Uso Gretl Econometría

PRÉSTAMO BANCARIO
Modelos de Variable Dependiente Binaria LOGIT

1. Resumen del caso
El departamento de Unidad de Consumo de un banco realiza una actividad de Customer Relationship Management que consiste en preclasificar los clientes del departamento y segmentarlos por grupos para concentrar los recursos del banco en los clientes que presenten mayor probabilidad de contratar un préstamo.Si estimamos la probabilidad de que el cliente contrate el préstamo en relación con un conjunto de variables, podremos mejorar la eficiencia de la empresa, contactando y realizando actividades de promoción con los clientes que más probablemente contratarán los préstamos. Para la estimación de esta probablididad utilizaremos el modelo no lineal LOGIT binario.
2. Cuestiones
Apartado C: Añadirla edad al cuadrado

Apartado D: Estimación modelo LOGIT (1):

Modelo 1: estimaciones Logit utilizando las 6000 observaciones 1-6000
Variable dependiente: respuesta

Variable | Coeficiente | Desv. típica | Estadístico t | Pendiente* |
const | 4,37427 | 0,720606 | 6,0703 |
edad | -0,00602108 | 0,013979 | -0,4307 | -0,00111972 |
sq_edad | -0,000519847 | 0,000145506 | -3,5727 |-9,66745e-05 |
sexo | 0,499396 | 0,0743371 | 6,7180 | 0,0928714 |
descub | -0,00566151 | 0,0337013 | -0,1680 | -0,00105286 |
nomina | 3,15085e-05 | 2,52013e-05 | 1,2503 | 5,85956e-06 |
salhipot | -1,34395e-05 | 2,98976e-06 | -4,4952 | -2,4993e-06 |
opdebito | 0,000859246 | 0,000822161 | 1,0451 | 0,000159792 |
impdebit | 5,64429e-05 | 1,04517e-05 | 5,4003 | 1,04965e-05 |
opcredit | 0,00296534| 0,000793824 | 3,7355 | 0,000551456 |
impcredit | 1,82782e-05 | 6,57174e-06 | 2,7813 | 3,39915e-06 |
salactiv | 1,6839e-05 | 2,91951e-06 | 5,7678 | 3,13151e-06 |
salpasiv | -1,12216e-05 | 2,31722e-06 | -4,8427 | -2,08686e-06 |
puntrisk | -0,0058061 | 0,000881282 | -6,5882 | -0,00107975 |

*Evaluado en la media
Media de respuesta = 0,331
Número de casos 'correctamente predichos' =4559 (76,0%)
f(beta'x) en la media de las variables independientes = 0,186
Pseudo R2 de McFadden = 0,26296
Log-verosimilitud = -2806,06
Contraste de razón de verosimilitudes: Chi-cuadrado(13) = 2002,28 (valor p 0,000000)
Criterio de información de Akaike (AIC) = 5640,11
Criterio de información Bayesiano de Schwarz (BIC) = 5733,9

Criterio de Hannan-Quinn (HQC) = 5672,68

Apartado E:Estimación del modelo LOGIT (2) donde todas las variables son significativas.

Modelo 2: Logit, usando las observaciones 1-6000
Variable dependiente: respuesta
Desviaciones típicas basadas en el Hessiano
| Coeficiente | Desv. Típica | z | Pendiente* |
const | 4,20255 | 0,547797 | 7,6717 |
sq_edad | -0,000587686 | 2,665e-05 | -22,0520 | -0,00010882 |
sexo | 0,492376 | 0,073972 | 6,6562 |0,086736 |
salhipot | -1,32966e-05 | 2,98457e-06 | -4,4551 | -2,46209e-06 |
impdebit | 6,641e-05 | 6,52211e-06 | 10,1823 | 1,2297e-05 |
opcredit | 0,00301581 | 0,000792195 | 3,8069 | 0,000558429 |
impcredit | 1,82232e-05 | 6,56913e-06 | 2,7741 | 3,37433e-06 |
salactiv | 1,67952e-05 | 2,91175e-06 | 5,7681 | 3,10991e-06 |
salpasiv | -1,12983e-05 | 2,31249e-06 | -4,8858 | -2,09208e-06 |puntrisk | -0,00570903 | 0,00076348 | -7,4776 | -0,00105712 |

Media de la vble. dep. | 0,330500 | | D.T. de la vble. dep. | 0,470432 |
R-cuadrado de McFadden | 0,262540 | | R-cuadrado corregido | 0,259913 |
Log-verosimilitud | -2807,652 | | Criterio de Akaike | 5635,305 |
Criterio de Schwarz | 5702,300 | | Crit. de Hannan-Quinn | 5658,570 |

*Evaluado en la media
Número decasos 'correctamente predichos' = 4566 (76,1%)
f(beta'x) en la media de las variables independientes = 0,470
Contraste de razón de verosimilitudes: Chi-cuadrado(9) = 1999,08 [0,0000]

Apartado F: Interpretación de los efectos marginales en la media de las variables explicativas
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
Apartado H: Porcentaje de casos correctamente predichos
Según el...