Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Datos no agrupados
Función de distribución acumulada Área=Pr(𝑍 ≤ 𝑧)
La tabla da la distribución normal estándar da la probabilidad acumulada de − ∞ al valor de z indicado. Así para z = 0, la
probabilidad dada en la tabla es para P(Z ≤ 0) = 0.5, y para z = − 1.96 la probabilidad es P(Z ≤ − 1.96) = 0.025
Funciones de probabilidad (Gujarati)
• Ejemplo: S i 𝛽1 = −2 ; 𝛽2 = 3 ; 𝑋 = 0.4
𝐼𝑖 = 𝛽1 + 𝛽2 𝑋𝑖
Probit
• Se supone un umbral crítico 𝐼𝑖∗ a partir del cuál, si 𝐼𝑖 supera a I* entonces se materializa
el valor 1 (por ejemplo, una familia posee una casa, o si es el caso de si trabaja o no,
tiene trabajo, o si es el caso de si sale de vacaciones o no, sale de vacaciones).
• El umbral 𝐼𝑖∗, al igual que 𝐼𝑖, no es observable
• Pero, asumiendo que está distribuido normalmente con la misma media y varianza es
posible estimar los parámetros del índice y también alguna información sobre el I*.
Donde
Z es una variable estándar normal, Z ~ N(0, s2)
F es la función de distribución normal acumulada
OBS GPA TUCE PSI GRADE LETTER
Probit (Gujarati) 1
2
3
2.66
2.89
3.28
20
22
24
0
0
0
0
0
0
C
B
B
4 2.92 12 0 0 B
5 4 21 0 1 A
Datos sobre el efecto de un sistema personalizado de 6 2.86 17 0 0 B
7 2.76 17 0 0 B
instrucción (PSI) en las calificaciones del curso 8 2.87 21 0 0 B
9 3.03 25 0 0 C
- GRADE: Calificación final obtenida por un estudiante en un curso 10 3.92 29 0 1 A
11 2.63 20 0 0 C
intermedio de microeconomía (Variable endógena “Y”) 12 3.32 23 0 0 B
o GRADE = 1 si la calificación es obtenida es A 13
14
3.57
3.26
23
25
0
0
0
1
B
A
o GRADE = 0 si la calificación es obtenida es diferente de A 15 3.53 26 0 0 B
16 2.74 19 0 0 B
- LETTER = Calificación obtenida (A, B, C) 17 2.75 25 0 0 C
18 2.83 19 0 0 C
Variables exógenas: 19 3.12 23 1 0 B
20 3.16 25 1 1 A
- GPA: Promedio de notas de entrada 21 2.06 22 1 0 C
22 3.62 28 1 1 A
- TUCE: Puntuación en un examen de principio del curso para 23 2.89 14 1 0 C
evaluar los conocimientos de macroeconomía de los alumnos 24
25
3.51
3.54
26
24
1
1
0
1
B
A
- PSI: Aplicación del sistema personal de instrucción; donde: 26
27
2.83
3.39
27
17
1
1
1
1
A
A
o PSI = 1 si se utiliza el nuevo método 28 2.67 24 1 0 B
29 3.65 21 1 1 A
o PSI = 0 si no se utiliza el nuevo método 30 4 23 1 1 A
31 3.1 21 1 0 C
(*) Ver Gujarati, 5ta. Edición (https://fvela.files.wordpress.com/2012/10/econometria-damodar-n-gujarati-5ta-ed.pdf) 32 2.39 19 1 1 A
Probit (Gujarati)
• Cargamos los datos en Eviews y efectuamos la regresión Probit
𝐼𝑖 = 𝛽1 + 𝛽2 𝐺𝑃𝐴𝑖 + 𝛽3 𝑇𝑈𝐶𝐸𝑖 + 𝛽4 𝑃𝑆𝐼𝑖 + 𝑢𝑖
Estimation Command:
BINARY(D=N) GRADE C GPA TUCE PSI
Estimation Equation:
I_GRADE = C(1) + C(2)*GPA + C(3)*TUCE + C(4)*PSI
Forecasting Equation:
GRADE = 1-@CNORM(-(C(1) + C(2)*GPA + C(3)*TUCE +
C(4)*PSI))
Substituted Coefficients:
GRADE = 1-@CNORM(-(-7.45231964775 +
1.62581003939*GPA + 0.0517289454991*TUCE +
1.42633234192*PSI))
• Como los valores de 𝑋𝑖 no son únicos sino son diferentes para cada observación, entonces
calcularemos los promedios de cada 𝑋𝑖 : Promedios de GPA, TUCE y PSI
Calculando el efecto marginal
• Calculando promedios (en comandos Eviews):
scalar prom_gpa=@mean(gpa)
scalar prom_tuce=@mean(tuce)
scalar prom_psi=@mean(psi)
La probabilidad que alguien del grupo de evaluación, por influencia de las explicativas (tomando
como referencia sus promedios), saque A es de 26.58%