Modelo logit

INSTITUTO POLITECNICO NACIONAL

ESCUELA SUPERIOR DE ECONOMIA

ECONOMETRIA

MODELO DE PROBABILIDAD LINEAL

GRUPO: 6109

POR:
AVIÑA HERNANDEZ JUNO DAFFNE

PROFESOR: SOLORZANO DE LABASTIDA RAFAEL

MODELO DE PROBABILIDAD LINEAL
El modelo de probabilidad lineal específica que la probabilidad condicional es una función lineal de X: P (Y = 1/X = x) = β0 + xβ1. Este modelosignifica que la probabilidad de Y = 1 se incrementa por β1 por cada unidad de incremento en β1 que se incremente X. Lo cual implica que la probabilidad es negativa si X es suficientemente pequeña y más grande que la unidad si X es suficientemente grande. Por lo tanto, este modelo tiene el defecto que la probabilidad condicional no está restringida a valores entre cero y uno.
Este defecto puedeser corregido al reemplazar la función lineal por una que garantice que la probabilidad condicional estará entre cero y uno. La función de distribución acumulada de una distribución de probabilidad tiene la forma de una curva S inclinada, la cual cumple la propiedad deseada. En este sentido, la función de distribución acumulada comúnmente usada es la función de distribución acumulada de unadistribución normal, la cual representa una S inclinada suavizada.
Un modelo de respuesta binaria es llamado modelo probit si F es la función de distribución normal acumulada; y es llamado logit si F es la función de distribución logística acumulada. Las distribuciones normales y logísticas son simétricas a cero y tienen forma gráfica muy similar, excepto que la distribución logística tiene más anchalas colas. Por lo tanto, las funciones de probabilidad condicional son muy parecidas para los dos modelos, excepto en las puntos extremos.
El problema de estimación es calcular los parámetros desconocidos β1 y β2. En la práctica, el modelo de probabilidad lineal es estimado por ajustar una línea recta para las observaciones de X y Y por mínimos cuadrados ordinarios. Los modelos logit y probittípicamente son estimados por máxima verosimilitud. Esto es porque el estimador de máxima verosimilitud tiene buenas propiedades para muestras grandes. En particular, es asintóticamente eficiente, es decir: es el estimador más preciso en muestras grandes.
En experimentos controlados de tipo biométricos se busca estimar la probabilidad condicional que Y = 1 dado X = x para todos los valores de X, nosólo por los valores de X en los datos. Uno de los principales objetivos de estudios de pesticidas es estimar la dosis que mata una cierta proporción de insectos, por ejemplo, 50%. El modelo probit ha sido el dominante en biometría. Sin embargo, tanto los modelos probit y logit producen predicciones similares, excepto para valores extremos de las dosis aplicadas.
Un problema clave en economía es silos modelos son “modelos estructurales”, es decir, si los valores de los parámetros no cambian a ciertos ambientes, tales como regimenes de política. El supuesto de que la función de respuesta binaria es estructural, debería ser tratado con precaución. En un experimento manipulado no es difícil controlar si existe cambio en los parámetros, pues la variable X es perfectamente controlada. En cambio,estudios de respuesta binaria en economía se repiten con rareza. Por lo tanto, en la práctica es difícil probar constancia de los parámetros con la excepción de los estudios sobre modos alternativos de transporte hacia el trabajo.

VARIABLES
SALARIO
El salario es el pago que recibe de forma periódica un trabajador de mano de su empleador a cambio de que éste trabaje durante un tiempodeterminado para el que fue contratado produzca una determinada cantidad de mercancías equivalentes a ese tiempo de trabajo. El empleado recibe un salario a cambio de poner su trabajo a disposición del jefe, siendo éstas las obligaciones principales de su relación contractual.
Cuando los pagos son efectuados en forma diaria, recibe el nombre de jornal (de jornada). Si es entre las 12 será jornal...