Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 28 vistas

    Capitulo 9 - Modelos Logit - Probit - Junio 2022

    Cargado por

    danny rondinel
    Este documento presenta diferentes modelos de regresión para variables dicotómicas endógenas. Introduce el modelo de probabilidad lineal y explica sus limitaciones, luego presenta los modelos Logit y Probit como alternativas que permiten que la probabilidad se relacione de manera no lineal con las variables explicativas. Finalmente, compara brevemente los modelos Logit y Probit y menciona el modelo Tobit.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd

    Capitulo 9 - Modelos Logit - Probit - Junio 2022

    Cargado por

    danny rondinel
    28 vistas14 páginas
    Este documento presenta diferentes modelos de regresión para variables dicotómicas endógenas. Introduce el modelo de probabilidad lineal y explica sus limitaciones, luego presenta los modelos Logit y Probit como alternativas que permiten que la probabilidad se relacione de manera no lineal con las variables explicativas. Finalmente, compara brevemente los modelos Logit y Probit y menciona el modelo Tobit.

    Descripción original:

    econometría intermedia

    Título original

    Capitulo 9_Modelos Logit_Probit_Junio 2022

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PPTX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta diferentes modelos de regresión para variables dicotómicas endógenas. Introduce el modelo de probabilidad lineal y explica sus limitaciones, luego presenta los modelos Logit y Probit como alternativas que permiten que la probabilidad se relacione de manera no lineal con las variables explicativas. Finalmente, compara brevemente los modelos Logit y Probit y menciona el modelo Tobit.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    28 vistas14 páginas

    Capitulo 9 - Modelos Logit - Probit - Junio 2022

    Cargado por

    danny rondinel
    Este documento presenta diferentes modelos de regresión para variables dicotómicas endógenas. Introduce el modelo de probabilidad lineal y explica sus limitaciones, luego presenta los modelos Logit y Probit como alternativas que permiten que la probabilidad se relacione de manera no lineal con las variables explicativas. Finalmente, compara brevemente los modelos Logit y Probit y menciona el modelo Tobit.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    Está en la página 1de 14

    UNSCH

    CAPITULO 8
    MODELO DE REGRESIÓN CON
    VARIABLE DICOTOMAS ENDÓGENAS

    Econ. Juan A. Huaripuma Vargas

    01 de Julio de 2014
    CONTENIDO

     Naturaleza
     El modelo Logit
     El modelo Logit para datos individuales
     El modelo Probit
     Modelos Logit y Probit
     Modelo Tobit
    NATURALEZA
    Ejemplos …

    PFLi  f (TDi , TWPi , Escolarida d i , IFi ,...)

    Voto i  f (TPBIi , TDesemi , TInf i ...)

    PCasai  f (Yngi ,...)

    Seguroi  f (Yngi ,...)

    El objetivo es encontrar la probabilidad de que un acontecimiento suceda …


    NATURALEZA
    El modelo …

    Yi  1   2 X 2i  i
    Donde:
    X 2i  Ingreso Familiar

    Yi  1 Si la familia posee una casa


    Yi  0 Si la familia no posee una casa

    E (Yi / X 2i )  1   2 X 2i [1]

    Siendo:
    Pi Probabilidad de que el evento ocurra Yi  1
    1  Pi Probabilidad de que el evento no ocurra Yi  0
    MODELO LINEAL DE PROBABILIDAD (MPL)
    Estimación …

    Por consiguiente:

    E (Yi / X 2i )  0(1  Pi )  1( Pi )  Pi [2]

    Igualando [1] y [2] :

    E (Yi / X 2i )  1   2 X 2i  Pi 0  E (Yi / X 2i )  1

    Considerando que:

    Var (Yi )  E[Yi  E (Yi )]2  E[ui ]2

    Yi ~ Benoulli .[ pi , pi (1  pi )] ui ~ Benoulli .[0, pi (1  pi )]


    MODELO LINEAL DE PROBABILIDAD (MPL)
    Estimación … No normalidad de las perturbaciones

    Como:

    ui  Yi  1   2 X 2i

    Si:

    Yi  1 ui  1  1   2 X 2i Pi
    Yi  0 ui   1   2 X 2i 1  Pi

    Si el objetivo es la estimación puntual el supuesto de normalidad es


    innecesario …
    MODELO LINEAL DE PROBABILIDAD (MPL)
    Estimación … Varianzas heterocedásticas de las perturbaciones …

    E (ui )  Pi (1  1   2 X 2i )  (1  Pi )(  1   2 X 2i )
    E (ui )  Pi  1   2 X 2i  Pi  E (Yi / X 2i )  0
    Var (ui )  E[ui  E (ui )]2  E (ui ) 2
    Var (ui )  Pi (1  1   2 X 2i ) 2  (1  Pi )(  1   2 X 2i ) 2
    Var (ui )  Pi  ( 1   2 X 2i ) 2

    Var (ui )  Pi  ( E (Yi / X 2i ) 2


    Var (ui )  Pi  ( Pi ) 2

    Var (ui )  Pi (1  Pi )
    MODELO LINEAL DE PROBABILIDAD (MPL)
    Estimación … Ejemplo.

     Dado el siguiente modelo:

    Yi  1   2 X 2i  i
    Donde:
    Yi  1 Si la familia posee casa
    Yi  0 Si la familia no posee casa
    ALTERNATIVAS AL MODELO DE PROBABILIDAD LINEAL
    Lógicamente no es atractivo …

     El MLP tiene problemas que se pueden resolver (tamaño de muestra,


    mínimos cuadrados ponderados, mínimos cuadrados restringidos o
    programación matemática)
     Supone que Pi  E (Yi / X 2i ) aumenta linealmente con X 2i . Es decir,
    supone que el efecto marginal o incremental de la variable exógena
    es constante.
     En la realidad se esperaría que P esté relacionado en forma no
    i
    lineal con la variable exógena.
     Se necesita un modelo probabilístico que 1) A medida que X 2i
    aumente Pi  E (Yi / X 2i ) pero nunca se salga del intervalo 0-1. 2) La
    relación entre Pi y X 2i es no lineal, es decir, la probabilidad se
    acerca cero a tasas cada vez más lentas, a medida que X 2i se hace
    más pequeño; y se acerca a uno a tasas cada vez más lentas a
    medida que X 2i se hace muy grande.
    ALTERNATIVAS AL MODELO DE PROBABILIDAD LINEAL
    Función de distribución acumulada ...
    EL MODELO LOGIT
    Ideas básicas …

    Considerando el modelo anterior:


    Yi  1   2 X 2i  i
    La probabilidad de que una familia sea propietaria de una casa:
    Pi  E (Yi  1 / X 2i )  1   2 X 2 i
    Ahora si consideramos:
    1 1 e zi
    Pi   
    1  e ( 1   2 X 2 i ) 1 e  zi )
    1  e zi )
    Donde:
    Z i  1   2 X 2i
    EL MODELO LOGIT
    Ideas básicas …

    La probabilidad de que una familia no sea propietaria de una casa:


    1
    1  Pi 
    1  e zi
    La razón de estas probabilidades es:
    Pi 1  e zi zi
      e
    1  Pi 1  e  zi
    Aplicando logaritmos:
    Pi
    Li  Ln[ ]  Z i  1   2 X 2i
    1  Pi
    EL MODELO LOGIT
    Características del modelo Logit …

     Li no está acotado entre cero y uno.


     Li es lineal en X pero no las probabilidades
     Se puede considerar más variables exógenas según como lo indique
    la teoría subyacente.
    MODELO PROBIT
    Ejemplo …

    También podría gustarte