Professional Documents
Culture Documents
La distribucin Poisson
Regresin de Poisson
Regresin de Poisson en gretl
Resumen
Regresin de Poisson
Microeconoma Cuantitativa
R. Mora
Departmento de Economa
Universidad Carlos III de Madrid
R. Mora Poisson
Introduccin
La distribucin Poisson
Regresin de Poisson
Regresin de Poisson en gretl
Resumen
Esquema
1 Introduccin
2 La distribucin Poisson
3 Regresin de Poisson
4 Regresin de Poisson en gretl
R. Mora Poisson
Introduccin
La distribucin Poisson
Regresin de Poisson
Regresin de Poisson en gretl
Resumen
Introduccin
R. Mora Poisson
Introduccin
La distribucin Poisson
Regresin de Poisson
Regresin de Poisson en gretl
Resumen
Ejemplo 1
Relacin entre los gastos de investigacin y desarrollo de las
empresas (I + D) y el nmero de patentes recibidas por ellos.
La variable dependiente, nmero de patentes, es un recuento
del nmero total de patentes de una empresa en particular,
normalmente en un perodo de tiempo, como un ao.
Slo son posibles nmeros no negativos y discretos: algunas
empresas tienen cero patentes, mientras que otras empresas
pueden muchas patentes.
R. Mora Poisson
Introduccin
La distribucin Poisson
Regresin de Poisson
Regresin de Poisson en gretl
Resumen
Ejemplo 2
El uso de los servicios de salud entre los ancianos.
La variable dependiente, el nmero de visitas al mdico, es un
recuento del nmero total de visitas al mdico a una persona
de edad avanzada ha hecho durante el ao pasado.
Slo son posibles nmeros no negativos y discretos: algunas
personas tienen cero visitas, mientras que otras personas
pueden tener incluso decenas de visitas.
R. Mora Poisson
Introduccin
La distribucin Poisson
Regresin de Poisson
Regresin de Poisson en gretl
Resumen
Ejemplo 3
El efecto de las penas de prisin en la criminalidad.
La variable dependiente, el nmero de arrestos, es un
recuento del nmero total de arrestos que un hombre tiene en
un ao determinado.
Slo son posibles nmeros no negativos y discretos: algunas
personas tienen cero arrestos, mientras que otras personas
pueden tener varias detenciones al ao.
R. Mora Poisson
Introduccin
La distribucin Poisson
Regresin de Poisson
Regresin de Poisson en gretl
Resumen
La distribucin Poisson
R. Mora Poisson
Introduccin
La distribucin Poisson
Regresin de Poisson
Regresin de Poisson en gretl
Resumen
donde
z = 0, 1, 2, ...
z ! = z (z 1) (z 2) ... 2 1
El parmetro es igual tanto a la esperanza como a la
varianza de Z (equi-dispersin)
= E (Z ) = Var (Z )
R. Mora Poisson
Introduccin
La distribucin Poisson
Regresin de Poisson
Regresin de Poisson en gretl
Resumen
R. Mora Poisson
Introduccin
La distribucin Poisson
Regresin de Poisson
Regresin de Poisson en gretl
Resumen
Intuicin
R. Mora Poisson
Introduccin
La distribucin Poisson
Regresin de Poisson
Regresin de Poisson en gretl
Resumen
Regresin de Poisson
R. Mora Poisson
Introduccin
La distribucin Poisson
Regresin de Poisson
Regresin de Poisson en gretl
Resumen
Regresin de Poisson
R. Mora Poisson
Introduccin
La distribucin Poisson
Regresin de Poisson
Regresin de Poisson en gretl
Resumen
Estimacin por MV
Pr (y , ..., yN |x , ..., xN ) = Ni e ye
0
yi xi0 e xi
1 1 =1
La log-verosimilitud es:
i!
N n
L (b) = yi xi b e x b log (yi !)
o
0
0 i
i=1
R. Mora Poisson
Introduccin
La distribucin Poisson
Regresin de Poisson
Regresin de Poisson en gretl
Resumen
Interpretacin
Tenemos
E (y |x ) = exp (x ) = exp ( + x + x + ... + k xk )
0
0 1 1 2 2
E (yi |x i ) = e x i
1
0
1
R. Mora Poisson
Introduccin
La distribucin Poisson
Regresin de Poisson
Regresin de Poisson en gretl
Resumen
Inacin de ceros
Otro problema comn con la regresin de Poisson es el exceso de
ceros:
Supongamos que hay dos procesos:
Uno para determinar si hay cero eventos o cualquier evento,
Un proceso de Poisson que determina cuntos eventos existen.
R. Mora Poisson
Introduccin
La distribucin Poisson
Regresin de Poisson
Regresin de Poisson en gretl
Resumen
Resumen