Resolución por el método Logit o Probit

UNIVERSIDAD POLITÉCNICA DE PÉNJAMO[pic 1]

[pic 2][pic 3]

LICENCIATURA EN ADMINISTRACIÓN Y GESTIÓN EMPRESARIAL[pic 4][pic 5][pic 6]

Materia:

Econometría

Evidencia/trabajo:

Práctica 5: Resolución por el método Logit o Probit

PRESENTA:

Enriqueta Ramos Vázquez

GRUPO:

LAG- 6° “B”

DOCENTE:

M.E. Víctor Hugo Alanís Rivera

Pénjamo, Guanajuato, México; 13 de agosto del 2021

[pic 7][pic 8][pic 9][pic 10]

Resumen

Esta práctica desarrolla la metodología asociada a los modelos de probabilidad de respuesta cualitativa o binaria, dado que nuestra variable dependiente Y (Salario de los CEOS) solo toma valores entre 0 y 1, en función de nuestras diferentes variables explicativas (edad de las personas, educación universitaria, postgrado, años en la compañía, años en la compañía como CEO, ventas en la empresa, ganancias de la empresa, valor de marca de la empresa y porcentaje de ganancias). Para saber la probabilidad de que el salario de un CEO supere o no supere la media del salario de los CEOS con base a estas variables.

Palabras clave: probabilidad, modelos de respuesta cualitativa, Logit y Probit

Introducción

Según Padilla (2020). Los modelos Logit y Probit son modelos econométricos no lineales que se utilizan cuando la variable dependiente es binaria, o sea que sólo puede tomar dos valores.

Estos modelos tienen como objetivo encontrar la probabilidad de que un acontecimiento ocurra o no, por ejemplo, en este modelo se quiere saber si la probabilidad de que el salario de un CEO supere o no supere la media del salario del salario de los CEOS, depende o no depende de su edad, educación universitaria, postgrado, años en la compañía, años en la compañía como CEO, ventas en la empresa, ganancias de la empresa, valor de marca de la empresa y porcentaje de ganancias.

En esta ocasión sólo trabajaremos con cuatro variables explicativas más significativas a lo que nuestras hipótesis alternativa y nula quedarían de la forma siguiente:

Ha: La probabilidad de que el salario de un CEO supere la media de los salarios de los CEOS depende de su edad, educación universitaria, postgrado y años en la compañía.

H0: La probabilidad de que el salario de un CEO no supere la media de los salarios de los CEOS no depende de su edad, educación universitaria, postgrado y años en la compañía.

A continuación, se muestra la representación del modelo completo:

Salario de un CEO= f (β1 + β2(edad) + β3(educación universitaria) + β4 (postgrado)+ β5(años en la compañía) + β6(años en la compañía como CEO) + β7(ventas en la empresa) +β8(ganancias de la empresa) + β9(valor de la marca de la empresa) + β10(porcentaje de ganancias)

Se obtienen entonces dos posibles respuestas equivalentes a un rango sólo de 0 a 1, donde 1 es representada como, el salario de un CEO “sí” supera la media del salario de los CEOS y 0 como, el salario de un CEO “no” supera la media del salario de los CEOS.

Materiales y métodos

Para poder realizar esta práctica se utilizaron datos de una muestra de Estados Unidos del libro de Wooldridge, se formularon dos los modelos de respuesta binaria (Logit y Probit) en Gretl, donde, como primer paso, se tuvo que sacar la media de los datos de nuestra variable dependiente “Y”, dándonos un total de 865.86. Seguido de esto, convertimos nuestra variable dependiente en dicotómica con respecto a esos datos tomando la media, es decir, que los 1 sean medidas que están por encima de la media y los 0 por debajo de la media.

A continuación, seleccionamos el modelo, continuando con la variable dependiente limitada, trabajamos con Logit ya que es nuestro primer modelo a utilizar, y como sólo tenemos dos posibles respuestas (0 y 1) y seleccionamos la opción binario.

Después se especifica el modelo, seleccionando la variable dependiente e independientes, tomando en cuenta las desviaciones típicas robustas y valores p. Por consecuente se realiza el mismo procedimiento, pero en esta ocasión trabajaremos con el modelo Probit.

Resultados

En la tala 1, se muestran los resultados de la estimación obtenidos en el modelo Logit.

[pic 11][pic 12][pic 13]

En la tabla 2, se muestran los resultados de la estimación obtenidos en el modelo Probit que, al agregar el contraste de normalidad de los residuos nos dice que tenemos un valor p de 0.00064225.

[pic 14][pic 15]

[pic 16]

Conocemos que β1 es nuestro intercepto del modelo, en esta ocasión su valor es de

-1.67311, esto también significa que cuando la edad, educación universitaria, postgrado, años en la compañía, años en la compañía como CEO, ventas en la empresa, ganancias de la empresa, valor de marca de la empresa y porcentaje de ganancias son igual a 0, la probabilidad de que el salario de un CEO esté por encima del salario de los CEOS será de -1.67311.

...