Академический Документы
Профессиональный Документы
Культура Документы
Facultad de Ingeniería
Escuela de Estadística
Asignatura: Econometría
Universidad del Valle
(Parte 4)
Modelo Logístico Ordinal
Se pueden presentar casos en los que la variable endógena es discreta y
toma al menos tres categorías. Si entre éstos hay un orden natural o
jerárquico en la variable endógena, tal como es el caso de las
calificaciones que se le asignan a las firmas o personas naturales por su
comportamiento de pago. Se deben emplear modelos que capturen esta
característica, denominados modelos logísticos ordenados.
Y* XT
Se tiene:
A ; 0 Y * A
B ; A Y * B
Y*
;
E ; D Y *
1
Recordemos que: ( f ( x))
1 e f ( x)
La probabilidad de pertenecer a cada una de las categorías o modalidades
de la variable endógena se expresan a continuación:
Modelo Logístico Ordinal
1 1
P(Y A X ) ( A X )
T
( A X T )
(A X T )
1 e 1 e
1 1
P(Y B X ) ( A X ) ( B X )
T T
( A X T )
( B X T )
1 e 1 e
1 1
P(Y C X ) ( B X T ) ( C X T ) ( B X T )
( C X T )
1 e 1 e
1 1
P(Y D X ) ( C X ) ( D X )
T T
( C X T )
( D X T )
1 e 1 e
Modelo Logístico Ordinal
1
P(Y E X ) ( D X T ) ( D X T )
1 e
La probabilidad de ocurrencia de la última categoría también suele
calcularse como:
P(Y E X ) 1 P(Y A X ) P(Y B X ) P(Y C X ) P(Y D X )
P(Y 1 X ) ( 1 X T )
P(Y j X ) ( j 1 X T ) ( j X T ) ; j 2, 3, ..., m 1
P(Y m X ) ( m 1 X T )
Modelo Logístico Ordinal
En este tipo de modelos, los coeficientes estimados en cada una de las
ecuaciones de regresiones correspondientes a cada modalidad de la
c
variable endógena son iguales. Tal como se aprecia en cada una de las
categorías, los únicos parámetros que son diferentes son los umbrales.
P(Yi j )
xi
F ' ( j 1 xi ) F ' ( j xi ) * ; j 2, 3, ..., m 1
T T
Se aprecia
c que todas las
variables
exógenas son
significativas.
Medida de Bondad de Ajuste del Modelo
De manera similar al modelo logístico binario, se debe validar el modelo.
Se pueden emplear las mismas medidas de bondad de ajuste Desvianza,
Accuracy-Ratio, Komogorov-Smirnov y Hosmer-Lemeshow.
Se aprecia que el valor p es menor que un alpha del 5%, por lo que hay
suficiente evidencia para rechazar Ho, en consecuencia el modelo es
adecuado en la estimación de la probabilidad de ocurrencia de cada una de
las categorías.
findit(mfx2)
c
Distribución de frecuencia de la variable endógena
H 0 : A( k ) B ( k ) C ( k ) D ( k )
H a : al menos un i ( k ) j ( k ) donde i, j A, B, C , D i j
Se aprecia que el valor p (0,000) es menor que un alpha del 5%, por lo
tanto en al menos una de las variables exógenas los parámetros
asociados en las diferentes categorías son estadísticamente diferentes,
por lo que el supuesto de líneas paralelas no se cumple, esto hace
que los parámetros sean sesgados e ineficientes (Williams, 2009).
Test de Brant
Se observa que el valor p es mayor que un alpha del 5%, por lo que hay
suficiente evidencia para no rechazar la hipótesis nula, por lo que se
puede inferir de que los parámetros en cada una de las categorías
asociadas a esta variable son estadísticamente iguales.
Test de Brant
exp ( j X i β j )
P(Yi j ) ( j X j ) ; j 1,2,.., m 1
1 exp ( j X i β j )
exp ( j X i β j )
P(Yi j ) ( j X j ) ; j A, B, C , D
1 exp ( j X i β j )
Modelo Logístico Ordinal Generalizado
En la estructura matemática de este modelo, se deben estimar 𝑚 − 1
ecuaciones de regresión logística. La probabilidad de pertenecer a cada una
de las categorías de la variable dependiente se pueden estimar a partir de:
P(Y A X ) ( A X T A ) 1 ( A X T A )
P(Y j X ) ( j 1 X T j 1 ) ( j X T j ) ; j 2,3,..., m 1
P(Y E X ) ( D X T D )
Aplicado al ejemplo de riesgo se tiene:
P(Y A X ) ( A X T A ) 1 ( A X T A )
P(Y j X ) ( j 1 X T j 1 ) ( j X T j ) ; j B, C , D
P(Y E X ) ( D X T D )
Los efectos marginales se estiman de manera similar al modelo logístico
ordinal.
Modelo Logístico Ordinal Generalizado
El modelo es equivalente a una serie de regresiones logísticas binarias donde
las categorías de la variable dependiente están combinadas según el orden
c
intrínseco que está tenga y en la que se deben estimar cuatro ecuaciones de
regresión.
exp (α j X i β lp Z i jnlp )
P(Yi j ) ; j 1,2,..., m 1
1 exp (α j X i β Z i
lp nlp
j )
Recordemos que para estimar este modelo, se debe contar con suficiente
información historica.
Estimación de los Efectos Marginales en la
Categoría A