Given the dichotomous nature of the

Given the dichotomous nature of the dependent variable, a logistic regression model is proposed, which is estimated using aprobit model, using the Stata14 statistical package. The coefficients of the variables obtained in the probit estimation should be interpreted in probabilistic and marginal terms, that is, as the variation of the probability of the dependent variable before a variation of each explanatory variable, keeping the rest of the variables constant. Therefore, instead of beta coefficients (linear regression), marginal effects are used.

結果 (繁體中文) 1:

鑑於因變量的二分性質，邏輯回歸模型提出，其使用aprobit模型估計，使用Stata14統計軟件包。
在概率估計獲得的變量的係數應概率和邊緣而言，這是進行解釋，作為因變量的概率的每個解釋變量的變化前的變化，保持變量不變的其餘部分。
因此，代替測試係數（線性回歸），使用邊際效應。

結果 (繁體中文) 2:

鑒於因變數的二分性質，提出了一個邏輯回歸模型，使用Aprobit模型，使用Stata14統計包進行估計。
概率估計中獲得的變數係數應以概率和邊際術語來解釋，即，作為因變數的概率變化，在每個解釋變數的變體之前，保留其餘變數變數常量。
因此，不使用 Beta 係數（線性回歸），而是使用邊際效應。

結果 (繁體中文) 3:

考慮到因變數的二分性，提出了一個logistic回歸模型，該模型使用aprobit模型，使用Stata14統計套裝軟體進行估計。
probit估計中得到的變數的係數應該用概率和邊際的術語來解釋，即在每個解釋變數的變化之前，因變數的概率的變化，保持其餘變數不變。
囙此，使用邊際效應代替β係數（線性回歸）。