Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Modelo Probabiliad Lienal
Modelo Probabiliad Lienal
Page 1
taller_enclase_8_probabilidad_lineal - Printed on 30/8/2022 10:50:23
60
61 * Paso 9: Interpretación del coeficiente de determinación del Modelo de Probabilidad Lineal
Simple
62 r_2 = 0,0863: El grado de bondad de ajuste del modelo de probabilidad lineal simple es bajo.
63 El ingreso laboral explica en un 8,63% el comportamiento de la probabilidad de
que una persona tenga auto.
64
65
66 ******************************************
67 * Modelo de Probabilidad Lineal Múltiple *
68 ******************************************
69
70 * Paso 1: Seleccionar la probabilidad de un evento cualquiera
71 Probabilidad de que una persona tenga vivienda propia
72
73 * Paso 2: Seleccionar la variable dependiente que permitirá calcular la probabilidad
(Probabilidad de que una persona tenga vivienda propia)
74 vi14: Forma de tenencia de la vivienda de las personas
75
76 label list vi08 // OJO (error en el nombre de la variable con las etiquetas de la tenencia
de la vivienda)
77 1: en arriendo
78 2: anticresis y/o arriendo
79 3: propia y la está pagando
80 4: propia y totalmente pagada
81 5: cedida
82 6: recibida por servicios
83 7: otra, cuál
84
85 * Paso 3: Generar la variable dependiente dicotómica (Probabilidad de que una persona tenga
vivienda propia)
86 1: Probabilidad de que una persona tenga vivienda propia
87 0: Probabilidad de que una persona NO tenga vivienda propia
88
89 generate prob_persona_tenga_vivprop = vi14 == 3 | vi14 == 4 // generate
prob_persona_tenga_vivprop = vi14 >= 3 & vi14 <= 4
90
91 * Paso 4: Seleccionar las variables independientes que influyen en la probabilidad
(Probabilidad de que una persona tenga vivienda propia)
92 ingrl: Ingreso Laboral
93 hsize: Tamaño del hogar
94 p24: Número de horas de trabajo
95
96 * Paso 5: Especificación econométrica del Modelo de Probabilidad Lineal Múltiple
97 Probabilidad de que una persona tenga vivienda propia = intercepto_estimado +
pendiente_estimada(Ingreso Laboral) +
98 + pendiente_estimada(Tamaño del hogar) + pendiente_estimada(Número de horas de trabajo) +
U_estimado
99
100 * Paso 6: Estimación del Modelo de Probabilidad Lineal Múltiple
101 regress prob_persona_tenga_vivprop ingrl hsize p24 [iw=fexp]
102
103 * Paso 7: Interpretación de los resultados del Modelo de Probabilidad Lineal Múltiple
104 intercepto_estimado = 0,60: Si el ingreso laboral, el tamaño del hogar y el número de horas
de trabajo son 0, la probabilidad de que una persona
105 tenga vivienda propia será 0,60(60%).
106
107 pendiente_estimada = 0,00008: Si el ingreso laboral incrementa en 1 dolar, en promedio, la
probabilidad de que una persona tenga vivienda propia
108 crecerá en 0,00008(0,008%), manteniendo constante la
influencia del tamaño del hogar y el número de horas de
109 trabajo en la probabilidad de que una persona tenga vivienda
propia.
110
111 pendiente_estimada = 0,03: Si el tamaño del hogar incrementa en 1 persona, en promedio, la
probabilidad de que una persona tenga vivienda propia
112 crecerá en 0,03(3%), manteniendo constante la influencia del
ingreso laboral y el número de horas de
113 trabajo en la probabilidad de que una persona tenga vivienda
propia.
Page 2
taller_enclase_8_probabilidad_lineal - Printed on 30/8/2022 10:50:23
114
115 pendiente_estimada = -0,002: Si el número de horas de trabajo incrementa en 1 hora, en
promedio, la probabilidad de que una persona tenga vivienda propia
116 decrecerá en 0,002(0,2%), manteniendo constante la influencia
del ingreso laboral y el tamaño del hogar
117 en la probabilidad de que una persona tenga vivienda propia.
118
119 * Paso 8: Validación estadística de los resultados del Modelo de Probabilidad Lineal Múltiple
120 t_intercepto_estimado = 957,60: El intercepto es estadísticamente significativo, ya que, el
valor absoluto calculado de la t_intercepto_estimado
121 es mayor o igual al valor crítico de la distribución t-Student.
122 t_pendiente_estimada = 24,62: La pendiente es estadísticamente significativa, ya que, el
valor absoluto calculado de la t_pendiente_estimada
123 es mayor o igual al valor crítico de la distribución t-Student.
124 t_pendiente_estimada = 353,17: La pendiente es estadísticamentesignificativa, ya que, el
valor absoluto calculado de la t_pendiente_estimada
125 es mayor o igual al valor crítico de la distribución t-Student.
126 t_pendiente_estimada = -129,07: La pendiente es estadísticamente significativa, ya que, el
valor absoluto calculado de la t_pendiente_estimada es mayor o igual
al valor crítico de la distribución t-Student.
127
128 Fisher = 46.165,08: El modelo de probabilidad lineal múltiple, en su conjunto, es
estadísticamente significativo, ya que, el valor
129 calculado de Fisher es mayor o igual al valor crítico de la distribución
Fisher.
130
131 * Paso 9: Interpretación del coeficiente de determinación del Modelo de Probabilidad Lineal
Múltiple
132 r_2 = 0,0202: El grado de bondad de ajuste del modelo de probabilidad lineal múltiple es
bajo.
133 El ingreso laboral, el tamaño del hogar y el número de horas de trabajo
explican en un 2,02% el comportamiento de la
134 probabilidad de que una persona tenga vivienda propia.
135
136 log close
137
Page 3