10–12 CAPÍTULO 10.

MODELOS DE VARIABLE DEPENDIENTE DISCRETA

Ejemplo 10.1 Modelos Probit y Logit para la probabilidad de tener carro propio en Holanda

El archivo NLCAR contiene información para 2,820 hogares utilizada por Cramer (2001) para estudiar
los determinantes de la probabilidad de tener carro propio en Holanda. Las variables son las siguientes:

CAR : Número de carros disponibles en el hogar

0: El hogar no dispone de carro propio.
1: El hogar posee carro usado.
2: El hogar posee carro nuevo.
3: El hogar posee mas de un carro.
IN C : Ingreso del hogar por adulto equivalente.
SIZE : Tamaño del hogar.
BU SCAR : Variable dummy que denota la presencia (o no) de carro de la empresa.
U RBA : Grado de urbanización, medido en escala de 1 (campo) a 6 (ciudad).
HHAGE : Edad de la cabeza del hogar.
LIN C : Logaritmo del ingreso.
CAR01 : Variable dummy que denota la presencia de carro en el hogar.

Modelo de regresión lineal (OLS)

Dependent Variable: CAR01
Included observations: 2820
White Heteroskedasticity-Consistent Standard Errors and Covariance
Variable Coe¢ cient Std. Error t-Statistic Prob.
C -0.052199 0.174963 -0.298343 0.7655
LINC 0.077026 0.018025 4.273286 0.0000
BUSCAR -0.418032 0.025732 -16.245420 0.0000
R-squared 0.086485 Mean dependent var 0.641844
Adjusted R-squared 0.085837 S.D. dependent var 0.479543
S.E. of regression 0.458500 Akaike info criterion 1.279352
Sum squared resid 592.1973 Schwarz criterion 1.285676
Log likelihood -1800.887 F-statistic 133.3469
Durbin-Watson stat 1.911756 Prob(F-statistic) 0.000000
10.8. PREDICCIÓN 10–13

Modelo Probit
Dependent Variable: CAR01
Included observations: 2820
Variable Coe¢ cient Std. Error z-Statistic Prob.
C -1.684658 0.526593 -3.19917 0.0014
LINC 0.226523 0.054501 4.15628 0.0000
BUSCAR -1.111295 0.077643 -14.31280 0.0000
Mean dependent var 0.641844 S.D. dependent var 0.479543
S.E. of regression 0.458496 Akaike info criterion 1.223000
Sum squared resid 592.1860 Schwarz criterion 1.229324
Log likelihood -1721.430 Hannan-Quinn criter. 1.225282
Restr. log likelihood -1839.627 Avg. log likelihood -0.610436
LR statistic (2 df) 236.3926 McFadden R-squared 0.064250
Probability(LR stat) 0.000000

BUSCAR1=@cnorm(-1.684657762 + 0.2265233798*LINC - 1.111295374)

BUSCAR0=@cnorm(-1.684657762 + 0.2265233798*LINC)

1.0

0.8
BUSCAR=0
0.6
BUSCAR=1
0.4

0.2

0.0
4 8 12 16 20
10–14 CAPÍTULO 10. MODELOS DE VARIABLE DEPENDIENTE DISCRETA

Dependent Variable: CAR01

Method: ML - Binary Probit (Quadratic hill climbing)
Included observations: 2820
Prediction Evaluation (success cuto¤ C = 0.5)

Estimated Equation Constant Probability

Dep=0 Dep=1 Total Dep=0 Dep=1 Total

P(Dep=1)<=C 247 93 340 0 0 0

P(Dep=1)>C 763 1717 2480 1010 1810 2820
Total 1010 1810 2820 1010 1810 2820
Correct 247 1717 1964 0 1810 1810
% Correct 24.46 94.86 69.65 0 100 64.18
% Incorrect 75.54 5.14 30.35 100 0 35.82
Total Gain* 24.46 -5.14 5.46
Percent Gain** 24.46 NA 15.25

Estimated Equation Constant Probability

Dep=0 Dep=1 Total Dep=0 Dep=1 Total

E(No. of Dep=0) 417.94 592.30 1010.24 361.74 648.26 1010.00

E(No. of Dep=1) 592.06 1217.70 1809.76 648.26 1161.74 1810.00
Total 1010.00 1810.00 2820.00 1010.00 1810.00 2820.00
Correct 417.94 1217.70 1635.65 361.74 1161.74 1523.48
% Correct 41.38 67.28 58.00 35.82 64.18 54.02
% Incorrect 58.62 32.72 42.00 64.18 35.82 45.98
Total Gain* 5.56 3.09 3.98
Percent Gain** 8.67 8.63 8.65
* Change in " %Correct"from default (constant probability) speci…cation
** Percent of incorrect (default) prediction corrected by equation
10.8. PREDICCIÓN 10–15

Modelo Logit
Dependent Variable: CAR01
Included observations: 2820
Variable Coe¢ cient Std. Error z-Statistic Prob.
C -2.817963 0.877137 -3.212682 0.0013
LINC 0.376002 0.090903 4.136313 0.0000
BUSCAR -1.800486 0.129930 -13.857390 0.0000
Mean dependent var 0.641844 S.D. dependent var 0.479543
S.E. of regression 0.458496 Akaike info criterion 1.223008
Sum squared resid 592.1853 Schwarz criterion 1.229332
Log likelihood -1721.441 Hannan-Quinn criter. 1.225290
Restr. log likelihood -1839.627 Avg. log likelihood -0.610440
LR statistic (2 df) 236.3704 McFadden R-squared 0.064244
Probability(LR stat) 0.000000

BUSCAR0=@logit(-2.817963298 + 0.37600163790*LINC)
BUSCAR1=@logit(-2.817963298 + 0.3760016379*LINC - 1.800485565)

1.0

0.8
BUSCAR=0
0.6

0.4 BUSCAR=1

0.2

0.0
4 8 12 16 20
10–16 CAPÍTULO 10. MODELOS DE VARIABLE DEPENDIENTE DISCRETA

Dependent Variable: CAR01

Method: ML - Binary Logit (Quadratic hill climbing)
Included observations: 2820
Prediction Evaluation (success cuto¤ C = 0.5)

Estimated Equation Constant Probability

Dep=0 Dep=1 Total Dep=0 Dep=1 Total

P(Dep=1)<=C 247 93 340 0 0 0

P(Dep=1)>C 763 1717 2480 1010 1810 2820
Total 1010 1810 2820 1010 1810 2820
Correct 247 1717 1964 0 1810 1810
% Correct 24.46 94.86 69.65 0.00 100.00 64.18
% Incorrect 75.54 5.14 30.35 100.00 0.00 35.82
Total Gain* 24.46 -5.14 5.46
Percent Gain** 24.46 NA 15.25

Estimated Equation Constant Probability

Dep=0 Dep=1 Total Dep=0 Dep=1 Total

E(No. of Dep=0) 417.82 592.18 1010.00 361.74 648.26 1010.00

E(No. of Dep=1) 592.18 1217.82 1810.00 648.26 1161.74 1810.00
Total 1010.00 1810.00 2820.00 1010.00 1810.00 2820.00
Correct 417.82 1217.82 1635.65 361.74 1161.74 1523.48
% Correct 41.37 67.28 58.00 35.82 64.18 54.02
% Incorrect 58.63 32.72 42.00 64.18 35.82 45.98
Total Gain* 5.55 3.10 3.98
Percent Gain** 8.65 8.65 8.65
*Change in " % Correct"from default (constant probability) speci…cation
**Percent of incorrect (default) prediction corrected by equation
10.8. PREDICCIÓN 10–17

LIN C Modelo Probit Modelo Logit

BU SCAR = 0 BU SCAR = 1 BU SCAR = 0 BU SCAR = 1
5.000 0.29 0.048 0.281 0.061
5.005 0.291 0.048 0.282 0.061
5.010 0.291 0.048 0.282 0.061
5.015 0.292 0.048 0.282 0.061
... ... ... ... ...
7.435 0.5 0.133 0.494 0.139
7.440 0.5 0.133 0.495 0.139
7.445 0.501 0.134 0.495 0.14
7.450 0.501 0.134 0.496 0.14
... ... ... ... ...
12.620 0.88 0.525 0.873 0.532
12.625 0.88 0.525 0.873 0.532
12.630 0.88 0.526 0.873 0.533
12.635 0.88 0.526 0.874 0.533
... ... ... ... ...
15.170 0.96 0.739 0.947 0.748
15.175 0.96 0.739 0.947 0.748
15.180 0.96 0.74 0.947 0.748
15.185 0.96 0.74 0.947 0.749
... ... ... ... ...
19.080 0.996 0.937 0.987 0.928
19.085 0.996 0.937 0.987 0.928
19.090 0.996 0.937 0.987 0.928
19.095 0.996 0.937 0.987 0.928
10–18 CAPÍTULO 10. MODELOS DE VARIABLE DEPENDIENTE DISCRETA

Ejemplo 10.2 Modelos Probit y Logit para la probabilidad de participar en la fuerza de trabajo

El archivo MROZ contiene información para una muestra de 753 mujeres que nos permite estudiar los
determinantes de la probabilidad de participar en la fuerza de trabajo. De las 753 mujeres en la muestra,
428 reportan que trabajaron durante el año, mientras que las restantes 325 reportan no haber trabajado.
Las variables son las siguientes:

AGE : Edad
EDU C : Educación
EXP ER : Años de experiencia laboral
N W IF EIN C : Ingreso del compañero
KIDSLT 6 : Número de hijos con menos de 6 años
KIDSGE6 : Número de hijos con más de 6 años

Variable OLS Logit Probit

Coe¢ cient Std. Error Coe¢ cient Std. Error Coe¢ cient Std. Error
White
N W IF EIN C -0.0034 (0.0015) -0.0213 (0.0091) -0.0120 (0.0053)
EDU C 0.0380 (0.0073) 0.2212 (0.0444) 0.1309 (0.0258)
EXP ER 0.0395 (0.0058) 0.2059 (0.0323) 0.1233 (0.0188)
EXP ERSQ -0.0006 (0.0002) -0.0032 (0.0010) -0.0019 (0.0006)
AGE -0.0161 (0.0024) -0.0880 (0.0144) -0.0529 (0.0083)
KIDSLT 6 -0.2618 (0.0318) -1.4434 (0.2030) -0.8683 (0.1161)
KIDSGE6 0.0130 (0.0135) 0.0601 (0.0798) 0.0360 (0.0453)
Constant 0.5855 (0.1523) 0.4255 (0.8592) 0.2701 (0.5048)
Obs 753 753 753
R-squared 0.264 0.220 0.221
Log likelihood -423.892 -401.765 -401.302

Los signos de los coe…cientes son los mismos para todos los modelos, y las mismas variables son
estadísticamente signi…cativas.
10.8. PREDICCIÓN 10–19

Dependent Variable: IN LF
Method: ML - Binary Probit (Quadratic hill climbing)
Included observations: 753
Prediction Evaluation (success cuto¤ C = 0.5)

Estimated Equation Constant Probability

Dep=0 Dep=1 Total Dep=0 Dep=1 Total

P(Dep=1)<=C 205 80 285 0 0 0

P(Dep=1)>C 120 348 468 325 428 753
Total 325 428 753 325 428 753
Correct 205 348 553 0 428 428
% Correct 63.08 81.31 73.44 0 100 56.84
% Incorrect 36.92 18.69 26.56 100 0 43.16
Total Gain* 63.08 -18.69 16.6
Percent Gain** 63.08 NA 38.46
* Change in " % Correct"from default (constant probability) speci…cation
** Percent of incorrect (default) prediction corrected by equation

La principal diferencia entre el modelo de regresión lineal, y los modelos Logit y Probit, es que el
primero asume un efecto marginal constante para cada una de las variables independientes del modelo,
mientras que los modelos Logit y Probit implican efecto marginal decreciente.
Por ejemplo, en el modelo de regresión lineal un hijo menor de 6 años adicional reduce la probabilidad
de participar en la fuerza laboral en 0.262, independientemente no solo del número de hijos que ya tenga
la mujer, sino también del nivel (o valores) de las demás variables del modelo. Por el contrario, en el
modelo Probit tendríamos:
xi xi xi i i xi i xi i xi
N W IF EIN C 20.13 20.13 20.13 -0.0120 -0.242 -0.242 -0.242
EDU C 12.3 12.3 12.3 0.1309 1.610 1.610 1.610
EXP ER 10.6 10.6 10.6 0.1233 1.307 1.307 1.307
EXP ERSQ 112.36 112.36 112.36 -0.0019 -0.212 -0.212 -0.212
AGE 42.5 42.5 42.5 -0.0529 -2.246 -2.246 -2.246
KIDSLT 6 0 1 2 -0.8683 0 -0.868 -1.737
KIDSGE6 1 1 1 0.0360 0.036 0.036 0.036
Constant 1 1 1 0.2701 0.270 0.270 0.270
P
i xi 0.523 -0.345 -1.213
P
( i xi ) 0.700 0.365 0.113

-0.335 -0.253
11–4 CAPÍTULO 11. MODELOS DE ELECCIÓN MÚLTIPLE

Ejemplo 11.1 Modelo Probit ordenado para la probabilidad del estado de salud

En este ejemplo utilizamos información de la encuesta de calidad de vida del DANE para Bogotá en
2003. La variable dependiente corresponde a 11.182 observaciones del estado de salud autoreportado por
una muestra de individuos, donde Yi = 1 si es muy bueno,Yi = 2 si es bueno,Yi = 3 si es regular, Yi = 4
si es malo. Como variables independientes se incluyen el logaritmo del ingreso del individuo (ly) y su
género (genero = 1, si es hombre).

Dependent Variable: Y
ML - Ordered Probit
Sample: 1 11182
Ordered indicator values: 4
Variable Coe¢ cient Std. Error z-Statistic Prob.
GEN ERO -0.1592 0.0224 -7.1214 0.0000
LY -0.3061 0.0127 -24.1324 0.0000
Limit Points
LIMIT2 -5.2488 0.1710 -30.6989 0.0000
LIMIT3 -3.1193 0.1668 -18.7037 0.0000
LIMIT4 -1.6718 0.1686 -9.9152 0.0000
Akaike info criterion 1.6654 Schwarz criterion 1.6686
Log likelihood -9306.0340 Hannan-Quinn criter. 1.6665
Restr. log likelihood -9646.4600 Avg. log likelihood -0.8322
LR statistic (2 df) 680.8520 LR index (Pseudo-R2) 0.0353
Probability(LR stat) 0.0000

Como se puede observar, las variables incluídas son estadisticamente signi…cativas.

11.2. MODELO PROBIT ORDENADO 11–5

A partir de estos resultados, podemos estimar las diferentes probabilidades para diferentes valores de
ly, dependiendo del género del individuo.

.8

.7

.6

.5

.4

.3

.2

.1

.0
6 8 10 12 14 16 18 20

H1 M2 H4
M1 H3 M4
H2 M3
11.3. MODELO LOGIT MULTINOMIAL 11–7

Ejemplo 11.2 Modelo Logit multinomial para la relación entre empleo e historia escolar

El archivo KEANE.RAW contiene información sobre empleo e historia escolar de una muestra de
individuos jóvenes para los años 1981 a 1987. En este ejemplo se utiliza la información de 1987.

La variable dependiente se denomina status y está de…nida como status = 0 si el individuo esta
estudiando, status = 1 si el individuo no está estudiando y tampoco trabajando, y status = 2 si el
individuo esta trabajando.
Las variables independientes incluyen educ, exper, exper2, black y una constante.

Como categoría base ( J = 0) se utilizan los individuos que están estudiando, es decir status = 0. La
muestra es de un total de 1,717 observaciones, de las cuales 99, 332 y 1,286 observaciones están en las
categorías 0, 1 y 2, respectivamente.

Instrucción en STATA: mlogit status educ exper expersq black, basecategory(0)

Status Coef. Std. Err. z p.val [95 % conf. int.]

1
educ -0.674 -0.070 -9.640 0.000 -0.811 -0.537
exper -0.106 -0.173 -0.610 0.540 -0.446 0.233
expersq -0.013 -0.025 -0.500 0.620 -0.062 0.037
black 0.813 -0.303 2.690 0.007 0.220 1.406
Constant 10.278 -1.133 9.070 0.000 8.057 12.499
2
educ -0.315 -0.065 -4.830 0.000 -0.442 -0.187
exper 0.849 -0.157 5.410 0.000 0.541 1.156
expersq -0.077 -0.023 -3.370 0.001 -0.122 -0.032
black 0.311 -0.282 1.110 0.269 -0.240 0.863
Constant 5.544 -1.086 5.100 0.000 3.414 7.673
Pseudo R2 0.243
Log likelihood -907.857
(Outcome status==0 is the comparison group).

Las magnitudes de estos coe…cientes son difíciles de interpretar. En su lugar podemos calcular efectos
parciales, o la diferencia en probabilidad.
11–8 CAPÍTULO 11. MODELOS DE ELECCIÓN MÚLTIPLE

Por ejemplo, consideremos dos individuos de raza negra, cada uno con 5 años de experiencia. Un
individuo con 16 años de educación tiene una probabilidad de empleo que es 0.042 puntos porcentuales
mayor que la de un individuo con 12 años de educación, mientras que la diferencia en probabilidad de
estar en status = 1 es 0.072 puntos porcentuales mas baja. Por construcción, la diferencia en probabilidad
en status = 0 es 0.030 mas alta para el individuo con 16 años de educación.

Variable Status = 1 Status =2

i xi xi i xi i xi i xi xi i xi i xi
educ -0.674 16 12 -10.778 -8.084 -0.315 16 12 -5.035 -3.776
exper -0.106 5 5 -0.531 -0.531 0.849 5 5 4.244 4.244
expersq -0.013 25 25 -0.313 -0.313 -0.077 25 25 -1.933 -1.933
black 0.813 1 1 0.813 0.813 0.311 1 1 0.311 0.311
Constant
P 10.278 1 1 10.278 10.278 5.544 1 1 5.544 5.544
i xi -0.531 2.163 3.132 4.390

exp (3;132) 22;920

Prob (s = 2 jeduc = 16 ) = =
1 + exp ( 0;531) + exp (3;132) 1 + 0;588 + 22;920
= 0;935

exp (4;390) 8;697

Prob (s = 2 jeduc = 12 ) = =
1 + exp (2;163) + exp (4;390) 1 + 8;697 + 22;920
= 0;893

La diferencia en probabilidad para status = 2 es 0;935 0;893 = 0;042.

exp ( 0;531) 0;588

Prob (s = 1 jeduc = 16 ) = =
1 + exp ( 0;531) + exp (3;132) 1 + 0;588 + 22;920
= 0;024

exp (2;163) 8;697

Prob (s = 1 jeduc = 12 ) = =
1 + exp (2;163) + exp (4;390) 1 + 8;697 + 22;920
= 0;096

La diferencia en probabilidad para status = 1 es 0;024 0;096 = 0;072.

Por defecto la diferencia en probabilidad para status = 0 es 0.030.
12.2. REPRESENTACIÓN E INTERPRETACIÓN 12–7

Ejemplo 12.1 Modelo Tobit para la probabilidad de horas trabajadas por mujeres casadas

En este ejemplo utilizamos datos de Mroz (1987) para estimar una ecuación de forma reducida para
el número de horas trabajadas en un año por mujeres casadas. La ecuación es una “forma reducida”pues
no incluye el salario como variable explicativa (variable que es poco probable que sea exógena).
La muestra consiste de 753 observaciones, 428 de las cuales corresponden a mujeres que trabajaron
por fuera del hogar durante el año en cuestión; es decir, 325 mujeres trabajaron cero (0) horas durante
el año. Para las mujeres que efectivamente trabajaron, el rango de variación de horas trabajadas ‡uctúa
entre 12 y 4,950.

400
Series: HOURS
Sample 1 753
Observations 753
300
Mean 740.5764
Median 288.0000
200 Maximum 4950.000
Minimum 0.000000
Std. Dev. 871.3142
Skewness 0.922531
100 Kurtosis 3.193949

Jarque-Bera 107.9888
Probability 0.000000
0
0 1000 2000 3000 4000 5000
12–8 CAPÍTULO 12. MODELOS DE VARIABLE DEPENDIENTE LIMITADA

Los coe…cientes estimados del modelo TOBIT tienen el mismo signo de los coe…cientes del modelo
estimado por OLS, y la signi…cancia estadística de los coe…cientes es similar. Debe recordarse que la
comparación de la magnitud de los coe…cientes estimados en los modelos no resulta informativa.

Variable OLS TOBIT

Coef (s.e) Coef (s.e)
N W IF EIN C -3.447 -2.544 -8.814 -4.459
EDU C 28.761 -12.955 80.646 -21.583
EXP ER 65.673 -9.963 131.564 -17.279
EXP ERSQ -0.700 -0.325 -1.864 -0.538
AGE -30.512 -4.364 -54.405 -7.419
KIDSLT 6 -442.090 -58.847 -894.022 -111.878
KIDSGE6 -32.779 -23.176 -16.218 -38.641
Constant 1330.482 -270.785 965.305 -446.436

Log-likelihood -3819.095
R-squared 0.266 0.273
^ 750.179 1122.022

Para obtener el efecto parcial debemos multiplicar los coe…cientes estimados en el modelo TOBIT
por el factor de ajuste correspondiente, evaluado en el valor promedio de cada una de las variables
independientes, y utilizando el cuadrado de EXP ER en lugar de usar el promedio de EXP ERi2 .

Variable i xi i xi
N W IF EIN C -8.814 20.129 -177.422
EDU C 80.646 12.287 990.881
EXP ER 131.564 10.631 1398.635
EXP ERSQ -1.864 113.014 -210.676
AGE -54.405 42.538 -2314.272
KIDSLT 6 -894.022 0.238 -212.523
KIDSGE6 -16.218 1.353 -21.947
Constant
P 965.305 1.000 965.305
i xi 417.981

Condicionando en que el número de horas trabajadas es positivo, para calcular @E [y jX; y > 0 ] =@xj
el factor de ajuste esta dado por:

@E [y jX; y > 0 ]
= j f1 (X =^ ) [X =^ + (X =^ )]g :
@xj
12.2. REPRESENTACIÓN E INTERPRETACIÓN 12–9

Para calcular esta expresión debemos tener en cuenta que:

X =^ = 417;981=1122;022
= 0;373

(X =^ ) = (0;373)
= 0;372 @dnorm ( )

(X =^ ) = (0;373)
= 0;645 @cnorm ( )

(X =^ )
(X =^ ) =
(X =^ )
(0;373)
=
(0;373)
0;372
=
0;645
= 0;577

Por consiguiente,

f1 (X =^ ) [X =^ + (X =^ )]g = f1 0;577 [0;373 + 0;577]g

= 0;452;

que es lo mismo que:

@E [y jX; y > 0 ]
= j 0;452:
@xj
Por ejemplo, condicionando en que el número de horas trabajadas es positivo, un año adicional de
educación (a partir de los valores promedio de las variables) incrementará el valor esperado de horas
trabajadas en aproximadamente 80;646 0;452 = 36;452 horas.
En cuanto al efecto de un hijo adicional de edad menor o igual a 6 años, la caída en horas trabajadas
es igual a 894;022 0;452 = 404;098. Debe observarse que esta cifra no tiene sentido para una mujer
que trabaja menos de 404;098 horas. En este caso, resulta más conveniente estimar el valor esperado para
dos valores diferentes de la variable KIDSLT6, y calcular la diferencia en horas trabajadas.
El factor de ajuste (X =^ ) =Prob(y > 0 jX ) nos da la probabilidad estimada de observar una
respuesta positiva dados los valores de las variables independientes. Si (X =^ ) es cercano a uno, entonces
es poco probable observar yi = 0 cuando Xi = X. En otras palabras, cuando (X =^ ) es cercano a uno
no debe haber mucha diferencia entre los resultados de estimar un modelo OLS o un modelo TOBIT.
En el ejemplo de Mroz, el factor de ajuste es (X =^ ) = (0;373) = 0;645, que indica que la
probabilidad que una mujer este en la fuerza de trabajo, evaluada en los valores promedio de las variables
independientes, es del 0.645.
Por consiguiente, el efecto de cada variable independiente condicionando en hours, es decir cuando se
tienen en cuenta los individuos que no trabajan ( hours = 0) así como aquellos que trabajan ( hours > 0),
es mayor que el efecto cuando únicamente condicionamos en los individuos que trabajan ( hours > 0).
12–10 CAPÍTULO 12. MODELOS DE VARIABLE DEPENDIENTE LIMITADA

Podemos entonces multiplicar los coe…cientes de las variables independientes que son “continuas”para
compararlos con los coe…cientes que resultan del modelo estimado por OLS. Por ejemplo, el efecto en el
modelo TOBIT de un año adicional de educación es 80;646 0;645 52;017, que es casi el doble que
28.761.
El R2 del modelo TOBIT (0.273) corresponde al cuadrado del coe…ciente de correlación entre yi y y^i .
13–4 CAPÍTULO 13. MODELO DE REGRESIÓN DE POISSON

Ejemplo 13.1 Modelo Poisson para la probabilidad del número de veces que un individuo es arrestado

En este ejemplo utilizamos el archivo GROGGER.XLS que contiene la siguiente información para una
muestra de 2725 individuos:

N ARR86 Número de arrestos en 1986

N F ARR86 Número de arrestos por crímenes graves
N P ARR86 Número de arrestos por crímenes contra la propiedad
P CN V Proporción de convicciones anteriores
AV GSEN Sentencia promedio (en meses)
T OT T IM E Tiempo total pasado en prisión desde los 18 años de edad
P T IM E86 Tiempo en prisión en 1986
QEM P 86 Número de trimestres en que el individuo ha estado trabajando en 1986
IN C86 Ingreso (en $100)
DU RAT Tiempo durante el que ha estado desempleado
BLACK Dummy igual a uno si el individuo es de raza negra
HISP AN Dummy igual a uno si el individuo es de origen hispano
BORN 60 Dummy igual a uno si el individuo nació en 1960

Utilizando esta información formulamos un modelo de regresión Poisson para estudiar los determi-
nantes del número de veces que una persona fue arrestada durante 1986.

Dependent Variable: N ARR86

Included observations: 2725
Frequencies for dependent variable
Cumulative
Value Count Percent Count Percent

0 1970 72 1970 72.29

1 559 20 2529 92.81
2 121 4 2650 97.25
3 42 1 2692 98.79
4 12 0 2704 99.23
5 13 0 2717 99.71
6 4 0 2721 99.85
7 1 0 2722 99.89
9 1 0 2723 99.93
10 1 0 2724 99.96
12 1 0 2725 100
 13–5

Dependent Variable: NARR86

Method: ML/QML - Poisson Count (Quadratic hill climbing)
Included observations: 2725
Variable Coe¤. S.E. z-Stat. S.E.* z-Stat. *
P CN V -0.402 0.085 -4.726 0.105 -3.837
AV GSEN -0.024 0.020 -1.192 0.025 -0.968
T OT T IM E 0.024 0.015 1.660 0.018 1.348
P T IM E86 -0.099 0.021 -4.763 0.025 -3.867
QEM P 86 -0.038 0.029 -1.310 0.036 -1.064
IN C86 -0.008 0.001 -7.762 0.001 -6.303
BLACK 0.661 0.074 8.950 0.091 7.267
HISP AN 0.500 0.074 6.761 0.091 5.490
BORN 60 -0.051 0.064 -0.797 0.079 -0.647
Constant -0.600 0.067 -8.916 0.083 -7.239

R-squared 0.077
Log likelihood -2248.761
Restr. log likelihood -2441.921
LR statistic (9 df) 386.320
Probability(LR stat) 0.000
Mean dependent var 0.404
S.D. dependent var 0.859
^ 1.232

p * indica que los errores estándar, y los correspondientes estadísticos z, han sido corregidos por ^ =
^ 2 = 1;232. Los errores estándar corregidos son mayores que los no corregidos, y por consiguiente los
estadísticos z son menores (en valor absoluto).
Los coe…cientes de los modelos OLS y Poisson no son comparables, y tienen una interpretación difer-
ente.
Dependent Variable: N ARR86
Included observations: 2725
OLS Poisson
Variable Coe¤. S.E. Coe¤. S.E. *
P CN V -0.132 0.040 -0.402 0.050
AV GSEN -0.011 0.012 -0.024 0.015
T OT T IM E 0.012 0.009 0.024 0.012
P T IM E86 -0.041 0.009 -0.099 0.011
QEM P 86 -0.051 0.014 -0.038 0.018
IN C86 -0.001 0.000 -0.008 0.000
BLACK 0.327 0.045 0.661 0.056
HISP AN 0.194 0.040 0.500 0.049
BORN 60 -0.022 0.033 -0.051 0.041
Constant 0.577 0.038 -0.600 0.047
13–6 CAPÍTULO 13. MODELO DE REGRESIÓN DE POISSON

Por ejemplo, en el modelo estimado por OLS si pcnv = 0;10, el número esperado de arrestos
disminuye 0.013. Por su parte, en el modelo Poisson si pcnv = 0;10, el número esperado de arrestos
disminuye 0.0402 (aproximadamente 4 %). En el modelo Poisson el coe…ciente asociado a la variable
BLACK indica que el número esperado de arrestos para un individuo de raza negra es aproximadamente
66 % mas alto que para un individuo de raza blanca.
Al igual que en el modelo Tobit, el coe…ciente de determinación R2 se calcula como el cuadrado del
coe…ciente de correlación entre yi y y^i = exp ^ 0 + ^ 1 x1 + ::: + ^ k xk .
Utilizando:
h
exp exp(x ) exp (x )
Pr (y = h jx ) = ;
h!
se puede calcular la probabilidad para varios valores de h (utilizando los valores promedio de las variables
independientes):

Variable i xi i xi
P CN V -0.402 0.358 -0.144
AV GSEN -0.024 0.632 -0.015
T OT T IM E 0.024 0.839 0.021
P T IM E86 -0.099 0.387 -0.038
QEM P 86 -0.038 2.309 -0.088
IN C86 -0.008 54.967 -0.444
BLACK 0.661 0.161 0.106
HISP AN 0.500 0.218 0.109
BORN 60 -0.051 0.363 -0.019
Constant
P -0.600 1.000 -0.600
i xi -1.111

A partir de la información de la última línea podemos calcular exp ( exp ( 1;111)) = 0;720 y además
exp ( 1;111) = 0;329. Las probabilidades serían entonces:

Pr (y = 0 jx ) = 0;71952
Pr (y = 1 jx ) = 0;23685
Pr (y = 2 jx ) = 0;03898
Pr (y = 3 jx ) = 0;00428
Pr (y = 4 jx ) = 0;00035
 13–7

Ejemplo 13.2 Modelo Poisson para determinar el efecto de la educación sobre la fertilidad de las mujeres
en Botswana

En este ejemplo utilizamos el archivo FERTIL2.XLS con el propósito de investigar el efecto de la

educación sobre la fertilidad de las mujeres en Botswana. El archivo contiene, entre otras, la siguiente
información para una muestra de 4,358 mujeres:

CHILDREN Número de hijos vivos

EDU C Educación (en años)
AGE Edad
EV ERM ARR Dummy que indica si la mujer estuvo alguna vez casada
U RBAN Dummy que indica si la mujer vive en un área urbana
ELECT RIC Dummy que indica si el hogar de la mujer tiene acceso a energía eléctrica
TV Dummy que indica si la mujer tiene televisor en su hogar

Dependent Variable: CHILDREN

Included observations: 4358
Frequencies for dependent variable

Cumulative
Value Count Percent Count Percent

0 1132 25 1132 25.98

1 905 20 2037 46.74
2 696 15 2733 62.71
3 528 12 3261 74.83
4 392 8 3653 83.82
5 255 5 3908 89.67
6 196 4 4104 94.17
7 134 3 4238 97.25
8 68 1 4306 98.81
9 32 0 4338 99.54
10 13 0 4351 99.84
11 3 0 4354 99.91
12 3 0 4357 99.98
13 1 0 4358 100
13–8 CAPÍTULO 13. MODELO DE REGRESIÓN DE POISSON

Dependent Variable: CHILDREN

Method: ML/QML - Poisson Count (Quadratic hill climbing)
Included observations: 4358
Variable Coe¤. S.E. z-Stat. S.E.* z-Stat. *
EDU C -0.022 0.003 -7.437 0.003 -8.588
AGE 0.337 0.010 33.949 0.009 39.200
AGE 2 -0.004 0.000 -28.331 0.000 -32.779
EV ERM ARR 0.315 0.024 12.875 0.021 14.867
U RBAN -0.086 0.022 -3.975 0.019 -4.590
ELECT RIC -0.121 0.039 -3.103 0.034 -3.584
TV -0.145 0.047 -3.054 0.041 -3.526
Constant -5.375 0.163 -33.001 0.141 -38.108

R-squared 0.597
Log likelihood -6497.060
Restr. log likelihood -9580.731
LR statistic (9 df) 6167.343
Probability(LR stat) 0.000
Mean dependent var 2.268
S.D. dependent var 2.222
^ 0.866

p * indica que los errores estándar, y los correspondientes estadísticos z, han sido corregidos por ^ =
^ 2 = 0;866. Este ejemplo ilustra el caso en que 2 < 1 (sub-dispersión). Los errores estándar corregidos
son menores que los no corregidos, y por consiguiente los estadísticos z son mayores (en valor absoluto).
Los coe…cientes estimados por OLS y Poisson no son comparables, y tienen una interpretación difer-
ente.
Dependent Variable: CHILDREN
Included observations: 4358
OLS Poisson
Variable Coe¤. S.E. Coe¤. S.E.*
EDU C -0.064 0.006 -0.022 0.003
AGE 0.272 0.017 0.337 0.009
AGE 2 -0.002 0.000 -0.004 0.000
EV ERM ARR 0.682 0.052 0.315 0.021
U RBAN -0.228 0.046 -0.086 0.019
ELECT RIC -0.262 0.076 -0.121 0.034
T V -0.250 0.090 -0.145 0.041
Constant -3.394 0.245 -5.375 0.141

Por ejemplo, en el modelo estimado por OLS un año adicional de educación reduce el número esperado
de hijos en 0.064. Por su parte, en el modelo Poisson un año adicional de educación disminuye el número
esperado de arrestos en aproximadamente 2.2 %. En el modelo Poisson el coe…ciente asociado a la variable
 13–9

T V indica que el número esperado de hijos para una mujer con televisión en su hogar es aproximadamente
14.5 % mas bajo comparado con una mujer que no tiene televisión.
Al igual que en el modelo Tobit, el coe…ciente de determinación R2 se calcula como el cuadrado del
coe…ciente de correlación entre yi y y^i = exp ^ 0 + ^ 1 x1 + ::: + ^ k xk .
Utilizando:
h
exp exp(x ) exp (x )
Pr (y = h jx ) = ;
h!
se puede calcular la probabilidad para varios valores de h (utilizando los valores promedio de las variables
independientes):
Variable i xi i xi
EDU C -0.022 5.856 -0.127
AGE 0.337 27.404 9.244
AGE 2 -0.004 750.996 -3.091
EV ERM ARR 0.315 0.476 0.150
U RBAN -0.086 0.517 -0.044
ELECT RIC -0.121 0.140 -0.017
T V -0.145 0.093 -0.013
Constant
P -5.375 1.000 -5.375
i x i 0.727

A partir de la información de la última línea podemos calcular exp ( exp (0;727)) = 0;126 y además
exp (0;727) = 2;068. Las probabilidades serían entonces:

Pr (y = 0 jx ) = 0;12642
Pr (y = 1 jx ) = 0;26145
Pr (y = 2 jx ) = 0;27036
Pr (y = 3 jx ) = 0;18639
Pr (y = 4 jx ) = 0;09637
Pr (y = 5 jx ) = 0;03986
Pr (y = 6 jx ) = 0;01374
Pr (y = 7 jx ) = 0;00406