Econometría Básica: Regresión No Lineal

Choose a study mode

Play Quiz
Study Flashcards
Spaced Repetition
Chat to Lesson

Podcast

Play an AI-generated podcast conversation about this lesson

Questions and Answers

¿Cuál de las siguientes distribuciones se utiliza en los modelos Logit?

  • Normal gaussiana
  • Logística (correct)
  • Exponencial
  • Uniforme

La máxima verosimilitud se utiliza para estimar los parámetros de un modelo lineal.

False (B)

Nombra una función de distribución común que se usa en modelos Probit.

Normal

La probabilidad de un suceso se calcula con el estadístico ______ en modelos Logit.

<p>odds</p> Signup and view all the answers

Asocia cada tipo de regresión con su correspondiente variable dependiente:

<p>Regresión logística binaria = Variable dependiente dicotómica Regresión logística nominal = Variable dependiente politómica Regresión logística ordinal = Variable dependiente ordinal</p> Signup and view all the answers

En la regresión logística, cuando los odds son mayores que 1, ¿qué significa esto?

<p>La probabilidad de un suceso es mayor que su complementario (A)</p> Signup and view all the answers

Los parámetros βj en modelos Logit representan variaciones marginales de la probabilidad respecto a las variables explicativas.

<p>False (B)</p> Signup and view all the answers

¿Qué tipo de regresión se utiliza cuando la variable dependiente es ordinal?

<p>Regresión logística ordinal</p> Signup and view all the answers

¿Cuál de las siguientes afirmaciones describe mejor la limitación IIA en el modelo logit multinomial?

<p>Agregar una nueva alternativa no afecta la razón de probabilidad entre dos alternativas dadas. (A)</p> Signup and view all the answers

Los efectos parciales son constantes y no dependen de las observaciones.

<p>False (B)</p> Signup and view all the answers

¿Qué representa la variable latente 𝑦𝑖∗ en un modelo de elección ordenado?

<p>Preferencias individuales</p> Signup and view all the answers

La función de distribución de 𝑢𝑖 |X𝑖 se denota como _____.

<p>F(·)</p> Signup and view all the answers

Relaciona los términos con su descripción:

<p>Efectos parciales promedio = Promedio muestral de los efectos parciales. Efectos parciales condicionales = Efectos parciales en valores específicos de las variables explicativas. Alternativa observada = Resulta de la variable latente según los parámetros límite. µj = Parámetro límite que divide las categorías. IIA = Limitación que se refiere a la independencia de alternativas irrelevantes.</p> Signup and view all the answers

¿Qué método es indispensable para estimar los modelos de variables dependientes limitadas?

<p>Métodos de máxima verosimilitud (C)</p> Signup and view all the answers

La heterocedasticidad en Var(y|x) no se toma en cuenta en la estimación de máxima verosimilitud.

<p>False (B)</p> Signup and view all the answers

¿Qué parámetro se maximiza en la estimación de máxima verosimilitud?

<p>la log-verosimilitud</p> Signup and view all the answers

El estadístico de __________ solo requiere estimar el modelo bajo la hipótesis nula.

<p>puntuación</p> Signup and view all the answers

Relaciona las pruebas con sus descripciones:

<p>Prueba de Lagrange = Requiere estimar el modelo bajo la hipótesis nula Prueba de Wald = Requiere estimar el modelo no restringido Prueba de razón de verosimilitudes = Basada en la diferencia de log-verosimilitudes Prueba de puntuación = Esencial para restricciones de exclusión</p> Signup and view all the answers

¿En qué forma se presenta la log-verosimilitud para un tamaño de muestra de n?

<p>Suma de las observaciones de log-verosimilitud (D)</p> Signup and view all the answers

El estadístico F es igual al estadístico de Wald en todos los casos.

<p>False (B)</p> Signup and view all the answers

¿Cuál es el efecto de omitir variables en el modelo de máxima verosimilitud?

<p>ocasiona una log-verosimilitud menor</p> Signup and view all the answers

El efecto relativo de dos variables continuas, $x_i$ y $x_j$, es igual a ( \frac{\beta_j}{\beta_i} ) donde __________ representa los coeficientes.

<p>beta</p> Signup and view all the answers

¿Qué representa la sensibilidad en una prueba de diagnóstico?

<p>La fracción de casos positivos clasificados correctamente (C)</p> Signup and view all the answers

Un modelo sin poder predictivo tiene un área bajo la curva ROC de 1.

<p>False (B)</p> Signup and view all the answers

¿Qué valores puede tomar la variable dependiente en un modelo multinomial?

<p>0, 1, 2, ..., J</p> Signup and view all the answers

El área debajo de la curva ROC se usa como medida del poder _____ de un modelo.

<p>predictivo</p> Signup and view all the answers

Emparejar las siguientes definiciones con sus términos correctos:

<p>Sensibilidad = Tasa de verdaderos positivos Especificidad = Tasa de verdaderos negativos Odds Ratio = Raíz de proporciones entre alternativas Matriz de confusión = Representación de predicciones de modelos</p> Signup and view all the answers

¿Cuál de las siguientes afirmaciones es correcta sobre la curva ROC?

<p>Muestra la relación entre sensibilidad y (1 - especificidad) (A)</p> Signup and view all the answers

Los Odds Ratio dependen de las alternativas restantes en el modelo.

<p>False (B)</p> Signup and view all the answers

¿Qué indica un área de 1 bajo la curva ROC?

<p>Modelo perfecto</p> Signup and view all the answers

Un modelo sin poder predictivo tiene un área bajo la curva ROC de _____ .

<p>0.5</p> Signup and view all the answers

¿Qué expresión se utiliza para calcular la probabilidad de que la variable dependiente sea j dado un vector de variables explicativas x?

<p>P( yi = j | xi ) = P( y = 1| x1 , x2 ,..., xk ) (C)</p> Signup and view all the answers

¿Cuál es la fórmula del estadístico de razón de verosimilitudes (RV)?

<p>$RV = 2 ℒn𝑟 - ℒ𝑟$ (C)</p> Signup and view all the answers

La función de log-verosimilitud siempre es un número positivo.

<p>False (B)</p> Signup and view all the answers

¿Qué mide el porcentaje correctamente predicho?

<p>La proporción de veces que las predicciones coinciden con los resultados observados.</p> Signup and view all the answers

Cuando ambos resultados son cero o ambos son uno, se hace la predicción _____ .

<p>correcta</p> Signup and view all the answers

Relacione las siguientes herramientas con sus descripciones:

<p>Porcentaje correctamente predicho = Medida de la efectividad de las predicciones Receiver operating characteristic (ROC) = Análisis de la precisión de pruebas de diagnóstico Umbral de 0.5 = Valor utilizado para clasificar resultados en binarios Modelo no restringido = Modelo donde no se aplican restricciones</p> Signup and view all the answers

¿Qué ocurre si se utiliza un umbral de 0.8 en lugar de 0.5?

<p>Aumenta el número de éxitos predichos, pero disminuye en precisión. (D)</p> Signup and view all the answers

El análisis ROC se utiliza para clasificar sujetos anormales y normales.

<p>True (A)</p> Signup and view all the answers

¿Qué limita el uso de un porcentaje alto correctamente predicho como medida de bondad de ajuste?

<p>Puede enmascarar un mal desempeño en la predicción del resultado menos probable.</p> Signup and view all the answers

El valor de log-verosimilitud para el modelo restringido se denota como _____ .

<p>ℒ𝑟</p> Signup and view all the answers

¿Cuál es una de las críticas a la regla de predicción del umbral de 0.5?

<p>Puede dar lugar a una baja precisión en resultados poco probables. (B)</p> Signup and view all the answers

Flashcards

Regresión logística

Técnica estadística para modelar la probabilidad de un evento binario (0 o 1) en función de variables explicativas.

Variable dependiente limitada

Variable donde los valores posibles se restringen a un rango determinado, comúnmente valores binarios (0 o 1).

Función logística

Función matemática que produce valores entre 0 y 1, crucial para modelizar probabilidades en regresión logística.

Odds (Ventajas)

Relación entre la probabilidad de un suceso y la probabilidad de su contrario.

Signup and view all the flashcards

Método de Máxima Verosimilitud

Técnica para estimar parámetros en modelos donde la variable dependiente es limitada, como en la regresión logística.

Signup and view all the flashcards

Modelo Logit

Modelo de regresión logística que usa la función logística para estimar probabilidades.

Signup and view all the flashcards

Modelo Probit

Modelo de regresión logística que usa la función de distribución normal estándar.

Signup and view all the flashcards

Función de distribución

Función que describe la probabilidad acumulada de un conjunto de valores.

Signup and view all the flashcards

Efecto marginal de x_j

Depende de todas las variables (X) y sus coeficientes (β).

Signup and view all the flashcards

Efecto relativo x_i y x_j

Se calcula dividiendo los coeficientes (β) de las dos variables.

Signup and view all the flashcards

Máxima Verosimilitud (MV)

Método para estimar modelos con variables dependientes limitadas.

Signup and view all the flashcards

Heterocedasticidad

Variabilidad de la variable dependiente no constante a través de los datos.

Signup and view all the flashcards

Función log-verosimilitud

Función de los parámetros (β) y los datos (x, y) que se maximiza para obtener los estimadores.

Signup and view all the flashcards

Estimador de Máxima Verosimilitud (EMV)

El valor de los parámetros (β) que maximiza la función de log-verosimilitud a partir de los datos.

Signup and view all the flashcards

Prueba de hipótesis múltiples (modelos logit/probit)

Métodos para evaluar restricciones en los modelos, como exclusiones de variables.

Signup and view all the flashcards

Prueba de Wald

Método para probar restricciones en un modelo estadístico. Requiere la estimación del modelo no restringido.

Signup and view all the flashcards

Prueba Razón de Verosimilitudes (RV)

Método para probar hipótesis en los modelos estadisticos basados en comparar las funciones de log-verosimilitud restringida y no restringida.

Signup and view all the flashcards

Excluir variables

Omitir variables explicativas de un modelo. Puede afectar la precisión del modelo.

Signup and view all the flashcards

Curva ROC

Gráfico que muestra la sensibilidad frente a (1-especificidad) de una prueba de diagnóstico.

Signup and view all the flashcards

Sensibilidad

Fracción de casos positivos que la prueba de diagnóstico clasifica correctamente.

Signup and view all the flashcards

Especificidad

Fracción de casos negativos que la prueba de diagnóstico clasifica correctamente.

Signup and view all the flashcards

Matriz de Confusión

Tabla que resume las predicciones de una prueba de diagnóstico, mostrando los verdaderos positivos, falsos positivos, verdaderos negativos y falsos negativos.

Signup and view all the flashcards

¿Qué área bajo la curva ROC indica un buen modelo predictivo?

Un área mayor indica un mejor poder predictivo.

Signup and view all the flashcards

Modelos Multinomiales

Modelos donde la variable dependiente puede tomar varios valores, representan alternativas no ordenadas y mutuamente excluyentes.

Signup and view all the flashcards

Ratio entre probabilidades

Relación entre las probabilidades asociadas a dos alternativas en un modelo multinomial.

Signup and view all the flashcards

Odds Ratio

Medición del efecto de una variable explicativa sobre las probabilidades de una alternativa en un modelo multinomial.

Signup and view all the flashcards

Log-odds ratio

Logaritmo natural del odds ratio.

Signup and view all the flashcards

Ventajas de los odds-ratios

Los odds-ratios de dos alternativas no dependen del resto de alternativas en un modelo multinomial.

Signup and view all the flashcards

Estadístico de razón de verosimilitudes

Una medida estadística (RV) que compara la bondad de ajuste de un modelo restringido con uno no restringido. Se calcula como 2 veces la diferencia entre los valores de la log-verosimilitud del modelo no restringido y restringido.

Signup and view all the flashcards

Log-verosimilitud

Una medida de la compatibilidad entre un modelo estadístico y los datos observados. Generalmente negativa.

Signup and view all the flashcards

Modelo restringido

Un modelo estadístico que impone restricciones a las variables incluidas o parámetros que busca en los datos.

Signup and view all the flashcards

Modelo no restringido

Modelo estadístico sin restricciones en los parámetros que busca en los datos.

Signup and view all the flashcards

Porcentaje correctamente predicho

Una medida de bondad de ajuste para predicciones binarias que indica la proporción de observaciones correctamente clasificadas como 0 o 1.

Signup and view all the flashcards

Predicción binaria

Una predicción que puede tomar solo dos valores (0 o 1), como verdadero o falso, éxito o fracaso.

Signup and view all the flashcards

Receiver Operating Characteristic (ROC)

Una herramienta gráfica para evaluar la capacidad discriminativa de un test o clasificador, cuando se comparan resultados positivos contra negativos.

Signup and view all the flashcards

Bondad de ajuste

Una medida de cuán bien se ajusta un modelo estadístico a los datos.

Signup and view all the flashcards

Umbral de predicción

El valor en el que una variable debe exceder en la predicción binaria para que se califique como 1.

Signup and view all the flashcards

q restricciones de exclusión

Número de suposiciones o variables excluidas al evaluar un modelo estadístico.

Signup and view all the flashcards

IIA (Independencia de alternativas irrelevantes)

Un supuesto del modelo logit multinomial que establece que agregar una nueva alternativa no afecta la razón de probabilidad entre dos alternativas existentes.

Signup and view all the flashcards

Variable latente (𝑦𝑖∗ )

Una variable no observable que representa las preferencias individuales en modelos de elección ordenada, utilizada para explicar la variable observada (𝑦𝑖).

Signup and view all the flashcards

Parámetros límite (𝜇𝑗 )

Puntos de corte en el modelo de elección ordenada que dividen la variable latente en categorías para la variable observada.

Signup and view all the flashcards

Efectos parciales

La influencia que tiene una variable explicativa en la probabilidad de elegir una alternativa específica, la cual puede variar según las observaciones.

Signup and view all the flashcards

Efectos parciales promedio

Promedio de los efectos parciales de una variable explicativa en la probabilidad de elección para todas las observaciones.

Signup and view all the flashcards

Study Notes

Econometría Básica: Regresión no lineal

  • Se presenta un tema sobre econometría básica, específicamente regresión no lineal.
  • El contenido cubre la regresión no lineal en el contexto de variables dependientes limitadas.
  • Se abordan modelos como Logit y Probit, señalando que no se aplican métodos de mínimos cuadrados ordinarios (MCO).
  • Se enfatiza la estimación por máxima verosimilitud en estos casos.
  • Se destaca que los parámetros no representan variaciones marginales de la probabilidad frente a las variables explicativas (como en la regresión lineal).
  • Se definen las funciones de distribución de probabilidad más comunes, como la logística y la normal gaussiana, y su relación con los modelos Logit y Probit.

Funciones Logísticas

  • La función logística se utiliza cuando se tiene al menos una variable independiente y una variable dependiente dicotómica o politómica.
  • Los tipos de variables dependientes (dicotómica, politómica, ordinal) determinan el tipo de regresión logística (binaria, nominal, ordinal).
  • La función logística, representada como Π₁ = βο + β₁X, define la probabilidad de un suceso (como otorgar un crédito).
  • La transformación logit simplifica la función logística utilizando el estadístico odds.
  • La fórmula para el odds o ventaja es odd = P / (1-P).
  • Se explican las características del estadístico odds y su interpretación (ej. la probabilidad de que X=1 es 3 veces la de X=0).
  • El Odds Ratio (OR) es la razón entre dos odds. Proporciona información sobre la relación entre variables.
  • Dada una odds, se puede saber la probabilidad del suceso de interés (P(x)).

Estimación por Máxima Verosimilitud (MV)

  • En los modelos de variables dependientes limitadas, la estimación por máxima verosimilitud (MV) es fundamental.
  • La estimación MV está basada en la distribución de la variable dependiente Y dadas las variables explicativas X.
  • Suponiendo una muestra aleatoria, la densidad de Y dada X se utiliza en los cálculos MV.
  • La log-verosimilitud se calcula sumando los valores para cada observación en la muestra.
  • La estimación de máxima verosimilitud (EMV) es el valor que maximiza la log-verosimilitud.

Bondad del Ajuste

  • Una medida de bondad de ajuste para predictores binarios es el porcentaje correctamente predicho.
  • El porcentaje correcto se calcula contando los casos donde la predicción (ỹi) coincide con el valor observado (yi).
  • Existe una alternativa para el umbral de predicción, utilizando la fracción de éxitos en la muestra.
  • Otra posibilidad es elegir un umbral que iguale (o aproxime) la probabilidad de ỹ=1 en la muestra con el valor objetivo de ỹi.

Curva ROC

  • La curva ROC representa la sensibilidad frente a la especificidad de una prueba de diagnóstico.
  • La sensibilidad mide la fracción de casos positivos correctamente clasificados.
  • La especificidad es la fracción de casos negativos correctamente clasificados.
  • La curva ROC ayuda a cuantificar la precisión discriminatoria de la prueba.
  • Un modelo sin poder predictivo se representa con una línea diagonal (área bajo la curva = 0.5), mientras que un modelo perfecto tiene un área bajo la curva = 1.

Modelos Multinomiales

  • La variable dependiente puede tomar valores discretos desde 0 hasta J.
  • Se representan J+1 alternativas no ordenadas mutuamente excluyentes.
  • Se incluye un ejemplo de ahorros en diferentes instituciones.
  • Los ejemplos de aplicaciones dados son ahorros en bancos, cooperativas, etc.
  • Se da la fórmula de la probabilidad multinomial para cada categoría (j).

Modelos de Elección Ordenados

  • La variable dependiente puede tomar valores ordenados de 0 a J.
  • Se representa un caso ejemplo, como la percepción de nivel salarial.
  • Hay explicaciones sobre la variable latente, que se puede determinar mediante un modelo lineal. (yí=Xíβ+ui).
  • La variabla observada puede expresarse mediante términos de la variable latente (yí).
  • Se muestra la fórmula para expresar la probabilidad de elegir una alternativa.

Efectos Parciales

  • Los efectos parciales de las variables explicativas no son constantes.
  • Los efectos parciales varían por las observaciones, debido a la dependencia de las variables explicativas.
  • Se dan ejemplos del signo de los efectos parciales para diferente (j).
  • Hay explicaciones sobre cómo calcular promedios de los efectos parciales para todas las observaciones y efectos condicionales en valores específicos para variables explcativas.

Studying That Suits You

Use AI to generate personalized quizzes and flashcards to suit your learning preferences.

Quiz Team

Related Documents

More Like This

Nonlinear Regression Functions
12 questions
Kurva Logistik dan Persamaan 6.1.1
29 questions
Econometría Básica: Regresión no lineal
18 questions
Use Quizgecko on...
Browser
Browser