Modelagem de Eventos Raros: Uma aplicação utilizando regressão probit

  • Patrick Franco Alves Aluno de Doutorado do Programa de Pós-Graduação da Departamento de Economia - Universidade de Brasília
  • Alan Ricardo da Silva Departamento de Estatística - Universidade de Brasília

Resumo

Em avaliações utilizando bases de dados observacionais existem situações onde variáveis dicotômicas possuem distribuição extremamente desbalanceada entre sucessos e fracassos. Entre tais situações se encontram as avaliações de políticas públicas, onde os beneficiados são uma pequena proporção da população. O trabalho de KING & ZENG (2001) mostra a possibilidade de obtenção de estimativas viciadas para a regressão logística quando da modelagem de eventos raros. Neste artigo o objetivo é demonstrar o efeito da modelagem de eventos raros no contexto da função de ligação probit e suas consequências sobre os efeitos marginais. Foi possível verificar que, sob a hipótese de auto-seleção do evento “sucesso”, as probabilidades estimadas se afastam consideravelmente das probabilidades reais. Como solução para a baixa qualidade das probabilidades estimadas é proposta uma simulação computacional baseada em re-amostragem, onde são escolhidas sub-amostras aleatórias e o modelo probit é então estimado em cada uma delas.

Biografia do Autor

Patrick Franco Alves, Aluno de Doutorado do Programa de Pós-Graduação da Departamento de Economia - Universidade de Brasília
Estatístico pela Universidade de Brasília e Mestre em Estatística pela Escola Nacional de Ciências Estatísticas. Atualmente é aluno do doutorado Economia na Universidade de Brasília. Aluno de Doutorado do Programa de Pós-Graduação da Departamento de Economia - Universidade de Brasília
Alan Ricardo da Silva, Departamento de Estatística - Universidade de Brasília

Possui graduação em Estatística pela Universidade de Brasília, mestrado e doutorado em Transportes pela Universidade de Brasília. Atualmente é professor adjunto do departamento de estatística da Universidade de Brasília (UnB)

Publicado
2017-05-10
Edição
v. 6 (2017): REVISTA DE ESTATÍSTICA DA UNIVERSIDADE FEDERAL DE OURO PRETO
Seção
Artigos

Autores que publicam nesta revista concordam com os seguintes termos:

a. Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.

b. Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.

c. Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).