Capitulo 15: Modelos de Regresin de respuesta cualitativa Naturaleza de los modelos de respuesta cualitativa En un modelo donde Y es cuantitativa, el objetivo

es estimar su valor esperado, o media esperada, dados los valores de las regresoras. En los modelos en donde Y es cualitativa, el objetivo es encontrar la probabilidad de que un acontecimiento suceda. Por lo tanto, los modelos de regresin con respuestas cualitativas a menudo se conocen como modelos probabilsticos. Modelo lineal de probabilidad Se denomina modelo lineal de probabilidad (MLP) ya que la variable regresada es binaria o dictoma. El MLP plantea diversos problemas: No normalidad de las perturbaciones ui , No puede suponerse que ui est normalmente distribuida, en realidad sta sigue la distribucin de Bernoulli. Pero el no cumplimiento del supuesto de normalidad quiz no sea tan crtico como parece porque se sabe que las estimaciones puntuales MCO an permanecen insesgadas. Adems puede demostrarse que a medida que el tamao de la muestra aumenta indefinidamente, los estimadores MCO generalmente tienden a estar normalmente distribuidos segn la teora estadstica. Por consiguiente, en muestras grandes, la inferencia estadstica del MLP seguir el procedimiento MCO usual bajo el supuesto de normalidad.

 Varianzas heteroscedsticas de las perturbaciones No cumplimiento de 0 E(Yi | X) 1 R valor cuestionable como medida de bondad de ajuste Alternativas al MLP Como se ha visto, el MLP tiene infinidad de problemas, tales como 1) la no normalidad de los ui , 2) la heteroscedasticidad de ui , 3) la posibilidad de que Y^ se encuentre fuera del rango 0-1 y 4) los valores generalmente bajos de R. Pero estos problemas se pueden resolver. Por ejemplo, se puede utilizar el MCP para resolver el problema de heteroscedasticidad o incrementar el tamao de la muestra y minimizar as el problema de la no normalidad. Recurriendo a las tcnicas de mnimos cuadrados restringidos o de programacin matemtica, es posible hacer que las probabilidades estimadas se encuentren dentro del intervalo 0-1. El modelo Logit Sigue la funcin de distribucin logstica (acumulativa). El logaritmo de la razn de probabilidades es llamado logit y de aqu el nombre de modelo logit. Modelo Probit El modelo de estimacin que surge de una funcin de distribucin acumulativa normal, es comnmente conocido como el modelo probit, aunque algunas veces tambin es conocido como el modelo normit.

El efecto marginal de una unidad de cambio en el valor de una regresora sobre los diversos modelos de regresin En el modelo de regresin lineal, el coeficiente de la pendiente mide el cambio en el valor promedio de la regresada, debido a una unidad de cambio en el valor de la regresora, mantenindose constantes las dems variables. En el MLP, el coeficiente de la pendiente mide directamente el cambio en la probabilidad de que ocurra un evento, como resultado de una unidad de cambio en el valor de la regresora, conservndose constante el efecto de todas las dems varibles. En el modelo logit, el coeficiente de la pendiente de una variable indica el cambio en el logaritmo de las probabilidades asociadas con una unidad de cambio en esa variable, mantenindose de nuevo todas las dems variables constantes. En el modelo probit, la tasa de cambio en la probabilidad es un tanto complicada, y est dada por Bi f(Zi), donde f(Zi) es la funcin densidad de la variable normal estndar y Z = B1 + B2X2 + + B3 X3. Modelo Tobit Una extensin del modelo probit es el modelo tobit, desarrollado por James Tobin, economista laureado con el Nobel. Cuando en una muestra la informacin sobre la variable regresada est disponible solamente para algunas observaciones, sta se conoce como muestra censurada.

Una muestra censurada debe diferenciarse de una muestra truncada, en la cual la informacin sobre los regresores est disponible solamente si la variable regresada es observada. Modelos para datos de cuenta: El modelo de regresin de Poisson La variable subyacente es discreta, toma solo un nmero finito de valores. La distribucin de probabilidad que resulta especficamente adecuada para los datos de cuenta es la distribucin de probabilidad de Poisson.