プロビット回帰とは、確率変数が二値型になるような応答変数に対する統計モデルである。
## 概要
プロビット回帰は、1930年代に生物統計学において発展した。その起源は、生物学的な実験データを解析する際に、確率変数が二値型（成功または失敗）となる状況で、その確率を連続型の説明変数から推定することを目指したものである。その後、経済学や社会科学分野でも広く応用され、現在では離散選択モデルの一種として重要な位置を占めている。
## 役割と機能
プロビット回帰は主に、二値型の結果変数（たとえば雇用状況、商品購入の有無など）が複数の説明変数からどのように決まるかを分析する際に使用される。また、統計的推測において確率変数の分布を正規分布に近似し、その結果変数が1または0になる確率を計算することで、二値型データに対する回帰分析を行うことが可能となる。
## 特徴
- **確率変数のモデル化**: プロビット回帰は、確率変数を連続的な形でモデル化し、その結果が1または0になる確率を推定する。
- **正規分布への近似**: 二値型データの確率を計算するために、標準正規分布関数を使用する。
- **他の離散選択モデルとの違い**: ロジスティック回帰と比較して、プロビット回帰は推定結果が異なる場合がある。これは両者の累積分布関数が異なるためである。
## 現在の位置づけ
近年、プロビット回帰は金融経済学や労働経済学などでの応用範囲を広げており、特にリスク管理や信用分析において重要な役割を果たしている。ただし、その適用にはモデルの選択やパラメータ推定の適切さが求められ、誤ったモデル選択は予測精度に大きな影響を与える可能性がある。
プロビット回帰は、二値型応答変数を持つデータを解析する際の有力なツールであり、統計的分析において重要な位置を占めている。
