar logit como modelo de regresión, especialmente en el contexto del análisis y modelado estadístico?
¿Cuándo utilizar probit frente a logit?
En el ámbito de la modelización estadística, la elección entre modelos probit y logit a menudo puede resultar desconcertante. Entonces, ¿cuándo deberíamos optar por un modelo probit en lugar de un modelo logit y viceversa? ¿Qué factores se deben tener en cuenta para tomar una decisión informada? ¿Existe algún tipo específico de datos o pregunta de investigación que se incline más hacia un modelo que hacia el otro? Como investigador o analista, ¿cómo puede uno asegurarse de que su elección se alinee con los supuestos y características de cada modelo?
¿La puntuación de propensión coincide con logit o probit?
¿Podría aclarar si la comparación por puntaje de propensión generalmente se realiza utilizando un modelo logit o probit? Entiendo que tanto el modelo logit como el probit se utilizan en el análisis de regresión para resultados binarios, pero no estoy seguro de cuál se aplica más comúnmente en el contexto del emparejamiento por puntuación de propensión. ¿Existe alguna razón específica por la que se podría preferir uno sobre el otro en este escenario?