Professional Documents
Culture Documents
Econometria Economia
Curs 2020-2021
Facultat de Ciències Econòmiques i Empresarials
Universitat de Girona
Índex
1. Introducció
2. El model lògit
Ø Els models de regressió són molt útils per descriure l’associació entre una
variable resposta (dependent, endògena, variable y) i una o més variables
explicatives (independents, exògenes, variables x).
Objectius
§ Ampliar el concepte de regressió al cas que la variable dependent sigui
categòrica.
§ Entendre el model Lògit com a model que permet tractar variables dependents
qualitatives.
E(yi)=1*Prob(yi=1)+0*Prob(yi=0)=1pi+0(1-pi)=pi
E(yi)=pi
Introducció
Per tant, prenent com la probabilitat que es produeixi el succès (y=1) i prenent
l’esperança matemàtica d’una variable de Bernoulli, tenim:
1.2
0.8
Propietat (0=no, 1=sí)
0.6
0.4
0.2
0
0 10 20 30 40 50 60 70 80
edat
Introducció
1.2
0.8
Propietat (0=no, 1=sí)
0.6
0.4
0.2
0
0 10 20 30 40 50 60 70 80
-0.2
edat
Model Lògit
El model Lògit
Busquem una forma funcional que expressi d’una manera plausible la relació
entre la variable dependent qualitativa i les variables explicatives i que no tingui
forma lineal:
Definim els odds (entre 0 i més infinit) com el quocient entre la probabilitat que
y=1 i la probabilitat que y=0
>1
Odds= =1
<1
Aconseguim així una relació lineal entre les variables independents i el lògit
1. 90/10 Prob(y=1)/Prob(y=0)
2. 80/20
3. 75/25 1. 9/1
2. 4/1
4. 66,7/33,3
5. 50/50 3. 3/1
6. 33,3/66,7 4. 2/1
7. 25/75 5. 1/1
8. 20/80 6. 0,5/1
7. 0,333/1
9. 10/90
8. 0,25/1=1/4
9. 0,111/1
Model Lògit
ü Variables discretes
ü Variables contínues
Model Lògit
Interpretació VARIABLES DISCRETES (I)
- Els odds en els professors indiquen que per cada professor que no falta a
classe, n’hi ha 0,0204 que sí que hi falten.
Odds professors
- Els odds en els estudiants indiquen que per cada estudiant que no falta a
classe, n’hi ha 0,3157 que sí que hi falten
Odds estudiants
Model Lògit
L’odds ratio (OR) és el quocient entre els odds de dos individus que són
diferents en el valor d’una variable explicativa.
x2i=0 -> professors
x2i=1 -> estudiants
Per cada persona que no falta a classe, hi ha 15,47 vegades més persones que
sí que hi falten quan es tracta d’estudiants que quan es tracta de professors.
És a dir, els odds dels estudiants de faltar a classe són 15,47 vegades més alts
que els odds dels professors.
Model Lògit
Odds estudiants
Odds professors
e b2 indica com més present és l’esdeveniment y=1 (faltar a classe) entre els
estudiants (x2=1) que entre els professors (x2=0).
Suposem que volem estudiar el fet d’agafar o no agafar una baixa laboral en
funció de l’edat.
En general tenim,
D’on es deriva,
Model Lògit
Direm que l’exponencial del coeficient, , que torna a ser una OR,
s’interpreta com: per a cada persona que no agafa la baixa, hi ha 1,214 vegades
més persones que sí que l’agafen per a cada augment de l’edat en una unitat (un
any).
1,200
1,000
0,800
CAS 1: 2+x
0,600
CAS 2: 2-x
0,400 CAS 3: -1-x
0,200
0,000
-8 -6 -4 -2 0 2 4 6 8
Model Lògit
1. Previsors numèrics
Si volem explorar la relació de y amb una variable explicativa numèrica
(separació completa)
Model Lògit
1. Previsors qualitatius
Si volem explorar la relació de y amb una variable explicativa qualitativa
Taules de contingència
(separació completa)
Model Lògit
Estimació
El model NO és NORMAL ni HOMOSCEDÀSTIC
Sabent que les probabilitats depenen dels paràmetres del model segons
aquestes expressions:
on els graus de llibertat surten del nombre de coeficients que es contrasten (k-1).
Estimació MV
Contrast de Wald
Com que suposem una mostra gran i com que els estimadors MV són
asimptòticament normals, s’usa la distribució normal en comptes de la t.
Validació
Quan no rebutgem la hipòtesi nul·la, llavors en sentit estricte no sabem quin dels dos
models és millor, i podem donar per bo el restringit, en virtut del principi de parsimònia.
Validació
Bondat de l’ajustament
0<Pseudo R2<1
Pseudo R2
No té en compte la
AIC parsimònia
Anàlisi residual
Valors atípics influents (Distància de Cook)
Criteri conservador
(molt influents)
Despatx: 204
Correu: antonia.barcelo@udg.edu
Tutories: a convenir prèviament per correu electrònic
Moltes gràcies!!!