Professional Documents
Culture Documents
Abstract: The purpose of this article is to look back over the history of
logit model, since its inception to the present day, paying special attention
to the work of Mcfadenn (1973), who linked this model to the Theory of
Discrete Choice, opening thereby a new field work that earned him the
Nobel Prize in Economics in 2000.
Palabras clave: Ecuacin logstica, Logit Model, eleccin discreta,
demografa, modelos economtricos.
I. Introduccin.
VI. Bibliografa.
I. INTRODUCCIN
Actualmente el uso de los modelos de la familia logit es apropiado en muchas ciencias como la Economa, la Medicina, la Biologa,
la Psicologa, la Teora de la Decisin. El objeto de este artculo es
realizar un recorrido por la historia del modelo logit, desde su aparicin en el siglo XIX hasta nuestros das, prestando especial atencin
al trabajo de McFadenn (1973), quien vincula este modelo a la Teora de la Eleccin Discreta, abriendo un nuevo campo de trabajo que
le hizo merecedor del Premio Nobel en Economa en el ao 2000.
La ecuacin o funcin logstica se define como:
(1)
En esta expresin, habitualmente P denota una funcin de probabilidad, e Y indica una combinacin lineal del tipo
As definida, la funcin logstica cumple las propiedades de ser
una funcin montona creciente, acotada en el intervalo [0,1]. Su
representacin grfica (figura 1) es una curva de forma sinusoidal en
Figura 1.
472
la que observamos que para valores pequeos de la variable Y la funcin experimenta un crecimiento lento, que aumenta rpidamente a
medida que aumenta la variable (en este tramo se asemeja al crecimiento exponencial), y, finalmente, se ralentiza para valores altos de
Y, alcanzado su cota mxima situada en el valor 1.
No obstante, debemos esperar hasta el siglo XIX para que la funcin logit o ecuacin logstica se desarrollara tal y como la conocemos hoy en da. Esta funcin se aplic de forma independiente en
dos mbitos bien diferenciados: en qumica, para explicar reacciones
autocatalticas y en demografa, para explicar el crecimiento de
poblaciones. Hay que destacar que la trayectoria en ambas disciplinas es distinta: su uso en qumica ha sido ininterrumpido, mientras
que en demografa hay un periodo prolongado en el que cae en un
injustificado olvido.
473
hulst como una posible solucin al dilema del crecimiento exponencial de Malthus.
474
proceso limitado. Demostr que la tasa de crecimiento de una poblacin est limitada directamente por su propia densidad. Por este
motivo aadi al modelo propuesto por Malthus un trmino adicional que representa la resistencia al crecimiento:
(3)
En concreto,
deba representar las fuerzas que frenan
el crecimiento poblacional y que ambos autores consideraban que
aumentan con el cuadrado de la tasa de variacin de la poblacin.
Esta idea se puede expresar mediante la ecuacin:
(4)
475
Los resultados de sus investigaciones sobre el crecimiento demogrfico vieron la luz a travs de varios artculos. En 1838 publica en
Correspondance Mathmatique et Physique (editado por A. Quetelet) Notice sur la loi que la population suit dans son accroissement, en el que expone la esencia de su teora y muestra cmo su
modelo describe fielmente el crecimiento de las poblaciones de Blgica, Rusia y Francia, utilizando para ello datos anteriores a 1833.
No obstante, en este artculo no menciona cmo deduce la ecuacin
de crecimiento ni tampoco se refiere a ella como funcin logstica.
476
tros del modelo, que permiten una nueva prediccin del nivel mximo de la poblacin en el caso de Blgica, situndolo en 9,5 millones.
Tras la muerte de Verhulst (1849), J. B. Liagre, amigo del matemtico, repite, utilizando datos ms actualizados, la estimacin del
lmite mximo de crecimiento de la poblacin de Blgica, que recoge en la segunda edicin de su libro Calcul des probabilits et thorie des erreurs (1879), llegando, en este caso, a la cifra de13,7 millones. Con la excepcin de este trabajo, la obra de Verhulst permanece
casi 70 aos en el olvido.
477
478
(8)
La etapa de desarrollo del Modelo Logit y su aplicacin en distintos campos no es sencilla. Existe, desde su introduccin por Berkson, una rivalidad entre los partidarios de la utilizacin de Modelos
Logit y de Modelos Probit, tal y como se puede comprobar en
muchas publicaciones, sobre todo durante las dcadas de los 60 y 70.
A esta rivalidad contribuye el propio Berkson, mediante una serie de
artculos que abarcan desde 1944 hasta 1980. Los partidarios del
Modelo Logit argumentan la flexibilidad en su interpretacin, ya que
sta depende de la definicin de las variables, y su simplicidad de
clculo y aplicacin, que se ve reforzada en los 80 con la revolucin
informtica. Sus detractores, en cambio, utilizan esta falta de interpretacin especfica para designar al Modelo Logit como una simple
herramienta estadstica, llegando a afirmar que carece de base terica slida para su aplicacin, ya que, a diferencia del Modelo Probit,
no tiene asociada una distribucin de probabilidad reconocida (Aitchis y Brown, 1957)
479
480
vas (atributos observables), y una componente aleatoria i, que recoge los efectos que tanto las variables no relevantes individualmente
como del azar pueden tener sobre la utilidad. Segn esto, la funcin
de utilidad de un individuo se representa por la expresin
(9)
Si aceptamos la hiptesis de linealidad para la componente sistemtica, la funcin de utilidad para cada estado posible de la eleccin
se formula en los siguientes trminos:
(10)
Si el comportamiento del individuo obedece al principio econmico de maximizacin, elegir la alternativa que le proporcione la
mxima utilidad. En esta situacin, la probabilidad de que el individuo elija la alternativa representada como y = 1 ser:
(11)
481
V. CONCLUSIONES
482
483