Escolar Documentos
Profissional Documentos
Cultura Documentos
: uma y =
{ç
LPM
/ - lo
get
\ Probit
Yi =
B, +
Pa escola + Rs Male : -1 E:
.
↳ yi =
{; ,
,
desempregado
Não
ralei =
{ •
°
,
,
Homens
Mulheres
P ( Í= o | escola 12 ; Male = t ) =
 ,
+ Âz * 02 1- Â ,
× 1
= 0,690951 -
01013573×121-0,117848×1 = 0,6453
garantido
'
Não é
que o valor obtido esta entre o e o
PI 4=1 )
b) Efeitos Marginais
§ , = P ( } = 1 | escoe = O ; Male = o
) = 0.6909s →
A pvob/ de uma
 ,
=
JPIY.io/- Âz = -
Male
 , = P ( não / Male = o / -
P ( YI , | rale =
o
)
c-
±: Â A prole / de homem estar
desempregado
,
=
0.1178 → um
é ,
em media ,
11,78 pp
superior à de uma Mulher
A escola
%
Po pa Male + g.
=
+ .
+
À:p ( :p )
/ Ei /
ME
Van = g .
Van ( Ei ) =
( por R escola t
Pi Male / ( . 1- ( Pot mescal + Pz Male ) )
fiz il : Padrão de hetero eed/
e como
adorada
=p Utilizar os
ertimadou.srolrnt-dnderui.cn Padrão da coeficientes
de modo a validar a
inferência estatura / Testes de hipótese )
( Proposta de while )
ATÉ =
fio + À escola .
+ À Maki /( i -
÷E =
Irá ,
+ "
%Ê÷ ,
+ B
?¥÷r Éq ,
+
2) Modelos
Loget e Pro bit Probit
Ei~N→
YÊ po -1 ps escolhi -1Pa Male & Ei
get
=
, .
.
↳
d ME Eivloqs.LI
variável simétricas
latente ( não
{
*
' se 7. > o
observável ) definida Yi =
'
° se Yi E
do
seguinte modo :
o
"
Yi Po escola -1Pa Male Ei
1-
po
.
-1
=
.
.
E.
de escola / estar
12 anos
desempregado ?
fumão distribuiu de Rob / ( CBF)
N
P ( Í= o
| escola = 12 ; Mali
( ×:B )
=
1) = F
( Pot Â × 12 + À × '
) = F ( 0,32 )
ME
←
d
✓ a :p inventado
:
FI À B) =
0132
F 10.321
É
=
= = - - -
Probit : FCÁ B) ,
=
¢ ( :p ) × =
¢10,32 ) = o . ozss
falar da tabela Normal
)
Nota :
¢1 -
0,32 ) = 1 -
0110,32)
IEÇEe
"
b) Efeitos Marginais
=
.
+ Ei
01K¥
• Escolaridade Função densidade de prole/ ( PDF )
se escoe _
✓
JP ( Í= o | escola = 02 ; Male =
a) À f ( f. + À À 1) ÂA )
× ✗
= ✗ 12 + =
10,32
escoe
Ç
a
Aiii BI
~
(ÉÀ÷
" "
iogt :
flx :B ) =
,
=
f. × e - = -
o . 068
µ e- " 32 2
+
)
?
Â
:
¥
=
= × e o,
059
, = -
,
-
Para homem escolaridade
um com Mana de se a mesma aumentar
o ano a prole / de ele estar desemp /
,
im
,
em média ,
5.9 pp .
ceterisparilun
NOTA : O efeito marginal modelos
dos logit e Pro bit não é constante
mas de individuo
Male ( dummy )
-
P ( E- o | escola = 12 ;
rale
-
=
1) -
P ( YÍ o
/ esed = r : Male
-
-
-
o
) =
= F /À + À ✗ 12 + À ✗
1) -
F ( fo -1 À ✗ 12-1 À × O )
3 mg
= F ( 0132 ) -
F ( 0,2s ) inventado
1
lognt
Ê÷ Ê÷
:
A prole/ de
-
= o , os -
um homem e/
Rohit : Q lo , ] 2) -
¢ lo . as / a zona de eseoll
✓ estar desempl é , em
escolaridade
7 EfutnMargmais_ : 4¥ =
Po + Ao Xii + piada .
+ -
- -
+ E .
g)
•
Para individuo concreto / dadas características / exemplo
um em e
acima )
At the the
2) averaye of regressou
" "
calcula
efeito marginal
individualismo
o
para o
P( E- |
) o ×. = À i *a -
-
À : - -
.
método
Nota : Este nã
JÁ épossivel se alguma
das variáveis
explicativas 69
uma Chummy uma
media
vez que
Average of marginal effect
a
3 the
de uma
dummy não
dá 0 1
calcular
nem
vamos o
efeito marginal para
cada dos de amostra
um indivíduos Ii = o ir . . .
, n )
e depois fazemos a medeia dos
efeitos marginais
Ê |";YÊ'^
Os modelos Logrt e Pro bit são estimados maxíina
por
verosimilhança ( ML ) onde o
objetivo é encontrar as
estimativas dos
coeficientes ( pio  ,
e Â) que maximizam
a
funeaò verosimilhança I L ) ou
prole/
seja maximizam a
da amostra ocorrer
• Indicada da qualidade do
afastamento / modelo
McFadden R2 →
Não tem a mesma interpretação
'
do R ( varia entre
( ou pseudo R2 ) o e 1 e quanto
mais próximo melhor
de o
/
" "
likehhood
lnF 10g
-
'
Ps .
R = | -
"
tenho likehhood
_
" Resta log
do modelo só com
da
• Indicador qualidade provisional do Modelo
Observe d
Y = o Y =P
Ê O
b Falsos
Negativos
=
a
Predicted
I = o c d Acerta
Falsos Positivos
/ho n, n
a- No de
_
corretas
a-lnd-xooo-E.at#
% de Previsões :
das previsões c- D=
que faz
-
TAE =
Ana
/
Para cada individuo ( i = 0,2 .
.
,
n/
{
i -
_ o
Ned = 12
Y, = O
. o ) fo , so Ê = o
Yi
"
=
po -1 ps ,
escdt pa Male + Ei
probl estar ?
A de
desempregado depende do
genero
( )
{
Ho Não
:
Ba =
o
Ho -1-0 ( sim)
:
paz
Não
rejeitamos Ho
A % de homens e Mulheres
desempregadas não é
significativamente diferente
Teste LR ( Nos modelos Logit e Pro bit )
2 modelos :
q
( R ) Modelo Restrito ( idêntico ao Iv ) mas
sujeito a Ho )
Exemplo
Pa escola A } Matei
"
µ) Yi = B. +
.
+ 1- ui
estar
A probabilidade de
desempregado depende do
género ?
Não )
{ Ho :
P} = O (
Ho =/ ( sim )
:
p} o
#
(R) Yi B. + pa escola -1 Mi
.
" "
Ertatntica de teste
" • retrica ou ride =
pf ( Neste
Ho
em caso P -
_ o
)
na ×,
LR = -
2 / lnlr - en ↳
) ,
i
"
i tabela
"
bllehhood "
lag
"
likehhood
eog
-
¥Ç
do modelo IRI do modelo ( v )
k
se [ Robs 9 C =) Para ✗ = . . .
% D8 =P
DEA <
refutamos
: •
Ho Pr = o
g
se [ Robs E
valor tabela
E
=) Para ✗ = . . . %
não Ho
ry .
Modelo ( v ) Modelo ( R )
Teste de significância Global
Ar escola A } Matei
"
(U ) Yi = B. +
.
+ 1- Mi
(
significativo)
Modelo não é
{
Ho :
pa =
As = O
Ho ( Modelo é
pa posto globalmente significativo )
:
# ou
(R ) Yi
"
=
p , 1- Mi
" "
Estatística de teste
Ni de restrição ou rede =
[ ( Neste )
em " °
caso p=z
2
LR = -
2 / lnlr - ln Lu
) na ✗
,
1 \
"
" " tabela
Resta bllehhood bllehhood
lag
"
lag
-
. -
(a) ( )
Lai
b
D8 =p
• < Pr = ✗
d
valor tabela
Decisao :
Se [ Robs 9 C Para ✗ = . . .
%
rejeitamos Ho
se [ Robs E
E
Para ✗ = . . . %
não Ho
ry .
ou
rejeitamos Ho
se P valeu > ✗
para (b )
_
✗ = . . . %
.
nao Ho
ry .
( a)
LROBS =
Pvalue =
N° de
emprego .
N: de
desempregados
14=0 ) (y =
1)
" "
dependentes ar F Yi
{ desemp /
o
Mean =
-
_
,
O ,
Não
9-
Ên
h
=
- EM : = n .
}
|
1--1
| \
| uneluded
Mean dependentvar
N° total obervations
% de
desempregada de
(4--0) na amostra desempl
( y = 1)