Econometria
Modelos discretos
Modelos para variáveis binárias


Probit e logit: distribuições simétricas em torno
de zero.
Modelo Clog-log: distribuição do y é
assimétrica, há uma grande proporção de zero
ou um no banco de dados.
Efeitos marginais no Probit

O impacto marginal da mudança de uma
variável não é constante.
No modelo de probabilidade linear:

No modelo probit:

(depende do valor de todas as outras variáveis na
equação)
Efeitos marginais




Para calcular o impacto de xi sobre y, temos
que escolher os valores de todas as outras
variáveis.
Valores tipicamente usados: médias, medianas.
Fixar os valores e deixar o valor de xi variar do
máximo para o mínimo.
Computar os valores para cada observação e
fazer a média por todas as variáveis.
Exemplo
Cálculo do efeito considerando
variáveis na mediana
O efeito é de 0,881 – 0,936 = 0,55
Efeito marginal


Efeito marginal: tangente a curva de
probabilidade.
O tamanho da mudança depende do nível das
variáveis.
Mudança
marginal
Mudança
discreta
Comando para computar efeito
marginal

Mfx compute, at (WC=1 AGE = 40)
Mudança discreta na probabilidade
predita



Probabilidade do evento ocorrer dado x, e
particularmente o valor de xk Pr(y  1/ x, x )
k
Probabilidade do evento ocorrer dado x, e
particularmente o valor de xk+σ Pr(y  1/ x, xk   )
Mudança discreta:
 Pr(y  1 / x)
 Pr(y  1 / x, xk   )  Pr(y  1 / x, xk )
xk
Mudança discreta e marginal

Podem ser similares quando a mudança da
variável xk ocorre uma região onde a curva de
probabilidade é quase linear.
Probabilidades estimadas