UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA

CARRERA DE ECONOMÍA - MAD

ECONOMETRÍA AVANZADA

Nombre: Frank Quinatoa

Foro 1 Bimestre 2

Argumentos para garantizar conclusiones correctas sobre la identificabilidad de una ecuación

en un sistema.

El método depende de los datos, la conveniencia del investigador y el supuesto que se realice
sobre la distribución de errores. A priori, el método más conveniente será el Logit por sus
resultados y los pasos como se explica a continuación.
Primero, el MCO no requiere que las perturbaciones (Ui) estén normalmente distribuidas para
fines de inferencia estadística. Sin embargo, este supuesto ya no se mantiene en los MLP
porque, al igual que Yi, Ui sólo toma dos valores; es decir, también sigue la distribución de
Bernoulli. (Gujarati, 2010, pág. 543) En muestras grandes, el procedimiento de MCO usual
responderá de mejor manera a los parámetros de normalidad de las variables, mientras que, en
muestras más pequeñas, será menor. Por ello, la varianza del error es heteroscedástica.
El método de estimación del modelo Logit es de máxima verosimilitud pues se puede estimar
con simplicidad matemática, aunque los estimadores por MV carecen de interpretación porque
los modelos estimados de esta forma no son lineales en los parámetros. No obstante, la
estimación por MV del modelo Logit, permite la aproximación de las razones de probabilidad y,
las probabilidades para valores específicos de X.
Así, en el proceso, se puede tomar los valores promedio de las regresoras no omitidas, y esto es
conveniente para interpretar los coeficientes en términos de las razones de probabilidad.
El tercer modelo es el Probit como alternativa al MLP. La diferencia con el modelo Logit es en
la aproximación a cero de la probabilidad condicional pues ene l caso de Probit esta
aproximación es mucho más rápida que Logit, lo cual se debe al extremo de la distribución
normal, el cual es ligeramente más angosto. La ecuación permite ajustar la función de
distribución normal en el rango 0 y 1 mientras calcula el área de las probabilidades.
Bibliografía
Gujarati, D.; Porter D. (2010) Econometría. México. Quinta edición, págs. 542-555.