jueves, 15 de noviembre de 2018

Modelo PROBIT Parte 1

Como se ha mencionado, para explicar el comportamiento de una variable dependiente dicótoma, es preciso utilizar una FDA seleccionada apropiadamente. El modelo logit utiliza la función logística acumulativa, como se indica en (16.7.2). Pero esta no es la única FDA que se puede utilizar. En algunas aplicaciones, la FDA normal se ha encontrado útil. El modelo de estimación que surge de una FDA normal, es comúnmente conocido como el modelo probit, aunque algunas veces también es conocido como el modelo normit. En principio, se puede sustituir la FDA normal por la FDA logística en (16.7.2) y proceder como en la sección 16.7. Pero en lugar de seguir este camino, se presentará el modelo probit basado en la teoría de la utilidad,  o de la perspectiva de selección racional con base en el comportamiento, según el modelo desarrollado por McFadden.

Para motivar el modelo probit, supóngase que en el ejemplo de propiedad de vivienda, la decisión de la iésima familia de poseer una casa o de no poseerla depende de un índice de conveniencia no observable Ii que está determinado por una o varias variables explicativas, por ejemplo, el ingreso Xi, de tal manera que entre mayor sea el valor del índice Ii, mayor será la probabilidad de que la familia posea vivienda. Se expresa el índice Ii como

sábado, 21 de enero de 2017

Ejemplo Predicción de tasas de bonos

En el ejemplo 16.2 se consideraron las estimaciones MLP llevadas a cabo por Joseph Cappelleri del modelo de clasifación de bonos para una muestra de 200 bonos Aa y Baa. Para la misma información, Cappelleri estimó el siguiente modelo logit utilizando el método de máxima verosimilitud, pero no ajustó sus resultados por heteroscedasticidad (las cifras en paréntesis correspondena los errores estándar):


viernes, 20 de enero de 2017

Modelo LOGIT: Ejemplos Ilustrativos "Una aplicación del análisis Logit a la predicción de blancos de fusión" (II)

A priori, se espera que ß2, ß4, y ß5 sean negativos, ß6 positivo y ß3 positivo o negativo. Con base en una muestra de 24 empresas fusionadas (Y=1) y 43 no fusionadas (Y=0), los autores obtuvieron los resultados que aparecen en la tabla 16.6. Como se esperaba, los coeficientes estimados tienen los signos esperados a priori y la mayoría son estádisticamente significativos al nivel del 10% o a un mejor nivel (es decir, menos del 10%). Los resultados, por ejemplo, indican que entre más alta sea la rotación y más grande sea el tamaño, menores son las probabilidades (log) de que la empresa sea un blanco de fusión. (Por qué?) Por otra parte, entre mayor sea el volumen de transacciones, mayores son las probabilidades de ser candidato a fusión, ya que las empresas de altos volúmenes pueden implicar costos de transacción de adquisición más bajos debido a su fácil negociabilidad. Basado en su análisis, los autores concluyen:

...un factor importante que afecta el atractivo de la empresa es la incapacidad que tiene la gerencia encargada de generar ventas por unidad de activos. Además, una baja rotación de activos debe ir acompañada por una combinación de un nivel bajo de dividendos, un nivel bajo de endeudamiento financiero, un alto volumen de transacciones y su pequeño tamaño dentro del valor agregado del mercado con el fin de producir una alta probabilidad de fusión.

jueves, 18 de agosto de 2016

Modelo LOGIT: Ejemplos Ilustrativos "Una aplicación del análisis Logit a la predicción de blancos de fusión"

Para predecir la probabilidad de que una empresa dada sea blanco de fusión, J. Kimball Dietrich y Eric Sorensen estimaron el siguiente modelo logit:



miércoles, 17 de agosto de 2016

Modelo LOGIT: Ejemplo Numérico (VI)

Para concluir nuestros análisis de los modelos logit, se presentan a continuación los resultados de la regresión basadas en MCO, o regresión no ponderada, para el ejemplo de propiedad de vivienda.