Download Ejemplo Fumar/No Fumar

Modelos de Elección Binaria
Econometría
UDESA
Introducción
Hasta ahora, hemos analizado casos en
los que la variable dependiente (Y) era
continua.
¿Qué pasa si estamos interesados en la
probabilidad de que un evento ocurra?
Ejemplo: horas de estudio
Y: individuo aprueba (o no) un examen (Y es
binaria)
X: cantidad de horas dedicadas al estudio
Introducción
Alternativa 1: Modelo Lineal Probabilidad
(Prob Y=1|Xi)=b1+b2X2i +…+bkXki=X’b
Es viable pero tiene algunos problemas:
El modelo puede predecir valores menores a 0 y
mayores a 1.
Los efectos marginales son constantes: es poco
razonable pensar que los efectos de estudiar una
hora más sean iguales para todas las horas. Efectos
débiles en las puntas.
Heterocedasticidad.
Introducción
Alternativa 2: Modelo No Lineal de
Probabilidad (Probit | Logit)
(Prob Y=1|Xi)=F(b1+b2X2i +…+bkXki)=F(Xi’b)
Ventajas:
La variable aleatoria Y toma sólo valores 1 y 0.
Efectos no constantes dP(Y/Xk)/dXk=bk*f(X’b)
Desventajas:
Interpretación menos directa
Estamos asumiendo una función muy específica de
la relación entre las variables
Ejemplo: Fumar o No Fumar
Supongamos que queremos explicar la
probabilidad de que un individuo FUME o
NO FUME
Utilizamos una base de datos de Rusia,
proveniente del Longitudinal Monitoring
Survey (RLMS; information at the official
website: www.epc.unc.edu/projects/rlms)
que contiene variables económicas,
sociales, de bienestar y de salud.
Ejemplo: Fumar o No Fumar
 Modelo: Pr(smokes=1|X)=F(b1+b2X2+…+bkXk)
 Variables:














Smokes: =1 si fuma, =0 si no
Gender: =1 si hombre, =0 si mujer
Monage: edad (en meses)
Highsc:
Belief: ranking de 1 a 5 (5 más creyente, 1 menos creyente)
Obese: =1 si obseso, =0 si no
Alclmo: =1 si toma alcohol, =0 si no
Hattac: =1 si alguna vez tuvo un ataque al corazón; =0 si no
Cmedin: =1 si tiene seguro médico, =0 si no
Totexpr: gasto total del hogar
Tincm_r: ingreso total del hogar
Work0: =1 si trabaja, =0 si no
Marsta1: =1 si casado, =0 si no
Marsta2: =1 si convive con su pareja, =0 si no
Ejemplo: Fumar o No Fumar
En stata:
probit smokes gender monage highsc
belief obese alclmo hattac cmedin totexpr
tincm_r work0 marsta1 marsta2
Ejemplo: Fumar o No Fumar
¡Cuidado!
No podemos
interpretar la
magnitud de
los
coeficientes,
sólo los
signos.
Ejemplo: Fumar o No Fumar
Hay un comando para computar los
efectos marginales en la media.
dprobit
El dato es la probabilidad de fumar para el
hombre promedio en TODAS las
variables.
dprobit smokes gender monage highsc
belief obese alclmo hattac cmedin totexpr
tincm_r work0 marsta1 marsta2, robust
Ejemplo: Fumar o No Fumar
La probabilidad
esperada de fumar
para una persona
promedio es de
30%.
Ejemplo: Fumar o No Fumar
 En los valores promedio, el efecto de ser
obeso sobre la probabilidad de fumar es en
promedio -14 puntos porcentuales, ceteris
paribus.
 En los valores promedio, el efecto marginal
esperado de un mes adicional de edad sobre
la probabilidad de fumar es -0.04 puntos
porcentuales, ceteris paribus.
 En los valores promedio, el efecto marginal
esperado de considerarse “más creyente”
sobre la probabilidad de fumar es -2.10
puntos porcentuales, ceteris paribus.
Ejemplo: Fumar o No Fumar
 Se puede generar una matriz con valores distintos
a los del promedio para saber el efecto marginal
de una persona de ciertas características.
 matrix input x_values =
(1,240,1,3,0,1,0,1,10000,10000,1,1,0)
 Hombre de 20 años que terminó el colegio secundario,
creyente mediano, no obeso, que toma alcohol, que no
tuvo un ataque cardíaco, con seguro médico, con
gastos reales anuales de 10000, con ingresos reales de
10000, que trabaja, que está casado.
 dprobit smokes gender monage highsc belief
obese alclmo hattac cmedin totexpr tincm_r work0
marsta1 marsta2, robust at(x_values)
Ejemplo: Fumar o No Fumar
La probabilidad
esperada de fumar
para una persona
de estas
características es
de 77%.