UNIVERSIDAD NACIONAL FEDERICO VILLARREAL

Facultad de Ciencias Económicas

EAP de Economía

CURSO: ECONOMETRÍA II Nota

SEMESTRE: 2021 – I
SECCIÓN: f
PROFESOR: Mg. Pedro Chávez V.
Alumno(a): daniel alberto delgado donayre
Fecha: 29/10./2021Duración: 90 minutos
3RA PRÁCTICA CALIFICADA
1. Cuando se tiene una variable dependiente binaria, ¿cuál es la ventaja de utilizar un Logit en vez
de un modelo de probabilidad lineal? (2 puntos)
La ventaja de utilizar un logit en vez de un modelo de probabilidad lineal se encuentra en que
el modelo de probabilidad lineal presenta problemas con la estimación de ^pi, donde no
pueden ser negativos y tampoco mayores que 1. Esto se resuelve con el modelo logit ya
que se realiza una transformación para que supere las limitaciones del modelo de
probabilidad lineal. Básicamente toman la expresión lineal y la transforman mediante una
función no lineal, la cual nos dará valores en el rango de cero y uno, ya que la predicción
del modelo debe ser una probabilidad. Ya que en los modelos logit no se pueden usar
MCO se usa Estimación por Máxima Verosimilitud (EMV). Lo que hacen los estimadores
𝛽, es maximizar la Función de Verosimilitud mediante un número de iteraciones con
diferentes valores hasta lograr que alcance su máxima expresión.
Defina el objetivo principal del análisis de regresión logística. (2 puntos)
Los modelos de regresión logística son aquellos en que la variable dependiente es el
logaritmo natural de RP (la transformación logística) El objetivo de la Regresión Logística es
predecir la probabilidad de un evento de interés en una investigación, así como identificar
las variables predictoras útiles para tal predicción.

2. Defina al coeficiente de β y al ratio de probabilidad, en el contexto de una regresión logística

simple. (2 puntos)

-la ratio de probabilidad es la división entre las probabilidades tanto de éxito y fracaso, de
aprobar y no aprobar.
Si RP>1, la probabilidad de aprobar es mayor que la probabilidad de no aprobar, y
Si RP<1, la probabilidad de aprobar es menor que la probabilidad de no aprobar.
-Los coeficientes de β son los estimadores de los parámetros poblacionales. Donde se tiene
que tener en cuenta el signo y el tamaño. Ya que un β>0, incrementos Xi, incrementa la
probabilidad de pertenecer al grupo de interés y un β<0, incrementos en Xi, disminuye la
probabilidad de pertenecer al grupo de interés.
¿Cómo se relacionan ambas medidas? (2 puntos)

Se relacionan en que para interpretar los coeficientes tenemos que usar las ratios de
probabilidad, ya que la ratio de probabilidad es la función exponencial de la función lineal
(en este caso el modelo logit con k variables explicativas y se podrá estimar el modelo.
 Teniendo la ecuación. 𝑙𝑛(p𝑖/1−p𝑖)=𝑙𝑛(𝑒𝛽0+σ𝑘𝛽𝑘𝑋𝑘

3. ¿Qué es un efecto marginal en la media para los modelos Logit y Probit? (2 puntos),

El efecto marginal entrega el efecto de un cambio en la variable sobre la probabilidad absoluta

de caer en una de las alternativas.
A diferencia de las betas, su interpretación no es relativa, sino es absoluta: el impacto de estar
en una categoría. Por ello, los efectos marginales no se alteran si se cambia de base. En el
ejemplo los efectos marginales de la opción 1 no solo depende de β1 sino también de β2. El
efecto sobre la siguiente probabilidad también dependerá de ambos vectores. La evidencia
que la interpretación del efecto marginal no es compatible con aquella sobre los betas. Miden
cosas distintas. Adicionalmente el signo del efecto marginal puede ser distinto al del
parámetro. Esto no ocurrirá en el logit binomial en donde los dos signos siempre coinciden.

¿por qué no se pueden interpretar directamente los coeficientes 𝛽̂ de un modelo Probit

o Logit? (2 puntos)
A diferencia de los modelos simples con un m=2, apartir de m=3 en adelante los
coeficientes y signos de β tienen una interpretación mas compleja, y suele tener un
comportamiento RELATIVO es decir, que los β en los modelos logit y probit son el
impacto de X sobre el logaritmo de la razón de probabilidades. Y tendríamos que
realizar un cambio de base ya que esto no altera las conclusiones del modelo, pero si
teniendo mucho cuidado con la interpretación de los coeficientes nuevos.

4. Veinte aspirantes a un programa de posgrado obtuvieron las calificaciones cuantitativa y verbal

en el examen GRE que se presentan en el archivo “Admitidos posgrado.xls”. Diez estudiantes
fueron admitidos en el programa.
a) Use los modelos Logit y Probit, para estimar la regresión y compare los resultados en
cuanto a la interpretación de cada uno de los coeficientes para ambos modelos. (2
puntos)
b) Con el modelo Logit, prediga la probabilidad de admisión al programa con base en las
calificaciones promedio cuantitativas y verbales del GRE. Exprese con sus propias
palabras lo que representa esa probabilidad. (2 puntos)

5. En el archivo “Propiedad de vivienda.xls” se dispone de información procedente de 40

encuestados mayores de 30 años acerca de sus ingresos anuales en soles (ingresos), su número
de hijos (n_hijos) y su estado civil (casado=1, soltero=0). También se conoce si la vivienda que
ocupan es de alquiler o es propiedad del encuestado. Se pretende analizar el efecto de los
valores de las variables sobre la decisión de comprar un inmueble para vivienda. Para ello se
define la variable Y (propiedad), que toma el valor de 1 si el encuestado es propietario de la
vivienda, y el valor 0 si el encuestado ocupa una vivienda alquilada.
a) Construya un modelo Logit. Encuentre la probabilidad de ser propietario de un inmueble
para un individuo promedio. (2 puntos)
b) Encuentre la probabilidad de que un encuestado con un ingreso promedio, sin hijos, y soltero sea
propietario de una vivienda. (1 punto)
c) Calcule el efecto marginal de las variables e interprete los resultados. (1 punto)