Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Formalizando, sea Yij una variable aleatoria dicotómica, que asume los valores 1 ó 0<br />
correspondientes a la observación i y a la ecuación j, tenemos entonces que yi es la<br />
colección de respuestas de las J variables del individuo i. Según el modelo PMV, la<br />
probabilidad de Yi = yi, condicionada sobre los parámetros, esta dada por:<br />
Pr(Yi = yi) = Pr(yi |β, Ω) = Aj<br />
……… <br />
A1<br />
φJ(t |0, Ω)dt<br />
donde Yi = (Yi1, ..., YiJ ), φJ(t|0; Ω) es la función de densidad de la distribución normal<br />
estándar J-variada con vector de esperanzas 0 y matriz de correlación Ω, el vector de<br />
parámetros ecuacionales es β´ = (β´1, . . . , β´J )´ ∈ k ,<br />
con k = kj , donde kj es el número de covariadas de la ecuación j y finalmente<br />
Aj =<br />
(−∞, zijβj) si yij = 1<br />
(zijβj ,∞) si yij = 0<br />
Una forma funcional del modelo Probit será:<br />
<br />
´ x<br />
Yi = <br />
<br />
Modelo Heckman en dos etapas<br />
1 (- ½ t² ) dt = <br />
e<br />
2<br />
<br />
´ x<br />
<br />
( t) dt<br />
El procedimiento de estimación en dos etapas propuestos por Heckman (1979) consiste en<br />
estimar en la primera etapa un modelo Probit que permite calcular el ratio inverso de Mills<br />
( ), el cual es una función monótonamente decreciente de la probabilidad de que una<br />
observación sea seleccionada en la muestra. El modelo Probit se define como sigue:<br />
Pr(yi = 1|xi, β) = Φ(xiβ + εi),