Introducción Modelo Modelo empı́rico simplificado Dificultades y limitaciones Aplicación Referencias

Modelos de elección discreta

Sesión 1

Juan D. Martin1

18 de febrero de 2021

1
Banco de la República Colombia
Introducción Modelo Modelo empı́rico simplificado Dificultades y limitaciones Aplicación Referencias

Introducción

Objetivos de esta sesión:

1 Describir el problema empı́rico general
2 Introducir el modelo y los supuestos
3 Exponer las dificultades, debilidades y soluciones para
estimación y aplicación
4 Exponer su aplicación a casos reales (realizados por Quantil,
Alvaro Riascos y Juan D. Martin).
Introducción Modelo Modelo empı́rico simplificado Dificultades y limitaciones Aplicación Referencias

El problema empı́rico

1 Opciones múltiples:
1 Consumo de bienes diferenciados: cuadernos, dulces,
automóviles, celulares.
2 Elecciones de ubicación espacial: moteles, estaciones de
gasolina, crimen.
3 Probabilidades de eventos múltiples: deserción universitaria,
estados de salud.
2 Identificación de elasticidades cruzadas.
3 Dimensionalidad, grados de libertad.
4 Ausencia de microdatos: datos agregados por alternativa.
Introducción Modelo Modelo empı́rico simplificado Dificultades y limitaciones Aplicación Referencias

Bondades del modelo

El modelo estándar permite:

1 Ajustar probabilidades agregadas e identificar determinantes
estructurales.
2 Identificar elasticidades cruzadas gran variedad de alternativas
sin sacrificar grados de libertad o incurrir en sobrecarga
dimensional en la estimación.
3 Realizar experimentos contrafactuales: medición de impácto de
polı́ticas públicas, escenarios de precios, choques climáticos.
Introducción Modelo Modelo empı́rico simplificado Dificultades y limitaciones Aplicación Referencias

Modelo clásico

Considere una masa de N consumidores, cada uno eligiendo

entre j = 1, ..., J alternativas para un mercado de terminado.
Cada alternativa j genera la siguiente utulidad:

uij = γYi + βXj + εij (1)

donde Yi denota un vector de caracterı́sticas individuales, Xj

es un vector de caracterı́sticas propias de cada alternativa y εij
es un choque idiosincrático.
Introducción Modelo Modelo empı́rico simplificado Dificultades y limitaciones Aplicación Referencias

Modelo clásico

El consumidor i elige la alternativa j sobre cualquier otra k,

siempre que uij ≥ uik .
Ası́, la probabilidad de que i elija j puede caracterizarse como

Pr(i elige j) = Pr(uij − uik ≥ 0)

= Pr(εik − εij ≤ δij − δik )
Z (2)
= dPε = sij
ε

Luego, definiendo φ(i) como la función de densidad de

consumidores, la probabilidad agregada (market share) de j se
puede expresar como:
Z
sj = sij φ(i) (3)
i
Introducción Modelo Modelo empı́rico simplificado Dificultades y limitaciones Aplicación Referencias

Modelo clásico

Si además se asume que ε sigue una distribución valor

extremo, tenemos que

exp{δij }
Z
sj = PJ φ(i), (4)
i k=0 exp{δik }

donde k = 0 denota la alternativa base, o outside option, la

cual usualmente denota la opción de no comprar.
En muchos casos δi0 no está identificada y se normaliza la
escala igualándola a cero.
Introducción Modelo Modelo empı́rico simplificado Dificultades y limitaciones Aplicación Referencias

Modelo empı́rico simplificado

Una forma de resolver el modelo para la aplicación empı́rica

implica que se observan:
Cantidades agregadas (frecuencia de eventos), o cuotas de
mercado (frecuencias relativas) de cada alternativa.
Algunas caracterı́sticas de cada alternativa: precio, tamaño,
ubicación, marca.
Introducción Modelo Modelo empı́rico simplificado Dificultades y limitaciones Aplicación Referencias

Modelo empı́rico simplificado

Ası́, una versión simplificada del modelo empı́rico implica

asumir que las preferencias son simétricas, o equivalentemente
δij = δj (Berry, 1994).
Entonces, tenemos que las cuotas de mercado pueden ser
representadas por un modelo logı́stico

exp{δj }
sj = PJ , (5)
k=0 exp{δk }

donde
δj = βxj + ξj (6)
siendo xj el vector de caracterı́sticas observadas y ξj la
utilidad media asociada a las caracterı́sticas no observadas por
el investigador.
Introducción Modelo Modelo empı́rico simplificado Dificultades y limitaciones Aplicación Referencias

Modelo empı́rico simplificado

Ası́, una versión simplificada del modelo empı́rico implica

asumir que las preferencias son simétricas, o equivalentemente
δij = δj .
Entonces, tenemos que las cuotas de mercado pueden ser
representadas por un modelo logı́stico

exp{δj }
sj = PJ , (7)
k=0 exp{δk }

donde
δj = βxj + ξj (8)
siendo xj el vector de caracterı́sticas observadas y ξj la
utilidad media asociada a las caracterı́sticas no observadas por
el investigador.
Introducción Modelo Modelo empı́rico simplificado Dificultades y limitaciones Aplicación Referencias

Modelo empı́rico simplificado

Entonces, el reto del investigador es estimar β y ξj empleando

los datos observados.
Dadas las condiciones del modelo, esto puede lograrese
resolviendo por δj , empleando cuotas de mercado observadas,
{Sj }Jj=0 :
δj = ln Sj − ln S0 (9)
De esta forma, {β, ξj } pueden ser estimados empleando un
estimador GMM en su lineal (OLS, 2SLS, IV).
Introducción Modelo Modelo empı́rico simplificado Dificultades y limitaciones Aplicación Referencias

Modelo empı́rico simplificado

Nótese cómo en esta estructura, el número de alternativas, J,

equivale al número de observaciones.
En otros modelos que correlacionan múltiples productos de
forma lineal, J suma al número de regresores.
Esto facilita también el cálculo de derivadas cruzadas entre
altenativas:
(
∂sj −βr xjr sj (1 − sk )/xkr si j = k
= (10)
∂xkr βr xjr sj sk /xkr si j 6= k

Que puede interpretarse como el efecto que tiene un cambio

en la caracterı́stica r de la alternativa k sobre la probabilidad
de j.
Introducción Modelo Modelo empı́rico simplificado Dificultades y limitaciones Aplicación Referencias

Dificultades usuales

S0 no es observado
En estos casos, dado que Jj=0 Sj = 1, se realiza un supuesto
P
sobre el tamaño de S0 y se normaliza.
Usualmente, para productos diferenciados se asume un
tamaño, M, para el mercado potencial, tal que
J
X
S0 = 1 − qj /M, (11)
j=1

donde {qj }Jj=1 denota las cantidades observadas.

La definición de M (o equivalentemente S0 ), es una cuestión
filosófica, pero puede tener implicaciones importantes en los
resultados.
Introducción Modelo Modelo empı́rico simplificado Dificultades y limitaciones Aplicación Referencias

Dificultades usuales

Correlación entre xj y ξj .
Esto implica la búsqueda de instrumentos para evitar sesgos
en la estimación de β.
Ası́ puede requerise datos adicionales, o una estrategia de
identificación que emplea un panel por mercado.
Introducción Modelo Modelo empı́rico simplificado Dificultades y limitaciones Aplicación Referencias

Limitaciones del modelo simple

Ignora heterogeneidad en preferencias.

Las derivadas cruzadas dependen únicamente de las
probabilidades agregadas y no de las caracterı́sticas.
Introducción Modelo Modelo empı́rico simplificado Dificultades y limitaciones Aplicación Referencias

Aplicaciones

Cuadernos y colores para uso escolar.

Confiterı́a y golosinas.
Telecomunicaciones.
Progresión académica en educación superior.
Guarderı́as para niños.
Combustible para la aviación.
Introducción Modelo Modelo empı́rico simplificado Dificultades y limitaciones Aplicación Referencias

Aplicación

Suponga que para el mercado de cuadernos usted cuenta con los

siguientes datos
Ventas en pesos
Precios en pesos
Población estudiantil escolar y universitaria.
Caracterı́sticas fı́sicas: tamaño, tipo de empastado, tipo de
argollado, número de hojas.
Marca: Norma, Kimberly, etc.
Fabricante: Carvajal, Cartón, etc.
Introducción Modelo Modelo empı́rico simplificado Dificultades y limitaciones Aplicación Referencias

Aplicación

De acuerdo con estos datos, defina (conceptualmente):

1 Producto, como unidad de observación.
2 Tamaño de mercado (M)
3 Cuotas de mercado (Sj )
4 Caracterı́sticas observadas (xj )
5 Algunas caracterı́sticas no observadas (ξj )
Introducción Modelo Modelo empı́rico simplificado Dificultades y limitaciones Aplicación Referencias

Referencias

Berry, S. T. (1994). Estimating discrete-choice models of product

differentiation. The RAND Journal of Economics, 242–262.