Con base en las lecturas realizadas, presenten por favor un contraste entre las

características de los modelos MLP, Logit y Probit: semejanzas, similitudes, ventajas y

desventajas de los mismos.

Una de las semejanzas de los modelos de probabilidad es que la variable dependiente es binaria.

Modelo de Probabilidad Lineal (MLP)

En este tipo de modelo la variable independiente es dicótoma, las observaciones de dividen en dos
subgrupos, las observaciones en las cuales ocurrió el hecho objetivo de estudio y el otro grupo
formado por las observaciones en las que no ocurrió el hecho Y=0

Ventajas

 Fácil de estimar e interpretar

 La inferencia es la misma que la utilizada en el modelo de regresión múltiple

Este modelo presenta diversos problemas entre los cuales están:

 No existe normalidad en las perturbaciones

 Varianza heterocedástica de los errores, por tanto los estimadores de MCO a pesar de ser
insesgados no son eficientes
 No se puede garantizar que se cumpla la restricción de probabilidad entre 0 y 1
 Valor cuestionable del R2 como medida de la bondad del ajuste.

Modelos Probit y Logit

Los modelos Probit y Logit utilizan una distribución acumulada, que garantiza que para cualquier
valor de los parámetros y de X define probabilidades, con valores en el intervalo 0 y 1.

Características

 El modelo Probit modela la probabilidad de Y = 1 usando la función de distribución

acumulada de una distribución normal estándar.
 El modelo Logit modela la probabilidad de Y = 1 dado X, como la función de distribución
acumulada para una función de distribución logística.
o Aunque las probabilidades se encuentran entre 0 y 1, los Logit no están limitados
en esa forma.
o Aunque L es lineal en X, las probabilidades en sí mismas no lo son. Esta propiedad
hace contraste con el modelo de MPL, en donde las probabilidades aumentan
linealmente con X.
o El modelo Logit supone que el logaritmo de la razón de probabilidades está
relacionado linealmente con X.

Los modelos logit y probit son bastante similares y los resultados no dependen de la elección entre
uno de ellos.

Ventajas del Modelo Logit

 Al ser la variable dependiente dicotómica no necesita que se cumple el supuesto de

normalidad
  En este modelo los coeficientes por sí solos no tienen una interpretación sencilla, no
obstante, al ser exponenciados y luego restados en uno, su interpretación se vuelve más
comprensible
 En un modelo multinivel con función de enlace logit se puede obtener probabilidades,
entonces es posible clasificar a un individuo a la pertenencia de un grupo u otro.

Desventajas del Modelo Logit

 El tamaño de muestra debe ser grande, ya que tiene como método de estimación la
máxima verosimilitud

Ventajas del Modelo Probit

 Se pueden obtener estimaciones de probabilidad para la ocurrencia de un suceso

 Construye una variable latente continua en la cual el investigador puede estar más
interesado que en sus probabilidades

Desventajas del Modelo Probit

 El tamaño de muestra debe ser grande, ya que tiene como método de estimación la
máxima verosimilitud
 Los coeficientes no tienen una interpretación directa

Diferencias

 La única diferencia entre los modelos probit y logit es la forma funcional para la
probabilidad, es remplazada por la función acumulada para una función logística. Salvo
por esto, la verosimilitud es igual
 La ecuación de la FDA logística es muy simple, mientras que la FDA normal involucra una
integral que no es fácil de evaluar

Bibliografía
Alamilla, N., & Arauco, S. (2009). Limitaciones del modelo lineal de probabilidad y alternativas de
modelación microeconométrica. Temas de Ciencia y Tecnología, 13, 3-12.

Pucutay, F. G. (2002). Los Modelos Logit y Probit en la Investigación Social, El caso de la Pobreza
del Perú en el año 2001. Centro de Investigación y Desarrollo (CIDE), Lima Agosto.

Ucedo Silva, V. H. (2013). Comparación de los modelos logit y probit del análisis multinivel, en el
estudio del rendimiento escolar.