Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Probit
Carlos Palomares
Sesión 10: UNALM-UNAC-UNI-USIL
2018
INDICE
INTRODUCCIÓN
TIPOLOGÍA DE MODELOS LOGIT
ETAPAS PARA CONSTRUIR UN MODELO LOGIT
APLICACIÓN PRÁCTICA
INTRODUCCIÓN (I)
TÉCNICA DE ANALISIS DE GRUPOS
– Método
- Análisis Discriminante
Diferencias – Variables explicativas
- Regresión logística
– Resultado
ANÁLISIS DE REGRESIÓN
Y = f (X1, X2, …, XK)
ENDOGENA
ENDOGENA
6
A AJUSTAR 0.5
4
0.0
2
0 -0.5
0 2 4 6 8 10 0 10 20 30 40 50 60
X1 XI
Modelo Probit
1
s2
X i 1
Yi e 2
ds ui
(2 )1/ 2
0,5
Logit
Modelo Logit
Probit
0 X
1 e k ki
Yi k X k i
ui k X k i
ui
1 e 1 e
INDICE
INTRODUCCIÓN
TIPOLOGÍA DE MODELOS LOGIT
ETAPAS PARA CONSTRUIR UN MODELO LOGIT
APLICACIÓN PRÁCTICA
TIPOLOGÍA DE MODELOS LOGIT(I)
Datos no ordenados:
LOGIT
LOGIT MULTINOMIAL
Respuesta múltiple
(1, 2, …, J) Datos ordenados:
LOGIT ORDINAL
TIPOLOGÍA DE MODELOS
LOGIT(II)
LOGIT DICOTÓMICO
Características:
Se modeliza una ecuación cuyo resultado se interpreta como
probabilidad de pertenencia al grupo codificado como 1.
Expresión general del modelo:
k X k i
1 e
Pr ob(Yi 1) ( k X k i )
k X ki
1 e 1 e
Ejemplo:
Para el caso de dos variables explicativas
1 X 1i 2 X 2 i
1 e
Pr ob(Yi 1) 1 X 1i 2 X 2 i
1 X 1i 2 X 2 i
1 e 1 e
TIPOLOGÍA DE MODELOS
LOGIT(III)
LOGIT MULTINOMIAL
Características:
- Se modelizan tantas ecuaciones como alternativas tiene Y.
- Para cada variable se estiman tantos parámetros como alternativas
de Y menos una.
- Es necesario identificar una categoría de referencia.
Expresión general del modelo:
1
Pr ob(Yi 0) J 1
para j 0
1 e
kj' X ki
j 1
kj' X ki
e
Pr ob(Yi j ) J 1
para j 1, 2, ..., ( J 1)
1 e
kj' X ki
j 1
TIPOLOGÍA DE MODELOS
LOGIT(IV)
LOGIT MULTINOMIAL
Ejemplo:
Para el caso de 3 alternativas de Y (la primera es la que se toma como
referencia) y 2 variables explicativas
1
Pr ob(Yi 1) 2 12 X 1i 22 X 2 i 3 13 X 1i 23 X 2 i
1 e e
e 2 12 X 1i 22 X 2 i
Pr ob(Yi 2) 2 12 X 1i 22 X 2 i 3 13 X 1i 23 X 2 i
1 e e
3 13 X 1i 23 X 2 i
e
Pr ob(Yi 3)
1 e 2 12 X 1i 22 X 2 i e 3 13 X 1i 23 X 2 i
TIPOLOGÍA DE MODELOS LOGIT(V)
LOGIT ORDINAL
Características:
- Se modelizan tantas ecuaciones como alternativas tiene Y.
- Se estima un parámetro para cada variable explicativa y tantos
parámetros “límites” como alternativas tiene Y menos una.
Expresión general del modelo:
Pr ob(Yi 0) ( k ' X k i )
Pr ob(Yi 1) ( 1 k ' X ki ) ( k ' kX i )
LOGIT ORDINAL
Ejemplo:
1
Pr ob(Yi 1)
1 e LIMIT1 1 X 1i 2 X 2 i
1 1
Pr ob(Yi 2) LIMIT2 1 X 1i 2 X 2 i
1 e 1 e LIMIT1 1 X 1i 2 X 2 i
1
Pr ob(Yi 3) 1 LIMIT2 1 X 1i 2 X 2 i
1 e
INDICE
INTRODUCCIÓN
TIPOLOGÍA DE MODELOS LOGIT
ETAPAS PARA CONSTRUIR UN MODELO LOGIT
APLICACIÓN PRÁCTICA
ETAPAS PARA CONSTRUIR UN MODELO LOGIT(I)
Predicción
UTILIZACIÓN
Interpretación de los parámetros
ETAPAS PARA CONSTRUIR UN MODELO
LOGIT(II)
ESTIMACIÓN
Método de máxima verosimilitud
e X i e X i
log L Yi ln X i
(1 Yi ) ln 1 X i
1 e 1 e
VALIDACIÓN
INDIVIDUAL: Contraste de hipótesis
1. H0 : 0 2 2
ˆ Distrib. ˆ Distrib.
2. Estadístico de contraste Wald
DT ( ˆ ) DT ( ˆ )
similar a similar a t2
t2 si H0 cierta
3. Regla de decisión
0,30
0,25
Acepto H0 si:
/2
t
0,20
0,15
0,05
0,00
t n/ k2 t n/ k2
1
11
15
17
13
19
CONJUNTA
log L(completo)
1. Pseudo R = 2 1
log L(reducido )
3. Razón de Verosimilitud = X2 = 2 log L(reducido) 2 log L(completo)
2. Porcentaje de aciertos: a través de un punto de corte
ETAPAS PARA CONSTRUIR UN MODELO LOGIT(IV)
UTILIZACIÓN
1
PREDICCIÓN Yˆi ˆ ˆk X k i
1 e
Signo
INTERPRETACIÓN DEL PARÁMETRO:
Cuantía
Yˆi xi
Ratio odds: e
1 Yˆi
Yˆi
Caso especial:
Razón entre 1 Yˆ e xi
Obs j con x=x
odds: i
x j
ˆ
Yj e Obs i con x=x+1 e x x e
1 Yˆ j
1. LOGIT DICOTÓMICO
- Salida básica
- Salida completa
- Identificación de atípicos
- Otros estadísticos para la valoración global del modelo
2. LOGIT MULTINOMIAL
3. LOGIT ORDINAL