Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MICROECONOMETRÍA Y DECISIÓN
Agosto de 2018
OBJETIVO:
Coadyuvar al proceso de actualización y formación de docentes y
profesionistas en el análisis econométrico de datos provenientes de
encuestas.
CONTENIDO:
Qué es la Microeconometría.
Regresión Lineal y Mínimos Cuadrados Ordinarios.
El Modelo de Probabilidad Lineal.
Modelos Logit y Probit.
Modelos con variables dependientes limitadas: Tobit y Heckit.
METODOLOGÍA:
Se proporcionará material en CD. Cada participante contará con su
equipo de cómputo personal y realizará las prácticas pertinente. Se
distribuirán bases de datos proporcionadas por el instructor, así
como una copia del software que se utilizará: STATA 14 (no es
requisito saber usarlo, ya que en las prácticas se incluirán
instrucciones de su manejo).
¿QUÉ ES LA MICROECONOMETRÍA?
IV – MODELOS DE PANEL
Modelos de Efectos Fijos
Modelos de Efectos Aleatorios
Modelos de Efectos Combinados
EJEMPLOS DE MODELOS DE ELECCIÓN DISCRETA
Pero en la mayoría de los casos que se estudian en Microeconometría, los valores que toma la
variable dependiente no son más que códigos utilizados para representar algún resultado
cualitativo. He aquí algunos ejemplos:
U i1 U i 0
En donde la Utilidad “U” se supone que es una función de las variables
explicativas de dicha decisión (características personales,
socioeconómicas, culturales, etc.). Igualmente, existe un componente
aleatorio ei que recoge las desviaciones que los agentes tienen
respecto a lo que sería el comportamiento medio:
Ui0 U i0 e i0 0 X i0b e i0
Donde: U i1 U i1 e i1 0 X i1b e i1
Pr(Yi 1 X i ) X i b bX i - - - - - (3)
Lo cual da origen al MODELO DE PROBABILIDAD LINEAL
(MPL)
Zi
e
Pr(Yi 1 X i ) ( X i b ) ( Z i ) - - - - (4)
1 e Zi
3. Cuando la función de distribución que se utiliza es la FUNCIÓN
DE DENSIDAD NORMAL ESTÁNDAR, la ecuación que define a
la Pr(Y = 1) se escribe como:
Zi
Pr(Yi 1 X i ) ( X i b ) ( Z i ) (s)d(s) - - - - (5)
1 s2 2
Donde : ( s) e
2
EL MODELO DE PROBABILIDAD
LINEAL (MPL)
El Modelo Básico
II – Varianzas heteroscedásticas de ui
1. A medida que X aumente, Pi = E(Y = 1 | X) aumente también pero nunca se salga del
intervalo [0,1], y
FDA
Por razones históricas, al igual que prácticas, 0 las FDA comúnmente seleccionadas para
representar los modelos de respuesta binaria son: 1) la logística, y 2) la normal; la primera da
lugar al modelo logit y la última, al modelo probit (o normit).
La elección de uno u otro modelo es arbitraria, y su diferencia es, fundamentalmente, operativa. En la práctica
se recomienda estimar los dos modelos y elegir el que presente los mejores resultados.
Probit
Logit
0
La distribución logística tiene extremos ligeramente más anchos, lo cual significa que la probabilidad
condicional Pi se aproxima a cero o a uno a una tasa menor en el modelo logit, en comparación con el probit.
“No existe una razón de peso para elegir uno u otro. En la práctica muchos investigadores eligen el modelo
Logit debido a su comparativa simplicidad matemática”. (Gujarati)
“El modelo Logit fue alguna vez utilizado con amplitud porque es más fácil de estimar numéricamente… En el
presente ambos se utilizan ampliamente. En términos prácticos, sus resultados son tan similares que las
conclusiones económicas de la investigación son las mismas”. (Schmidt)
“Los economistas suelen favorecer la suposición de la normalidad de los errores (ui), razón por la cual el
modelo Probit es más popular entre ellos que el Logit. Además, varios problemas de especificación se
analizan con más sencillez con el Probit por las propiedades de la distribución normal”. (Wooldridge)
“Por sencillez de cálculo pueden existir razones prácticas para preferir una u otra distribución, pero, desde un
punto de vista teórico, resulta difícil justificar esta elección. Amemiya (1981) analiza varios aspectos
relacionados con esta cuestión pero, en términos generales, puede decirse que este problema no se ha
resuelto aún. En la mayoría de las aplicaciones, parece que se llega a los mismos resultados escogiendo
una distribución u otra”. (Greene)
INTERPRETACIÓN DE LOS COEFICIENTES
Debido a que los coeficiente Logit (y Probit también) no tienen una interpretación
directa, se reportan las pendientes (efectos marginales) derivadas del modelo
estimado, las cuales representan el cambio en la probabilidad de que ocurra el
evento en cuestión ante un cambio unitario en el valor del regresor (F/x).
Así, el efecto marginal en el modelo logit para, por ejemplo, xk, está dado por
(b’x)bk, donde (b’’x)bk es la función de densidad de la distribución logística. Para
el Probit, el efecto marginal estará calculado por (b’x)bk, donde (.) es la función de
densidad de la variable normal estándar, y b’x es el modelo probit utilizado en el
análisis.
donde x * representa el vector formado por las medias de todas las demás variables
explicativas. De esta forma, el coeficiente calculado representa el cambio que
experimenta la función cuando d varía de 0 a 1 manteniendo constantes las demás
variables.