Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema12 23y30nov
Tema12 23y30nov
Departamento de Sociología
Estadística III
• Determinar él efecto de A en B, C y D
II. CONCEPTO Y PREGUNTAS DE INVESTIGACIÓN
II. CONCEPTO Y PREGUNTAS DE INVESTIGACIÓN
II. CONCEPTO Y PREGUNTAS DE INVESTIGACIÓN
IV. ESPECIFICACIÓN DEL MODELO…
Modelos Logit y Probit
IV. ESPECIFICACIÓN DEL MODELO
Modelos Logit y Probit
10 15 20 25
IV. ESPECIFICACIÓN DEL MODELO
Modelos Logit y Probit
P[Y=1|X]=F(X)
Logit o Regresión
Logística
IV. ESPECIFICACIÓN DEL MODELO…
Modelos Logit (Regresión Logística)
Probabilidad
Logit
=
Odd
IV. ESPECIFICACIÓN DEL MODELO…
Modelos Logit (Regresión Logística)
VARIABLE VARIABLES
DICOTÓMICA CUANTITATIVAS O
(DUMMY) DICOTÓMICA
(DUMMY)
V. ESTMACIÓN DEL MODELO
Ajustar la curva: Estimación de
Máxima Verosimilitud
• Verosimilitud: Probabilidad de obtener
los datos, dados los coeficientes a y b.
2. Ausencia de Multicolinealidad
3. Observaciones independientes
4. Muestras grandes
VI. SUPUESTOS
1. Función de Probabilidad logística
1.2
0.8
0.6
0.4
0.2
0
0 20 40 60 80 100 120 140 160 180
VI. SUPUESTOS
2. Ausencia de Multicolinealidad
1
0
VII. AJUSTE DEL MODELO
Porcentaje de casos bien clasificados (Ej.)
X Y (consume Y Predicción
(edad) alcohol)
1 12 0 85,3% 1
2 18 1 91,4% 1
3 25 1 95,5% 1
VII. AJUSTE DEL MODELO
Pseudo R cuadrado
Se basan en la comparación de la log-Verosimilitud
del Modelo estimado y un Modelo Nulo
•McFadden Ajustado
1 Ajuste Perfecto
<=0 Mal Ajuste
(equivalente al modelo
nulo)
VII. AJUSTE DEL MODELO
Pseudo R cuadrado
•Cox & Snell 1-L(M nulo)2/N (<1)
Ajuste Perfecto
0 Mal Ajuste
(equivalente al modelo
nulo)
•Nalgelkerke
1 Ajuste Perfecto
0 Mal Ajuste
(equivalente al modelo
nulo)
VII. AJUSTE DEL MODELO
Test de Hosmer y Lemeshow
• Perfiles:
– Ocupado de 40 años
– Ocupado de 20 años
– Desocupado de 40 años
– Desocupado de 20 años
VIII. INTERPRETACIÓN DE RESULTADOS
Análisis de Perfiles
VIII. INTERPRETACIÓN DE RESULTADOS
Test de hipótesis de los coeficientes
del modelo
TEST DE RAZÓN DE VEROSIMILITUD: Compara
la verosimilitud del modelo (k predictores)
con un modelo reducido (q predictores).
• H0:bk=0 k no incluido en el modelo
reducido.
• Estadístico:
• Estadístico:
INTERPRETACIONES POSIBLES:
• Interpretar b
• Interpretar eb
INTERPRETACIONES POSIBLES:
• Interpretar b
– b >0
• Al aumentar en 1 la variable independiente, logit aumenta en b
• Al Aumentar en 1 la variable independiente aumenta en p(p-
1)b
– b <0
• Al aumentar en 1 la variable independiente, logit disminuye en
b
• Al Aumentar en 1 la variable independiente disminuye en p(p-
1)b
IV. ESPECIFICACIÓN DEL MODELO…
Modelos Logit (Regresión Logística)
=e
Probabilidad de votar
0
por Piñera 0.5
Si alguien aumenta su
sueldo en 100 mil, los odds
aumenta en 64%
Si alguien aumenta su
sueldo en 100 mil, los odds
disminuyen en 40%
INTERPRETACIONES POSIBLES:
• Interpretar eb
– eb >1: Al aumentar en 1 la variable independiente
los odds aumentan en 100(eb -1)%
– eb <1: Al aumentar en 1 la variable independiente
los odds disminuyen en 100(1- eb)%
– Al aumentar en 1 la variable independiente los
odds aumentan en eb veces.
VIII. INTERPRETACIÓN DE RESULTADOS
Coeficientes del modelo
INTERPRETACIONES POSIBLES:
• Interpretar efectos marginales promedio
(EMP)
– EFP>0: En promedio, cuando la variable
independiente aumenta en 1, la variable
dependiente aumenta en EMP
– EFP<0: En promedio, cuando la variable
independiente aumenta en 1, la variable
dependiente disminuye en EMP
VIII. INTERPRETACIÓN DE RESULTADOS
Ejemplo
pareja2 Coef. Std. Err. z P>|z| [95% Conf. Interval]
Delta-method
dy/dx Std. Err. z P>|z| [95% Conf. Interval]
Probit
X. ESPECIFICACIÓN DEL MODELO
Modelos Logit y Probit
10 15 20 25
X. ESPECIFICACIÓN DEL MODELO
Modelos Logit y Probit
P[Y=1|X]=F(X)
14
12
Frecuencia 10
Frecuencia acumulada 8
0 1 1 6
10 2.5 3.5 4
2
20 5 8.5 0
30 8 16.5 70
1 2 3 4 5 6 7 8 9 10 11
40 12 28.5 60
50 14 42.5 50
60 12 54.5 40
70 8 62.5 30
80 5 67.5 20
90 2.5 70 10
10 1 71 0
1 2 3 4 5 6 7 8 9 10 11
X. ESPECIFICACIÓN DEL MODELO
Probit
VARIABLES
VARIABLE CUANTITATIVAS O
DICOTÓMICA DICOTÓMICA
(DUMMY) (DUMMY)
XI. ESTIMACIÓN DEL MODELO
Ajustar la curva: Estimación de
Máxima Verosimilitud
• Verosimilitud: Probabilidad de obtener
los datos, dados los coeficientes a y b.
2. Ausencia de Multicolinealidad
3. Observaciones independientes
4. Muestras grandes
XII. SUPUESTOS
1. Función de Probabilidad normal
acumulada
P[Y=1]=F(X) con F normal acumulada
1.2
0.8
0.6
0.4
0.2
0
0 20 40 60 80 100 120 140 160 180
XIII. AJUSTE DEL MODELO
Porcentaje de casos bien clasificados
1
0
1 Ajuste 1 Ajuste
Perfecto Perfecto
0 Mal Ajuste 0 Mal Ajuste
(equivalente al (equivalente al
modelo nulo) modelo nulo)
XIV. INTERPRETACIÓN DE RESULTADOS
Análisis de Perfiles
• Y= Tener pareja, X=Edad y Ocupado
• Perfiles:
– Ocupado de 40 años
– Ocupado de 20 años
– Desocupado de 40 años
– Desocupado de 20 años
XIV. INTERPRETACIÓN DE RESULTADOS
Análisis de Perfiles
XIV. INTERPRETACIÓN DE RESULTADOS
Análisis de Perfiles
XIV. INTERPRETACIÓN DE RESULTADOS
Test de hipótesis de los coeficientes
del modelo
TEST DE RAZÓN DE VEROSIMILITUD:
• H0:bk=0 k no incluido en el modelo
reducido.
• Si Valor P<0.05, con 95% se rechaza H0
TEST DE WALD:
• H0: bk=0
• Si Valor P<0.05, con 95% se rechaza H0
XIV. INTERPRETACIÓN DE RESULTADOS
Coeficientes del modelo
INTERPRETACIONES POSIBLES:
• Interpretar b
– b >0
• Al aumentar la variable independiente, la
probabilidad de Y=1 aumenta
– b <0
• Al aumentar la variable independiente, la
probabilidad de Y=1 disminuye
• Interpretar efectos marginales promedio (EMP)
XIV. INTERPRETACIÓN DE RESULTADOS
Coeficientes del modelo
INTERPRETACIONES POSIBLES:
• Interpretar efectos marginales promedio
(EMP)
– EFP>0: En promedio, cuando la variable
independiente aumenta en 1, la variable
dependiente aumenta en EMP
– EFP<0: En promedio, cuando la variable
independiente aumenta en 1, la variable
dependiente disminuye en EMP
XIV. INTERPRETACIÓN DE RESULTADOS
Ejemplo
>
pareja2 Coef. Std. Err. z P>|z| [95% Conf. Interval]
Delta-method
dy/dx Std. Err. z P>|z| [95% Conf. Interval]