P. 1
Teoría del Consumidor

Teoría del Consumidor

|Views: 19.407|Likes:

More info:

Published by: Inelda Ulinda Tuñón Diez on Jun 26, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

11/05/2015

pdf

text

original

Considérese el modelo estructural Probit para datos de panel:14

(6.21)

, i = 1,....,n ; t = 1, ...,Ti

y cero de otra forma

Si las εit son variables estándar independientes, la naturaleza de los datos de panel
es irrelevante. Como el modelo Probit en sí mismo no tiene efectos fijos, esto es,
εit = αi, remover la heterogeneidad presente en los datos, sobre todo en corte
transversal, es bastante complicado, por esto idealmente nosotros debemos espe-
cificar que εit y εs sean libremente correlacionados (en el grupo y no entre grupos), lo
cual involucrará calcular la probabilidad conjunta de una distribución normal bivariada
de dimensión T, lo cual también es problemático.

En contraposición al Probit, el Logit puede incorporar tratamientos de efectos fijos,
por lo cual:

(6.22)

El cual es un modelo no lineal. Chamberlain (1980) sugiere que cuando el conjunto
de datos tiene un gran n y el Ti es pequeño, la probabilidad no condicionada para nT
observaciones vendrá dada por:

(6.23)

Chamberlain sugiere maximizar la función condicional de verosimilitud:

(6.24)

14.Son datos obtenidos a través de un seguimiento a lo largo del tiempo de secciones cruzadas; por ejemplo, un
seguimiento a las familias en diferentes periodos de tiempo (Green, pag 256).

ICESI

103

INTRODUCCION A LA TEORIA DEL CONSUMIDOR

De esta forma, para T observaciones en (6.24) se condiciona la verosimilitud al número
de unos que hay en este conjunto de T observaciones. Por ejemplo, suponga que la
muestra consiste en un gran número de unidades de corte transversal y que cada
observación se da solamente en los períodos 1 y 2. La verosimilitud no condicionada
será:

(6.25)

Si las observaciones son independientes, la función de verosimilitud es el producto
de las probabilidades, y para cada par de observaciones se tienen las siguientes
posibilidades:

• yi1 = 0 e yi2 = 0 ⇒ prob (0,0|suma=0) = 1
• yi1 = 0 e yi2 = 1 ⇒ prob (1,1|suma=2) = 1

Como podrá observarse el i-ésimo término en la función de verosimilitud condiciona-
da será uno por lo que su contribución a la función de verosimilitud condicionada es
nula. En el caso de que yi1=0 y que yi2=1, tendremos:

• prob((0,1) | suma = 1) =

En términos generales, la probabilidad condicionada para un par de observaciones
vendrá dada por:

(6.26)

Al condicionar las probabilidades a la suma en las dos observaciones se remueve la
heterogeneidad existente. Por lo tanto, la función de verosimilitud condicional será el
producto de los conjuntos de observaciones para los que la suma no es cero ni T.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->