Download Ejemplo Fumar/No Fumar
Document related concepts
no text concepts found
Transcript
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%.