Obligatorio Analísis De Regresión 08

 
 

ESCUELA DE POSTGRADOS – UNIVERSIDAD ORT 

ANÁLISIS DE REGRESIÓN
Y TÉCNICAS
MICROECONOMÉTRICAS

 

Trabajo Obligatorio 2015 
 
María Laura Montilla Larrosa 
09/09/2015 

 
 
 
 

 

 

Obligatorio - Análisis de Regresión y Técnicas Microeconométricas 

Í​
ndice

 
TOC \t "heading 1, 1" 
Introducción

PAGEREF _Toc \h 2

Generación variable dummy

PAGEREF _Toc1 \h 3

Modelo de respuestabinaria

PAGEREF _Toc2 \h 3

Estimación del modelo

PAGEREF _Toc3 \h 4

Valores predichos vs. observados

PAGEREF _Toc4 \h 7

Maximizar el porcentaje de aciertos en la muestra.

PAGEREF _Toc5 \h 8

Modelo sin deuda histórica

PAGEREF _Toc6 \h 12

Anticipación a la clasificación del riesgo de crédito

PAGEREF _Toc7 \h 13

Test de los umbrales

PAGEREF _Toc8 \h 14

Probabilidad asignada a cada categoríaPAGEREF _Toc9 \h 16 

 

PAGE 24 de NUMPAGES 24 

Obligatorio - Análisis de Regresión y Técnicas Microeconométricas 

Introducción
Se dispone de una base de datos relativa al riesgo crediticio de 850 clientes de una
instituci​
ó​
n especializada en microfinanzas. Se tiene informaci​
ó​
n sobre las
caracter​
í​
sticas de los clientes de forma de explicar la nota asignada a cada uno. La
informaci​ó​
n explicativa es la siguiente:
• Edad
• Nivel de educaci​
ó​
n
• A​
ñ​
os conservando el mismo empleo
• Ratio de deuda/ingreso
• Deuda de tarjeta de cr​
é​
dito
• Otras deudas
• Default previo

PAGE 24 de NUMPAGES 24 

Obligatorio - Análisis de Regresión y Técnicas Microeconométricas 
A continuaci​
ó​
n se muestran las etiquetas utilizadas en las variables y su descripci​
ó​
n
para un mejorentendimiento del informe.

Label list

Generación
variable
dummy
Como a efectos
institucionales,
por
pol​
í​
tica
interna de la
empresa, solo
es relevante los
clientes
morosos versus
los que no son,
se genera una
variable dummy que brinde tal informaci​
ó​
n.
Cabe aclarar, que dicha variable indica la presencia o falta de alg​
ú​
n atributo o
cualidad. Son variables dic​
ó​
tomas. Esta es unavariable que toma el valor de uno para
la submuestra y cero en el resto de la muestra.
Es por esto que se realiza:
generate clientesmoro = (nota<1)

Modelo de respuesta binaria
Se decide utilizar un modelo de respuesta binaria que pueda explicar la variable
dummy generada. Estos modelos predicen valores entre 0 y 1 para la variable
explicada, por eso se pueden usar para estimar la probabilidad de sermoroso.
Un modelo de respuesta binaria se puede definir como una regresi​
ó​
n en la cual la
variable dependiente ​
Y es una variable aleatoria binaria que toma ​
ú​
nicamente
valores de cero y uno. En este caso, como la variable a explicar solo nos da dos

PAGE 24 de NUMPAGES 24 

Obligatorio - Análisis de Regresión y Técnicas Microeconométricas 
alternativas como respuesta, parece razonableutilizar este tipo de modelo.
Es la probabilidad de ocurrencia del evento denotado por la variable dummy (y)
condicionado por un conjunto de variables explicativas (x).
Como se est​
á hablando de un modelo de probabilidad, en principio se podr​
í​
a pensar
en un modelo lineal de probabilidad. Sin embargo se sabe que el mismo genera
predicciones incoherentes para una probabilidad determinada. Adem​
á​
spredice
efectos marginales constantes y estos son efectos no deseados para el modelo.
Es por esto anterior, que se busca modelos no lineales de probabilidad como son el
Probit​
o​
Logit.
En el caso de un modelo probit, la funci​
ó​
n se puede determinar como la distribuci​
ó​
n
de la normal est​
á​
ndar. Por el contrario, en el caso del logit, se habla de la
distribuci​
ó​
n acumulada log​
í​stica.
La diferencia entre uno y otro viene dada por sus funciones de probabilidad, pero al
momento de leer sus resultados, los mismos dirigen hacia las mismas conclusiones.
En este caso puntual, se decide realizar un modelo probit para entender que
variables explican la morosidad de los clientes.
La ecuaci​
ó​
n de dicho modelo, se puede escribir de la siguiente manera:
P(y=1|x) = G(B​
+B​
x​
+​...