UNIVERSIDAD NACIONAL DEL CALLAO

TRABAJO
MLP - LOGIT
Se estudia la respuesta cualitativa, considerando una
respuesta binaria.
Se har a continuacin por el modelo MLP y luego se
continuara por el LOGIT.
Se tiene la siguiente data:
OB
S
1

X1

X2

X3

X
5
1

OB
S
54

X1

SMP

X
4
56

18

X
2
0

30

13.2

SMP

25

55

6.6

12

SMP

21

56

6.6

26.4

SMP

40

57

72

SMP

47

58

21.6

SMP

27

59

7
8
9
10

0
0
0
0

54
3.6
9.6
9

0
1
1
0

SMP
S.M.P
SMP
Callao

46
22
40
49

1
0
1
0

60
61
62
63

0
1
1
1

11
12

0
1

12
21.6

0
0

Callao
Callao

31
22

0
1

64
65

0
0

13
14

1
0

42
15.6

0
1

Callao
Callao

26
27

1
0

66
67

1
1

15

9.6

Callao

48

68

16
17

0
0

16.8
18

0
0

Callao
Callao

24
26

0
0

69
70

1
0

13.
2
10.
8
15.
6
18
18
60
22.
8
6
15.
6
18
10.
8
10.
8
12
14.
4

ECONOMETRIA II

X3

X
4
independenci 60
a
INDEPENDEN 22
CIA
INDEPENDEN 21
CIA
Independenc 20
ia
Los Olivos
55

X5
0
0
1
1
0

Los Olivos

23

0
0
1
1

Los Olivos
Los Olivos
Los Olivos
olivos

25
49
53
38

0
1
0
1

1
1

RIMAC
Rmac

24
29

1
0

1
1

Rmac
Rmac

50
50

1
0

Rmac

43

0
1

SJL
sjl

53
26

1
0

Pgina 1

UNIVERSIDAD NACIONAL DEL CALLAO

18
19
20

1
0
0

18
6.6
6

0
1
0

Callao
Callao
VMT

53
22
33

1
1
0

71
72
73

0
0
1

1
1
1

S.J.L
S.J.L
san miguel

22
21
35

1
1
0

san miguel

29

1
1

San Miguel
San miguel

36
19

0
1

1
0

SJM
SJM

29
28

1
0

1
1

SJM
SJM

27
33

1
0

SJM

30

8.4
7.2
14.
4
14.
4
48
3.3
6
30
21.
6
24
26.
4
31.
2
24

21

33.6

VMT

35

74

22
23

1
0

33.6
18

1
0

VMT
VMT

30
30

0
0

75
76

1
0

24
25

1
0

12
8.4

0
0

VMT
VMT

65
27

0
0

77
78

0
0

26
27

0
1

24
24

1
0

VMT
VMT

25
55

0
0

79
80

0
0

28

19.2

28

81

29

30

35

82

30

26.4

29

31

24

33

32

18

33

37.2

villa el
salvador
villa el
salvador
villa el
salvador
villa el
salvador
Villa El
Salvador
Surco

SJM

31

83

30

SJM

25

84

30

SJM

31

30

85

8.4

SURQUILLO

24

46

86

SURQUILLO

22

Surco
Surco

30
49

1
1

87
88

0
0

4.5
6
4.8
24

34
35

1
1

42
38.4

1
1

1
1

29
28

1
1

1
1
1
1
1
1
1
0

Surco
Surco
surco
SURCO
Surco
COMAS
Comas
Comas

32
36
26
26
35
23
47
60

0
1
0
1
1
1
0
0

89
90
91
92
93
94
95
96

0
1
1
1
1
0
1
0

1
0
1
1
1
0
1
0

25
32
26
42
59
45
28
26

1
1
1
0
1
1
1
1

15

Comas

32

97

15.6
8.4

1
0

Comas
comas

23
26

0
1

98
99

0
0

1
1

puente
piedra
ATE
Lince

57

0
0

24
33

1
0

18

comas

26

10
0

12
12
60
42
33
18
30
14.
4
13.
2
8.4
14.
4
24

SURQUILLO
Cercado de
Lima
cercado
cercado
san borja
San Borja
San Isidro
Chorrillos
brea
santa anita

36
37
38
39
40
41
42
43

0
0
0
0
1
0
0
0

31.2
36
18
6.6
60
8.4
8.4
36

44

45
46
47

Carabayllo

24

ECONOMETRIA II

Pgina 2

UNIVERSIDAD NACIONAL DEL CALLAO

48

3.6

COMAS

21

49

12

Comas

27

50

18

comas

41

51

13.2

25

52

15.6

36

53

24

independen
cia
independen
cia
independen
cia

61

10
1
10
2
10
3
10
4
10
5
10
6

18

Ventanilla

21

9.6

Ventanilla

60

48

San Luis

31

24

La Molina

36

12

La Victoria

27

7.2

BARRANCO

24

Donde consideramos las siguientes variables:

Y.- indica las personas que tienen casa propia (1) y

personas que no tienen casa propia (0).

X1.- Variable cuantitativa que indica nivel de ingresos

anuales en miles de soles

X2.- Variable dictoma, indica el nivel educativo de los

encuestados. (1) si tiene nivel universitario, (0) si no

tiene nivel universitario
X3.- Variable polictoma, indica eldistrito de vivienda

actual de encuestado. (1, 2 y 3)

X4.- Variable cuantitativa que indica la edad del

encuestado
X5.- Variable dictoma que indica sexo del encuestado (0

si es mujer, 1 si es varn)
En el caso de los distritos los agrupamos convenientemente,
con el fin de trabajarlo como variables polictomas, donde 1.
Hace referencia a distritos de recursos bajos, 3 distritos

ECONOMETRIA II

Pgina 3

UNIVERSIDAD NACIONAL DEL CALLAO

con mejores recursos y 2 distritos con una cantidad
intermedia de recursos
A=3
san miguel
Surco
San Isidro
La Molina
san Borja
BARRANCO

1.

MODELO

B=2
SMP
Rmac
Callao
brea
Lince
La Victoria
San Luis
Chorrillos
SURQUILLO
Los Olivos
Cercado de
Lima

C=1
VMT
villa el
salvador
SJM
puente piedra
santa Anita
independencia
COMAS
Ventanilla
ATE
SJL

DE PROBABILIDAD LINEAL

(MLP)

Antes de comenzar a analizar los modelos es preferible hacer

un anlisis de los estadsticos descriptivos de las variables
cuantitativas.
stats
|
x1
x4
---------+------------------------------------------------------------------mean
|
20.62755
33.91509
range
|
68.64
46
sd
|
13.7525
11.79275
cv
|
.6667055 .3477139
skewness
|
1.407106
.9648875
kurtosis
|
5.004771
2.772688
variance
|
189.1312
139.0689
----------------------------------------------------------------------------

Podemos

concluir algunos aspectos como:

ECONOMETRIA II

Pgina 4

UNIVERSIDAD NACIONAL DEL CALLAO

En la variable x1:
Tiene una media de 20. 62755 lo que significa que cada
encuestado tiene un ingreso en promedio de 20.63 mil
soles anuales.
Tiene una kurtosis de 5.004771 lo cual me dice que es
una leptocurtica.
Tenemos un skewness de 1.407106 lo cual me indica que
tiene una cola hacia la derecha.
En la variable x4:
Tiene una media de 33.91509 lo cual significa que
nuestros encuestados tienes un promedio de edad de casi
34 aos.
Tiene una kurtosis de 2.772688 lo cual, como es menor de
3 es una platicurtica.
Tenemos un skewness de 0.9648875 es positivo tal que
tiene una cola hacia la derecha.
En el caso de las dems variables no es necesario hacer una
descripcin ya que son de carcter dicotmicas.

Tambin es necesario hallar la matriz de correlacin:

|
y
x1
x2
x3
x4
x5
-------------+-----------------------------------------------------------------y |
1.0000
X1 |
0.3687
1.0000
X2 | -0.0473
0.2089
1.0000
X3 |
0.1286
0.2643
0.1988
1.0000
X4 |
0.4970
0.0823 -0.2201 -0.0215
1.0000
X5 |
0.1798
0.0450
0.1987
0.0561 -0.1920
1.0000

En la diagonal podemos ver la correlacin existen entre una

variable consigo mismo, los datos por debajo de la diagonal nos
muestra la relacin que existe ente una y las dems variables. Por
ejemplo:
0.2089 es la correlacin existente ente x1 y x2, as
sucesivamente.

ECONOMETRIA II

Pgina 5

UNIVERSIDAD NACIONAL DEL CALLAO

Pasamos a regresionar
regress y x1 x2 x3 x4 x5
Source |
SS
df
MS
-------------+-----------------------------Model | 10.8525905
5 2.17051811
Residual | 14.2889189
100 .142889189
-------------+-----------------------------Total | 25.1415094
105 .239442947

Number of obs
F( 5,
100)
Prob > F
R-squared
Adj R-squared
Root MSE

=
=
=
=
=
=

106
15.19
0.0000
0.4317
0.4032
.37801

-----------------------------------------------------------------------------y |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------x1 |
.008413
.0029112
2.89
0.005
.0026372
.0141888
x2 |
-.003555
.0790593
-0.04
0.964
-.1604065
.1532964
x3 |
.0338478
.0535172
0.63
0.529
-.0723288
.1400244
x4 |
.0207862
.0033394
6.22
0.000
.0141609
.0274114
x5 |
.2118182
.0748077
2.83
0.006
.0634018
.3602347
_cons | -.6612984
.151539
-4.36
0.000
-.9619475
-.3606493

Me da un R-squared de 0.4317 sea que este modelo me explica

la variable en un 43%.
Para analizar el t podemos ver que la variable x4 (edad) es
significativa en el modelo pero tambin podemos afirmar que
la variable x1(ingreso) tiene un significancia menos
importante que la anterior pero no deja de ser importante,
por ser mayor que 2, la variable x5 (sexo), tiene tambin
cierta significancia pero la variable x2 (nivel educativo)
tiene muy poca significancia en el modelo.
Tenemos un f-stadstico de 15. El cual es bueno ya que
buscamos un f mayor a 4.
Por lo tanto la ecuacin quedara de la siguiente manera:

Y = -0.6612984+0.008413*x1 - 0.003555*x2 +
0.0338478*x3 + 0.0207862*x4 + 0.2118182*x5
Con esta ecuacin de regresin podremos hallar l y estimado
adems de w (producto de la probabilidad de ocurrencia y la
probabilidad de no ocurrencia)
En el MLP existe el problema de la heterocedasticidad por tanto w
no nos permite obtener un modelo homocedstico. Tendremos que
mejorar el modelo para lo cual utilizaremos a calcular por los
mnimos cuadrados ponderados.
Encontramos l y estimado (y) y el w
ECONOMETRIA II

Pgina 6

UNIVERSIDAD NACIONAL DEL CALLAO

ECONOMETRIA II

Pgina 7

UNIVERSIDAD NACIONAL DEL CALLAO

obs

X1

X2

X3

X4

X5

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

1
0
0
0
1
1
0
0
0
0
0
1
1
0
1
0
0
1
0
0
1
1
0
1
0
0
1
0

30
13
12
26
72
22
54
4
10
9
12
22
42
16
10
17
18
18
7
6
34
34
18
12
8
24
24
19

1
1
1
0
0
0
0
1
1
0
0
0
0
1
0
0
0
0
1
0
1
1
0
0
0
1
0
0

2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1
1
1
1
1
1
1
1
1

56
25
21
40
47
27
46
22
40
49
31
22
26
27
48
24
26
53
22
33
35
30
30
65
27
25
55
28

1
0
0
1
1
1
1
0
1
0
0
1
1
0
0
0
0
1
1
0
1
0
0
0
0
0
0
1

ECONOMETRIA II

y
estima
do
1.0311
0.0335
-0.0597
0.6718
1.2009
0.3612
1.0287
-0.1096
0.5269
0.5006
0.1517
0.2572
0.5120
0.0953
0.4849
0.0466
0.0983
0.8713
0.1275
0.1090
0.5910
0.2753
0.1476
0.8246
0.0044
0.0906
0.7177
0.3279

obs

X1

X2

X3

X4

X5

54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81

1
0
0
0
1
0
0
1
1
1
0
0
1
1
0
1
0
0
0
1
1
1
0
0
0
0
0
1

18
7
7
13
11
16
18
18
60
23
6
16
18
11
11
12
14
8
7
14
14
48
3
30
22
24
26
31

0
1
1
0
0
1
0
0
1
1
1
1
1
1
0
0
1
1
1
1
0
1
1
1
0
1
1
1

1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
1
1
1
1
3
3
3
3
1
1
1
1
1

60
22
21
20
55
23
25
49
53
38
24
29
50
50
43
53
26
22
21
35
29
36
19
29
28
27
33
30

0
0
1
1
0
0
0
1
0
1
1
0
1
0
0
1
0
1
1
0
1
0
1
1
0
1
0
1

Pgina 8

y
estima
do
0.7712
-0.1182
0.0728
0.1111
0.6405
0.0122
0.0775
0.7882
1.0093
0.5964
0.1640
0.1369
0.8054
0.5330
0.3911
0.7870
0.0306
0.1088
0.0779
0.2854
0.3760
0.5888
0.0717
0.4360
0.1363
0.3440
0.2770
0.4669

UNIVERSIDAD NACIONAL DEL CALLAO

29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53

1
1
1
0
1
1
1
0
0
0
0
1
0
0
0
0
0
0
1
0
0
1
0
1
1

30
26
24
18
37
42
38
31
36
18
7
60
8
8
36
15
16
8
18
4
12
18
13
16
24

1
1
1
0
1
1
1
1
1
1
1
1
1
1
0
0
1
0
0
1
0
0
0
0
0

1
1
1
1
3
3
3
3
3
3
3
3
1
1
1
1
1
1
1
1
1
1
1
1
1

35
29
33
30
46
30
49
32
36
26
26
35
23
47
60
32
23
26
26
21
27
41
25
36
61

1
1
1
0
1
1
1
0
1
0
1
1
1
0
0
1
0
1
0
0
0
1
0
1
1

0.5607
0.4057
0.4687
0.1476
0.9176
0.6254
0.9901
0.3643
0.6997
0.1286
0.2445
0.8808
0.1296
0.4166
0.9226
0.3757
-0.0217
0.1955
0.0644
-0.1642
0.0347
0.5880
0.0033
0.4639
1.0542

82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106

Se presenta el problema de la heterocedasticidad para

Las probabilidades solo deben tener valores entre 0 y
menores a 0 y mayores de 1 tendrn que ser eliminados
proceder a encontrar a los nuevos y, x1, x2, x4, x5,
aplicar el modelos de MLP.
ECONOMETRIA II

0
0
0
0
0
0
0
0
1
1
1
1
0
1
0
1
0
0
0
0
1
0
0
0
0

24
30
30
8
5
5
24
12
12
60
42
33
18
30
14
13
8
14
24
18
10
48
24
12
7

1
1
1
1
1
1
1
1
0
1
1
1
0
1
0
1
1
1
1
0
1
1
0
0
1

1
1
1
2
2
2
2
2
2
3
3
3
2
2
1
1
1
2
1
1
1
2
3
2
3

31
25
31
24
22
29
28
25
32
26
42
59
45
28
26
57
24
33
24
21
60
31
36
27
24

0
1
0
1
1
1
1
1
1
1
0
1
1
1
1
1
1
0
1
0
0
0
0
0
1

0.2153
0.3529
0.2658
0.1842
0.1103
0.2578
0.3986
0.2353
0.3843
0.6937
0.6631
1.1525
0.7050
0.4491
0.2460
0.8767
0.1504
0.2099
0.2816
-0.0395
0.6969
0.4510
0.3905
0.0686
0.2080

lo cual se debe ajustar los datos.

1 los datos que tengan valores
para mejorar el modelo. Tambin se
mediante la ponderacin para poder

Pgina 9

UNIVERSIDAD NACIONAL DEL CALLAO

ob
s
1

X
1
1
3
2
6
2
2
1
0
9

X
2
1

X
3
2

1
2
2
2
4
2
1
6
1
0
1
7
1
8
1
8
7

10

11

12

13

14

15

16

X
4
2
5
4
0
2
7
4
0
4
9
3
1
2
2
2
6
2
7
4
8
2
4
2
6
5
3
2
2
3
3
3

ECONOMETRIA II

X
5
0
1
1
1
0
0
1
1
0
0
0
0
1
1
0
1

yest

w1/2

X1

X2

X3

X4

X5

0.0335
49
0.6717
67
0.3611
64
0.5268
73
0.5006
38
0.1517
25
0.2572
33
0.5120
03
0.0953
12
0.4849
00
0.0466
04
0.0982
72
0.8713
18
0.1274
83
0.1089
72
0.5910

0.0324
23
0.2204
96
0.2307
24
0.2492
78
0.2500
00
0.1287
05
0.1910
64
0.2498
56
0.0862
28
0.2497
72
0.0444
32
0.0886
15
0.1121
23
0.1112
31
0.0970
97
0.2417

0.1800
65
0.4695
70
0.4803
38
0.4992
77
0.5000
00
0.3587
55
0.4371
09
0.4998
56
0.2936
46
0.4997
72
0.2107
90
0.2976
83
0.3348
48
0.3335
13
0.3116
04
0.4916

0.00000
0
0.00000
0
2.08186
8
0.00000
0
0.00000
0
0.00000
0
2.28776
1
2.00057
6
0.00000
0
2.00091
3
0.00000
0
0.00000
0
2.98643
3
0.00000
0
0.00000
0
2.03397

5.55356
1
2.12960
7
2.08186
8
2.00289
5
2.00000
2
2.78742
1
2.28776
1
2.00057
6
3.40546
2
2.00091
3
4.74405
8
3.35928
3
2.98643
3
2.99838
6
3.20920
1
2.03397

73.30700
4
56.22161
8
44.96834
8
19.22779
2
18.00001
5
33.44905
6
49.41562
9
84.02421
3
53.12520
0
19.20876
2
79.70017
0
60.46708
6
53.75579
2
19.78934
6
19.25520
4
68.34156

5.55356
1
0.00000
0
0.00000
0
2.00289
5
0.00000
0
0.00000
0
0.00000
0
0.00000
0
3.40546
2
0.00000
0
0.00000
0
0.00000
0
0.00000
0
2.99838
6
0.00000
0
2.03397

11.1071
22
4.25921
3
4.16373
6
4.00579
0
4.00000
3
5.57484
3
4.57552
1
4.00115
3
6.81092
3
4.00182
5
9.48811
6
6.71856
5
5.97286
6
5.99677
1
3.20920
1
2.03397

138.8390
23
85.18426
9
56.21043
6
80.11579
8
98.00008
0
86.41006
2
50.33073
4
52.01498
9
91.94746
1
96.04381
0
113.8573
86
87.34134
7
158.2809
42
65.96448
5
105.9036
19
71.18913

0.00000
0
2.12960
7
2.08186
8
2.00289
5
0.00000
0
0.00000
0
2.28776
1
2.00057
6
0.00000
0
0.00000
0
0.00000
0
0.00000
0
2.98643
3
2.99838
6
0.00000
0
2.03397

Pgina 10

UNIVERSIDAD NACIONAL DEL CALLAO

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

4
3
4
1
8
1
2
8
2
4
2
4
1
9
3
0
2
6
2
4
1
8
3
7
4
2
3
8
3
1
3
6

5
3
0
3
0
6
5
2
7
2
5
5
5
2
8
3
5
2
9
3
3
3
0
4
6
3
0
4
9
3
2
3
6

ECONOMETRIA II

0
0
0
0
0
0
1
1
1
1
0
1
1
1
0
1

06
0.2752
57
0.1475
69
0.8246
08
0.0044
46
0.0905
61
0.7177
02
0.3279
11
0.5607
20
0.4057
16
0.4686
69
0.1475
69
0.9176
37
0.6254
40
0.9900
91
0.3643
34
0.6996
79

18
0.1994
91
0.1257
93
0.1446
29
0.0044
26
0.0823
60
0.2026
06
0.2203
85
0.2463
13
0.2411
10
0.2490
18
0.1257
93
0.0755
79
0.2342
65
0.0098
11
0.2315
95
0.2101
28

48
0.4466
44
0.3546
73
0.3803
02
0.0665
30
0.2869
84
0.4501
17
0.4694
52
0.4962
99
0.4910
30
0.4990
17
0.3546
73
0.2749
17
0.4840
09
0.0990
49
0.4812
43
0.4583
97

5
2.23892
1
0.00000
0
2.62949
1
0.00000
0
0.00000
0
2.22164
3
0.00000
0
2.01491
3
2.03653
5
2.00393
8
0.00000
0
3.63746
2
2.06607
7
10.0960
59
0.00000
0
0.00000
0

5
2.23892
1
2.81950
1
2.62949
1
15.0308
26
3.48451
0
2.22164
3
2.13014
3
2.01491
3
2.03653
5
2.00393
8
2.81950
1
3.63746
2
2.06607
7
10.0960
59
2.07795
3
2.18151
3

7
75.22773
4
50.75102
7
31.55389
5
126.2589
42
83.62824
6
53.31942
4
40.89873
8
60.44737
9
53.76453
7
48.09451
4
50.75102
7
135.3135
86
86.77523
8
387.6886
55
64.83212
4
78.53448
4

Pgina 11

5
2.23892
1
0.00000
0
0.00000
0
0.00000
0
3.48451
0
0.00000
0
0.00000
0
2.01491
3
2.03653
5
2.00393
8
0.00000
0
3.63746
2
2.06607
7
10.0960
59
2.07795
3
2.18151
3

5
2.23892
1
2.81950
1
2.62949
1
15.0308
26
3.48451
0
2.22164
3
2.13014
3
2.01491
3
2.03653
5
2.00393
8
2.81950
1
10.9123
86
6.19823
1
30.2881
76
6.23385
8
6.54454
0

2
67.16761
9
84.58504
5
170.9169
30
405.8323
14
87.11275
6
122.1903
47
59.64399
3
70.52194
2
59.05952
9
66.12995
7
84.58504
5
167.3232
51
61.98231
3
494.7068
78
66.49448
6
78.53448
4

5
0.00000
0
0.00000
0
0.00000
0
0.00000
0
0.00000
0
0.00000
0
2.13014
3
2.01491
3
2.03653
5
2.00393
8
0.00000
0
3.63746
2
2.06607
7
10.0960
59
0.00000
0
2.18151
3

UNIVERSIDAD NACIONAL DEL CALLAO

33

1
8
7

34

35

6
0
8

36

37

38

39

40

3
6
1
5
8

41

42

43

44

45

46

47

1
8
1
2
1
8
1
3
1
6
1
8
7

48

49

1
3
1

2
6
2
6
3
5
2
3
4
7
6
0
3
2
2
6
2
6
2
7
4
1
2
5
3
6
6
0
2
1
2
0
5

ECONOMETRIA II

0
1
1
1
0
0
1
1
0
0
1
0
1
0
1
1
0

0.1285
65
0.2444
75
0.8808
05
0.1295
64
0.4166
15
0.9225
89
0.3757
21
0.1954
78
0.0644
25
0.0347
33
0.5880
36
0.0032
56
0.4639
14
0.7711
55
0.0728
49
0.1111
43
0.6404

0.1120
36
0.1847
07
0.1049
87
0.1127
77
0.2430
47
0.0714
18
0.2345
55
0.1572
66
0.0602
74
0.0335
26
0.2422
50
0.0032
45
0.2486
98
0.1764
75
0.0675
42
0.0987
90
0.2302

0.3347
18
0.4297
76
0.3240
18
0.3358
24
0.4929
98
0.2672
42
0.4843
09
0.3965
68
0.2455
08
0.1831
02
0.4921
89
0.0569
68
0.4986
96
0.4200
89
0.2598
88
0.3143
09
0.4798

0.00000
0
0.00000
0
3.08625
2
0.00000
0
0.00000
0
0.00000
0
0.00000
0
0.00000
0
4.07319
1
0.00000
0
2.03174
1
0.00000
0
2.00522
9
2.38044
8
0.00000
0
0.00000
0
2.08396

2.98758
9
2.32679
6
3.08625
2
2.97775
4
2.02840
6
3.74192
9
2.06480
0
2.52163
4
4.07319
1
5.46142
9
2.03174
1
17.5535
91
2.00522
9
2.38044
8
3.84781
4
3.18157
9
2.08396

53.77660
0
15.35685
1
185.1751
31
25.01313
5
17.03861
2
134.7094
47
30.97199
4
21.18172
8
73.31743
2
65.53715
3
36.57134
1
231.7074
08
31.28157
8
42.84806
5
25.39557
2
41.99683
7
22.50683

Pgina 12

2.98758
9
2.32679
6
3.08625
2
2.97775
4
2.02840
6
0.00000
0
0.00000
0
0.00000
0
0.00000
0
0.00000
0
0.00000
0
0.00000
0
0.00000
0
0.00000
0
3.84781
4
0.00000
0
0.00000

8.96276
7
6.98038
7
9.25875
7
2.97775
4
2.02840
6
3.74192
9
2.06480
0
2.52163
4
4.07319
1
5.46142
9
2.03174
1
17.5535
91
2.00522
9
2.38044
8
3.84781
4
3.18157
9
4.16793

77.67731
1
60.49668
5
108.0188
26
68.48834
5
95.33508
9
224.5157
45
66.07358
6
65.56249
0
105.9029
57
147.4585
95
83.30138
7
438.8397
87
72.18825
7
142.8268
85
80.80409
3
63.63157
1
114.6181

0.00000
0
2.32679
6
3.08625
2
2.97775
4
0.00000
0
0.00000
0
2.06480
0
2.52163
4
0.00000
0
0.00000
0
2.03174
1
0.00000
0
2.00522
9
0.00000
0
3.84781
4
3.18157
9
0.00000

UNIVERSIDAD NACIONAL DEL CALLAO

50

51

52

53

54

55

56

57

58

59

60

61

1
1
6
1
8
1
8
2
3
6

1
6
1
8
1
1
1
1
1
2
1
4
8

62

63

64

65

1
4
1
4
4
8

5
2
3
2
5
4
9
3
8
2
4
2
9
5
0
5
0
4
3
5
3
2
6
2
2
2
1
3
5
2
9
3
6

ECONOMETRIA II

0
0
1
1
1
0
1
0
0
1
0
1
1
0
1
0

99
0.0121
68
0.0774
86
0.7881
73
0.5963
52
0.1640
07
0.1368
85
0.8054
04
0.5330
13
0.3910
64
0.7869
92
0.0305
83
0.1087
78
0.0778
96
0.2853
54
0.3760
10
0.5888
17

60
0.0120
20
0.0714
82
0.1669
56
0.2407
16
0.1371
09
0.1181
47
0.1567
28
0.2489
10
0.2381
33
0.1676
35
0.0296
47
0.0969
46
0.0718
29
0.2039
27
0.2346
27
0.2421
12

54
0.1096
34
0.2673
61
0.4086
03
0.4906
28
0.3702
82
0.3437
26
0.3958
89
0.4989
09
0.4879
89
0.4094
33
0.1721
84
0.3113
61
0.2680
08
0.4515
83
0.4843
83
0.4920
48

6
0.00000
0
0.00000
0
2.44736
5
2.03820
2
0.00000
0
0.00000
0
2.52596
0
2.00437
4
0.00000
0
2.44240
1
0.00000
0
0.00000
0
0.00000
0
2.21443
2
2.06448
4
2.03232
1

6
9.12128
2
3.74025
6
2.44736
5
2.03820
2
2.70064
4
2.90929
7
2.52596
0
2.00437
4
2.04922
8
2.44240
1
5.80772
5
3.21170
9
3.73122
5
2.21443
2
2.06448
4
2.03232
1

2
142.2920
06
67.32461
6
44.05256
7
46.47101
7
16.20386
2
45.38502
8
45.46728
3
21.64723
5
22.13165
9
29.30881
6
83.63123
5
26.97835
4
26.86482
1
31.88782
8
29.72856
4
97.55140
4

Pgina 13

0
9.12128
2
0.00000
0
0.00000
0
2.03820
2
2.70064
4
2.90929
7
2.52596
0
2.00437
4
0.00000
0
0.00000
0
5.80772
5
3.21170
9
3.73122
5
2.21443
2
0.00000
0
2.03232
1

2
18.2425
65
7.48051
3
4.89473
0
4.07640
5
5.40128
7
5.81859
3
5.05192
0
4.00874
7
4.09845
5
2.44240
1
5.80772
5
3.21170
9
3.73122
5
6.64329
7
6.19345
1
6.09696
3

26
209.7894
97
93.50641
2
119.9208
77
77.45169
4
64.81544
6
84.36960
2
126.2980
07
100.2186
82
88.11679
1
129.4472
72
151.0008
41
70.65759
4
78.35572
7
77.50513
7
59.87002
5
73.16355
3

0
0.00000
0
0.00000
0
2.44736
5
2.03820
2
2.70064
4
0.00000
0
2.52596
0
0.00000
0
0.00000
0
2.44240
1
0.00000
0
3.21170
9
3.73122
5
0.00000
0
2.06448
4
0.00000
0

UNIVERSIDAD NACIONAL DEL CALLAO

66

67

68

69

70

71

72

73

74

75

3
0
2
2
2
4
2
6
3
1
2
4
3
0
3
0
8

76

77

78

79

80

81

82

2
4
1
2
1
2
6
0
4

1
9
2
9
2
8
2
7
3
3
3
0
3
1
2
5
3
1
2
4
2
2
2
9
2
8
2
5
3
2
2
6
4

ECONOMETRIA II

1
1
0
1
0
1
0
1
0
1
1
1
1
1
1
1
0

0.0717
14
0.4360
02
0.1362
84
0.3439
52
0.2770
42
0.4668
84
0.2152
79
0.3528
58
0.2657
57
0.1841
98
0.1103
20
0.2578
43
0.3985
86
0.2352
71
0.3843
30
0.6937
29
0.6630

0.0665
71
0.2459
04
0.1177
11
0.2256
49
0.2002
90
0.2489
03
0.1689
34
0.2283
49
0.1951
30
0.1502
69
0.0981
50
0.1913
60
0.2397
15
0.1799
19
0.2366
20
0.2124
69
0.2234

0.2580
13
0.4958
87
0.3430
90
0.4750
25
0.4475
38
0.4989
02
0.4110
15
0.4778
59
0.4417
35
0.3876
46
0.3132
88
0.4374
47
0.4896
07
0.4241
68
0.4864
36
0.4609
44
0.4726

0.00000
0
0.00000
0
0.00000
0
0.00000
0
0.00000
0
2.00440
1
0.00000
0
0.00000
0
0.00000
0
0.00000
0
0.00000
0
0.00000
0
0.00000
0
0.00000
0
2.05576
7
2.16946
3
2.11566

3.87577
0
2.01658
7
2.91469
0
2.10515
1
2.23445
0
2.00440
1
2.43299
8
2.09266
8
2.26379
9
2.57967
4
3.19194
8
2.28599
2
2.04245
4
2.35755
5
2.05576
7
2.16946
3
2.11566

13.02258
8
60.49760
6
62.95730
1
50.52362
6
58.98946
9
62.53731
5
58.39196
1
62.78004
0
67.91398
3
21.66926
0
14.55528
3
10.97276
0
49.01888
8
28.29065
6
24.66920
5
130.1677
94
88.85777

Pgina 14

3.87577
0
2.01658
7
0.00000
0
2.10515
1
2.23445
0
2.00440
1
2.43299
8
2.09266
8
2.26379
9
2.57967
4
3.19194
8
2.28599
2
2.04245
4
2.35755
5
0.00000
0
2.16946
3
2.11566

11.6273
11
2.01658
7
2.91469
0
2.10515
1
2.23445
0
2.00440
1
2.43299
8
2.09266
8
2.26379
9
5.15934
8
6.38389
6
4.57198
3
4.08490
7
4.71510
9
4.11153
4
6.50839
0
6.34698

73.63963
4
58.48101
9
81.61131
6
56.83908
0
73.73683
7
60.13203
3
75.42295
0
52.31670
0
70.17778
2
61.91217
2
70.22285
8
66.29376
0
57.18870
3
58.93886
6
65.78454
6
56.40604
4
88.85777

3.87577
0
2.01658
7
0.00000
0
2.10515
1
0.00000
0
2.00440
1
0.00000
0
2.09266
8
0.00000
0
2.57967
4
3.19194
8
2.28599
2
2.04245
4
2.35755
5
2.05576
7
2.16946
3
0.00000

UNIVERSIDAD NACIONAL DEL CALLAO

83

84

85

86

87

88

89

90

91

92

93

94

2
1
8
3
0
1
4
1
3
8
1
4
2
4
1
0
4
8
2
4
1
2
7

2
4
5
2
8
2
6
5
7
2
4
3
3
2
4
6
0
3
1
3
6
2
7
2
4

1
1
1
1
1
0
1
0
0
0
0
1

56
0.7050
28
0.4490
64
0.2459
56
0.8766
78
0.1503
51
0.2099
34
0.2815
93
0.6969
31
0.4510
38
0.3904
60
0.0685
81
0.2079
51

13
0.2079
63
0.2474
06
0.1854
62
0.1081
14
0.1277
45
0.1658
62
0.2022
99
0.2112
18
0.2476
03
0.2380
01
0.0638
77
0.1647
07

65
0.4560
30
0.4973
99
0.4306
53
0.3288
07
0.3574
15
0.4072
61
0.4497
76
0.4595
85
0.4975
97
0.4878
53
0.2527
40
0.4058
41

1
0.00000
0
2.01045
9
0.00000
0
3.04129
9
0.00000
0
0.00000
0
0.00000
0
2.17587
7
0.00000
0
0.00000
0
0.00000
0
0.00000
0

1
2.19283
8
2.01045
9
2.32205
7
3.04129
9
2.79787
0
2.45542
6
2.22332
8
2.17587
7
2.00965
8
2.04979
6
3.95664
2
2.46401
7

8
39.47108
8
60.31378
2
33.43762
6
40.14514
1
23.50210
8
35.35814
0
53.35988
1
20.88842
4
96.46360
7
49.19509
7
47.47970
0
17.74092
6

1
0.00000
0
2.01045
9
0.00000
0
3.04129
9
2.79787
0
2.45542
6
2.22332
8
2.17587
7
2.00965
8
0.00000
0
0.00000
0
2.46401
7

4
4.38567
6
4.02091
9
2.32205
7
3.04129
9
2.79787
0
4.91085
3
2.22332
8
2.17587
7
4.01931
7
6.14938
7
7.91328
3
7.39205
2

8
98.67772
0
56.29286
3
60.37349
2
173.3540
20
67.14888
1
81.02907
2
53.35988
1
130.5526
47
62.29941
3
73.79264
6
106.8293
25
59.13641
8

De la muestra inicial se han eliminado aquellos datos en los cuales los estimados son
mayores a 1 y menores a 0.
Ahora nuevamente lo regresionaremos pero ahora con los valores ponderados:
De los cual tenemos como resultado:

ECONOMETRIA II

Pgina 15

0
2.19283
8
2.01045
9
2.32205
7
3.04129
9
2.79787
0
0.00000
0
2.22332
8
0.00000
0
0.00000
0
0.00000
0
0.00000
0
2.46401
7

UNIVERSIDAD NACIONAL DEL CALLAO

ECONOMETRIA II

Pgina 16

UNIVERSIDAD NACIONAL DEL CALLAO

regress y i x1 x2 x3 x4 x5, noconstant
Source |
SS
df
MS
-------------+-----------------------------Model |
220.4399
6 36.7399833
Residual | 78.2357183
88 .889042254
-------------+-----------------------------Total | 298.675618
94 3.17740019

Number of obs
F( 6,
88)
Prob > F
R-squared
Adj R-squared
Root MSE

=
=
=
=
=
=

94
41.33
0.0000
0.7381
0.7202
.94289

-----------------------------------------------------------------------------Y |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------I | -.6662662
.0890762
-7.48
0.000
-.8432864
-.489246
X1 |
.0110508
.0032616
3.39
0.001
.0045691
.0175324
X2 | -.0571103
.0664804
-0.86
0.393
-.1892261
.0750056
X3 |
.0378492
.0481535
0.79
0.434
-.0578458
.1335441
X4 |
.0194861
.0031166
6.25
0.000
.0132925
.0256797
X5 |
.2383333
.0669247
3.56
0.001
.1053345
.371332
------------------------------------------------------------------------------

Podemos apreciar al analizar la significancia el t que las

variables x1, x4 y x5 son buenas en la explicacin de la
Y ya que su probabilidad de equivocarnos al rechazar nuestra
hiptesis nula (H0: x1, x4 y x5= 0 individualmente)es
mejor a 5%. Se observa tambin que la variable X2 y X3 no
son significativas si las analizamos separadamente, pero si
en conjunto con las otras variables, de manera que decidimos
incluirlas en nuestro anlisis.
El R-squared es de 0.7381 lo cual me indica que las variables
independientes explican en un 74% a la variable dependiente.
(Pero el r-squared no es muy considerado por su valor
limitado en los modelos de las variables dicotmicas).
El de cumplir con la siguiente condicin F>4, en este caso
tenemos un F = 41.33 que supera ampliamente ese lmite.
Por lo tanto nuestro modelo quedara de la siguiente manera:

Y = -0.6662662 + 0.0110508*x1 -0.0571103*x2 +

0.0378492*x3 + 0.0194861*x4 + 0.2383333*x5

Para un cambio en una unidad del valor de X1 (mil soles

adicionales en el ingreso anual), en promedio la
probabilidad de poseer una casa aumenta en 1.1%.
Segn la muestra y la relacin encontrada, podemos decir
que una persona con estudios universitarios tiene 5.7%
menos probabilidad de poseer una casa propia que una
persona que no logr estudios universitarios.

ECONOMETRIA II

Pgina 17

UNIVERSIDAD NACIONAL DEL CALLAO

Para interpretar la variable x3, debido a que es una

polictoma, primero reemplazamos las medias de las
variables restantes y luego reemplazamos segn los
valores que toma (1, 2 y 3)la variable analizada.
Obteniendo:
Cuando x3 = 1; Y = 0.35462426
x3 = 2; Y= 0.39247346
x3 = 3; Y = 0.43032266
Con los datos existentes podemos concluir que una
persona que vive en algn distrito del sector uno, tiene
una probabilidad de tener casa propia de 35%. Para el
nivel 2, esta probabilidad aumenta a 39%, mientras que
para el tercer nivel es de 43%. Esto nos sugiere que una
persona que vive en distritos de mayor renta, posee
mayores probabilidades de tener casa propia.

Para cada ao adicional de vida (x4), la probabilidad

de poseer una casa propia aumenta en un 1.9%.
En promedio, los varones tienen 23% ms probabilidad de
poseer una casa a comparacin que las mujeres.

Para ilustrar estos resultados pensemos en alguien que tenga

similares caractersticas a los encuestados:
Por ejemplo cual es la probabilidad de tener casa propia de
un varon que vive en independencia de 45 aos de edad con un
ingreso de 12 mil soles anuales que tiene estudios
universitarios.
Y = -0.6662662 + 0.0110508*12 -0.0571103*1 + 0.0378492*1 +
0.0194861*45 +
0.
2383333*1
Y = 0.5622901
La probabilidad de que esta persona tenga casa propia es de
56%.

ECONOMETRIA II

Pgina 18

UNIVERSIDAD NACIONAL DEL CALLAO

Modelo Alternativo:
Pero este modelo tambin tiene validez cuando se utiliza

menos variables (modelo parsimonioso), para lo cual

cogeremos nicamente a las variables que tienes ms
significancia.
Despus de evaluar el t y adems de correr el modelo

varias veces se llega a la siguiente corrida:

.

regress y i x1 x4 x5, noconstant

Source |
SS
df
MS
94
-------------+------------------------------------------------------Model | 219.566299
4 54.8915749
Residual | 79.1093184 90
.878992427
0.7351
-------------+------------------------------------------------------0.7234
Total
| 298.675618 94
3.17740019
93755

Number of obs =
F( 4, 90) = 62.45
Prob > F
= 0.0000
R-squared
=
Adj R-squared =
Root MSE

= .

-----------------------------------------------------------------------------------------------------------------------Y
|
Coef. Std. Err.
t
P>|t|
[95% Conf.
Interval]
------------+---------------------------------------------------------------------------------------------------------i
| -.651422 .0815315
-7.99
0.000
-.8133986 -.4894454
X1
| .0113641 .0029135
3.90
0.000
.0055759 .
0171523
X4
| .0200395 .0030447
6.58
0.000
.0139906 .
0260884
X5
| .2297001 .0595893
3.85
0.000
.1113156 .
3480845

Por lo cual el nuevo modelo quedara de la siguiente manera:

y = -0.651422 + 0 .0113641*X1 + 0.0200395*X4 +

0.2297001*X5
La variables X2 y X3 no se toma en cuenta en el modelo
porque si P > l t l supera lo requerido que es el 0.05.

ECONOMETRIA II

Pgina 19

UNIVERSIDAD NACIONAL DEL CALLAO

En el caso del valor de 0.0113641 significa que para un
cambio en una unidad del valor de X1 (1000 soles al ao), en
promedio la probabilidad de tener casa propia aumenta en
1.1%.
En el caso del valor de 0.0200395 quiere decir que ante un
cambio en una unidad del X4, en promedio la probabilidad
disminuya en un 2%.
Y en el caso de 0.2297001 podemos decir que ante un cambio
en una unidad de X5, en promedio la probabilidad aumente en
un 22.9%.
2.

MODELO

LOGIT

Se analizara los datos obtenidos en un inicio con el modelo

logit, cuya regresin se da de la siguiente manera:
. Logit y x1 x2 x3 x4 x5, asis
Iteration
Iteration
Iteration
Iteration
Iteration
Iteration

0:
1:
2:
3:
4:
5:

log
log
log
log
log
log

likelihood
likelihood
likelihood
likelihood
likelihood
likelihood

=
=
=
=
=
=

Logistic regression
Log likelihood = -43.6178
0.3833

-70.732917
-45.77691
-43.744933
-43.618606
-43.6178
-43.6178
Number of obs =
106
LR chi2(5)
=
54.23
Prob > chi2
=
0.0000
Pseudo R2
=

---------------------------------------------------------------------------------------------------------------------------------y
|
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
------------+------------------------------------------------------------------------------------------------------------------x1
|
.0579226
.023441
2.47
0.013
.
0119792 .1038661
x2
|
-.0982231
.5814145
-0.17
0.866
-1.237774
1.041328
x3
|
.2395094
.3777875
0.63
0.526
-.5009405 .
9799593
x4
|
.1265935
.0281961
4.49
0.000
.0713302 .
1818569
x5
|
1.505064
.590472
2.55
0.011
.34776
2.662368
ECONOMETRIA II

Pgina 20

UNIVERSIDAD NACIONAL DEL CALLAO

_cons
-4.378967

-7.285658

1.483033

-4.91

0.000

-10.19235

y = -7.285658 + 0.0579226*X1 - 0.098223*X2 + 0.2395094*X3 +

0.1265935*X4 + 1.505064* X5
Pasamos a construir nuestro modelo logit:

Pi= 1/1+e-Zi
Donde:
Zi es nuestra ecuacin derivada al correr el modelo logit por
Stata, es decir:
Zi = -7.285658 + 0.0579226*X1 -

0.098223*X2 + 0.2395094*X3 +

0.1265935*X4 + 1.505064* X5
Ahora, procedemos a reemplazar las variables con sus medias ponderadas y
para ver el efecto de la variable polictoma distrito, reemplazamos sus
valores (1, 2 y 3 para cada caso), obteniendo:
Sector 1 (x3=1)
Probabilidad: 0.30855485

Sector 2 (x3=2)
Probabilidad: 0.36183706
Sector 3 (x3=3)
Probabilidad: 0.418748
Con lo cual corroboramos la tendencia predicha por el modelo MPL,
mientas se viva en mejores lugares socioecnmicos, la probabilidad
a tener una casa ser mayor.

Modelo Alternativo:
. logit y x1 x4 x5, asis
Iteration
Iteration
Iteration
Iteration
Iteration

0:
1:
2:
3:
4:

log
log
log
log
log

Logistic regression

likelihood
likelihood
likelihood
likelihood
likelihood

ECONOMETRIA II

=
=
=
=
=

-70.732917
-45.919269
-43.944669
-43.829265
-43.828624
Number of obs
LR chi2(3)
Prob > chi2

=
=
=

106
53.81
0.0000

Pgina 21

UNIVERSIDAD NACIONAL DEL CALLAO

Log likelihood = -43.828624

Pseudo R2

0.3804

-----------------------------------------------------------------------------y |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------x1 |
.0602121
.0220087
2.74
0.006
.0170758
.1033483
x4 |
.1272599
.0277178
4.59
0.000
.0729339
.1815859
x5 |
1.472272
.5821708
2.53
0.011
.3312383
2.613306
_cons | -6.986278
1.273231
-5.49
0.000
-9.481765
-4.490792
------------------------------------------------------------------------------

Y=-6.98+0.06*x1 + 0.12*x4 +1.47*x5

Es un buen modelo ya que las variables presentan P>|z| menor a 5%, por
lo tanto son significativas.
No se tomaron en cuenta las variables X2 y x3 por no ser significativas para el
modelo.

ECONOMETRIA II

Pgina 22