Metodos cuantit

ativos
Clase Nº9
TEMA 7
Métodos Cuantitativos para los Negocios
03/11/2010
1º Bloque

Modelo de Elección Discreta
(Lobit y Probit)

0 P(Y =0) Ej. Que un cliente pague
Y ≡
1 P(Y=1) Ej. Que un cliente no pague

Pi = media (y)

Y = β0 + β1 * X + ε = Pi + ε

Media (y)

Pi = β0 + β1 * X = media

Pi = β0 + β1 * X : Modelo Lineal

Pi = F (β0 + β1* X) : Función Logística

Pi = ℮ β0 + β1 * X
1 + ℮ β0 + β1 * X

¿β0 + β1?

| Y | X | Pi | ŷ |
1 | 1 | 80.000 | 0,8 | 1 |
2 | 1 | 70.000 | 0,75 | 1 |
3 | 1 | 50.000 | 0,7 | 1 |
4 | 1 | 30.000 | 0,3 | 0 |
| 0 | | | |
| 0 | 35.000 | 0,4 | 0 |
100 | 0 | 50.000 | 0,7 | 1 |

Ver ejemplo diapositiva 34.

Archivo: 04. Sirmans

1: Hipoteca a tipovariable
0: Hipoteca a tipo fijo

¿Qué factores influyen en que la persona elija una hipoteca a tipo fijo o variable?

Analizar Regresión Logística Binaria Colocar variables.
Guardar: Marcar probabilidad pronosticada y Opción: Grupo de pertenencia (depende del umbral). Punto de corte para la clasificación. Dejar 0,5

BLOQUE 0: BLOQUE INICIAL
Tabla declasificacióna,b |
| Observado | Pronosticado |
| | ADJUST | Porcentaje correcto |
| | 0 | 1 | |
Paso 0 | ADJUST | 0 | 46 | 0 | 100,0 |
| | 1 | 32 | 0 | ,0 |
| Porcentaje global | | | 59,0 |
a. En el modelo se incluye una constante. |
b. El valor de corte es ,500 |

Si no se coloca ninguna variable. Se obtiene un 59% (Probabilidad de acierto mínimo).

Este método no utilizaninguna información, por lo cual cualquier otro método que supere el 59% será mejor.

BLOQUE 1: INTRODUCIR MÉTODO
Tabla de clasificacióna |
| Observado | Pronosticado |
| | ADJUST | Porcentaje correcto |
| | 0 | 1 | |
Paso 1 | ADJUST | 0 | 38 | 8 | 82,6 |
| | 1 | 9 | 23 | 71,9 |
| Porcentaje global | | | 78,2 |
a. El valor de corte es ,500 |

En este modelo se incluyentodas las variables. Se obtiene un 78%. Por lo cual aumenta en un 19% la capacidad de predicción.

Variables en la ecuación |
| | B | E.T. | Wald | gl | Sig. | Exp(B) |
Paso 1a | FIXRATE | ,896 | ,486 | 3,398 | 1 | ,065 | 2,449 |
| MARGIN : X1 | -,708 | ,304 | 5,437 | 1 | ,020 | ,493 |
| MATURITY | -,237 | 1,039 | ,052 | 1 | ,820 | ,789 |
| NETWORTH | ,150 | ,079 | 3,652 | 1 |,056 | 1,162 |
| POINTS | -,521 | ,426 | 1,493 | 1 | ,222 | ,594 |
| YIELD | -4,106 | 1,902 | 4,658 | 1 | ,031 | ,016 |
| Constante | -3,648 | 7,250 | ,253 | 1 | ,615 | ,026 |
a. Variable(s) introducida(s) en el paso 1: FIXRATE, MARGIN, MATURITY, NETWORTH, POINTS, YIELD. |

MARGIN: Diferencia entre tipo fijo y variable. El coeficiente es negativo. Por lo cual la probabilidad de elegirla de tipo fijo disminuye.

Si X1 crece Pi decrece, ya que el valor de β es negativo

Se deben quitar los valores ya que el p valor es mayor que 5%.

2º Bloque
Clase Informática

Archivo: 07-Cars

Se trata de predecir el origen del coche en función de las variables.

Variable Origen: 2 categorías (europeos (2) y americanos (1))
Velocidad
Diesel
Potencia (1 sobre 120caballos, 0 bajo 120 caballos)
Peso
Precio

Analizar Regresión Logística Binaria Colocar variables.

BLOQUE INICIAL
Tabla de clasificacióna,b |
| Observado | Pronosticado |
| | ORIGEN | Porcentaje correcto |
| | 1,00 | 2,00 | |
Paso 0 | ORIGEN | 1,00 | 129 | 0 | 100,0 |
| | 2,00 | 26 | 0 | ,0 |
| Porcentaje global | | | 83,2 |
a. En el modelose incluye una constante. |
b. El valor de corte es ,500 |

Existe un mínimo de aciertos de un 83,2%.

En total son 155 coches: 129 origen 1 y 26 origen 2. Si llega un coche nuevo ¿de que tipo seria?.Claramente es más probable que sea 1.

BLOQUE 1: MÉTODO
Tabla de clasificacióna |
| Observado | Pronosticado |
| | ORIGEN | Porcentaje correcto |
| | 1,00 | 2,00 | |
Paso 1...