Академический Документы
Профессиональный Документы
Культура Документы
Santiago A. Galln
Departamento de Matemticas y Estadstica Departamento de Economa
Grupo de Econometra Aplicada
Universidad de Antioquia, Medelln
II Escuela de Verano
Centro de Estadstica Aplicada a Estudios Socioeconmicos CEAES
Agosto 46 de 2009
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Contenido
1 Motivacin
2 Definiciones
3 Probabilidades de eleccin
Modelo de probabilidad lineal
Modelo Logit
Modelo Probit
4 Estimacin e inferencia
5 Modelos de mltiple respuesta
Modelo logit multinomial -MNL-
Modelo logit condicional -CL-
Modelo probit multinomial -MNP-
Modelo logit anidado -NLOGIT-
Modelos multinomiales ordenados -OMM-
6 Estimacin en Stata y R
logo
7 Tpicos
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Contenido
1 Motivacin
2 Definiciones
3 Probabilidades de eleccin
Modelo de probabilidad lineal
Modelo Logit
Modelo Probit
4 Estimacin e inferencia
5 Modelos de mltiple respuesta
Modelo logit multinomial -MNL-
Modelo logit condicional -CL-
Modelo probit multinomial -MNP-
Modelo logit anidado -NLOGIT-
Modelos multinomiales ordenados -OMM-
6 Estimacin en Stata y R
logo
7 Tpicos
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Motivacin I
En la prctica se requiere explicar y predecir el comportamiento de las
decisiones que realizan los individuos.
En muchas situaciones las elecciones de los individuos son hechas
sobre un continuo de posibilidades, por ejemplo:
Cunto gastar en la compra de un bien?
Cunto trabajar?
En otras situaciones las elecciones son hechas sobre un nmero
limitado de posibilidades o alternativas elecciones discretas.
Trabajar o no trabajar
Estudiar o no estudiar
Dnde vivir?
Cul marca comprar?
Cul modo de transporte utilizar?,
Por cul candidato votar?, etctera.
El conocimiento de los determinantes de este tipo de decisiones es
importante en el diseo de polticas socioeconmicas. logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Motivacin II
Qu es un modelo discreto?
Son modelos en los cuales la variable dependiente toma valores discretos
(Maddala, 1983).
Aplicaciones:
Participacin laboral
Agremaciones laborales
Localizacin de firmas y lugares de trabajo
Prestamos bancarios
Finanzas
Energa
Migracin
Eleccin de modos de transporte
Compra de bienes durables
Decisiones de inversin
Investigacin de mercados
Localizacin de hogares
Matrimonios
Decisiones de nacimientos
Educacin
logo
Legislacin y votaciones
Criminologa
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Contenido
1 Motivacin
2 Definiciones
3 Probabilidades de eleccin
Modelo de probabilidad lineal
Modelo Logit
Modelo Probit
4 Estimacin e inferencia
5 Modelos de mltiple respuesta
Modelo logit multinomial -MNL-
Modelo logit condicional -CL-
Modelo probit multinomial -MNP-
Modelo logit anidado -NLOGIT-
Modelos multinomiales ordenados -OMM-
6 Estimacin en Stata y R
logo
7 Tpicos
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
donde ij es una secuencia de variables aleatorias i.i.d. con funcin de logo
densidad, f (ij ).
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Objetivo
Modelar el comportamiento de eleccin de los individuos cuando solamente
existen dos (J = 2) alternativas.
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Probabilidades de eleccin
Pr 1 = Pr i1 = Pr(Ui1 > Ui2 )
= Pr(Vi1 + i1 > Vi2 + i2 )
= Pr(i2 i1 < Vi1 Vi2 )
= F (Vi1 Vi2 )
Pr 2 = Pr i2 = 1 Pr 1
= 1 F (Vi1 Vi2 )
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
yi = h(xi , , i ) = x0i + i
con yi = 1 s yi > 0 y yi = 0 s yi 0.
Probabilidades de eleccin
Pr(yi = 1|xi ) = Pr(yi > 0|xi )
= Pr(x0i + i > 0|xi )
= Pr(i > x0i |xi )
= 1 F (x0i |xi )
= F (x0i )
Contenido
1 Motivacin
2 Definiciones
3 Probabilidades de eleccin
Modelo de probabilidad lineal
Modelo Logit
Modelo Probit
4 Estimacin e inferencia
5 Modelos de mltiple respuesta
Modelo logit multinomial -MNL-
Modelo logit condicional -CL-
Modelo probit multinomial -MNP-
Modelo logit anidado -NLOGIT-
Modelos multinomiales ordenados -OMM-
6 Estimacin en Stata y R
logo
7 Tpicos
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Pr(yi = 1) = F (xi , ) + i
yi = x0i + i
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Modelo Logit
Funcin logstica
Sabemos que
exp(
ikj )
F (
ikj ) = (
ikj ) =
1 + exp(
ikj )
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Modelo Logit
exp(x0i )
Pr ij = F (x0i ) = (x0i ) =
1 + exp(x0i )
1
=
1 + exp(x0i )
exp(x0i )
f (x0i ) = (x0i )[1 (x0i )] = 2
[1 + exp(x0i )]
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Modelo Probit
Modelo Probit
Asumiendo que ij distribuye i.i.d. como una normal estndar y dado
que la diferencia entre variables aleatorias normales es normal,
entonces:
Z Vij Vik
F (Vij Vik ) = (Vij Vik ) = (
ikj )d
ikj
donde
1
f (
ikj ) = ( 2ikj /2)
ikj ) = exp(
2
Probabilidades de eleccin probit (asumiendo Vij Vik = x0i )
Z x0i
Pr ij = F (x0i ) = (x0i ) = (z)dz
Modelo Probit
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Efectos marginales
Uno de los objetivos de los modelos de eleccin discreta consiste en
determinar los efectos marginales de los cambios de las variables
regresoras sobre la probabilidad condicional:
dF (x0i )
E(yi |xi )
= = f (x0i )
xi d(x0i )
i=1
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Contenido
1 Motivacin
2 Definiciones
3 Probabilidades de eleccin
Modelo de probabilidad lineal
Modelo Logit
Modelo Probit
4 Estimacin e inferencia
5 Modelos de mltiple respuesta
Modelo logit multinomial -MNL-
Modelo logit condicional -CL-
Modelo probit multinomial -MNP-
Modelo logit anidado -NLOGIT-
Modelos multinomiales ordenados -OMM-
6 Estimacin en Stata y R
logo
7 Tpicos
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Funcin de verosimilitud
Y Y
L() = Pr(Y1 = y1 , , Yn = yn ) = F (x0i ) [1 F (x0i )]
yi =1 yi =0
Yn
= [F (x0i )]yi [1 F (x0i )]1yi
i=1
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
dF (x0i )
donde f (x0i ) = dx0i
Matriz de segundas derivadas del ln L() (Hessiana)
n
2 ln L()
X yi 1 yi 2 0 0
= + 0 )]2 f (xi )xi xi
0 i=1
F 2 (x0 )
i [1 F (xi
n
yi F (x0i )
X
0 0
+ 0 )[1 F (x0 )] f (xi )xi xi
i=1
F (x i i
con esperanza
n
2 ln L() f 2 (x0i )
X
E = xi x0i
0 i=1
F (x0i )[1 F (x0i )] logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
a
ML es consistente y ML N (, V ( ML )).
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
logit 1.6probit
Mtodo Scoring
" #1
2 ln L()
ln L()
t+1 = t E
0 = t = t
Otros mtodos:
Algortmo de Berndt-Hall-Hall-Hausman (BHHH).
Algortmo de Davidon-Fletcher-Powell (DFP).
Algortmo de Broyden-Fletcher-Goldfarb-Shanno (BFGS).
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
ln L()
R2 = 1
ln L(y)
Pn n 0 0
o
i=1 y i ln F (x i ) + (1 y i ) ln[1 F (xi )]
=1
n[y ln y + (1 y) ln(1 y)]
Pn
donde y = n1 i=1 yi .
Pn
y)(Fi (x0i ) F )
i=1 (yi
yi ,Fi = Pn Pn
2 0 2
i=1 (yi y) i=1 (Fi (xi ) F )
Inferencia
H0 : Q = c
Para q = 1
Q c a
q tnK
QV ( ML )Q0
Para q > 1
a
W ald = (Q c)0 [QV ( ML )Q0 ]1 (Q c) 2q
a
LR = 2[ln L( ML ) ln L( CML )] 2q
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Contenido
1 Motivacin
2 Definiciones
3 Probabilidades de eleccin
Modelo de probabilidad lineal
Modelo Logit
Modelo Probit
4 Estimacin e inferencia
5 Modelos de mltiple respuesta
Modelo logit multinomial -MNL-
Modelo logit condicional -CL-
Modelo probit multinomial -MNP-
Modelo logit anidado -NLOGIT-
Modelos multinomiales ordenados -OMM-
6 Estimacin en Stata y R
logo
7 Tpicos
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Modelos multinomiales
Modelos donde existen ms de dos elecciones, (J > 2).
Existen diferentes modelos de mltiple respuesta dependiendo de la
especificacin de la forma funcional de las probabilidades de eleccin y
del tipo de variables regresoras que determinan la eleccin:
1 Regresores que varan entre las alternativas para un individuo
(tiempo, color, tamao y costos,...), xij .
2 Regresores invariantes entre las alternativas (edad, gnero,
ingreso, nivel educativo,...), xi .
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
PJ
Como j=1 Pr ij = 1 se requiere de la restriccin 1 = 0 para
garantizar la identificacin del modelo.
Funcin de verosimilitud
n Y
Y J
yij
L= (Pr ij )
i=1 j=1
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Funcin log-verosmil
n X
X J
ln L = yij ln Pr ij
i=1 j=1
n X
J
!
X exp(x0i j )
= yij ln PJ
i=1 j=1 k=1 exp(x0i k )
n J
ln L X X yij Pr ij
=
l i=1 j=1
Pr ij l
n
X
= (yil Pr il )xi = 0, l = 1, . . . , J
i=1
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Efectos marginales
J
Pr ij exp(x0i j ) exp(x0i j ) X
= J j 2 exp(x0i k ) k
xi J
exp(x0i k )
P
exp(x0i k ) k=1
P
k=1 k=1
J
X
= Pr ij j Pr ij Pr ik k
k=1
= Pr ij j i
PJ
donde i = k=1 Pr ik k
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Pr ij = Pr(yi = j)
exp(x0ij )
= J
, j = 1, . . . , J
exp(x0ik )
P
k=1
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Funcin de verosimilitud
n Y
Y J
yij
L= (Pr ij )
i=1 j=1
Funcin log-verosmil
n X
X J
ln L = yij ln Pr ij
i=1 j=1
n X
J
!
X exp(x0ij )
= yij ln PJ
i=1 j=1 k=1 exp(x0ik )
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
PJ
donde xi = k=1 Pr ik xik
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
CL es consistente y
2 1 !
a ln L
CL N , E
0
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Efectos marginales
Pr ij exp(x0ij ) exp(x0ij ) 0
= J 2 exp(xij )
xij J
exp(x0ik )
P
exp(x0ik )
P
k=1 k=1
= Pr ij (1 Pr ij )
Pr ij exp(x0ij ) 0
= 2 exp(xil )
xil J
exp(x0ik )
P
k=1
= Pr ij Pr il
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Ejemplo
Supngase que un individuo es indiferente entre las opciones de viajar
en auto o en bus (de color azul): Pc = Pba = 1/2 Pc /Pba = 1.
Ahora supngase que hay una nuevo bus (de color rojo) y que el
individuo considera ambos buses iguales tal que: Pba /Pbr = 1.
En el modelo logit los cocientes entre las probabilidades son iguales
independientemente de la presencia o no de otra alternativa, as las
nicas probabilidades para las cuales Pc /Pba = 1 y Pbr /Pba = 1 son
Pc = Pba = Pbr = 1/3.
En la vida real se esperara que el cociente Pba /Pc cambie con la
introduccin de una nueva alternativa (bus de color rojo). Supngase
que el individuo es indiferente de viajar en carro o bus Pc = Pb = 1/2
y que es indiferente de entre el bus azul o rojo Pba = Pbr = 1/4. Esto
implica que Pba /Pbr = 1 y Pba /Pc = (1/4)/(1/2) = 1/2, violando el
supuesto IIA.
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
donde || es el determinante de .
Probabilidad de eleccin de la j-sima alternativa, j 6= k
densidad g(ij ).
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Ejemplo
J = 3 con errores i = (i1 , i2 , i3 )0 y matriz de varianzas y
covarianzas
11 12 13
= 12 22 23
13 23 33
Considrese la probabilidad de elegir la alternativa j = 1:
Pr(i2 i1 < Vi1 Vi2 y i3 i1 < Vi1 Vi3 ), entonces
11 + 22 212
1 =
11 13 12 + 23 11 + 33 213
Normalizacin
" #
1
1 = (11 13 12 +23 ) 11 +33 213
(11 +22 212 ) (11 +22 212 )
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Eleccin
z }| {
1 l L
z }| { z }| { z }| {
1 J1 1 Jl 1 JL
Propiedades:
1 Para cualquier par de alternativas que pertenecen al mismo nido, el
cociente de las propabilidades es independiente de los atributos o
existencia de todas las otras alternativas. Es decir, el supuesto de IIA se
cumple dentro de cada nido.
2 Para cualquier par de alternativas en diferentes nidos, el cociente de las
propabilidades puede depender de los atributos de las otras alternativas en
los dos nidos. Es decir, en general el supuesto de IIA no se cumple para
alternativas en diferentes nidos.
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Pr ijl = Pr ij|l Pr il , j = 1, . . . , Jl , l = 1, . . . , L
Pr il = Pr(yi = l)
exp(z 0il + l Iil )
= L
, l = 1, . . . , L logo
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
yi = x0i + i
yi = j s j1 < yi j , j = 1, . . . , J.
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
La funcin ln L(, 1 , . . . , J1 ) es
n X
X J
ln L(, ) = Ij (yi ) ln Pr ij
i=1 j=1
n X
X J
= Ij (yi ) ln [F (j x0i ) F (j1 x0i )]
i=1 j=1
donde (
1, s yi = j;
Ij (yi ) =
0, en otro caso
Efectos marginales
Pr(yi = j)
= [f (j1 x0i ) f (j x0i )]
xi
donde f (z) = dF (z)/dz
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Contenido
1 Motivacin
2 Definiciones
3 Probabilidades de eleccin
Modelo de probabilidad lineal
Modelo Logit
Modelo Probit
4 Estimacin e inferencia
5 Modelos de mltiple respuesta
Modelo logit multinomial -MNL-
Modelo logit condicional -CL-
Modelo probit multinomial -MNP-
Modelo logit anidado -NLOGIT-
Modelos multinomiales ordenados -OMM-
6 Estimacin en Stata y R
logo
7 Tpicos
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Comandos de Stata:
logit, logistic: Modelo logit
probit: Modelo probit
clogit: Modelo logit condicional
mlogit: Modelo logit multinomial
asmprobit, amprobit: Modelo probit multinomial
nlogit: modelo logit anidado
ologit: modelo logit ordenados
oprobit: modelo probit ordenados
Paquetes de R:
stats: incluye los modelos logit y probit
mlogit: Modelo logit multinomial y logit condicional
MNP: Modelo probit multinomial y probit ordenado
Otros software: Limdep, SAS, DCM bajo Ox, Eviews, etc.
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Modelo especificado
Uij =avin di,avin + tren di,tren + bus di,bus
+ GC GCij + TTME TTMEij + HINC di,aire HINCi + ij
donde di,j son constantes correspondientes a las elecciones.
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Eleccin de restaurantes
Anlisis de eleccin de tipos de restaurantes.
Tipos de restaurantes (L = 3 alternativas): restaurantes de comida
rpida, restaurantes familiares y restaurantes lujosos.
300 familias, n = 210 para 3100 observaciones (n L).
Variables:
1 Variable identificadora de la familia (id)
2 Eleccin (chosen): s (chosen = 1) y no (chosen = 0)
3 Elecciones de restaurantes (restaurant)
4 Ingreso familiar (income).
5 Costo promedio de la comida por persona (cost).
6 Nmero de nios en la familia (kids).
7 Calificacin en la gui de restaurantes locales (rating).
8 Distancia entre el hogar y el restaurante (distance).
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Eleccin de restaurantes
rbol de decisin de dos niveles
Modelo especificado
Pr(restaurant|type) = Pr(cost cost + rating rating + distance distance)
Pr(type) = Pr(iFast incFast + iFancy incFancy + kFast kidFast
+ kFancy kidFancy + fast Ifast + family Ifamily + fancy Ifancy ) logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Contenido
1 Motivacin
2 Definiciones
3 Probabilidades de eleccin
Modelo de probabilidad lineal
Modelo Logit
Modelo Probit
4 Estimacin e inferencia
5 Modelos de mltiple respuesta
Modelo logit multinomial -MNL-
Modelo logit condicional -CL-
Modelo probit multinomial -MNP-
Modelo logit anidado -NLOGIT-
Modelos multinomiales ordenados -OMM-
6 Estimacin en Stata y R
logo
7 Tpicos
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Tpicos I
Modelos multivariados
Panel de datos
Modelos de funcin ndice no lineal
Modelos de coeficientes aleatorios
Modelos discretos-continuos
Modelos de autoseleccin
Modelos truncados y censurados
Modelos de supervivencia (modelos de duracin)
Modelos semi y no paramtricos
Modelos de conteo
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Bibliografia I
Bibliografia II
Train, K., 1986.
Qualitative Choice Analysis: Theory, Econometrics, and an Application to Automobile
Demand
Cambridge: The MIT Press.
Train, K., 2003.
Discrete Choice Methods with Simulation
Cambridge University Press.
Amemiya, T., 1981.
Qualitative Response Models: A Survey
Journal of Economic Literature, 19, 1483-1536.
McFadden, D., 1974.
Conditional Logit Analysis of Qualitative Choice Behaviour
in P. Zarembka (ed.), Frontiers in Econometrics, 105-142, Academic Press: New York.
McFadden, D., 1978.
Modeling the Choice of Residencial Location
in A. Karlqvist, L. Lundqvist, F. Snickars, and J. Weibull (eds.), Spacial Interaction
Theory and Planning Models, 75-96, North-Holland: Amsterdam.
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
Bibliografia III
McFadden, D., 1984.
Econometric Analysis of Qualitative Response Models
in: Z. Griliches and M. Intriligator. (eds.), Handbook of Econometrics, Vol. 2,
Amsterdam: North-Holland
McFadden, D., 2001.
Economic Choices
American Economic Review, 91, 351-378.
logo
Motivacin Definiciones Probabilidades de eleccin Estimacin e inferencia Modelos de mltiple respuesta Estimacin en Stata y R Tpicos
GRACIAS!!!
logo