LOS MODELOS DE ELECCIN MLTIPLE O

MULTINOMIALES
Ejemplos:
Eleccin del medio de transporte utilizado para ir al lugar de trabajo.
Eleccin de distintas marcas de una mismo producto o de distintas
modalidades de una misma categora de productos.
Eleccin del partido poltico al que se va a votar.
Los modelos de eleccin mltiple son aquellos en los que es posible tener
ms de dos alternativas de eleccin.
La variable dependiente a explicar tiene, por tanto, ms de dos categoras.
LOS MODELOS DE ELECCIN MLTIPLE O
MULTINOMIALES
.
Las variables explicativas del modelo suelen ser de tres tipos:

Variables explicativas son caractersticas del individuo que elige
decisin de tener un hijo
Variables explicativas son caractersticas slo de la eleccin a realizar
eleccin del medio de transporte
Variables explicativas recogen caractersticas del individuo y de la
eleccin comprar una vivienda
La variable dependiente se expresa normalmente utilizando una
codificacin que va desde el cero hasta el nmero de alternativas menos
una.
EL MODELO LOGIT MULTINOMIAL
Estos modelos se clasifican en dos grandes grupos:

Modelos con datos ordenados: las alternativas que presenta la variable
endgena se puedan ordenar
Modelos con datos no ordenados: cuando las alternativas que presenta la
variable dependiente no indican ningn orden (categorizacin nominal):
Logit multinomial: cuando las variables explicativas del modelo
hacen referencia a las observaciones (individuos), por lo que varan
entre observaciones pero no entre alternativas.
Logit condicional: se utiliza cuando las variables explicativas del
modelo hacen referencia a las alternativas, por lo que sus valores varan
entre alternativas pudiendo hacerlo o no entre observaciones.

EL MODELO LOGIT MULTINOMIAL
Donde:
j es el ndice asociado a cada alternativa
es el vector de parmetros para la alternativa j
es el vector de variables explicativas del modelo para la
observacin i.
Matemticamente las ecuaciones proporcionan un conjunto de
probabilidades para cada una de las alternativas que puede tomar un
individuo i :

=
= = =
1
0
) exp(
) exp(
) (
J
j
j i
j i
ij i
P J Y P
X
X
j

) 1 ( , , 0 = J j
i
X
EL MODELO LOGIT MULTINOMIAL
Para solucionar la indeterminacin presente en el modelo se normaliza el
tomando para los parmetros que acompaan a la alternativa cero el valor
cero. Las probabilidades resultantes son:
) 1 ( , , 1 para = J j

=
+
= =
1
1
) exp( 1
) exp(
) (
J
j
j i
j i
i
J Y P
X
X
0 para = j

=
+
= =
1
1
) exp( 1
1
) 0 (
J
j
j i
i
Y P
X
donde se tiene que cumplir que:
1
1
0
=

=
J
j
j
P
EL MODELO LOGIT MULTINOMIAL
Ejemplo: Formulacin del modelo si slo existieran tres alternativas de
eleccin (j=0,1,2) y una nica variable explicativa (X):
i i
X X
i
e e
Y P
12 02 11 01
1
1
) 0 (
+ +
+ +
= =
i i
i
X X
X
i
e e
e
Y P
12 02 11 01
11 01
1
) 1 (
| | | |
| |
+ +
+
+ +
= =
i i
i
X X
X
i
e e
e
Y P
12 02 11 01
12 02
1
) 2 (
| | | |
| |
+ +
+
+ +
= =
1
2 1 0
= + + P P P
EL MODELO LOGIT MULTINOMIAL
Comparacin entre dos categoras:
( ) | |
k j i
k i
j i
J
j
j i
k i
J
j
j i
j i
i
i
K Y P
J Y P
X
X
X
X
X
X
X
= =
+
+
=
=
=

=
exp
) exp(
) exp(
) exp( 1
) exp(
) exp( 1
) exp(
) (
) (
1
1
1
1
Supuesto de independencia de alternativas irrelevantes: El cociente de
probabilidades no depende del resto de alternativas por lo que resulta
fundamental especificar modelos que no dependan de alternativas
superfluas.
EL MODELO LOGIT CONDICIONAL
Los valores de las variables explicativas variarn para cada alternativa y
pueden hacerlo o no para cada individuo.
La expresin formal del modelo queda definida como:

=
= =
J
j
ij
ij
i
J Y P
1
) exp(
) exp(
) (
X
X
J j , , 2 , 1 para =
Diferencias con logit multinomial:
Solo existe un vector de parmetros a estimar.
No existe ninguna indeterminacin a la hora de estimar los parmetros.