Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Abstract
El presente White Paper pretende resumenes partes de los libros de ”Introduccion a la Econometria”
de Wooldridge y de ”Microeconometrics using Stata” de Cameron Trivedi.
• El modelo multinomial mas simple es el modelo Logit, propuesto por R. Duncan Luce
2 Modelo logit
El condicional modelo Logit sera:
expαj .β
Pij = Pm αj .β (1)
j=0 exp
Generalizando:
Vij
Pij = Pm
Vij (3)
j=0
3 Multinomial Provit
The multinomial probit (MNP) model is an m-choice multinomial model, with utility of the jth choice
given by
Uj = Vj + uj (4)
1
4 CAPITULO 15 - INTRODUCCION A LA ECONOMETRIA
4.1 Justificación: Variables omitidas en un Modelo de Regresión Simple
Cuando existe la posibilidad de sesgo por variable omitida (o heterogeneidad inobservable), se han analizado
hasta ahora tres opciones:
1) se puede ignorar el problema y sufrir las consecuencias de estimadores sesgados e inconsistentes
2) se puede intentar encontrar y utilizar una variable proxy adecuada para la variable inobservable
3) se puede suponer que la variable omitida no cambia con el tiempo y utilizar los métodos de efectos
fijos o de primeras diferencias.
Reemplazando Educ = x
log(wage) = β0 + β1 .x + e (7)
y suponiendo que x y u estan relacionadas, no podremos usar el metodo MCO, por lo mismo, crearemos
una variable z que cumpla:
El método de variables instrumentales funciona estén o no x y u correlacionadas, pero por las razones
que más tarde se analizarán, MCO se deben utilizar si x no está correlacionada con u.
Tendremos entonces:
Donde:
Beta1 = Cov(z, y)/Cov(z, x) (11)
2
4.2 Estimacion de Beta del modelo de regresion multiple
y1 = β0 + β1 .y2 + β2 .z1 + e (13)
¿Se podrá emplear z1 como instrumento para y2, si se supone que y2 y z1 están correlacionadas? La
respuesta es no. Dado que z1 por sı́ misma aparece como variable explicativa, no sirve como variable
instrumental para y2.
Entonces tendremos:
Pn
1 (yi1 − Estβ0 − Estβ1 .y12 − Estβ2 .zi1 ) = 0 (16)
Donde:
cov(zi , y2 ) = 0 (18)
Entonces tendremos:
Pn
1 (Estyi2 )(yi1 − Estβ0 − Estβ1 .y12 − Estβ2 .zi1 ) = 0 (19)