1MODELO LOGIT

Grupo N 11
Echevarria Salas Elizabeth Jeraldine
Villafuerte Bellido Diego Antonio
Diapiz Llanos Yersson Jesus
Gaspar Figueroa, Enit Marisol

Abril 2017.

Universidad nacional del callao.

Facultad de ciencias econmicas.
Microeconometra.
 RESUMEN 2

El objetivo de este estudio es explicar la aplicabilidad del Modelo Logit paso a paso para la
resolucin de los diversos problemas econmicos que puedan plantearse , para ello decidimos
tomar como muestra un caso que nos permita analizar detenidamente el proceso y que cuente con
variables a disposicin . En este ejemplo determinaremos las variables financieras que expliquen
mejor la situacin de fracaso bajo la perspectiva de modelos de capacidad predictiva Logit en la
pequea y mediana empresa en Colombia. Tomando como referencia el periodo comprendido
entre los aos 2005 2011.
Para poder llevar a cabo el anlisis se necesita bsicamente identificar las variables dependientes
e independientes adems de los datos brindados por la superintendencia de Sociedades de
Colombia que es la encargada de recopilar los datos financieros para observar la relevancia de las
variables en cada una de ellas. Para un mejor planteamiento se agregaran variables categricas,
permitindonos de esta manera encontrar la probabilidad de fracaso en la mediana y pequea
empresa en Colombia.
 ABSTRACT 3

The objective of this study is to explain the applicability of the Logit Model step by step for the
resolution of the various economic problems that may arise, for this we decided to take as a
sample a case that allows us to analyze the process in detail and that has available variables. In
this example, we will determine the financial variables that best explain the failure situation
under the perspective of Logit predictive capacity models in small and medium-sized enterprises
in Colombia. Taking as reference the period between the years 2005 - 2011.

In order to carry out the analysis we basically need to identify the dependent and independent
variables in addition to the data provided by the Superintendency of Societies of Colombia that is
in charge of collecting the financial data to observe the relevance of the variables in each of
them. For a better approach, we add categorical variables, thus allowing us to find the probability
of failure in the medium and small enterprises in Colombia.
 INTRODUCCIN

Este trabajo recoge y analiza la aplicacin del modelo economtrico Logit en la solucin
de problemas econmicos. El modelo Logit al igual que el Probit arrojan resultados
similares pero los investigadores prefieren optar por modelos Logit por su simplicidad
matemtica.
El modelo Logit nos permite obtener la probabilidad de ocurrencia de la variable
endgena, los valores estimados toman valores entre 0 y 1. Esto nos perite explicar por
ejemplo el impacto macroeconmico de choques externos sobre variables como PIB,
exportaciones, precios de conmodities, etc.
Para el caso Variables financieras determinantes del fracaso empresarial para la pequea
y mediana empresa en Colombia se busca saber cules de las 45 variables
independientes son las que causan mayor impacto al momento de determinar el fracaso o
no de una empresa. Variables como pasivo total y compromiso con el patrimonio que
pertenecen al factor financiero jugarn un rol importante en la explicacin de la variable
fracaso, mientras que las variables dummy como aos y tamao tendrn un rol menor en
la explicacin.
 ANTECEDENTES
Segn Fredy Romero Espinosa (2013) en Variables financieras determinantes
del fracaso empresarial para la pequea y mediana empresa en Colombia: anlisis
bajo modelo Logit aplic un mtodo economtrico de seleccin hacia delante de
mxima verosimilitud con un mximo de 45 variables independientes recogidas
en 19 factores (13 factores relativos a variables financieras y 6 factores relativos a
variables dummys), para lo cual se realiz un anlisis factorial para evitar
problemas de multicolinealidad, para determinar las variables financieras que
expliquen mejor la situacin de fracaso bajo la perspectiva de modelos de
capacidad predictiva Logit en la pequea y mediana empresa en Colombia. Sus
resultados arrojaron lo siguiente: a) en el modelo de se tiene un 72.40% de casos
de acierto, son consistentes y no son indicativos de problema. b) solo 11 de las 45
variables independientes son significativas, las variables independientes que no
son significativas presentan coeficientes cercanos a cero y Odds-ratio cercano a
uno, lo que implica que variaciones en estas variables no tendrn efecto alguno
sobre la probabilidad de fracaso.

Juan Delfino Salcedo (2014), los efectos marginales que se encuentran bajo los
modelos probit y logit dan cuenta de que la probabilidad de caer en dficit se
incrementa segn los niveles altos o bajos de los precios internacionales del
petrleo. Esto reafirma diversos comentarios en la literatura, donde se sostiene
que las expectativas de los precios elevados del petrleo han modificado el
desempeo fiscal de Mxico, Everhart (2001). Esta situacin concuerda con el
conocimiento comn, donde se sabe que la empresa PEMEX se ha utilizado como
un instrumento fiscal, financiero y poltico del gobierno, lo cual coincide con el
comportamiento de un exportador tpico neto, Monaldi (2010). Sin embargo, en
los ltimos lustros se ha hecho palpable la disminucin de reservas petroleras y el
incremento de problemas fiscales, an a pesar de los elevados precios del petrleo
en ciertos periodos. Estos escenarios han dado cuenta de la necesidad de
modernizar la industria, de buscar nuevos yacimientos o abrir la industria
petrolera a la iniciativa privada. Sin embargo, Mxico pospuso la decisin de
privatizar el sector petrolero debido a su contexto poltico y a lo que representa
PEMEX histricamente. En este sentido, los efectos marginales que describen la
probabilidad de caer en dficit ante precios altos o bajos reafirman los problemas
fiscales en que se ha incurrido, debido al optimismo histrico sobre PEMEX y al
abuso fiscal de que ha sido objeto por aos. En este sentido, la recin reforma
energtica puede pensarse como la respuesta de un exportador tpico neto, ya que
ante expectativas negativas del sector y ante problemas fiscales se decide
privatizar la industria petrolera.

Franck G. Pucutay Vsquez (INEI), plantea en qu medida una explicacin

sobre la pobreza de los jefes de hogar del Per en el ao 2001, se vera
beneficiada por la adopcin de un enfoque de proporciones muestrales o por un
enfoque de observaciones individuales en la utilizacin de los modelos logit y
probit. Que los factores de naturaleza cuantitativa como el ingreso per cpita
mensual del hogar, expresado a travs de sus deciles de ingresos, o los aos de
estudios, etc; generan un modelo correctamente ajustado a la probabilidad de ser
pobre de los jefes de hogar con el enfoque de proporciones muestrales.

Buscando analizar el grado de afectacin de los factores de naturaleza cuantitativa

sobre el enfoque de proporciones muestrales. Comparando una estimacin del
modelo logit con una estimacin del modelo probit en un enfoque de casos
individuales, para cuantificar el aporte de los factores explicativos de la pobreza
en los jefes de hogar.
 OBJETIVO

Objetivo general:
Evaluar y determinar la importancia de las variables identificadas sobre los resultados
obtenidos en el modelo LOGIT.

Objetivos especficos:
Examinar y determinar las variables que impactan en cada caso propuesto.
Evaluar el procedimiento detallado a seguir en la aplicacin del Modelo Logit
Analizar las soluciones propuestas derivadas del modelo predictivo.
 MARCO TERICO

El modelo Logit presenta la siguiente forma:

e X
E ( y )=
1+ e X

Dnde: x representa el vector de las variables independientes y es el vector de

parmetros.
Representado tambin como:
1
E ( y )=
1+ eX

Probabilidad de ocurrencia:
1
P= X
1+e

Probabilidad de no ocurrencia:
1
1P= X
1+e

Razn de probabilidad de ocurrencia:

P 1+e X
= X
=e X
1P 1+ e

Aplicando logaritmo natural:

P
ln ( 1P )=X
Al aplicar logaritmo nos aseguramos que la razn de probabilidad es lineal no solo en las
variables independientes, sino tambin en los parmetros. Estos ltimos se obtienen por
el mtodo de mxima verosimilitud.
Finalmente se tiene que la probabilidad de ocurrencia est determinada por:
 ( 1+1e )=P
Zi

MARCO METODOLOGICO

MODELO DE PROBABILIDAD DE APROBAR EL CURSO DE

MACROECONOMA

A continuacin mostramos la metodologa de estimacin del modelo de probabilidad de

aprobar el curso de Macroeconoma para el semestre de primavera de 1974, tomando una
muestra aleatoria de 32 alumnos y considerando tres variables explicativas que sern
descritas a continuacin.
Variables del modelo:
Yt :f (GPA , TUCE , PSI )

Donde:
Yt:
Es la variable dependiente, tomada como variable binaria que representa la
calificacin final de un alumno.
Toma el valor 1 si el alumno alcanza una calificacin aprobatoria de A
Toma el valor 0 si el alumno no alcanza una calificacin aprobatoria de A. (Alcanza
B o C)
GPA:
Es una variable explicativa cuantitativa que representa el promedio de puntos de la
calificacin inicial.
TUCE:
Es una variable explicativa cuantitativa que representa la calificacin obtenida en un
examen presentado al comienzo del curso para evaluar los conocimientos previos de
macroeconoma.
PSI:
Es una variable explicativa cualitativa que representa la aplicacin del nuevo mtodo
de enseanza en los alumnos.
Toma el valor 1 cuando los alumnos recibe el nuevo mtodo de enseanza y,
Toma el valor 0 en otro caso.
Estimacin del modelo
1) Primero se analiza la estadstica descriptiva mediante el comando sumarize en el
programa STATA.

2) El segundo paso es realizar la estimacin del modelo por Logit mediante el

comando Logit grade gpa tuce psi
 Pi
Donde se obtiene: Li=ln ( 1Pi )=13. 02+2. 83GPA +0.1 TUCE+2.38 PSI + E t
3) A continuacin se realiza la prediccin de los valores estimados para observar la
grfica. Comando stata: predict yhatt
predict xbb, xb
scatter grade yhatt xbb, symbol(+ o) jitter(2)
l1title("Logit & actual outcome")
individu
o yhatt xbb
-
1 0.026578 3.600734
0.059501 -
2 3 2.760413
0.187259 -
3 9 1.467914
0.025901 -
4 6 3.627206
0.281414
5 0.569893 7
0.034858 -
6 2 3.320985
-
7 0.026504 3.603596
-
8 0.051559 2.912093
0.111126 -
9 6 2.079284
0.693511 0.816587
10 4 2
0.024470 -
11 4 3.685518
0.189997 -
12 4 1.450027
-
0.322239 0.743498
13 5 8
0.193211 -
14 2 1.429278
-
0.360989 0.571070
15 9 2
0.030183 -
16 7 3.469803
 0.053626 -
17 4 2.870596
0.038588 -
18 3 3.215453
0.589872
19 4 0.363438
0.660785 0.666798
20 9 4
0.061375 -
21 8 2.727399
0.904847
22 3 2.252283
0.241772 -
23 5 1.142986
0.852090
24 9 1.751095
0.838290
25 5 1.645563
-
26 0.481133 0.075504
0.635420 0.555543
27 7 1
-
0.307218 0.813154
28 7 6
0.841704
29 2 1.670963
0.945340
30 3 2.850418
0.529117 0.116600
31 1 4
0.111030 -
32 8 2.080255
Xbb es el valor estimado de Zi, este se obtiene de reemplazar los parmetros estimados
con los valores de cada individuo de la base de datos.
Yhatt es la probabilidad de aprobar el curso de macroeconoma.
4) Se realiza la prueba de clasificacin para determinar si el modelo predice
correctamente la probabilidad de la variable dependiente.
Comando: estat classification
 RESULTADOS

El cuadro de la estadstica descriptiva muestra el promedio de las variables, donde se

observa que el promedio de puntos obtenidos inicialmente es de 3.11, siendo el
mximo puntaje 4 y el mnimo 2.6. Para la variable TUCE, se muestra que el
promedio de la calificacin en el examen previo al curso es de 21.94, siendo el
mximo 29 y el mnimo 12.
Cada coeficiente de la ecuacin mide el cambio en el logstico estimado que
corresponde a una unidad de cambio del valor de la variable dependiente. El
coeficiente del GPA (2.8261) significa que, mientras las dems variables se mantengan
constantes, si el GPA se incrementa en una unidad, en promedio el Logit estimado se
incrementa en 2.83%. Al tener signo positivo guarda una relacin directamente
proporcional. El mismo efecto se observa con las dems variables aunque el efecto de
la variable TUCE es estadsticamente no significativa.
Si se toma antilogaritmo al coeficiente PSI obtenemos 10.7897, esto muestra que los
alumnos que reciben el nuevo mtodo de enseanza estn 10 veces ms propensos a
aprobar el curso que los que no reciben el nuevo mtodo de enseanza.
Si se toma al alumno nmero 10 de la base de datos, obtendremos que su valor Logit
estimado es 0.8178 y su probabilidad estimada es de 0.69351. Si bien este valor no es
1 se aproxima a este.

Para observar la medida de ajuste se emplea la prueba de clasificacin, en la

aplicacin se puede ver que el modelo est correctamente clasificado, cuenta con una
medida de 81.25%. La ecuacin explica correctamente el modelo al 81.25%.
CONCLUSIONES
RECOMENDACIONES
 BIBLIOGRAFIA

1) ROMERO Espinoza Fredy , Variables financieras determinantes del fracaso

empresarial para la pequea y mediana empresa en Colombia: anlisis bajo
modelo Logit. Artculo para identificar las variables financieras que expliquen
mejor la situacin de fracaso empresarial bajo la perspectiva de modelos de
capacidad predictiva Logit en la pequea y mediana empresa en Colombia:
Universidad Nacional de Colombia, 2013, 43h.

2) LOYOLA Roger , ORIHUELA Carlos, EL COSTO ECONMICO DEL

CAMBIO CLIMTICO EN LA AGRICULTURA PERUANA: EL CASO DE LA
REGION PIURA Y LAMBAYEQUE. Investigacin orientada a determinar el
costo del cambio climtico (CC) en la agricultura de los departamentos de Piura y
Lambayeque para el periodo 2010-2100. Para ello, se utilizaron algunos cultivos
comunes representativos de ambas regiones: Universidad Nacional Agraria de la
Molina, 2010 , 56h.

3) OLAZABAL Villacorta Mirlena, LOS MODELOS LOGIT Y PROBIT EN LA

INVESTIGACIN SOCIAL Centro de Investigacin y Desarrollo (CIDE) El
caso de la Pobreza del Per en el ao 2001,Finalidad de la investigacin es
generar instrumentos y procedimientos que permitirn validar, mejorar y
actualizar los procesos estadsticos: INEI Centro de Investigacion y Desarrollo
(CIDE) ,2002,98h.

4) SALCEDO Badillo Juan Delfino , LOS PRECIOS INTERNACIONALES DEL

PETRLEO Y EL BALANCE PRIMARIO EN MXICO, se revisa la relacin
emprica que ha existido entre los precios internacionales del petrleo y el balance
fiscal primario en Mxico para el periodo 2000- 2014:Instituto Tecnolgico de
Monterrey .2010 , 21h.

5) GUJARATI Damodar , ECONOMETRIA, Problemas y ejercicios propuestos

siguendo la secuencia de desarrollo para un adecuado uso del modelo predictivo
LOGIT , United States Military Academy, West Point, USA , 946h.