UNIVERSIDAD NACIONAL DEL ALTIPLANO

MAESTRA EN ECONOMA
MENCIN: PLANIFICACIN Y GESTIN PBLICA
2016

Modelos
de
Regresin, DAP,
Logit CASOS B
TRABAJO FINAL

ASIGNATURA:

MTODOS CUANTITATIVOS
DOCENTE:

M. SC. SABINO EDGAR MAMANI CHOQUE

PRESENTADO POR:

ALFREDO E. VELASQUEZ LOPE

FECHA:

16 de septiembre de 2016

Alfredo Edilberto Velasquez Lope

UNIVERSIDAD NACIONAL DEL ALTIPLANO

Presentado por Alfredo Velasquez Lope

UNIVERSIDAD NACIONAL DEL ALTIPLANO
MAESTRA EN ECONOMA: PLANIFICACIN Y GESTIN PBLICA
Trabajo final CASO B

I. Con la informacin sobre demanda, estime el mejor modelo y

haga la interpretacin de los resultados
=

Donde Dx = demanda del bien X, Px = precio del bien X, Pz = precio del bien Y, Pw = precio
del bien w, I = Ingreso del consumidor.

INTERPRETACIN (primer modelo):

Como se observa, Prob >F es igual a 0.0000, o sea el modelo en conjunto es valido
Tenemos la R2 igual a 99.85%, significa que las variables (Px, Pz, Pw y I) del
modelo ayuda a explicar un 99.85% la demanda del bien X.
Sin embargo, la variable Pw, indica una probabilidad de 36.6% de ser igual a cero,
por lo tanto, no ayuda a explicar las variaciones de Dx, entonces lo sacamos del
modelo.

INTERPRETACIN (segundo modelo)

Pgina 2 de 9

Presentado por Alfredo Velasquez Lope

En este caso se observa que nuestra R2 es igual a 0.9983, ligeramente menor al
anterior modelo, pero nos indica que la demanda del bien x, son explicadas en un
99.83% por el precio del bien X, Precio del Bien Z y el Ingreso del Consumidor.
Nos arroja un valor mnimo para rechazar la hiptesis nula de Prob>F de 0.0000.
Un R ajustado de 0.9976, lo cual comparando con el anterior modelo es similar.
Adems, nos indica que, un incremento del precio del bien X disminuye en
promedio la demanda del bien X en 0.41 unidades.
De igual forma, un incremento del precio del bien z, disminuye en 0.06 unidades la
demanda del bien X.
Sin embargo, al subir los ingresos del consumidor, se incrementa la demanda del
bien x en 0.03 unidades.
Por otro lado, en el caso que las variables (px, pz y I) sean igual a cero la cantidad
demandad del bien X es de 10.14 unidades.

II. Con la informacin de las carpetas DAP, calcule la

disposicin
a
pagar
promedio,
estimando
previamente el mejor modelo logit.
Corremos el primer modelo con todas las variables.

Pgina 3 de 9

Presentado por Alfredo Velasquez Lope

Se toma en cuenta los criterios econmicos y economtricos tomados en cuenta
en el archivo Complejo San Jacinto, los cuales fueron:
o Que los signos de los coeficientes estimados para las variables explicativas
reflejen una relacin lgica con la variable dependiente.
o Preferentemente incluir y elegir el modelo que contenga efecto ingreso
como variable independiente.
o Que los coeficientes de las variables independientes sean significativos, a
un cierto nivel aceptable de confiabilidad.
o Que se maximice el valor de mxima verosimilitud.
Dicho esto, entonces retiramos las variables que su coeficiente no guarde relacin
lgica con la variable dependiente (tel mvl dv mtl* gpiv pamh ec npm ne vp fp*) y
corremos el segundo modelo.

Retiramos las variables no significativas y que no tengan relacin lgica con la DAP
(vra tdv), corremos el tercer modelo

Pgina 4 de 9

Presentado por Alfredo Velasquez Lope

Seguimos retirando las variables no significativas, pero retiramos aquellas que no
tengan importancia con la DAP, adems incluimos la variable nivel de estudio (ne)
debido a que ahora si su coeficiente guarda relacin la DAP. Entonces corremos el
cuarto modelo

Determnanos su nivel de Prediccin, lo cual es 84.35% de las predicciones son

acertadas.
Luego calculamos la DAP, nos interesa el resumen de esta variable en trminos
estadsticos:

INTERPRETACIN. Vemos que la DAP promedio es igual a 2.81, con una

desviacin estndar de 0.80, con valores mnimos y mximos de 0.47 y 4.97
respectivamente. Pero probablemente este admitiendo valores negativos, por lo
que se debe hacer un ajuste, para esto sabemos que el precio ms alto es de 2.28
y lo que vemos el DAP sobre paso el valor, entonces trabajaremos con el siguiente
valor de 3.8
Generamos la variable de precio corregido, y corremos el modelo logit,
Luego pasamos a calcular la DAP corregida.

INTERPRETACIN. La disposicin a pagar promedio a partir de la mejor

estimacin de modelo logit y con los precios corregidos es de 3.12, con una
desviacin estndar de 0.66, y con valores mnimos y mximos de 0.72 y 3.78
respectivamente. Valoracin que tiene un nivel de prediccin de 84.35%.

III. Con la informacin de las carpetas Logit, estime un

modelo Logit y haga la interpretacin de los
resultados siguiendo la secuencia desarrollada en
clases.
Ejecutamos comando sum para que nos muestre los estadsticos descriptivos,
Pgina 5 de 9

Presentado por Alfredo Velasquez Lope

Luego corremos el primer modelo con todas las variables

INTERPRETACIN. Han sido necesario 5 interaciones para estimar el modelo, LR

Chi2 es igual a 14.78 lo cual no tiene interpretacin propia, Prob > chi2 es 0.0020,
entonces la probabilidad de que todos los parmetros simultneamente sean
iguales a cero es de 0.0020, o sea el modelo en conjunto es vlido. El Pseudo R2
es igual a 0.34, lo que significa que la probabilidad de que una mujer este en el
mercado laboral se explica en 34% a partir de las variables casada, edad,
escolaridad. Lo cual en este caso es bastante alto.
Las variables casada y edad tienen relacin negativa de que la mujer este insertada
en el mercado laboral, sin embargo, la escolaridad tiene relacin positiva para que
la mujer este insertada en el mercado laboral.
En este caso observados que las variables casada y escolaridad son significativas,
pero no as con la variable edad la cual no es significativa, por lo tanto no contribuye
a la explicacin de que la mujer este en el mercado laboral por lo tanto lo retiramos.
Adems, tenemos un Correctly classified de 78.13%, indicando que un 78.13% de
los pronsticos son adecuadamente correctas.

Pgina 6 de 9

Presentado por Alfredo Velasquez Lope

Al retirar la variable edad, observamos que, se realizaron 32 observacin al igual

que el anterior, 5 interaciones, la Prob>chi2 es igual a 0.0008 lo cual nos indica que
el modelo en conjunto es mas valido a comparacin del anterior modelo; el Pseudo
R2 es igual 0.3281 lo cual al superar a 0.2 se considera bastante buena, aunque
es menor al primer modelo,
La relacin casada tiene relacin negativa con la probabilidad de estar en el
mercado laboral; sin embargo, la variable escolaridad tiene relacin positiva,
entonces con un ao ms de estudio tiene mayor probabilidad de estar en el
mercado laboral.
El valor de P>|z| para ambas variables es buena, por lo que se consideran
significativos.
Finalmente es este modelo tenemos un Correctly classified de 81.25%, entonces
existe un 81.25% de probabilidad de que lo valores son perfectamente
pronosticadas, lo cual supera al anterior modelo.

Pgina 7 de 9

Presentado por Alfredo Velasquez Lope

Finalmente, para corroborar que ste es el mejor modelo, tenemos que Log
likelihood = -14.522724, lo cual es mejor (menor) que el anterior modelo que tiene
un Log like= -14.22324.
La interpretacin no se puede hacer directamente, por lo que corremos el comando
logistic; lo cual nos indica que las oportunidades de estar en el mercado laboral
estando casada son menores que al estar soltera; en otras palabras, la oportunidad
de estar en el mercado laboral estando casada es de 20 veces menor que si
estuviera soltera. O mejor dicho, la oportunidad de que una mujer casada este en
el mercado laboral es de 95% menos que el de la mujer soltera.

Para el caso de escolaridad, si la mujer estudia un ao ms, la oportunidad de estar

en el mercado laboral es casi el doble (1.6).un ao ms de escolaridad en las
mujeres significa 65% de probabilidad de estar en el mercado laboral.
Calculamos valores marginales, y tenemos que existe la probabilidad de 65% que
la mujer este insertada en el mercado laboral para este conjunto de datos.

Pgina 8 de 9

Presentado por Alfredo Velasquez Lope

En el caso de la variable casada; si la mujer est casada su probabilidad de estar

en el mercado laboral disminuye en un 58%; lo cual es contrario con Escolaridad,
ya que con un ao adicional de estudio la probabilidad de estar insertada en el
mercado laboral se incrementa en un 11.34%. si por ejemplo una mujer soltera con
16 aos de escolaridad tendr una probabilidad de 98.69% de estar insertada en
el mercado laboral.

Finalmente calculamos la probabilidad individual, con el comando (predict prob, p),

en la que observamos que efectivamente las predicciones son acertadas en un
81%.

Pgina 9 de 9