Logit Modeli

Logit modeli, ikili bağımlı değişkenlerde olayın gerçekleşme olasılığını açıklamak amacıyla kullanılan doğrusal olmayan regresyon modellerinden biridir. Probit modeline benzemekle birlikte, hata teriminin lojistik dağılıma uyduğu varsayılmaktadır (Yerdelen Tatoğlu, 2023, s. 256–257).

Logit modeli aşağıdaki olasılık fonksiyonu ile ifade edilmektedir:
P(Yᵢ=1|Xᵢ)=e^(Xᵢβ)/(1+e^(Xᵢβ))

Modelin doğrusallaştırılmış hali logit dönüşümü olarak bilinmektedir:
ln[P(Yᵢ=1)/(1−P(Yᵢ=1))]=Xᵢβ

Burada logaritması alınan oran (odds oranı), olayın gerçekleşme olasılığının gerçekleşmeme olasılığına oranını göstermektedir. Logit modeli En Çok Olabilirlik (Maximum Likelihood) yöntemi ile tahmin edilmekte, bağımsız değişkenlerin etkileri ise marjinal etkiler kullanılarak yorumlanmaktadır (Yerdelen Tatoğlu, 2023, s. 256–257).

Logit modeli, yorum kolaylığı ve olasılıkların 0 ile 1 arasında kalmasını sağlaması nedeniyle uygulamalarda en yaygın kullanılan nitel tercih modellerinden biridir.