Documentos de Académico
Documentos de Profesional
Documentos de Cultura
discreta
Modelos de eleccion
Econometra II
Grado en Economa
Universidad de Granada
discreta 1 / 37
Modelos de eleccion
Econometra II
18:28:36
Contenidos
Contenidos
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
El modelo Logit y Probit
Inferencia en los
modelos de eleccion
discreta
de los
Interpretacion
coecientes
Bondad de ajuste
de
Contrastacion
hipotesis
Introduccion
binaria
Modelos de eleccion
Modelo Lineal de Probabilidad
El modelo Logit y Probit
discreta
Inferencia en los modelos de eleccion
de los coeficientes
Interpretacion
Bondad de ajuste
de hipotesis
Contrastacion
Modelos de alternativas multiples
Modelos de alternativas
multiples
Econometra II
discreta 2 / 37
Modelos de eleccion
18:28:36
Contenidos
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
El modelo Logit y Probit
Inferencia en los
modelos de eleccion
discreta
Introduccion
de los
Interpretacion
coecientes
Bondad de ajuste
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
discreta 3 / 37
Modelos de eleccion
Econometra II
18:28:36
Introduccion
Contenidos
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
El modelo Logit y Probit
Inferencia en los
modelos de eleccion
discreta
de los
Interpretacion
coecientes
Bondad de ajuste
prestamo,
tener o no una enfermedad).
(ej: tren, autobus...).
Variables discretas sin ordenacion
o rating nanciero).
Variables discretas con orden (ej: calicacion
lineal puede no ser lo mas
adecuado en estos casos porque:
Un modelo de regresion
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
Econometra II
discreta 4 / 37
Modelos de eleccion
18:28:36
Contenidos
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
El modelo Logit y Probit
Inferencia en los
modelos de eleccion
discreta
de los
Interpretacion
coecientes
binaria
Modelos de eleccion
Bondad de ajuste
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
discreta 5 / 37
Modelos de eleccion
Econometra II
18:28:36
binaria
Modelos de eleccion
Contenidos
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
El modelo Logit y Probit
Inferencia en los
modelos de eleccion
discreta
de los
Interpretacion
coecientes
Bondad de ajuste
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
Econometra II
De los ejemplos considerados anteriormente, este captulo se centra fundamentalmente en el caso en el que la variable dependdiente es una variable binaria (di
cotomica).
Es decir, supondremos que la variable dependiente Y solo puede tomar
dos valores:
n
1 , con probabilidad p
Y =
,
(1)
0 , con probabilidad 1 p
La variable Y , por
donde el valor 1 denota que el individuo ha tomado alguna accion.
de Bernoulli:
tanto, sigue una distribucion
Pr(Y = y)
E(Y )
V ar(Y )
=
=
=
py (1 p)1y ,
p,
p(1 p).
(2)
es la probabilidad de que el
En tal caso, se estara interesado en analizar cual
individuo i, dadas sus caractersticas (es decir, valores de las variables independien (es decir, Yi = 1).
tes, Xi ), tome una accion
discreta 6 / 37
Modelos de eleccion
18:28:36
binaria: ejemplo
Modelos de eleccion
Contenidos
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
El modelo Logit y Probit
Inferencia en los
modelos de eleccion
discreta
de los
Interpretacion
coecientes
Bondad de ajuste
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
Econometra II
En numerosas ocasiones los docentes nos hemos preguntado por los factores
que influyen en que un estudiante apruebe o no las asignaturas que impartimos.
es aun
interesante desde el punto de vista del alumno. Por tanto,
Esta cuestion
mas
sobre factores que
sera deseable poder proporcionar a los mismos una orientacion
en la asignatura.
les puedan ayudar a obtener un mayor desempeno
logstica
(rendimiento) academico
de los alumnos se propone realizar una regresion
donde la variable dependiente es codificada como 1 para aquellos alumnos con una
final de 5 o superior y como 0 en caso contrario. Es decir, el desempeno
calificacion
se mide como una variable binaria que considera los valores de aprobado (exito) o
discreta 7 / 37
Modelos de eleccion
18:28:36
Contenidos
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
Modelo Lineal de
Probabilidad
Inconvenientes
El modelo Logit y Probit
Inferencia en los
modelos de eleccion
discreta
de los
Interpretacion
coecientes
Bondad de ajuste
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
Econometra II
discreta 8 / 37
Modelos de eleccion
18:28:36
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
Modelo Lineal de
Probabilidad
Inconvenientes
de los
Interpretacion
coecientes
Bondad de ajuste
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
(3)
con u N (0, 2 ) e Yi de la forma dada en (1). En este caso, dados los valores
x2 , ..., xk de las variables independientes, se verica que:
E(Yi |X = x)
=
=
=
=
modelos de eleccion
discreta
i = 1, . . . , n,
E(Yi |X = x)
(3) debe ser interpretada como la probabiEs decir, la parte derecha de la ecuacion
lidad de que la variable dependiente sea igual a la unidad:
pi = Pr(Yi = 1|X = x) = 1 + 2 x2i + + k xki .
(4)
de los parametros,
directamente: estimacion,
interpretacion
etc. Solo debemos recordar que la esperanza condicional es, en este caso, una probabilidad, por lo que 0 E(Yi |X = x) 1.
discreta 9 / 37
Modelos de eleccion
Econometra II
18:28:36
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
Modelo Lineal de
Probabilidad
Y = 2.29 + 0.0544X
Inconvenientes
1.2
Inferencia en los
modelos de eleccion
discreta
Y
de los
Interpretacion
coecientes
0.8
0.6
Bondad de ajuste
0.4
de
Contrastacion
hipotesis
0.2
Modelos de alternativas
multiples
0
0.2
40
45
50
55
60
65
R2 no es particularmente util
Por tanto, el coeciente de determinacion
porque no
discreta 10 / 37
Modelos de eleccion
18:28:36
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
Modelo Lineal de
Probabilidad
Inconvenientes
El modelo Logit y Probit
Inferencia en los
modelos de eleccion
discreta
de los
Interpretacion
coecientes
Bondad de ajuste
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
Yi = 1
Yi = 0
ei = Yi Yi
1 1 2 X2i k Xki
1 2 X2i k Xki
Probabilidad
p
1p
Perturbaciones heteroscedasticas
(incumplimiento de la hipotesis
de homocedasticidad) ya que su varianza depende de las variables independientes:
V ar(ei )
=
=
+
Las predicciones de la variable dependiente pueden estar fuera del rango [0, 1].
El modelo lineal de probabilidad implica que el efecto marginal de cada una de las
variables explicativas es constante. Este supuesto no es muy razonable ya que
es esperable que las variaciones en la probabilidad sean distintos en los valores
centrales de las variables dependientes a las producidas en sus extremos.
discreta 11 / 37
Modelos de eleccion
Econometra II
18:28:36
Contenidos
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
El modelo Logit y Probit
Modelo Logit
Modelo Probit
modelos
Comparacion
Logit y Probit
Inferencia en los
modelos de eleccion
discreta
de los
Interpretacion
coecientes
Bondad de ajuste
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
Econometra II
discreta 12 / 37
Modelos de eleccion
18:28:36
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
El modelo Logit y Probit
Modelo Logit
Modelo Probit
modelos
Comparacion
Logit y Probit
Inferencia en los
modelos de eleccion
discreta
de los
Interpretacion
coecientes
Bondad de ajuste
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
Como se ha puesto de relevancia, el modelo lineal de probabilidad presenta importantes inconvenientes que desaconsejan su uso ante variables dependientes binarias
y crea la necesidad de recurrir a otros tipos de modelos.
no lineales disenados
regresion
Ambas funcio de probabilidad dan lugar a probabilidades ente 0 y 1, y presentan
nes de distribucion
un crecimiento no lineal (con mayores incrementos en la parte central). De esta forma
0.9
0.9
0.8
0.8
0.7
0.7
0.6
0.6
0.5
0.5
0.4
0.4
0.3
0.3
0.2
0.2
0.1
0
5
0.1
0
5
graca
logstica (izquierda) y de la
Figura 1: Representacion
de la funcion
probabilidad acumulada de una normal (derecha)
discreta 13 / 37
Modelos de eleccion
Econometra II
18:28:36
Modelo Logit
Contenidos
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
El modelo Logit y Probit
Modelo Logit
Modelo Probit
modelos
Comparacion
Logit y Probit
Inferencia en los
modelos de eleccion
discreta
de los
Interpretacion
coecientes
Bondad de ajuste
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
f (z) =
1
1
ez
=
=
,
1 + ez
1 + ez
1 + e1z
lm f (z) = 1,
y, como se muestra en la Figura 1, presenta una forma de S que se ajusta al crecimiento no lineal deseado (leves incrementos en los extremos y mayores en la parte
central).
Logit sera de la forma:
El modelo de regresion
Yi = f (Zi ) + ui , = 1, . . . , n,
(5)
donde Zi = 1 + 2 X2i + + k Xki y, dados los valores de las variables independientes x2 , ..., xk , las probabilidades de que la variable dependiente tome los valores
1 y 0 son:
ezi
,
1 + ezi
1
=
,
1 + ezi
E(Yi |X = x) =
ezi
1 + ezi
discreta 14 / 37
Modelos de eleccion
18:28:36
Modelo Probit
Contenidos
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
El modelo Logit y Probit
Modelo Logit
s2
2
ds,
donde Z N (0, 1) y es tal que, dados los valores x2 , ..., xk de las variables independientes, se verica que:
Modelo Probit
modelos
Comparacion
Logit y Probit
Inferencia en los
modelos de eleccion
discreta
de los
Interpretacion
coecientes
1
0
si zi > 0
.
si zi < 0
Bondad de ajuste
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
discreta 15 / 37
Modelos de eleccion
Econometra II
18:28:36
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
El modelo Logit y Probit
Modelo Logit
Modelo Probit
modelos
Comparacion
Logit y Probit
Los modelos logit y probit comparten practicamente las mismas carectersticas: son
Inferencia en los
modelos de eleccion
discreta
de los
Interpretacion
coecientes
Bondad de ajuste
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
5
Econometra II
discreta 16 / 37
Modelos de eleccion
18:28:36
Contenidos
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
El modelo Logit y Probit
Inferencia en los
modelos de eleccion
discreta
discreta
Inferencia en los modelos de eleccion
Metodo
de MV
de los
Interpretacion
coecientes
Bondad de ajuste
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
discreta 17 / 37
Modelos de eleccion
Econometra II
18:28:36
Metodo
de Maxima
Verosimilitud
Contenidos
Introduccion
Modelos de eleccion
binaria
Si se usa el metodo
de maxima
verosimilitud, a partir de (2) y (4) se obtiene la
de densidad conjunta:
funcion
Modelo Lineal de
Probabilidad
L=
modelos de eleccion
discreta
i=1
ln L
n
X
n
X
i=1
Bondad de ajuste
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
i=1
n
X
i=1
yi ln(pi ) + (1 yi ) ln(1 pi )
yi ln
pi
1 pi
donde se ha llamado zi = ln
Econometra II
pi i (1 pi )1yi ,
Metodo
de MV
de los
Interpretacion
coecientes
n
Y
pi
1pi
n
X
i=1
ln(1 pi ) =
n
X
i=1
yi z i
n
X
ln(1 + ezi ),
i=1
discreta 18 / 37
Modelos de eleccion
18:28:36
Metodo
de Maxima
Verosimilitud
Contenidos
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
anterior
Teniendo en cuenta que pi = 1 + 2 x2i + + k xki , derivar la expresion
con respecto a cada coeciente conduce a:
ln L
1
i=1
n
modelos de eleccion
discreta
Metodo
de MV
de los
Interpretacion
coecientes
Bondad de ajuste
n
X
ln L
j
X
i=1
yi
n
X
i=1
yi xji
ezi
1 + ezi
n
X
i=1
ezi
1 + ezi
xji ,
j = 2, . . . , k.
Al igualar a cero las derivadas anteriores se obtiene el siguiente sistema de ecuaciones normales no lineal que tendra que ser resuelto mediante un algoritmo de
optimizacion:
n
X
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
i=1
yi
X
i=1
n
X
yi xji
i=1
X
n
i=1
0.
xji
0,
ezi
1 + ezi
ezi
1 + ezi
j = 2, . . . , k.
Bajo supuestos generales, los estimadores as obtenidos son consistentes, asintoti asintotica
discreta 19 / 37
Modelos de eleccion
18:28:36
Contenidos
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
El modelo Logit y Probit
Inferencia en los
modelos de eleccion
discreta
de los
Interpretacion
coeficientes
de los coeficientes
Interpretacion
Efecto marginal
Odd ratio
Bondad de ajuste
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
Econometra II
discreta 20 / 37
Modelos de eleccion
18:28:36
Efecto marginal
Contenidos
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
modelos de eleccion
discreta
de los
Interpretacion
coeficientes
Efecto marginal
Odd ratio
Bondad de ajuste
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
eZi
Yi
=
j ,
Xji
(1 + eZi )2
j = 1, . . . , k,
j = 1, . . . , k,
de densidad de la distrbucion
normal tipificada.
siendo la funcion
Por tanto, el efecto marginal en ambos modelos depende de los valores que
toman las variables explicativas (ya no es constante: uno de los objetivos perseguidos por estos modelos). Pueden, por tanto, calcularse los efectos marginales para
de la muestra (alternativamente, los efectos marginales pueden
cada observacion
evaluarse para el valor medio de las variables explicativas).
de densidad son siempre positivas, queda
Puesto que la exponencial y la funcion
del efecto marginal.
claro que el signo de los coeficientes indica la direccion
directa, mientras que uno negativo
Es decir, un signo positivo indicara una relacion
inversa.
discreta 21 / 37
Modelos de eleccion
Econometra II
18:28:36
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
El modelo Logit y Probit
Inferencia en los
modelos de eleccion
discreta
de los
Interpretacion
coeficientes
Efecto marginal
Odd ratio
Bondad de ajuste
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
estimacion:
b1 = 3.3537,
b2 = 0.1535,
b3 = 0.2529,
b4 = 4.6931.
Puesto que todas las estimaciones de los coeficientes de las variables independientes tienen signo positivo, se tiene que el efecto marginal de estas variables
(siempre que se
sera positivo. Es decir, incrementos en estas variables significaran
individual) un aumento
rechaze la hipotesis
nula en los contrastes de significacion
en la probabilidad de aprobar.
en los
Cuanto aumenta la probabilidad de aprobar si, para la misma calificacion
ejercicios en la pizarra y mismo porcentaje de preguntas correctas en los tipo test,
de 3 en el examen de ordenador a 4?
se pasa de obtener una calificacion
Considerando, por ejemplo, fijos los valores EP = 5 y T T = 0.6, se tiene que:
Pr(Y = 1|EP = 5, EO = 3, T T = 0.6) = 0.7287639,
Pr(Y = 1|EP = 5, EO = 4, T T = 0.6) = 0.7757833,
es decir, el incremento de la probabilidad es 0.0470194.
Es este incremento constante?
Econometra II
discreta 22 / 37
Modelos de eleccion
18:28:36
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
El modelo Logit y Probit
Inferencia en los
modelos de eleccion
discreta
de los
Interpretacion
coeficientes
Efecto marginal
EP
5
5
5
5
5
5
5
5
5
5
5
EO
0
1
2
3
4
5
6
7
8
9
10
TT
0.6
0.6
0.6
0.6
0.6
0.6
0.6
0.6
0.6
0.6
0.6
Pr(Y = 1)
0.5571640
0.6183522
0.6760023
0.7287639
0.7757833
0.8167018
0.8515816
0.8807929
0.9048969
0.9245446
0.9404006
Incremento
0.0611882
0.0576501
0.0527616
0.0470194
0.0409185
0.0348798
0.0292113
0.024104
0.0196477
0.015856
Odd ratio
Bondad de ajuste
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
en
Tal y como se observa en la tabla, para los valores constantes de calificacion
bi
eZ
bi
1 + eZ
Econometra II
bi = b1 + b2 EPt + b3 EOt + b4 T Tt .
donde Z
discreta 23 / 37
Modelos de eleccion
18:28:36
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
El modelo Logit y Probit
Inferencia en los
modelos de eleccion
discreta
de los
Interpretacion
coeficientes
b1 + b2 ep + b3 eo + b4 tt y Z N (0, 1).
donde b
zi =
En el ejemplo que nos ocupa:
Efecto marginal
Odd ratio
Bondad de ajuste
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
Econometra II
discreta 24 / 37
Modelos de eleccion
18:28:36
Odd ratio
Contenidos
Introduccion
entre
En la practica,
en el modelo logit, lo que se suele hacer es calcular la razon
ambas probabilidades, cociente denominado odd-ratio, es decir:
Modelos de eleccion
binaria
pi
=
1 pi
Modelo Lineal de
Probabilidad
El modelo Logit y Probit
Inferencia en los
modelos de eleccion
discreta
de los
Interpretacion
coeficientes
Efecto marginal
Odd ratio
Bondad de ajuste
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
ezi
1+ezi
1
1+ezi
= ezi ,
fenomeno
o suceso frente a que no ocurra.
El odd-ratio asociado a un cambio de xjh a xjl , h 6= l, h, l = 1, . . . , n en la variable Xj , j = 1, . . . , k, supuesto que el resto de variables permanecen constantes,
viene dado por:
ezh
= ej (xjh xjl ) .
ezl
En tal caso:
entre la variable dependiente y la variable en estudio el oddSi no existe relacion
ratio toma el valor uno.
Si la variable dependiente incrementa la probabilidad sobre la variable explica elevada sea esta
da el odd-ratio sera superior a uno tanto mayor cuanto mas
relacion.
Si la variable dependiente disminuye la probabilidad de la variable explicada el
odd-ratio sera menor que uno.
discreta 25 / 37
Modelos de eleccion
Econometra II
18:28:36
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
El modelo Logit y Probit
Inferencia en los
modelos de eleccion
discreta
de los
Interpretacion
coeficientes
Efecto marginal
Odd ratio
Los odd-ratios asociados a un cambio unitario en las variables del ejemplo considerado se recogen en la siguiente tabla:
Variables
Odd-ratio
EP
1.1659
EO
1.2878
TT
109.1859
bj , con
e
Adviertase
que dichos valores se han obtenido a partir de la expresion
j = 2, 3, 4. Los odd-ratios asociados a un cambio de 5 unidades en cada una de las
bj .
variables sera obtenido a partir de e5
en ordenador un
As, por ejemplo, para un alumno que tiene una calificacion
probable que apruebe. Un alumno que
punto superior a otro es 1.2878 veces mas
5 veces superior a otro es 3.541322 veces mas
probable que
tiene una calificacion
apruebe.
Bondad de ajuste
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
Econometra II
discreta 26 / 37
Modelos de eleccion
18:28:36
Contenidos
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
El modelo Logit y Probit
Inferencia en los
modelos de eleccion
discreta
de los
Interpretacion
coeficientes
Bondad de ajuste
Bondad de ajuste
Coeficiente de
McFadden y proporcion
de aciertos
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
discreta 27 / 37
Modelos de eleccion
Econometra II
18:28:36
de aciertos
Coeficiente de McFadden y proporcion
Contenidos
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
El modelo Logit y Probit
Inferencia en los
modelos de eleccion
discreta
de los
Interpretacion
coeficientes
Bondad de ajuste
Coeficiente de
McFadden y proporcion
de aciertos
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
no es el de MCO
En los modelos logit y probit, debido a que el metodo
de estimacion
clasico
termino
independiente del modelo).
para analizar la bondad del modelo es contabilizar el porcentaje de
Otra opcion
aciertos del modelo teniendo en cuenta que, por ejemplo, las probabilidades predichas por encima de 0.5 contabilizan como Yi = 1 y menores que 0.5 estiman Yi = 0:
Yi = 1
Yi = 0
Yi = 1
A
C
Yi = 0
B
D
discreta 28 / 37
Modelos de eleccion
18:28:36
de aciertos: ejemplo
Proporcion
Contenidos
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
El modelo Logit y Probit
Inferencia en los
modelos de eleccion
discreta
de los
Interpretacion
coeficientes
Bondad de ajuste
Coeficiente de
McFadden y proporcion
de aciertos
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
Observados - Predichos
Suspensos
Aprobados
Total
Suspensos
14
22
36
Aprobados
6
83
89
Total
20
105
125
Porcentaje
70 %
79.04 %
77.6 %
de suspensos y aprobados con las predicciones realizadas por el modelo. Recordemos que
el modelo logstico proporciona la probabilidad de aprobar, por tanto, es necesario
establecer un umbral para clasificar dicha probabilidad como aprobada o suspensa. En este caso, puesto que en la muestra se tiene un 84 % de aprobados se ha
decidido que una probabilidad por debajo de 0.84 sea clasificada como suspenso y
por encima como aprobado (se puede apreciar por tanto que se ha establecido un
umbral bastante exigente).
Con esta premisa se tiene que de los 20 suspensos clasifica bien a 14 (un 70 %),
mientras que de los 105 aprobados clasifica correctamente a 83 (un 79.04 %). Finalmente, el modelo ajustado clasifica adecuadamente un 77.6 % de los datos (97 de
que aceptable si se tiene en cuenta las exigencias establecidas.
125), una cifra mas
discreta 29 / 37
Modelos de eleccion
Econometra II
18:28:36
Contenidos
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
El modelo Logit y Probit
Inferencia en los
modelos de eleccion
discreta
de los
Interpretacion
coeficientes
de hipotesis
Contrastacion
Bondad de ajuste
de
Contrastacion
hipotesis
individual
Significacion
de los coeficientes
conjunta
Significacion
de los coeficientes
Modelos de alternativas
multiples
Econometra II
discreta 30 / 37
Modelos de eleccion
18:28:36
Introduccion
H0 : j = 0
H1 : j 6= 0
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
El modelo Logit y Probit
Inferencia en los
modelos de eleccion
discreta
de
Contrastacion
hipotesis
individual
Significacion
de los coeficientes
conjunta
Significacion
de los coeficientes
Modelos de alternativas
multiples
normal:
nos basaremos en que los estimadores siguen uns distribucion
j N (j , Var(j )).
en el contraste utilizamos la siguiente regla de
Por tanto, para tomar una decision
decision:
de los
Interpretacion
coeficientes
Bondad de ajuste
Se rechaza H0 si
j
Z
p
1/2 ,
Var(j )
automaticamente,
por lo que se puede realizar inferencia en la forma habitual.
discreta 31 / 37
Modelos de eleccion
Econometra II
18:28:36
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
de los
Interpretacion
coeficientes
Bondad de ajuste
de
Contrastacion
hipotesis
modelos de eleccion
discreta
2 ln
L(r )
2q ,
L()
de restricciones.
individual
Significacion
de los coeficientes
conjunta
Significacion
de los coeficientes
Modelos de alternativas
multiples
Econometra II
discreta 32 / 37
Modelos de eleccion
18:28:36
Contenidos
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
El modelo Logit y Probit
Inferencia en los
modelos de eleccion
discreta
de los
Interpretacion
coeficientes
Bondad de ajuste
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
Modelos de
alternativas multiples
Ejemplo
discreta 33 / 37
Modelos de eleccion
Econometra II
18:28:36
Contenidos
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
El modelo Logit y Probit
Inferencia en los
modelos de eleccion
discreta
de los
Interpretacion
coeficientes
Eleccion
en las calificaciones del
Bondad de ajuste
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
Modelos de
alternativas multiples
Ejemplo
Econometra II
discreta 34 / 37
Modelos de eleccion
18:28:36
ejemplo
Contenidos
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
modelos de eleccion
discreta
de los
Interpretacion
coeficientes
Bondad de ajuste
de
Contrastacion
hipotesis
Ejemplo
yiB
=
=
yiC
1
0
marca A,
otra marca
1
0
marca B,
otra marca
1
0
marca C,
otra marca
El modelo quedara:
Modelos de alternativas
multiples
Modelos de
alternativas multiples
yiA
yij = 1 + 2 xi + ij ,
i = 1, ..., n;
j = A, B, C.
=
=
=
11 + 21 xi ,
12 + 22 xi ,
13 + 23 xi ,
Econometra II
18:28:36
ejemplo
Contenidos
Introduccion
En el caso del modelo logit multinomial, la probabilidad de escoger una de las alternativas es:
Modelos de eleccion
binaria
pij =
Modelo Lineal de
Probabilidad
El modelo Logit y Probit
e1j +2j xi
j=1
pi1 =
e11 +21 xi
P3
j=1
y el resto:
1j +2j xi
Bondad de ajuste
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
Modelos de
alternativas multiples
Ejemplo
i = 1, ..., n;
j = A, B, C.
Inferencia en los
modelos de eleccion
discreta
de los
Interpretacion
coeficientes
e1j +2j xi
P3
pij =
1+
P3
e1j +2j xi
1+
P3
e1j +2j xi
j=2
j=2
e1j +2j xi
j = B, C.
Econometra II
p
ij
pi1
= 1j + 2j xi ,
j = B, C.
discreta 36 / 37
Modelos de eleccion
18:28:36
ejemplo
Contenidos
Introduccion
Modelos de eleccion
binaria
Modelo Lineal de
Probabilidad
El modelo Logit y Probit
Inferencia en los
modelos de eleccion
discreta
i=1
n
de los
Interpretacion
coeficientes
Bondad de ajuste
de
Contrastacion
hipotesis
Modelos de alternativas
multiples
Modelos de
alternativas multiples
Ejemplo
Econometra II
n
Y
i=1
n
i=1
1+
P3
1+
P3
1+
P3
j=2
e1j +2j xi
e12 +22 xi
j=2
e1j +2j xi
e13 +23 xi
e1j +2j xi
j=2
discreta 37 / 37
Modelos de eleccion