ANEXO 02 | NOTA TÉCNICA SOBRE MODELOS DE REGRESIÓN PROBIT ORDENADOS Y BINARIOS
Las opciones de la variable dependiente (Y i ), como por ejemplo, tener un menor o mayor nivel de habilidades digitales, se puede modelizar de la forma siguiente para el caso de que haya tres niveles de habilidades como los analizados en el capítulo 6 (0 si se poseen habilidades digitales bajas o sin habilidades, 1 si son básicas y 2 si son avanzadas):
0 1 2 {
si Y i * ≤ c 1 si c 1 < Y i * ≤ c 2 si c 2 < Y i *
Y i =
donde c i mide el umbral que determina que un individuo pase de estar clasificado en la alternativa i-1 a estarlo en la alternativa i . Para el caso de variable dependiente binaria, el umbral c i es solo uno (alcanzar o no un determinado nivel de habilidades digitales en nuestro caso). Los parámetros c i serán estimados conjuntamente con el modelo y las distintas alternativas se pueden expresar de forma probabilística:
Pr ( Y i = 0) = Pr (Y i * ≤ c 1 ) Pr ( Y i = 1) = Pr ( Y i * ≤ c 2 ) — Pr ( Y i * ≤ c 1 ) Pr ( Y i = 2) = Pr ( Y i * > c 2 ) = 1 — Pr ( Y i * ≤ c 2 )
Los efectos marginales que se estiman a partir del probit se interpretan como el efecto que la variable explicativa (ser mujer frente a hombre, poseer un determinado nivel de estudios frente al nivel de referencia, ser extranjero frente a nacional, etc.) tiene sobre la probabilidad de alcanzar un determinado nivel de habilidades digitales.
121
Made with FlippingBook - Online Brochure Maker