Está en la página 1de 4

Modelos de Variables Dependiente Cualitativa

Modelos Lineales de Probabilidad: Estimo de forma normal la regresin por M.C.O


Los bancos se basan en este tipo de modelos, pues se basa de eventos, si es casado, si estudia, y
dependiendo de la probabilidad lo acepta, cuando se acerca mucho a la media los bancos le piden
mas garantas.
En este tipo de moldeos existen varios tipos de problemas:
- La probabilidad se sale del rango 0 1: cuando se estima un modelo lineal de probabilidad
y los Y estimados se salen del rango
- En R
2
(coeficiente de determinacin, en que porcentaje las variables explican el modelo)
como medida de bondad de ajuste no funciona.
- Existe problema de Heterocedasticidad: como es un corte transversal generalmente, es
decir la dispersin de las respuestas
- Los U
1
no se distribuyen de manera normal (media 0, varianza 1), se necesitan mnimo
treinta datos.
Ejercicio: Bancafe
La variable dependiente es morosidad
1. estimo la ecuacin


Los ingresos no son
significativos, porque el
coeficiente es demasiado
pequeo, entonces un
aumento de un peso adicional
en los ingresos, aumento la
probabilidad de ser moroso en
0,0000025%
El monto de crdito. Un
aumento de un peso adicional
en los montos de los crditos,
disminuye la probabilidad de
ser moroso en xxxxx%
Edad: Ceteris paribus, un
aumento en un ao mas de
edad, disminuye la
probabilidad de riesgo de
crdito en 0,03%, pero la variable no es muy significativa
Con las variables dictomas: como el estrato es 1, 0 donde 1 es estrato alto y 0 es estrato bajo:
entonces multiplico el coeficiente por 0 y 1, cuando la persona corresponde al estrato alo la
probabilidad de incurrir en morosidad aumenta en el 30% y es una de las variables mas
significativas ( En esa poca una persona de estrato alto era muy incumplida pues la suma de los
prestamos era mas grande y no podan cumplir) si la persona corresponde no corresponde a
estrato alto la probabilidad de morosidad no aumenta.
En estado civil 1 casado, 0 soltero, entonces si la persona es casada la probabilidad de incurrir en
morosidad disminuye en el 1% y cuando la persona es soltera no influye en la probabilidad.
Personas a cargo: si tiene 1, si no tiene 0, entonces cuando una persona tiene personas a cargo la
probabilidad de incurrir en morosidad es de un 43%
Sexo -> Genero: 1 mujer, 0 hombre (en ese momento se encontr que las mujeres eras mas
morosidad) entonces si la persona es mujer la probabilidad de incurrir en morosidad aumenta el
4%
Tipo de contrato: termino indefinido 1 , termino fijo 0: una persona que tenga un tipo de contrato
a termino indefinido la probabilidad de incurrir en morosidad disminuye el 5%
Vivienda propia: si 1, no 0, teniendo en cuenta que los que tenan ms dinero fueron los que
incumplieron, el modelo muestra que si una persona tiene vivienda la probabilidad de incurrir en
morosidad es de 9%
2. hayo los problemas:

2.1 La probabilidad se sale.
2.1.1 hayo los Y estimados: view / representaciones
Genero una serie nueva: copiando todo,
pero cambiando la morosidad, por
morosidad estimada.


Y abro como grupo morosidad y morosidad estimada.
Si la probabilidad e menor a cero 5 es cumplida.
El primero el modelo me dice que ella no es morosa, y
mi modelo me comprueba eso.
2.1.2 Arreglo las probabilidades:
El dato siete esta menor a cero, entonces lo edito y lo
vuelvo cero, y aquellos que sean mayor que uno los
convierto en uno.






2.2 el R
2
no me sirve como medida de bondad de ajuste