MODELO LOGIT-PROBIT

Dado que el uso de una función de distribución garantiza que el resultado de la

estimación esté acotado entre 0 y 1, en principio las posibles alternativas son varias,
siendo las más habituales la función de distribución logística, que ha dado lugar al
modelo logit, y la función de distribución de la normal tipificada, que ha dado lugar al
modelo probit. Tanto los modelos logit como los probit relacionan, por tanto, la variable
endógena Y i con las variables explicativas X ki a través de una función de distribución.
En el caso del modelo logit, la función utilizada es la logística, por lo que la
especificación de este tipo de modelos queda como sigue

1 e α+ β X k ki

Y i= X ki
+ε i= +ε i
1+e−α −β k
1+ eα + β X k ki

En el caso del modelo probit la función de distribución utilizada es la de la normal

tipificada, con lo que el modelo queda especificado a través de la siguiente expresión
α +β X i −s
2

1 2
Y i= ∫ e ds+ ε i
−∞ (2 π )1 /2
El Modelo logit se puede interpretar en términos probabilísticos, es decir, sirve para
medir la probabilidad de que ocurra el acontecimiento objeto de estudio (Y i=1). En
cuanto a la interpretación de los parámetros estimados en un modelo Logit, el signo de
los mismos indica la dirección en que se mueve la probabilidad cuando aumenta la
variable explicativa correspondiente, sin embargo, la cuantía del parámetro no coincide
con la magnitud de la variación en la probabilidad (como si ocurría en el MLP). En el
caso de los modelos logit, al suponer una relación no lineal entre las variables
explicativas y la probabilidad de ocurrencia del acontecimiento, cuando aumenta en una
unidad la variable explicativa los incrementos en la probabilidad no son siempre iguales
ya que dependen del nivel original de la misma.