Documentos de Académico
Documentos de Profesional
Documentos de Cultura
VILLAREAL
"Año de la lucha contra la corrupción e impunidad”
MODELO LOGIT
• CURSO:
ECONOMETRIA II
• DOCENTE:
SAMANAMUD LOYOLA. OSCAR FRANCISCO
FACULTAD:
CIENCIAS ECONOMICAS
• INTEGRANTES:
GAMONAL MONSALVE. FRANK DENNIS
HUANCA LIPE. ANGELA BETZABEL
VELASQUEZ REYNA. MAYERLYN
LIMA – PERÚ
2019
MODELO LOGIT
Recordar que en la explicación de la propiedad de vivienda en relación con el ingreso , el MLP fue : 𝑃𝑖 =
𝛽1 + 𝛽2 𝑋𝑖 , ahora podemos representar la propiedad de vivienda de la siguiente manera:
1
𝑃𝑖 =
1+𝑒 −(𝛽1 +𝛽2 𝑋𝑖 )
1 𝑒𝑍
𝑃𝑖 = = 𝑃𝑖 = ( Función de distribución Logística)
1+𝑒 −𝑍 1+𝑒 𝑍
Donde: Z = 𝛽1 + 𝛽2 𝑋𝑖
𝑒𝑍 1
1 − 𝑃𝑖 = 1 − 𝑍
=
1+𝑒 1 + 𝑒𝑍
Por consiguiente podemos escribir
𝑒𝑍
𝑃𝑖 1 + 𝑒 𝑍
= = 𝑒𝑍
1 − 𝑃𝑖 1
1 + 𝑒𝑍
𝑃𝑖
𝐿𝑖 = ln = 𝑍𝑖 = 𝛽1 + 𝛽2 𝑋𝑖
1 − 𝑃𝑖
Tenemos que L, el logaritmo de la razón de probabilidades no es sólo lineal en X, sino también lineal en los
parámetros. L se le llama LOGIT.
CARACTERISTICAS
1. A medida que P va de 0 a 1, el logit no esta acotado de esta forma y también la Z, esto quiere decir que puede ser mayor a
uno o menor a cero.
2. Aunque L es lineal en X, las posibilidades en sí mismos no lo son. Esta propiedad contrasta con el MLP, donde las
probabilidades aumentan linealmente con X.
3. Si L > 0 , significa que cuando se incrementa el valor de las regresoras aumentan las probabilidades de que la regresada sea
igual a 1. Si L < 0, las posibilidades de que la regresada iguale a 1 disminuyen conforme se incrementa el valor de X.
𝜷𝟏 : Es el valor del logaritmo de las posibilidades en favor de tener una casa propia si el
ingreso es cero.
ESTIMACION DEL MODELO LOGIT
𝑃𝑖
𝐿𝑖 = ln = 𝛽1 + 𝛽2 𝑋𝑖 + 𝑢𝑖
1 − 𝑃𝑖
Se necesita los valores de 𝑋𝑖 , como también de la regresada, o del Logit. 𝐿𝑖 estará en función del tipo de datos que se
analicen.
𝒊
𝑷
𝑳 𝒊 = 𝐥𝐧
𝟏−𝑷𝒊
3. Para resolver el problema de heteroscedasticidad ,
𝑾𝒊 𝑳𝒊 = 𝜷𝟏 𝑾𝒊 + 𝜷𝟐 𝑾𝒊 𝑿𝒊 + 𝑾𝒊 𝒖𝒊 … … . . (𝝀)
donde:
𝒊 (𝟏 − 𝑷
𝑾𝒊 = 𝑵𝒊 𝑷 𝒊 )
4. Es fácil verificar que el termino de error transformado 𝑣𝑖 es homoscedastico
𝑳∗𝒊 = 𝜷𝟏 𝑾𝒊 + 𝜷𝟐 𝑿∗𝒊 + 𝒗𝒊
5. Estimar (𝜆) mediante MCO, recordar que MCP es MCO aplicado sobre los datos transformados. Tener en
cuenta que no hay término de intercepto introducido.
6. Si se desea llevar a cabo el análisis del logit no ponderado , solo se necesita dividir 𝐿∗𝑖 entre 𝑊𝑖
7. Para realizar el calculo de la probabilidad de que una familia con cierto nivel de ingreso posea una casa
propia debemos
𝒆𝑳𝑬𝑺𝑻𝑵𝑶𝑷𝑶𝑵𝑫
𝒊 =
𝑷𝑹𝑶𝑩𝑮𝑳𝑶𝑮𝑰𝑻 = 𝑷
𝟏 + 𝒆𝑳𝑬𝑺𝑻𝑵𝑶𝑷𝑶𝑵𝑫
𝒊 (𝟏 − 𝑷
𝑪𝑨𝑴𝑩𝑷𝑹𝑶𝑩 = 𝜷𝟐 𝑷 𝒊 )
CASO PRACTICO
• La siguiente tabla representa un
grupo de 30 estudiantes de la
escuela de Educación
Secundaria del Colegio General
Prado (PROMOCIÓN 2018) , la
investigación tuvo como
objetivo determinar la
influencia de las TIC en el
rendimiento académico de los
alumnos.
NUESTRA
DATA:
Se observa que las probabilidades individuales de los
parámetros son no significativas , entonces los
parámetros no son importantes en términos
estadísticos, excluyendo la constante poblacional.
- NOTAS_IBIMESt:
Los estudiantes de 5º de secundaria del colegio de Aplicación del General Prado que obtienen una buenas
notas en el I BIMESTRE , no son propensos a obtener una nota aprobatoria (A) igual que aquellos que posean
malas notas en el I BIMESTRE.
- USO_INTERNET:
Los estudiantes de 5º de secundaria del colegio de Aplicación del General Prado que utilizan el internet en sus
asignaturas , son 1 vez propensos a obtener una nota aprobatoria (A) que aquellos que aquellos estudiantes
que no utilizan el internet en sus asignaturas. Considerando que las otras variables permanecen constantes.
PODEMOS
VISUALIZAR QUE
EL NUMERO DE
OBSERVACIONES
ES DE: