Estadstica para el Anlisis Poltico Lorena Lvano

2014-1
Diferentes modelos de regresin logstica segn la naturaleza
categrica de la variable de respuesta o dependiente (nominal
binaria o multinomialu ordinal)

Regresin logstica binaria

Variable dependiente es categrica nominal y binaria (dos posibles
categoras o valores)
Por lo general esta naturaleza binaria se representa con valores 1 y 0
 Dicho de manera simple y concisa, un modelo de regresin
logstica binaria da cuenta de cunto vara la probabilidad de
xito o fracaso segn vayan cambiando el valor o los valores de
las variables explicativas
 independientes

constante

Probabilidad de que el resultado se d (1)

 El parmetro que se calcula (b) est relacionado con lo que
sucede con la curva de la regresin cuando x (variable
explicativa) aumenta o disminuye
El parmetro que se calcula (b) indica que el tipo de relacin
que existe entre la vaeiable explicativa y la variable
dependiente
Si b>0, entonces P(y=1) aumenta cuando x aumenta
Si b<0, entonces P(y=1) disminuye cuando x decrece
Si b=0, entonces en vez de una curva se observa una lnea horizontal (no hay
efecto)
Pregunta: A qu criterio responde
la asignacin en Infraestructura Vial *TRABAJAR CON
en Colombia durante los aos 2002- VARIBALE DICOTMICA
2006?.

Hiptesis: La asignacin presupuestal

en Infraestructura Vial en Colombia
responde a criterios populistas
basados en necesidades electorales.
 Dependiente:
Aprodic (dicotmica): mide si se realiz o no inversin en infraestructura vial en
ese municipio.

Independientes:
Consejocomunal (dicotmica): si se hizo o no un consejo en el municipio
Priorizado (dicotmica): si el criterio de asignacin fue tcnico
Uribista (dicotmica): si el municipio fue o no del oficialismo
*Deber ser
dicotmica
 RESULTADOS

Contraste entre los valores reales

(observado) y los predichos
 RESULTADOS
Coeficientes

La sig. me indicar si mi
variable tiene o no
efecto en el modelo
Constante
Ho: No tiene efecto

*Solo tendr en cuenta aquellos que sean significativos (Sig. Menor a 0.05)

Logit [ P(y=1)] = -0.413 + 2.274(consejo) + 0.489(priorizado)

 RESULTADOS

*Solo tendr en cuenta aquellos que sean significativos (Sig. Menor a 0.05)

Siempre se toma el nmero 1 como base.

Valores menores que uno indican que la variable explicativa
reduce la probabilidad de que se d mi variable dependiente
Valores mayores que uno indican que la variable explicativa
aumenta la probabilidad de que se d mi variable
dependiente
 RESULTADOS

*Solo tendr en cuenta aquellos que sean significativos (Sig. Menor a 0.05)

EN ESTE CASO:

Consejo Comunal: Es MAYOR a uno, 9.722 -1 = 8.722; por lo

tanto la variable aumenta la probabilidad en ms de 872% (8,72
veces).
Priorizado: Es MAYOR a uno, 1.631 -1 = 0.631; por lo tanto la
variable aumenta la probabilidad en 63%
 RESULTADOS

*Solo tendr en cuenta aquellos que sean significativos (Sig. Menor a 0.05)

Si hay CC aumenta en casi 9 veces 900% la probabilidad de

asignacin presupuestal.
Si hay un criterio tcnico que sustente la necesidad de
pavimentar la probabilidad de asignacin presupuestal
aumenta en un 63%.
 Calcular probabilidad de que se d (1) para determinados valores de x
Frmula para calcular probabilidades (ecuacin alternativa)

P(y=1) = ea+bx / 1 + ea+bx

CMO?
PROBABILIDAD GRUPO DE PERTENENCIA

Si es menor a 0.5 es clasificado como 0

Si es mayor a 0.5 es clasificado como 1
Con la data Voto 2000 1
Tomar como dependiente: voto00 (voto 2000)

Como independientes:
Voto 96
Sexo

RESPONDA:

Porcentaje de casos que predice correctamente

Qu variables tienen efecto?
Determine la funcin
Interprete las probabilidades
Con la data Voto 2000
2
Tomar como dependiente: voto00 (voto 2000)
Como independientes:

Voto 96
Sexo
Ingresos

RESPONDA:

Porcentaje de casos que predice correctamente

Qu variables tienen efecto?
Determine la funcin
Interprete las probabilidades