PRACTICA 03

Participación de la mujer en el mercado laboral

logit y casada edad escolaridad

Iteration 0: log likelihood = -20.19035

Iteration 1: log likelihood = -13.619813

Iteration 2: log likelihood = -13.2818

Iteration 3: log likelihood = -13.276653

Iteration 4: log likelihood = -13.276646

Iteration 5: log likelihood = -13.276646

Logistic regression Number of obs = 30

LR chi2(3) = 13.83

Prob > chi2 = 0.0031

Log likelihood = -13.276646 Pseudo R2 = 0.3424

------------------------------------------------------------------------------

y | Coef. Std. Err. z P>|z| [95% Conf. Interval]

-------------+----------------------------------------------------------------

casada | -2.589013 1.187875 -2.18 0.029 -4.917206 -.2608203

edad | -.0008926 .0376378 -0.02 0.981 -.0746614 .0728762

escolaridad | .6889736 .3212009 2.14 0.032 .0594313 1.318516

_cons | -5.839868 4.077234 -1.43 0.152 -13.8311 2.151364

------------------------------------------------------------------------------

Chi2_ el valor indica que los coeficientes en forma conjunta son significativos para explicar la
probabilidad de las mujeres de estar en el mercado de trabajo.

Prob > chi2 --- Indica que podemos rechazar en 1% la hipótesis de todos los coeficientes que
sean iguales a cero.

Pseudo R2 --- Indica que aproximadamente el 34% de la variación de la variable dependiente

puede ser explicada por la variación de las variables independientes.

Interpretación de coeficientes (forma 01):

casada | -2.589013 – Si la mujer está casada, el logit estimado disminuye en promedio

en 2.59.

edad | -.0008926 -- Cuanto mayor es la edad de la mujer, el logit estimado disminuye

en promedio en 0.0009/0.001.

**mine** A medida que la mujer tenga un año más, el logit estimado disminuye en
promedio en 0.009.
 escolaridad | .6889736 – Si la mujer tiene un año adicional de estudio a diferencia de
otras mujeres, el logit estimado se incrementa en promedio en 0.69.

**mine** Si la mujer tiene un año más de estudio, el logit estimado se incrementa en

promedio en 0.69 unidades.

Interpretación de coeficientes (forma 02):

Casada— Aplicando el anti log e^(-2.58) = 0.075. Indica que los valores por arriba de 1
indican mayores oportunidades de que el evento ocurra, mientras que valores debajo
de 1, indican menores oportunidades.

Escolaridad--- Aplicando el anti log e^(0.668) = 1.99. Indica que los valores por arriba
de 1 indican mayores oportunidades de que el evento ocurra, mientras que valores
debajo de 1, indican menores oportunidades (de trabajo).

Interpretación de coeficientes (forma 03):

Casada— Aplicando el anti log e^(-2.58) = 0.075 … 1/0.075 = 13.33 = 13. Esto indica
que si la mujer es casada, su oportunidad de estar en el mercado de trabajo es en
promedio 13 veces menor que de una mujer soltera.

Escolaridad--- Aplicando el anti log e^(0.668) = 1.99 … 1/1.99 = 0.502 = 0.5. Esto indica
que si la mujer tiene un año adicional de estudio a diferencia de otras mujeres, su
oportunidad de estar en el mercado de trabajo prácticamente son dobles,
manteniendo todos los demás factores constantes.

Nota: en este caso no es necesario dividir entre 1 porque el valor del antilogaritmo
calculado ya nos da directamente las oportunidades, porque esta relación entre las
variables es positiva.

fitstat

Measures of Fit for logit of y

Log-Lik Intercept Only: -20.190 Log-Lik Full Model: -13.277

D(26): 26.553 LR(3): 13.827

Prob > LR: 0.003

McFadden's R2: 0.342 McFadden's Adj R2: 0.144

Maximum Likelihood R2: 0.369 Cragg & Uhler's R2: 0.499

McKelvey and Zavoina's R2: 0.582 Efron's R2: 0.402

Variance of y*: 7.878 Variance of error: 3.290

Count R2: 0.800 Adj Count R2: 0.500

AIC: 1.152 AIC*n: 34.553

BIC: -61.878 BIC': -3.624

McFadden's R2 – Es otra forma de ver si el modelo está ajustado

Count R2 – Es el número de predicciones correctas sobre el número de observaciones.

estat class

Logistic model for y

-------- True --------

Classified | D ~D | Total

-----------+--------------------------+-----------

+ | 14 2 | 16

- | 4 10 | 14

-----------+--------------------------+-----------

Total | 18 12 | 30

Classified + if predicted Pr(D) >= .5

True D defined as y != 0

--------------------------------------------------

Sensitivity Pr( +| D) 77.78%

Specificity Pr( -|~D) 83.33%

Positive predictive value Pr( D| +) 87.50%

Negative predictive value Pr(~D| -) 71.43%

--------------------------------------------------

False + rate for true ~D Pr( +|~D) 16.67%

False - rate for true D Pr( -| D) 22.22%

False + rate for classified + Pr(~D| +) 12.50%

False - rate for classified - Pr( D| -) 28.57%

--------------------------------------------------

Correctly classified 80.00%

--------------------------------------------------

Correctly classified -- Podemos afirmar que en general el modelo prevee en 80% de las
observaciones correctamente.
mfx

Marginal effects after logit

y = Pr(y) (predict)
 = .69196282

------------------------------------------------------------------------------

variable | dy/dx Std. Err. z P>|z| [ 95% C.I. ] X

---------+--------------------------------------------------------------------

casada*| -.4844235 .16461 -2.94 0.003 -.807051 -.161796 .566667

edad | -.0001903 .00802 -0.02 0.981 -.015906 .015526 40.9667

escola~d | .1468549 .06341 2.32 0.021 .022567 .271143 11.8333

------------------------------------------------------------------------------

(*) dy/dx is for discrete change of dummy variable from 0 to 1

Interpretación de coeficientes (forma 03):

= .69196282.- la probabilidad de la mujer de estar en el Mercado de trabajo en promedio para esta
muestra especifica es aproximadamente del 69%.

Casada (-.4844235).- si la mujer esta casada la probabilidad de que no este

trabajamdo es del 48.4% a diferencia de una mujer soltera.

Escolaridad(.1468549).-Si la mujer tiene un año más de estudio, la probabilidad de participar en el

Mercado laboral es 14.68%

logistic y casada edad escolaridad

Logistic regression Number of obs = 30

LR chi2(3) = 13.83

Prob > chi2 = 0.0031

Log likelihood = -13.276646 Pseudo R2 = 0.3424

------------------------------------------------------------------------------

y | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval]

-------------+----------------------------------------------------------------

casada | .0750941 .0892024 -2.18 0.029 .0073196 .7704194

edad | .9991078 .0376042 -0.02 0.981 .9280577 1.075597

escolaridad | 1.99167 .6397263 2.14 0.032 1.061233 3.737869

_cons | .0029092 .0118616 -1.43 0.152 9.85e-07 8.596574

------------------------------------------------------------------------------

Otra forma de interppretar el logit es a travez de ratio conocido como razon

de oportunidad.

(.0750941-1)*100 = -92.49 podemos decir que las oportunidades de una mujer

casada de estar en el mercado de trabajo es del 92% menor que de una mujer
soltera.

Escolaridad (1.99167-1)*100 =
El logístico muestra el antilogaritmo del primer modelo estimado (logit y
casada edad escolaridad).

mfx, at(casada=0 edad=30 escolaridad=15)

Marginal effects after logistic

y = Pr(y) (predict)

= .98865937

------------------------------------------------------------------------------

variable | dy/dx Std. Err. z P>|z| [ 95% C.I. ] X

---------+--------------------------------------------------------------------

casada*| -.1211695 .1193 -1.02 0.310 -.354987 .112648 0

edad | -.00001 .00042 -0.02 0.981 -.000831 .000811 30

escola~d | .0077248 .01096 0.70 0.481 -.013758 .029207 15

------------------------------------------------------------------------------

(*) dy/dx is for discrete change of dummy variable from 0 to 1

= .98865937.- si la mujer es casada y tiene 30 años de edad y ha estudiado 15

años la probabilidad de estar trtabajando es del 98.8%.

mfx, at(casada=1 edad=40 escolaridad=10)

Marginal effects after logistic

y = Pr(y) (predict)

= .17152618

------------------------------------------------------------------------------

variable | dy/dx Std. Err. z P>|z| [ 95% C.I. ] X

---------+--------------------------------------------------------------------

casada*| -.562308 .20696 -2.72 0.007 -.967934 -.156682 1

edad | -.0001268 .00536 -0.02 0.981 -.010635 .010381 40

escola~d | .0979066 .03723 2.63 0.009 .024929 .170884 10

------------------------------------------------------------------------------

(*) dy/dx is for discrete change of dummy variable from 0 to 1

= .17152618.- si la mujer es casada y tiene 40 años de edad y ha estudiado 10

años la probabilidad de que este trabajando es del 17%.

predict prob, p
. list prob

+----------+

| prob |

|----------|

1. | .9942685 |

2. | .7660967 |

3. | .9281158 |

4. | .574709 |

5. | .9169743 |

|----------|

6. | .4469581 |

7. | .9773701 |

8. | .7312109 |

9. | .9160179 |

10. | .4068091 |

|----------|

11. | .8476809 |

12. | .977449 |

13. | .4460757 |

14. | .6182797 |

15. | .0942399 |

|----------|

16. | .734705 |

17. | .7651356 |

18. | .171907 |

19. | .4538075 |

20. | .956553 |

|----------|

21. | .9777033 |

22. | .4491655 |

23. | .0249655 |

24. | .2912241 |

25. | .4551353 |

|----------|

26. | .1715262 |
27. | .9885488 |

28. | .1736933 |

29. | .2936251 |

30. | .450049 |

+----------+