taller_enclase_9_logitprobit - Printed on 30/8/2022 10:51:05

1 /* Universidad Central del Ecuador

2 Facultad de Ciencias Económicas
3 Carrera de Finanzas
4 Econometría
5 Ramiro Villarruel-Meythaler */
6
7
8 ***************************************************
9 * Modelos de Regresión con Variables Cualitativas *
10 ***************************************************
11 clear all
12 set more off
13 use "C:\Users\rvm_i\Documents\Archivos_Stata\ENEMDU\enemdu_dic17.dta"
14 log using taller_enclase_9_logitprobit.log
15
16 **************************
17 * Modelo Logístico LOGIT *
18 **************************
19 sample 1
20
21 * Paso 1: Seleccionar la probabilidad de un evento cualquiera
22 Probabilidad de que una persona tenga auto
23
24 * Paso 2: Seleccionar la variable dependiente que permitirá calcular la probabilidad
(Probabilidad de que una persona tenga auto)
25 eq1401: Personas que tiene o no automóvil, camioneta
26
27 label list eq1401
28 1: PERSONAS que SI tienen auto
29 2: PERSONAS que NO tienen auto
30
31 * Paso 3: Generar la variable dependiente dicotómica (Probabilidad de que una persona tenga
auto)
32 1: Probabilidad de que una persona tenga auto
33 0: Probabilidad de que una persona NO tenga auto
34
35 generate prob_persona_tenga_auto = eq1401 == 1
36
37 * Paso 4: Seleccionar las variables independientes (cuantitativas y cualitativas) que
influyen en la probabilidad (Probabilidad de que una persona tenga auto)
38 ingrl: Ingreso Laboral
39 p02: Sexo (Categoría: Hombres)
40
41 label list p02
42 Sexo:
43 1: Masculino (hombres)
44 2: Femenino (mujeres)
45
46 * Paso 5: Generar la variable independiente dicotómica (Categoría: Hombres)
47 generate d_hombre = p02 == 1
48
49 * Paso 6: Especificación econométrica del Modelo Logístico LOGIT
50 L = Probabilidad de que una persona tenga auto/Probabilidad de que una persona no tenga auto
=
51
intercepto_estimado +
52
pendiente_estimada(Ingreso Laboral) +
53
pendiente_estimada(d_hombre) +
54
U_estimado
55
56 * Paso 7: Estimación del Modelo Logístico LOGIT
57 logit prob_persona_tenga_auto ingrl d_hombre [iw=fexp]
58 mfx
59
60 * Paso 8: Interpretación de los resultados del Modelo Logístico LOGIT
61 pendiente_estimada (ingrl) = 0.0003142: Si el ingreso laboral incrementa en 1 dolar, en
promedio, la probabilidad de que una persona tenga auto crecerá

Page 1
taller_enclase_9_logitprobit - Printed on 30/8/2022 10:51:05
62 en 0,03142%.
63
64 pendiente_estimada (d_hombre) = -0.0431449: La probabilidad de que una persona tenga auto
decrecerá en 4.31% si la persona es hombre.
65 La probabilidad de que una persona tenga auto
será 4.31% menor si la persona es hombre.
66
67 * Paso 9: Validación estadística de los resultados del Modelo Logístico LOGIT
68 prob_z_pendiente_estimada (ingrl) = 0.00: La pendiente es estadísticamente significativa,
ya que, el valor calculado de la probabilidad de la distribución
69 z es menor o igual a 0.05 (nivel de
significancia).
70 prob_z_pendiente_estimada (d_hombre) = 0.00: La pendiente es estadísticamente significativa,
ya que, el valor calculado de la probabilidad de la distribución
71 z es menor o igual a 0.05 (nivel de
significancia).
72
73 * Paso 10: Interpretación del grado de predicción del Modelo Logístico LOGIT
74 p = 0,2585: El grado de predicción del Modelo Logístico LOGIT es bajo.
75 El ingreso laboral y la categoría de hombre (sexo) predicen en un 25,85% la
probabilidad de que una persona tenga auto.
76
77
78 ***************************
79 * Modelo Logístico PROBIT *
80 ***************************
81 sample 1
82
83 * Paso 1: Seleccionar la probabilidad de un evento cualquiera
84 Probabilidad de que una persona tenga auto
85
86 * Paso 2: Seleccionar la variable dependiente que permitirá calcular la probabilidad
(Probabilidad de que una persona tenga auto)
87 eq1401: Personas que tiene o no automóvil, camioneta
88
89 label list eq1401
90 1: Personas que SI tiene auto
91 2: Personas que NO tiene auto
92
93 * Paso 3: Generar la variable dependiente dicotómica (Probabilidad de que una persona tenga
auto)
94 1: Probabilidad de que una persona tenga auto
95 0: Probabilidad de que una persona NO tenga auto
96
97 generate prob_persona_tenga_auto = eq1401 == 1
98
99 * Paso 4: Seleccionar las variables independientes (cuantitativas y cualitativas) que
influyen en la probabilidad (Probabilidad de que una persona tenga auto)
100 ingrl: Ingreso Laboral
101 p02: Sexo (Categoría: Hombres)
102
103 label list p02
104 Sexo:
105 1: Masculino (hombres)
106 2: Femenino (mujeres)
107
108 * Paso 5: Generar la variable independiente dicotómica (Categoría: Hombres)
109 generate d_hombre = p02 == 1
110
111 * Paso 6: Especificación econométrica del Modelo Logístico PROBIT
112 Probabilidad de que una persona tenga auto = intercepto_estimado + pendiente_estimada(
Ingreso Laboral) + pendiente_estimada(d_hombre) + U_estimado
113
114 * Paso 7: Estimación del Modelo Logístico PROBIT
115 probit prob_persona_tenga_auto ingrl d_hombre [iw=fexp]
116 mfx
117
118 * Paso 8: Interpretación de los resultados del Modelo Logístico PROBIT
119 pendiente_estimada (ingrl) = 0.0002966: Si el ingreso laboral incrementa en 1 dolar, en
promedio, la probabilidad de que una persona tenga auto crecerá

Page 2
taller_enclase_9_logitprobit - Printed on 30/8/2022 10:51:05
120 en 0,02966%.
121
122 pendiente_estimada (d_hombre) = -0.0466485: La probabilidad de que una persona tenga auto
decrecerá en 4.66% si la persona es hombre.
123 La probabilidad de que una persona tenga auto
será 4.66% menor si la persona es hombre.
124
125 * Paso 9: Validación estadística de los resultados del Modelo Logístico PROBIT
126 prob_z_pendiente_estimada (ingrl) = 0.00: La pendiente es estadísticamente significativa,
ya que, el valor calculado de la probabilidad de la distribución
127 z es menor o igual a 0.05 (nivel de
significancia).
128 prob_z_pendiente_estimada (d_hombre) = 0.00: La pendiente es estadísticamente significativa,
ya que, el valor calculado de la probabilidad de la distribución
129 z es menor o igual a 0.05 (nivel de
significancia).
130
131 * Paso 10: Interpretación del grado de predicción del Modelo Logístico PROBIT
132 p = 0,2591: El grado de predicción del Modelo Logístico LOGIT es bajo.
133 El ingreso laboral y la categoría de hombre (sexo) predicen en un 25.91% la
probabilidad de que una persona tenga auto.
134
135 log close
136

Page 3