Ở bài học trước, chúng ta đã thấy rõ những hạn chế của Mô hình Xác suất Tuyến tính (LPM), đặc biệt là việc nó có thể dự báo những xác suất vô nghĩa nằm ngoài khoảng [0, 1]. Vấn đề cốt lõi nằm ở chỗ LPM giả định mối quan hệ giữa các biến giải thích và xác suất là một đường thẳng, trong khi xác suất về bản chất phải bị giới hạn. Điều này giống như việc cố gắng lắp một thanh thẳng vào một lỗ tròn vậy – nó không thể vừa vặn một cách hoàn hảo. Bài học hôm nay sẽ giới thiệu hai giải pháp thanh lịch và mạnh mẽ cho vấn đề này: Mô hình Probit và Mô hình Logit. Thay vì một đường thẳng, các mô hình này sử dụng một đường cong hình chữ S (S-shaped curve) một cách thông minh để đảm bảo rằng xác suất dự báo luôn nằm trong khoảng [0, 1], bất kể giá trị của các biến giải thích là bao nhiêu. Chúng ta sẽ cùng …