MODELOS DE LOGIT Y PROBIT

TTULO: MODELO DE COINTEGRACION PARA ESTIMAR LA RELACION

DEL PIB Y EL TIPO DE CAMBIO EN EL PER.

CTEDRA: 30

ECONOMETRA II
20

10

CATEDRTICO: 0

-10

QUIROZ MARN, OSWALDO -20

ALUMNOS: -30
48 50 52 54 56 58 60 62 64 66 68 70 72

CS Residuals

BENDEZU YARANGA, MICHAEL RUBBY

PEREZ OSPINA, JHAKELIN DAYANA
PINO HUAMANI, TITO
RODRIGUEZ LANDA YENIFER PATRICIA
SEMESTRE:

VI

2015
RESUMEN
 NDICE

RESUMEN ....................................................................................................................
INTRODUCCIN.

FORMUL.

1. MARCO TERICO ..................................................................................................

1.1. .................................................................................................................
2. PLANTEAMIENTO DEL PROBLEMA ......................................................................
3. METODOLOGA ......................................................................................................
4. ANLISIS Y PLANTEAMIENTO DEL MODELO ......................................................
5. INTERPRETACIN Y ANLISIS DE RESULTADOS ..............................................
CONCLUSIONES ..........................................................................................................
RECOMENDACIONES..................................................................................................
REFERENCIAS BIBLIOGRFICAS ..............................................................................
ANEXOS .......................................................................................................................
 INTRODUCCIN

La pobreza como se sabe es un fenmeno de mucha importancia en el anlisis del nivel

de desarrollo de un pas; por lo cual en el siguiente trabajo lo que se pretende es estudiar
la relacin entre los factores determinantes de naturaleza social, econmica,
demogrfica de la pobreza de Quichuay y los enfoques de utilizacin de los modelos
logit-probit, para analizar el grado afectacin de los factores cuantitativas sobre el
enfoque de proporciones mustrales. Comparando la estimacin del modelo logit con
el modelo probit.

En la primera se presenta el planteamiento del problema, seguidamente se formularan

los objetivos el cual se desea obtener. En la segunda parte se desarrollar el marco
terico que contendr la definicin de pobreza y mtodos para su medicin, adems en
esta parte se muestra la formulacin terica de los modelos logit y probit con variable
dependiente discreta dicotmica (VDD).
 I. FUNDAMENTACIN DEL PROBLEMA

La pobreza es un fenmeno siempre presente en toda sociedad por la cual ha

sido objeto de estudio.

Existen muchas definiciones respecto a lo que se debe entenderse por pobreza

y ninguna de ellas es precisa y aceptada por todos, sin embargo en general todas
las definiciones apuntan a la situacin en que se encuentra las personas que no
disponen de los medios como tal es el caso del enfoque basado en activos
(capital humano, capital fsico, contexto geogrfico, etc.)

Dada la complejidad del fenmeno existe distintas metodologas para medirlo tal
es el caso de la lnea de la pobreza.

Desde la perspectiva estadstica con que se enfoca al fenmeno de la pobreza

nos vemos en la necesidad de proponer un anlisis de la utilizacin de las
variables logit y probit con variable dicotmica, valindonos para ello d una
explicacin de la pobreza en los jefes de hogar del distrito de Quichuay
recopilados en el segundo semestre del 2015.

1.1. Formulacin del problema:

- cmo la pobreza en los jefes de hogar de Quichuay a travs de sus
factores determinantes de naturaleza social, econmica y
demogrfica hacen factible el enfoque de proporciones mustrales o
el enfoque de observaciones individuales en los modelos logit y
probit?

II. OBJETIVOS DE LA INVESTIGACIN

- Se estudiara la relacin entre los factores determinantes de naturaleza social,

econmica y demogrfica de la pobreza en los jefes de hogar y los enfoques de
utilizacin de los modelos logit y probit.

- analizar las similitudes y diferencias que puedan ser encontradas en ambos modelos
y como esto pueden verse estos reflejados y contrastados desde el caso de la pobreza
en los jefes de hogar del distrito de Qhichuay y sus anexos.
III. MARCO TERICO
3.1. QU ES LA POBREZA?:

Para analizar la pobreza primero se tiene que establecer una definicin.

El trmino pobreza tiene distintos significados en las ciencias sociales.
Por un lado, la definicin del Banco Mundial (1997) establece que la
pobreza es la falta de acceso o dominio de los requisitos bsicos para
mantener un nivel de vida aceptable, lo cual menciona que una persona
es pobre si carece de un adecuado consumo de alimentos o de servicios
bsicos como agua, salud y educacin. Usualmente se utiliza la definicin
de pobreza monetaria, que tiene como medida del nivel de ingresos (o
gasto) necesario para acceder a bienes y servicios considerados
indispensables para la sobrevivencia humana; otra de las definiciones que
se utiliza es el de las necesidades bsicas o el desarrollo de capacidades
que fue desarrollada por Amartya Sen y este abarca diferentes aspectos
aparte del monetario, como lo relacionado a la salud, educacin, entre
otros. La primera definicin es la que entiende a la pobreza como un
fenmeno unidimensional y la segunda se entiende como un fenmeno
multidimensional.

Segn Pal Spicker (1999) en las ciencias sociales, la pobreza es

entendida en al menos doce sentidos especficos. Lo interpreta como
necesidad, estndar de vida, insuficiencia de recursos, carencia de
seguridad bsica, falta de titularidades, privacin mltiple, exclusin,
desigualdad, clase, dependencia y padecimiento inaceptable. La medicin
de la pobreza puede estar basada en cualquiera de estas definiciones, la
mayora de los estudios econmicos sobre la pobreza han centrado su
atencin casi exclusivamente en las concernientes a necesidad, estndar
de vida e insuficiencia de recursos.

La definicin que se le da en el Per, lo realiza el INEI y este lo define de

acuerdo al criterio monetario, utilizando como indicador de bienestar el
gasto per cpita mensual. Es as que se considera pobre a una persona
cuando su gasto es inferior al nivel de gasto necesario para satisfacer las
necesidades bsicas alimentarias y no alimentarias, reflejadas stas
ltimas en las lneas de pobreza. Para el caso de pobreza extrema, este
debe ser igual al valor monetario necesario para adquirir una canasta de
alimentos que satisface un mnimo de necesidades nutricionales de las
personas, este requerimiento nutricional o calrico se establece de
acuerdo a las diferentes demografas por regin. Los hbitos de consumo
de la poblacin, la disponibilidad efectiva de los alimentos y los precios
relativos.

En el caso de la lnea de la pobreza total, sta es igual al valor de la lnea

de la pobreza extrema ms el valor monetario necesario para satisfacer
las necesidades no alimentarias esenciales como vestido, calzado,
cuidado de salud, educacin, transporte, entre otros. Como no existe un
consenso parta establecer ciertos criterios como los productos, servicios,
la cantidad y la frecuencia que deben ser parte de la canasta bsica no
alimentaria, esta canasta se determina en base a la relacin observada
entre los gastos en alimentos y el gasto total de consumo(INEI, 2011).

3.2. ENFOQUES Y MTODOS PARA LA MEDICIN DE LA POBREZA:

Existen 3 grandes enfoques para medir la pobreza. El primero es el
enfoque de la pobreza absoluta, que toma en cuenta el costo de una
canasta mnima esencial de bienes y servicios y considera como pobres
a todos aquellos cuyo consumo o ingreso est por debajo de este valor.
El enfoque de pobreza relativa considera al grupo de personas cuyo
ingreso se encuentra por debajo de un determinado nivel. Por ejemplo,
en algunos pases se considera como pobres a todos aquellos que tienen
remuneraciones inferiores a la mitad del ingreso promedio (Criterio
aplicado en sociedades que han logrado erradicar la pobreza absoluta)
El enfoque de la exclusin social, de absoluta vigencia en Europa, presta
atencin a las personas que no pueden acceder a determinados servicios
como por ejemplo el empleo, la educacin superior, la vivienda propia, el
empleo y otros. Ahora dentro de lo correspondiente a los mtodos de
medicin, solo nos centraremos en el mtodo de lnea de pobreza.
 3.2.1. EL METODO DE LA LNEA DE POBREZA-LP:

Este mtodo centra su atencin en la dimensin econmica de la pobreza y utiliza el

ingreso o el gasto como medidas del bienestar. Al determinar los niveles de pobreza, se
compara el valor per cpita de ingreso o gasto en el hogar con el valor de una canasta
mnima denominada lnea de pobreza.

Cuando se utiliza el mtodo de lnea de pobreza por el consumo, se incorpora el valor

de todos los bienes y servicios que consume el hogar, indistintamente de la forma de
adquisicin o consecucin. La utilizacin del gasto de consumo tiene la ventaja de que
es el mejor indicador para medir el bienestar porque se refiere a lo que realmente
consume un hogar y no a lo que potencialmente puede consumir cuando se mide por el
ingreso. Otro aspecto favorable es que el consumo es una variable ms estable que el
ingreso, lo que permite una mejor condicin de la tendencia del nivel de pobreza.

Pobreza Absoluta: Comprende a las personas cuyos hogares tienen ingresos

o consumo per cpita inferiores al costo de una canasta total de bienes y
servicios mnimos esenciales.
Lnea de Pobreza Absoluta (LPA): Es el costo de una canasta mnima de bienes
(incluido los alimentos) y servicios.

Pobreza Absoluta: Consumo Hogar < Costo Canasta Bsica Consumo (LPA).
Pobreza Extrema: Comprende a las personas cuyos hogares tienen ingresos o
consumos per cpita inferiores al valor de una canasta mnima de alimentos.
Lnea de Pobreza Extrema (LPE): Es el costo de una canasta mnima de
alimentos.
Pobreza Extrema: Consumo Hogar < Costo Canasta Bsica Alimenticia (LPE).
Despus de mostrar, a modo general, algunos enfoques y a grosso modo
mtodos de medicin de pobreza, que si bien es cierto no es uno de los objetivos
explcitos de esta investigacin medirla, pretendemos con ello guiar al lector
hacia la concepcin y formulacin de una variable que permita clasificar a un
individuo de acuerdo a su nivel de pobreza, en otras palabras, si este posee o
no la condicin de pobreza.
Segn Sen (1992) la medicin de pobreza requiere realizar dos ejercicios distintos pero
interrelacionados: la identificacin de los pobres por un lado y la agregacin por otro.
Este ltimo es el usado para obtener indicadores resumen de nivel (incidencia) de la
pobreza. Para el caso de esta investigacin solo realizaremos en alguna medida el
primer ejercicio.
Esto quiere decir que necesitaramos de un mtodo de identificacin para construir lo
que ser la variable dependiente de las estimaciones y es all donde entra a tallar el
MTODO DE LNEA DE POBREZA (LP), definido anteriormente. Con lo cual se define
especficamente los valores que podra tomar la variable en estudio: igual a 1 si es un
hogar pobre y 0 si es un hogar no pobre, y como vamos a trabajar a nivel de individuos,
tomamos, 1 si fuese un Jefe de Hogar (JH) que pertenece a un hogar pobre y 0 si fuese
un JH que no pertenece a un hogar pobre.

Obviamente, al trabajar con esta variable dependiente no se podr conocer la intensidad

de la pobreza. Esta limitacin puede ser resuelta mediante el uso de las medidas FGT
(Foster et al., 1984), que surgen de la siguiente expresin:

1 zi yi
FGT = ( )
N zi

Dnde: Yi es el ingreso de la i-sima familia u hogar, Zi es la lnea de pobreza de ese

hogar y a el parmetro de aversin a la pobreza.

Entonces, si a = 0 obtenemos, el porcentaje de pobres.

Si a = 1, obtenemos lo concerniente a Brecha de Pobreza.

1 zi yi
FGT = ( )
N zi

Este es el denominado poverty gap de profundidad o intensidad de la pobreza. A

diferencia del anterior, esta medida muestra la brecha existente entre el ingreso de los
hogares pobres y la lnea de pobreza.

Si a = 2, arroja un indicador de severidad de la pobreza y que puede ser interpretado

como la suma de dos componentes: la brecha de pobreza y la desigualdad entre los
pobres.

De acuerdo con lo anterior es posible asignar a cada hogar un valor de intensidad y de

severidad de pobreza dado por los supuestos acerca del parmetro a de dichas
medidas. Esta forma de proceder requiere de mtodos de estimacin diferentes, que no
es motivo de estudio en este trabajo.
 3.3. MODELO LOGIT Y PROBIT:
A. MODELOS DE PROBABILIDAD NO LINEAL

La estimacin e interpretacin de los modelos probabilsticos lineales plantea una serie

de problemas que han llevado a la bsqueda de otros modelos alternativos que permitan
estimaciones ms fiables de las variables dicotmicas. Para evitar que la variable
endgena estimada pueda encontrarse fuera del rango (0, 1), las alternativas
disponibles son utilizar modelos de probabilidad no lineales, donde la funcin de
especificacin utilizada garantice un resultado en la estimacin comprendido en el rango
0-1. Las funciones de distribucin cumplen este requisito, ya que son funciones
continuas que toman valores comprendidos entre 0 y 1.

Especificacin de los modelos de eleccin discreta (Logit y Probit)

Dado que el uso de una funcin de distribucin garantiza que el resultado de la

estimacin est acotado entre 0 y 1, en principio las posibles alternativas son varias,
siendo las ms habituales la funcin de distribucin logstica, que ha dado lugar al
modelo Logit, y la funcin de distribucin de la normal tipificada, que ha dado lugar al
modelo Probit. Tanto los modelos Logit como los Probit relacionan, por tanto, la variable
endgena con las variables explicativas a travs de una funcin de distribucin.

La modelizacin de este tipo de variables se conoce genricamente con el nombre de

modelos de eleccin discreta, dentro de la cual existe una amplia tipologa de modelos.
Segn el nmero de alternativas: de respuesta dicotmica frente a los denominados
modelos de respuesta, o eleccin mltiple.

Segn la funcin utilizada para la estimacin de la probabilidad:

El modelo de probabilidad lineal,

El modelo Logit

El modelo Probit.

3.3.1. Modelo Logit

Como hemos visto, dada una variable dependiente binaria Y, el modelo de regresin
lineal y = + x + presenta serias inconsistencias. Para evitarlas, se han desarrollado
modelos no lineales, los cuales tratan de resolver los problemas anteriores.

La idea consiste en utilizar un modelo de la forma:

= ( + ) +
Donde f es una funcin real que depende de la expresin lineal + +

Con el nuevo modelo, y razonando de forma similar al caso del modelo lineal, se
cumplir:

[] = ( = 1) = ( + )

Ahora bien, qu tipo de funcin f estamos buscando?: obviamente, f deber ser distinta
de la funcin identidad (para evitar los problemas del modelo lineal).

Adems, necesitamos una funcin que est acotada por los valores 0 y 1.

3.3.2. Modelo Probit

La aproximacin al problema es similar al Logit pero se supone una relacin no

lineal distinta (aunque muy similar) entre Xi y Pi.

Se basa en la distribucin normal acumulada

Se supone que la decisin de poseer o no una casa depenede de un ndice I

(conocido como variable latente)

El ndice I est determinado por una o varias variables explicativas. Por ej

ingreso

Cuanto mayor sea el ndice mayor la probabilidad de tener una casa

= +

Se supone un umbral crtico I* a partir del cual, si I supera a I* entonces una

familia posee una casa.

El umbral I*, al igual que I, no es observable

Si se supone que est distribuido normalmente con la misma media y varianza

es posible estimar los parmetros del ndice y tambin alguna informacin sobre
el I*.

En Logit:

( )
= (1 ) =

(1 + )2

En Probit:

( )
=

 IV. HIPTESIS DE LA INVESTIGACIN:

V. METODOLOGA:

5.1. EL MODELO:

La variable dependiente de inters Y es la que clasifica a un hogar como pobre

o no pobre. De este modo, la variable dependiente Y toma el valor de 1, si el
hogar es pobre, por tener un consumo familiar per cpita menor a la lnea de la
pobreza, y es Y = 0 si el hogar es no pobre y esto por tener un consumo familiar
per cpita igual o mayor a la lnea de la pobreza.

1 si el Gasto per cpita lnea de la pobreza

Yt = {
0 si el Gasto per cpita linea de la pobreza

Se consideran un conjunto de variables agrupadas en un vector X como las que

pueden explicar a Y, de manera que lo planteamos as:

Yt = Xi + ui

Donde ui es el trmino de error estocstico y es un vector columna de los

parmetros a ser estimados. Asumimos que la distribucin acumulada de ui es
logstica, por lo que se utiliza la funcin logstica:

1 eX i
Yt =
+ ui =
+ ui
1 + eXi 1 + eX i

Para este modelo, la probabilidad de ser pobre est dado por:

eX i
P(Yt = 1) =
1 + eX i

Los estimadores de mxima verosimilitud MV son los que maximizan esta

funcin.

Al realizar la regresin obtenemos los valores de los parmetros. El signo de los

parmetros indica la direccin de la probabilidad, si ste aumenta o disminuye
ante la variacin de la variable explicativa. Para realizar la interpretacin, la
medida que se utiliza es el efecto marginal sobre la probabilidad condicional de
un aumento en una unidad de la variable explicativa.

t
Pr(Yt = 1Xi ; ) eX i
= t j
Xij (1 + eXi )2