Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 25 vistas

    Modelos de Regresion Cualitativa - Eco2

    Cargado por

    mlujan
    Este documento compara tres modelos de regresión cualitativa: el modelo lineal de probabilidad (MLP), el modelo logit y el modelo probit. Estos modelos se usan cuando la variable dependiente es dicotómica. El MLP supone una relación lineal entre la probabilidad condicional y los predictores, mientras que el modelo logit y probit no imponen esta restricción. Ambos se basan en funciones de distribución acumulativa, normal en el caso de probit y logística para logit.

    Copyright:

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

    Modelos de Regresion Cualitativa - Eco2

    Cargado por

    mlujan
    25 vistas44 páginas
    Este documento compara tres modelos de regresión cualitativa: el modelo lineal de probabilidad (MLP), el modelo logit y el modelo probit. Estos modelos se usan cuando la variable dependiente es dicotómica. El MLP supone una relación lineal entre la probabilidad condicional y los predictores, mientras que el modelo logit y probit no imponen esta restricción. Ambos se basan en funciones de distribución acumulativa, normal en el caso de probit y logística para logit.

    Título original

    Modelos de Regresion Cualitativa_eco2

    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 compara tres modelos de regresión cualitativa: el modelo lineal de probabilidad (MLP), el modelo logit y el modelo probit. Estos modelos se usan cuando la variable dependiente es dicotómica. El MLP supone una relación lineal entre la probabilidad condicional y los predictores, mientras que el modelo logit y probit no imponen esta restricción. Ambos se basan en funciones de distribución acumulativa, normal en el caso de probit y logística para logit.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    25 vistas44 páginas

    Modelos de Regresion Cualitativa - Eco2

    Cargado por

    mlujan
    Este documento compara tres modelos de regresión cualitativa: el modelo lineal de probabilidad (MLP), el modelo logit y el modelo probit. Estos modelos se usan cuando la variable dependiente es dicotómica. El MLP supone una relación lineal entre la probabilidad condicional y los predictores, mientras que el modelo logit y probit no imponen esta restricción. Ambos se basan en funciones de distribución acumulativa, normal en el caso de probit y logística para logit.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    de 44

    Modelos de regresión

    Cualitativa

    Econometría 2
    Profa. Dra. Dannyra Mendoza
    Cuello
    Modelo Lineal de
    Probabilidad (MLP)

    Modelo probit

    Modelo Logit
    • ¿Cómo se clasifican las
    variables según su
    naturaleza?
    Las variables cualitativas: representan características o
    atributos que no pueden medirse numéricamente,
    como género o tipo de ocupación.

    Cuantitativas: Se pueden medir con números y tienen


    un valor numérico, como edad o ingresos.

    En la regresión lineal la naturaleza de la variable


    respuesta que tipo era?
    • RL.

    • Cuantitativa:

    • Ingreso
    • Consumo
    • Precio de la vivienda…
    ¿Qué pasa cuando mi variable dependiente es de
    carácter cualitativo?
    Supongamos que queremos estudiar la participación
    en la fuerza laboral(PFL) de los hombres adultos.
    La participación es un sí o no.
    1= si está en la fuerza laboral
    0= caso contrario (no está en la fuerza laboral).
    • Y la PFL es una función de la tasa de desempleo, tasa
    Modelos de del salario promedio, escolaridad, ingreso familiar,
    regresion etc.
    Elección presidencial
    Cualitativa • Hay dos partidos políticos, el Demócrata y el
    Republicano. La variable dependiente en este caso
    es la elección de voto entre ambos partidos
    políticos. Suponga que Y = 1 si el voto es para el
    candidato demócrata y Y= 0 si el voto es
    republicano.
    En otras palabras, la regresada es una variable
    dicótoma o binaria.
    En general, en este tipo de regresión podemos tener
    variable respuesta policótomas.
    Diferencia del MRL Y MRC

    • Modelo de regresión lineal


    El obejtivo consiste en estimar su valor esperado dado los valores de la
    regresoras .
    E(/ , , ,…, ) donde las X son las regresoras, tanto cualitativas como
    cuantitativas.
    • Modelo de regresión Cualitativa.
    El objetivo es encontrar la probabilidad de que un acontecimiento
    suceda, como por ejemplo, quedar desempleada, tener una casa,
    practicar algun deporte, etc.
    Se conocen también como modelos de probabilidad
    En otras palabras, la regresada es una variable
    dicótoma o binaria.
    Hay modelos para crear un modelo de
    regresión con respuesta binaria:
    El modelo lineal de probabilidad (MLP)(MPL)
    El modelo Logit
    El modelo Probit
    El modelo Tobit
    Modelos de regresion Cualitativa

    - Modelo Probabilidad Lineal (MPL)

    Econometría 2
    Profa. Dra. Dannyra Mendoza Cuello
    Modelo Lineal de Probabilidad
    Distribución Bernoulli

    • Sabemos qué si X es una variable aleatoria


    Bernoulli, entonces
    • X = 1, si ocurre el “éxito” con probabilidad
    p.
    • X = 0 si ocurre el “fracaso” con
    probabilidad 1 − p.
    • y que la función de masa de probabilidad
    (FMP) es:
    Modelo Lineal de Probabilidad

    El modelo de probabilidad lineal es un modelo de elección


    binaria, es decir, donde la variable dependiente puede tomar dos
    valores. Estos valores son 1 o 0, para indicar éxito o fracaso,
    respectivamente.
    Consideremos:
    Justificación

    Igualando
    Importante en el MPL

    •La esperanza condicional del modelo en


    realidad se interpreta como la
    probabilidad condicional de

    Lo ideal:
    Problemas del Modelo Lineal de
    Probabilidad
    1. No cumplimiento de la normalidad de los errores
    2. La heterocedasticidad de los errores
    3. La posibilidad que se encuentre entre 0 y 1
    4. Los valores generalmente bajos de los R^2
    Algunas posibles soluciones
    Incrementar tamaño de la muestra para el problema de
    normalidad
    Métodos de mínimos cuadrados ponderados
    (heterocedasticidad)
    Mínimos cuadrados restringidos (probabilidad estimada se
    encuentre entre 0 y 1)
    El problema principal es : suponer que E(Y=1/X) aumenta
    linealmente con X. (efecto marginal o incremento de X
    permanece constante)
    No cumplimiento de la normalidad de los errores

    El MCO no requiere una distribución de errores este normalmente


    distribuidas (Jaque-bera)

    No se mantiene en el MPL, al igual Y, U solo toma dos valores, siguen


    una distribución de Bernoulli.
    La heterocedasticidad de los errores
    • Varianzas heterocedasticas de los errores.

    • E, ) = 0 para i j No hay correlacion serial y


    • En el caso del MPL no se puede afirmar que las perturbaciones son
    homocedasticas.
    • Para una Bernoulli la media y la varianza:

    • Var(u) =)
    • La varianza es una funcion de la media
    •=E
    • Var(u)= depende de x -> por tanto no homocedastica.
    • MCO NO EFICIENTES MCO PONDERADOS
    La posibilidad que 0 ≤ E(Yi |Xi) ≤ 1
    No se encuentre entre 0 y 1

    • No hay garantia que los valores de -> verdadero problema del MPL
    • Si, algunos valores son menores que 0 (es decir, negativos), para esos
    casos se supone que es cero
    • Si son mayores que 1, se supone que = 1.

    • diseñar una técnica de estimación que garantice que las probabilidades


    condicionales estimadas se encuentren entre 0 y 1
    Los valores generalmente bajos de los R^2
    • R^2 calculada de manera convencional tiene un valor limitado en los
    modelos de respuesta dicótoma.
    • Dado un X, ^ Y es igual a 0 o 1.
    • Todos los valores de Y se encontrarán en el eje X o en la línea
    correspondiente a 1.

    • Como resultado, es probable que el cálculo convencional de R^2 sea


    muy inferior a 1 en estos modelos.
    • O el valor de R^2 en ese tipo de modelos será elevado, 0.8 cuando
    cuando la dispersión observada esté muy concentrada alrededor
    • de los puntos A y B

    • Debe evitarse el coeficiente de determinación como estadístico de


    resumen en modelos con variable dependiente cualitativa.
    Ejemplo de la base 15.1

    • Cual será la hipotesis a probar:


    • Y= 1 tiene casa propia
    • Y=0 no tiene casa propia
    • ingreso X (miles de dólares)
    • 40 familias
    • Aplicación de MCO
    • En el ejemplo que vimos (propiedad de vivienda) esto significa que:
    • En la medida que aumenta X, aumenta en una unidad , la
    probabilidad de ser propietario de una casa aumenta en la misma
    cantidad constante de 0.10.
    • Esto es que independiente del nivel de ingreso sea de $8000,
    $10.000, 18000 o $22.000. Esto no sucede en la realidad.
    • Que podríamos esperas?
    • Esperamos que no este relacionado linealmente con
    • En otras palabras:
    Familias con ingresos muy bajos – menos probabilidad de tener casa
    propia
    Pero con un ingreso alto X*- mas posibilidades de tener casa propia.
    A partir de ese X* tendrá un efecto pequeño sobre la probabilidad de
    tener casa propia.
    Antes del modelo Logit y Probit era usado el MLP por sus simplicidad
    Ejemplo : Datos sobre propiedad de vivienda y (1= tiene casa propia, 0= no tiene
    casa propia.) e ingreso familiar X (miles de dólares) de 40 familias. Se estima el
    modelo MLP. Gujarati, pagina 547 (15.1)
    Ejemplo 2.
    Resultados
    Resultados
    Resultados
    Modelos de regresion Cualitativa
    - Modelo Probit

    Econometría 2
    Profa. Dra. Dannyra Mendoza Cuello
    Modelo probit

    Modelo de elección binaria: 1 y 0.

    Y puede representar:

    1= si, pertenece al mercado de trabajo, 0= si no pertenece al


    mercado de trabajo(caso contrario)

    1= la ausencia o presencia de determinada condición,


    0=presencia o ausencia de determinada condición.

    Distribución acumulada normal estándar

    Consideramos un vector de regresores que denotaremos por X,


    que influyen en el resultado de Y.
    Modelo Probit
    • Supongamos que una variable de respuesta Y es binaria, que
    denotaremos como 1 éxito y 0 fracaso. También tenemos un vector
    de regresores X, que se supone que influyen en el resultado Y.
    Específicamente, suponemos que el modelo toma la forma.

    • donde Pr denota probabilidad y Φ es la función de distribución


    acumulativa (FDA) de la distribución normal estándar. Los parámetros
    β normalmente se estiman por máxima verosimilitud.
    • Es posible entender el modelo Probit como un modelo de variable
    latente. Supongamos que existe una variable aleatoria auxiliar.

    donde ε ~ N(0, 1). Entonces Y puede verse como un indicador de si esta


    variable latente es positiva:
    • Para ver que los dos modelos son equivalentes, tenga en cuenta que
    Interpretación de los parámetros

    • Recordemos que :

    • Tenemos entonces que:

    • = = f()
    ¿Como interpretar los parámetros ?
    Modelos de regresion Cualitativa
    - Modelo logit

    52487- Econometría 2
    Profa. Dra. Dannyra Mendoza Cuello
    Modelo Logit

    Por facilidad:

    Representa lo que se conoce como función de distribución logística

    se encuentra dentro del rango de


    se encuentra dentro del rango 0 y 1
    no está linealmente relacionado con
    Linealizar
    • Si , es la probabilidad de tener casa propia y esta es dada por:

    • Por consiguiente tendremos que:

    • Es decir:

    • Obtenemos la razón de probabilidad: razón de probabilidad de que


    una familia tenga casa propia respecto a la probabilidad de que no la
    posea.

    • Si obtenemos un significa que las posibilidades son 4 a 1 a favor de


    que la familia tenga casa propia
    Tomando logaritmo natural de la razón

    • Se obtiene

    • Es decir que ahora no solo será lineal con X si no también con los
    parámetros.
    • Así la función de ligación de la ecuación es logit. Modelo logit
    Ejemplo

    • Modelo de regresión logística múltiple, considerando como variable dependiente


    “inserción femenina en trabajos precarios” (1 = si, pertenece a trabajos precarios;
    0 =caso contrario).
    Ejemplo logit

    • En el caso de las colombianas, tener hijos aumenta la chance de ingresar en el mercado laboral
    precario en 9.5% en 2012 y 5.3% en 2019, en comparación con las colombianas sin hijos. Del mismo
    modo, vemos que, un aumento adicional de un hijo, aumenta la chance de la mujer ejercer trabajo
    precario en un 10.8% en 2012 y en 9.6% en 2019.
    Aula practica
    Ejercicio
    • Utilice la base mroz y estime los tres modelo MLP, LOGIT Y PROBIT.
    Realiza un cuadro comparativo de las tres estimaciones.
    • Que puedes decir en relación a los parámetros y los tres modelos.

    También podría gustarte