a) Modelo de probabilidad lineal

Según Sarmiento et al. (2010) inicialmente se deben definir los valores que toma la
variable dependiente. En este caso, al ser el acceso a servicios financieros la variable de
interés, los valores estarían representados por:

{
y i= 1 siel adulto i accede a servicios financieros
o si el adultoi no accede a servicios financieros

dependiente 𝑦𝑖, se considera un conjunto de variables independientes 𝑋𝑖, de acuerdo a las

características económicas y sociodemográficas en los hogares de la región Arequipa.
Por ello, el modelo de probabilidad lineal (MPL) será:

prob ( y i =1| xi ) =β 0 + β 1 X 1 i + β 2 X 2i +…+ β k X ki

Por lo tanto, el modelo lineal implica que la parte derecha de la ecuación anterior, sea
una probabilidad que debe encontrarse entre cero y uno. Sin embargo, esto es posible
solo si lo valores de las variables independientes también estén limitadas en dicho rango.
Adicionalmente, Rodríguez & Riaño (2016)señala que existen problemas con la
varianza, ya que dependen del valor que tengan las variables independientes y sus
parámetros; es por ello que la varianza del error es heteroscedástica (Véase ANEXO 2).
Por lo tanto, la estimación de este modelo solo será de utilidad para el análisis
comparativo con los modelos logit y probit, debido a las dificultades que presentan al
momento de estimar los parámetros.
b) Modelos probabilísticos: probit y logit

Para solucionar los problemas del MPL, se recomienda el uso de modelos logit y probit
Narváez & Romero (2020). A diferencia del caso anterior, se elige una distribución para
el error y así el valor esperado de 𝑦𝑖, condicionado a los valores de 𝑥 𝑖 , estará dado por
una Función de Distribución Acumulada (FDA).

El modelo Probit asume que el error sigue una FDA normal estándar y se distribuye
simétricamente con media cero y varianza unitaria. El modelo toma la siguiente forma:

prob ( y i =1| xi ) =Φ( β0 + β 1 X 1 i β 1 + X 2 i β2 +…+ β k X ki)

Paralelamente, el modelo Logit, supone que el error sigue una FDA logística, donde la
media es cero y la varianza toma el valor de manera:
 prob ( y i =1| xi ) =F( β0 + β 1 X 1 i+ β2 X 2 i +…+ β k X ki )

Donde Φ y 𝐹 son funciones de probabilidad no lineales de la variable dependiente,

respecto a una serie de variables independientes. De este modo, la probabilidad estimada
para el acceso a servicios financieros se encuentra en el intervalo [0 – 1], ya que las
funciones de distribución acumulada están acotadas en dicho rango. Se utiliza la técnica
de máxima verosimilitud para estimar la probabilidad de acceso a servicios financieros,
donde los parámetros resultan ser consistentes en muestras grandes (Espinoza, 2014).