4.1. MODELO DE PROBABILIDAD LINEAL (MPL).

El modelo de probabilidad lineal (MPL) es

básicamente una variación del modelo de regresión lineal múltiple enfocada a la explicación de
eventos cualitativos

la interpretación común de los no puede seguir siendo utilizada, pues los cambios en y ya no son
continuos ante cambios en las X.

Este modelo es llamado Modelo de Probabilidad Lineal (MPL) debido a la linealidad de los
parámetros del éste. El modelo se estima por Mínimos Cuadrados Ordinarios (MCO) como un
modelo común de regresión lineal múltiple

La interpretación de los B se puede entender como “la variación de la probabilidad de éxito al

variar , permaneciendo los demás factores constantes”

Cuando se tiene variables independientes binarias el coeficiente que se obtiene “mide la

diferencia que se predice para la probabilidad en relación con el grupo base”

4.2. MODELOS NO LINEALES PARA RESPUESTA BINARIA.

Recordando que en los modelos de respuesta binaria toma importancia explicar los efectos de las
variables independientes sobre la probabilidad de éxito, es importante tener en cuenta que
aunque a primera vista parezca que lo importante está en mirar los efectos de las X sobre la
variable latente Y , en los modelos Logit y Probit la dirección del efecto es la misma. dado que la
variable latente regularmente no tiene una unidad de medida definida, toma mayor importancia la
estimación de los efectos de las X sobre la probabilidad de éxito.

(como en los casos de Logit y Probit), g(z) siempre va a ser mayor a cero y así de (11) se puede
decir que el efecto de X sobre la probabilidad de éxito p(x) va a depender únicamente del signo de
B, reafirmando así su importancia en la explicación de los efectos

Cuando hay variables explicativas binarias, el efecto parcial de que sea cero o uno, ceteris paribus,
es:

Que indica el cambio en la probabilidad de tener o no cierta característica representada por la

variable binaria, teniendo en cuenta las demás características que permanecen constantes. En
resumen B1 el que representa la variable binaria determinará el cambio en la probabilidad de
éxito de acuerdo a su signo y la cantidad en que varía se estima mediante.

los coeficientes resultantes de la estimación del modelo reflejan los efectos parciales de cada X
sobre la probabilidad de respuesta, con una significancia estadística determinada por la prueba de
hipótesis H0:B=0 , a un nivel de significancia suficiente.