Escolar Documentos
Profissional Documentos
Cultura Documentos
E (Yi X 1i , X 2i ,..., X ki )
Yi 1 2 X i ui
E Yi X i PrYi 1 | X i
Modelo de Probabilidade Linear
• Supondo E(ui)=0, para obter estimadores não
tendenciosos. A variância de Yi tem a seguinte distribuição
de probabilidade:
Yi Prob.
0 1 – Pi Se Pi = probabilidade de que Yi = 1
1 Pi
Total 1
0 E (Yi | X i ) 1
Podemos usar MQO?
Modelo de probabilidade linear
Problemas na utilização de MQO
1. Ausência de normalidade dos termos de erro ui. Porque
assim como Yi, ui também assumem dois valores:
ui Yi 1 2 X i
Yi ui Prob.
Qdo. Yi = 1 1 – β1 – β2Xi Pi
Qdo. Yi = 0 – β1 – β2Xi 1 - Pi
0 X
• Em geral são escolhidos os modelos (1) logístico
e (2) normal, o primeiro dando origem ao modelo
logit e o sengundo ao probit (ou normit).
Modelo Logit
• O modelo de probabilidade linear no caso da casa
própria era:
Pi E (Yi 1 | X i ) 1 2 X i
1
Pi E (Yi 1 | X i ) ( 1 2 X i )
1 e
Modelo Logit
• Resumindo e chamando Zi = β1 + β2Xi teremos:
1 eZ
Pi Z
1 e 1 eZ
1
quando Z i Pi
0
1 e
1
quando Z i Pi 1
1
1
e
0 Pi 1
• Problema: Pi é não linear em X e em β => não podemos
usar MQO
• Solução: linearizar
Modelo Logit
Z
e e Zi
1 Pi 1
1 eZ Pi 1 e Zi
e Zi
1 1 Pi 1
1 Pi
1 e Zi 1 e Zi
A razão de chances a favor da
Tirando o logaritmo: posse da casa própria.
Pi = 0,8 => há 4 chances contra 1
Pi
Li ln Z i a favor de a família possuir casa
1 Pi
própria.
Pi
Li ln 1 2 X i
1 Pi
Denominado Logit
Modelo Logit - Características
1. Quando passa de 0 a 1 (isto é, quando Z varia de -∞ a
+∞), o logit L varia de -∞ a +∞. As probabilidades são
limitadas entre 0 e 1, os logits não.
2. Embora L seja linear em X as probabilidades não o são.
3. Podemos incluir quantos regressores forem necessários.
4. O coeficiente angular mede a variação de L em resposta
a uma unidade de variação em X, isto é, nos diz o
quanto o logaritmo das chances favoráveis ao evento de
interesse variam em resposta a uma unidade de variação
na variável independente.
5. O intercepto dá as chances favoráveis quando a variável
independente é igual a zero. Como na regressão linear
pode não ter sentido prático.
Modelo Logit - Características
6. Se quisermos não as chances favoráveis ao
evento de interesse mas a própria probabilidade
do evento isso pode ser feito pela expressão:
Z
1 e
Pi Z
1 e 1 e Z
• Usar MQP
• Estimativa da variância:
1
ˆ
2
N i Pˆi (1 Pˆi )
Modelo Logit – Dados Agrupados - Estimação
• Etapas para estimação da regressão logit:
1. Para cada nível de renda:
ˆ ni
P
Ni
Pˆ
Lˆi ln i
ˆ
1 Pi
Modelo Logit – Dados Agrupados - Estimação
• Etapas para estimação da regressão logit:
3. Transformamos:
Pi
Li ln 1 2 X i ui
1 Pi
em
wi Li 1 wi 2 wi X i wi ui
L*i 1 wi 2 X i* vi
onde :
wi N i Pˆi (1 Pˆi )
L*i Li transformado
X i* X i transformado
vi termo de erro transformado
Modelo Logit – Dados Agrupados - Estimação
• Etapas para estimação da regressão logit:
4. Estimamos por MQO sem intercepto.
5. Avaliar coeficiente pelos métodos tradicionais de
intervalo de confiança ou teste de hipóteses.
Lembrando que as conclusões serão válidas se as
amostras forem grandes.
• e0,07862 = 1,0817
• Para cada unidade de aumento da renda ponderada, as chances
ponderadas favoráveis a posse da casa própria aumentam em cerca
de 8,17%.