Taller 8. Econometrı́a II.

2022-2S
2016003 - Grupos 01, 02

Noviembre 2022 - Último Taller (”¡por fin!”- dirán algunos)

Variable dependiente binaria. Ejercicios.

0. ¿Es lo mismo un aumento de 1pp a un aumento de 1 %? Por lo tanto si la probabilidad de ocurrencia de
X1 evento es del 0.7 (70 %) y la probabilidad de que ocurra el evento X2 es 0.8 (80 %), ¿Esto equivale a un
aumento en cuántos pp? ¿y en cuánto %?

1. Sea el siguiente modelo de regresión lineal múltiple:

yi = x′i β + ui
Pero en donde yi es una variable binaria que solo toma 2 valores, 0 y 1. El vector x′i es un vector de variables
independientes el cual pueden ser binarias, continuas o discretas. Si se estima este modelo por MCO ¿Qué
nombre le damos a este modelo?¿Cuáles son las consecuencias/problemas de estimar ese modelo por MCO?
¿Cómo podrı́an corregirse cada uno de estos?

2. La siguiente es una distribución logı́stica el cual es una de las funciones sigmoideas:

ez
f (z) =
1 + ez
El cual también se puede escribir como
1
f (z) =
1 + e−z
En un modelo Logit f (z) se puede tomar como la probabilidad de que yi sea igual a 1, y z es la recta de
regresión poblacional lineal, es decir:

z = x′i β
1
P r(yi = 1|X) = ′
1 + e−xi β

a. Demuestre que la probabilidad de que yi = 0 es

′
e−xi β 1
P r(yi = 0|X) = −x ′β = ′
1+e i 1 + exi β
b. El efecto o impacto marginal de una variable continua xik sobre la probabilidad de que yi = 1 se define
como ∂P r(y i =1|X)
∂xik . Demuestre, que en este modelo Logit, dicho impacto es igual a:

∂P r(yi = 1|X)
= P r(yi = 1|X)P r(yi = 0|X)βk
∂xik

1
 c. La definición del ’odds-ratio’ es el ratio de probabilidad de éxito en relación a la probabilidad de
fracaso, es decir:

P r(yi = 1)
P r(yi = 0)

Si se realiza sobre la distribución Logit, ¿a qué expresión equivaldrı́a este ratio de probabilidad? ¿Qué
valores puede tomar y cómo se interpretarı́a?

3. Para un modelo Probit se toma la siguiente distribución normal acumulada Φ(x′i β), en donde la probabi-
lidad de que yi = 1 es :

P r(yi = 1|X) = Φ(x′i β)

Tal que:
Z x′i β
Φ(z) = ϕ(z) · dz
−∞

Siendo ϕ(z) la función de distribución normal estandarizada.

a. Cómo serı́a el impacto marginal si una variable continua xk aumenta.

b. Suponga que una variable xk es binaria. ¿Cómo se calcula el efecto marginal de la probabilidad de
ocurrencia yi = 1 pasando de xk = 0 a xk = 1?

4. ¿Qué significa el R2 de McFadden? ¿Qué es una matriz de confusión?

2
5. Suponga que lo contratan en la Secretarı́a de la Mujer de una ciudad en el que te piden mirar los
determinantes de violencia intrafamiliar hacia las mujeres de acuerdo con el siguiente modelo econométrico:

yi = G(β0 + β1 edadi + β2 acasadosi + β3 hijosi + β4 educi + β5 IndepEconomi + β6 Religi ) + ui

Donde yi es 1 si la mujer ha sido vı́ctima de violencia intrafamiliar y 0 si lo contrario; edadi es la edad

(en años), acasadosi son los años de casada, hijosi el número de hijos, educi son los años de educación,
IndepEconomi es una variable discreta y categórica que toma valores desde 1 (nada de independencia) a 5
(mucha independencia) y Religi es otra variable discreta que toma valores de 1 (nada religiosa) a 5 (muy
religiosa) de la mujer i. Se estiman tres modelos: MPL, Logit y Probit. Los resultados se muestran en el
siguiente Cuadro 1:

Cuadro 1: Resultados

Dependent variable:
victima violencia
MPL Logit Probit
(1) (2) (3)
∗∗∗ ∗∗∗
edad −0.010 −0.058 −0.034∗∗∗
(0.002) (0.010) (0.006)

años casados 0.021∗∗∗ 0.111∗∗∗ 0.066∗∗∗

(0.002) (0.011) (0.006)

hijos −0.003 −0.010 −0.008

(0.006) (0.032) (0.019)

educ −0.002 −0.012 −0.008

(0.003) (0.014) (0.008)

Independencia Economica −0.145∗∗∗ −0.709∗∗∗ −0.425∗∗∗

(0.006) (0.031) (0.018)

religiosidad −0.067∗∗∗ −0.372∗∗∗ −0.221∗∗∗

(0.006) (0.035) (0.020)

Constant 1.228∗∗∗ 3.835∗∗∗ 2.271∗∗∗

(0.053) (0.296) (0.174)

Observations 6,366 6,366 6,366

R2 0.158
Adjusted R2 0.157
Log Likelihood −3,483.312 −3,481.496
Akaike Inf. Crit. 6,980.625 6,976.992
Residual Std. Error 0.429 (df = 6359)
F Statistic 198.434∗∗∗ (df = 6; 6359)
∗ ∗∗ ∗∗∗
Note: p<0.1; p<0.05; p<0.01

a. ¿Qué impresiones te genera dichos resultados? ¿Importa el número de hijos o los años de educación
de una mujer para evitar que sea vı́ctima de violencia intrafamiliar? A diferencia de lo que se espera, según

3
los resultados anteriores ¿quién es más probable de sufrir violencia intrafamiliar, una mujer poco religiosa o
una mujer muy religiosa? ¿Qué puede estar sucediendo? ¿Qué podrı́amos recomendarle a la Secretarı́a de la
Mujer para evitar la violencia intrafamiliar?

b. Suponga dos mujeres hipotéticas: La mujer A tiene 25 años, tiene 2 años de casada, sin hijos, hizo
hasta 2do semestre de Economı́a (13 años de educación), considera que es muy religiosa (religiosidad=5) y
depende mucho de su esposo (IndepEcon=1). La mujer B, en cambio, es una mujer que es casi igual a la A, la
única diferencia, es que B es totalmente independiente en términos económicos de su pareja (IndepEcon=5).
Para cada una de los 3 modelos, mencione en promedio, y ceteris paribus, cuántos puntos porcentuales hay
de diferencia entre las mujeres A y B.