[통계, 회귀분석, 프로빗 회귀분석, 로지스틱 회귀분석] Logistic Regression & Probit Regression

1. 서론

로지스틱 회귀분석과 프로빗 회귀분석은 두 가지 모두 이항 종속변수를 가정하는 통계적 예측 모델로서, 사회과학, 의료, 마케팅 등 다양한 분야에서 폭넓게 활용되고 있다. 이 두 방법은 종속변수가 두 가지 결과 중 하나로 구분될 때 그 발생 확률을 추정하는 데 유용하며, 특히 특정 사건이 발생할 확률을 예측하는 데 탁월하다. 예를 들어, 의료 분야에서는 환자의 질병 유무(환자 또는 비환자)를 예측하는 데 활용되며, 마케팅 분야에서는 고객의 구매 여부(구매 또는 미구매)를 판별하는 데 쓰인다. 글로벌 시장 조사 결과에 따르면, 온라인 전자상거래 이용 고객 중 구매 여부를 예측하는 모델에 로지스틱 회귀분석을 적용했을 때, 예측 정확도는 85% 이상을 기록하는 경우가 많다. 또 다른 통계자료에서는 미국 내 흡연 여부 예측에 대해 프로빗 회귀모델이 사용돼, 70% 이상의 정확도를 보여준다. 이러한 분석은 정책 결정 또는 비즈니스 전략 수립에 중요한 근거를 제공한다. 로지스틱과 프로빗 회귀모델은 모두 시그모이드 함수와 누적 정규분포 함수를 각각 사용하여 결과를 확률값으로 환산하는 방식이지만, 각기 적용하는 데이터 특성과 해석 방법에…