Versión de HTML Básico
Analíti a
k
10
Revista de Análisis Estadístico
Journal of Statistical Analysis
Analítika, Revista de análisis estadístico, (2015), Vol. 10
El efecto de las políticas de preferencia nacional en las Compras Públicas en Ecuador 2009-2011
79
Y
∗
se refiere a la probabilidad en la variable resultante transformada: en lugar de pre-
decir directamente
Y
el modelo predice el logaritmo de la probabilidad de que
Y
= 1. La
funci´on de
link
enlaza la variable original
Y
con el resultado transformado
f
(
y
) =
ln
(
Y
∗
) =
ln
[
π
(
x
)
/
(1–
π
(
x
))] (
logit link
). Despejando
π
(
x
), el modelo de regresi´on logit es:
π
(
x
) =
exp
(
X
β
)
1+
exp
(
X
β
)
=
1
1+
exp
[
−
(
X
β
)]
La derivada de la probabilidad con respecto a una variable
X
k
del vector
X
es:
∂E
(
Y
∗
)
∂X
k
=
exp
(
X
β
)
(1+
exp
(
X
β
))
2
β
k
donde se puede observar que la derivada depende del valor de las explicativas, lo que
dificulta la interpretaci´on de los coeficientes
10
. Una manera de obtener coeficientes que se
pueden interpretar directamente en t´erminos de la variable dependiente
Y
se calculan los
efectos marginales de las variables independientes, fijando todas las variables de control en
su promedio. De esta forma se puede interpretar el coeficiente de las variables independientes
como la influencia marginal en
Y
para observaciones que tiene una probabilidad de ganar
cerca al promedio (“elementos t´ıpicos” o “observaciones t´ıpicas”). Es importante resaltar
que los resultados presentados en el siguiente cap´ıtulo se tiene que interpretar bajo las
limitaciones mencionadas, quiere decir que los valores de los coeficientes cambian si hay
mucha variaci´on en las variables
X
(Johnston and DiNardo, 1997, p. 424).
Con el m´etodo de m´axima verosimilitud (
Maximum Likelihood
ML en ingl´es) con ite-
raciones se estiman valores para los par´ametros que mejor explican los datos observados
(O’Connell, 2006, p. 13). Como el modelo logit realiza una transformaci´on no lineal en la
variable dependiente, el m´etodo no requiere una distribuci´on normal en los t´erminos de
error. La probabilidad (
Likelihood
) representa la probabilidad que los resultados observados
se puedan predecir del conjunto de las variables independientes.
Todas las especificaciones de regresiones incluyen un conjunto de variables de control,
provenientes de la informaci´on del SRI y del SERCOP. Entre ´estas, las variables
total de
activos
y
total de pasivos
pueden indicar el tama˜no y la liquidez de una empresa e influir en
la probabilidad de ganar un proceso de adjudicaci´on. Para reflejar la experiencia que tiene
una empresa en el mercado se incluye el
a˜no del inicio de actividad econ´omica
, asumiendo
que entre m´as tiempo est´e una empresa activa, m´as conoce de proveedores, precios y condi-
ciones del mercado para competir por adjudicaciones estatales. Por otro lado, se incluye el
n´umero de veces que una empresa ha sido adjudicado
en ocasiones anteriores con logaritmos,
asumiendo efectos de aprendizaje positivos, pero marginalmente decrecientes, ya que una
empresa que anteriormente ha pasado por tr´amites burocr´aticos deber´ıa ser m´as ´agil en los
procesos de contrataci´on. Ser un
contribuyente especial
da una cierta se˜nal de seguridad para
el comprador. El modelo inicial es, por lo tanto:
10
En comparaci´on, en una regresi´on lineal la derivada es
∂E
(
Y
)
∂X
k
=
β
k
, y por lo tanto independiante de los
valores de
X
.
21