Mtodos Multivariados

Modelo MCO de individuos que han estado en la crcel y el

tiempo de acceso al mercado laboral.

durat i=11.80+0,013 age 1+ 0,100 tserved i0,209 educ i+ 0,44 rulesi +2,7 i + 4,1 alcoholi1,3 super i
La significancia global, en cuanto al tiempo en meses que dura un individuo en
conseguir acceso al mercado laboral notamos un R-2 muy bajo del 8% un valor
(p) para la prueba de Fisher menor al 5%.
Era de esperarse que el signo del coeficiente de la variable age, fuese positivo
puesto se espera que si un individuo al salir de la crcel con una edad en
meses muy avanzada; su posibilidad de acceso al mercado laboral sea menor
por cuanto tardara un nmero mayor en meses para conseguirlo. De igual
forma, la variable tserved muestra que cuanto mayor es el tiempo en meses
que pase el individuo recluido mayor ser el tiempo en meses que podr
acceder al mercado laboral. No obstante individuos que salen de la crcel con
libertad condicional logran conseguir su primer empleo ms rpido, por cuanto
menor es el tiempo en meses para lograrlo.

La significancia individual de estas variables es representativa, puesto el valor

(p) es menor al 5% por lo cual se rechazara la hiptesis nula, solo la variable
super est por encima de dicho valor.

0.00

Normal F[(RES-m)/s]
0.25
0.50
0.75

1.00

En cuanto a la grfica de distribucin de la variable dependiente miremos el

comportamiento de los residuales, en un grfico de normalidad.

0.00

0.25

0.50
Empirical P[i] = i/(N+1)

0.75

1.00

50

Frequency
100
150

200

250

La distribucin de los residuales no coincide con una distribucin normal.

Miremos el sgte histograma

-40

-20

0
Residuals

20

40

Aqu persiste la no distribucin normal de los residuales.

Por tal no es apropiado estimar el modelo por MCO puesto la falta de
normalidad influye en el modelo en que los estimadores mnimos cuadrticos
no son eficientes en cuanto a la mnima varianza, los intervalos de confianza
de los parmetros del modelo y de los contrastes de significacin son
solamente aproximados y no exactos. La ausencia de normalidad puede
deberse a observaciones heterogneas, es decir, algunos errores en la
obtencin de los datos o simplemente se han omitido variables regresoras;
pueda que no se ha tenido en cuenta una variable de clasificacin cuando las
observaciones proceden de diferentes poblaciones.
Puede existir asimetra en la distribucin para tal caso se debe transformar la
variable respuesta, es decir, Box-Cox; esto se relaciona con problemas como
falta de heterocedasticidad, que con la transformacin pueden resolverse
conjuntamente.

Modelo de Evaluacin de Impacto:

Como no se puede conocer el impacto para un individuo particular, se trabaja
con promedios para una poblacin objetivo. Para realizar esta comparacin, es
necesario que no existan diferencias sistemticas entre quienes reciben y no
participan del programa.
Las condiciones que se cumplen para poder implementar el metodo de las
diferencias son:

En cuanto a la participacion cualquier individuo puede ser sujeto del

tratamiento o del programa en este caso dada sus caracteristicas
particulares.

0< Pr ( Di=1|X ) < 1

Cualquier individuo puede estar en el programa o pertenecer a control

Los posibles resultados son independientes de la asignacion a control o
programa que se realizas, es decir existe aleatoriedad.

Pr {Y i ( 1 )D i }=Pr Y i (1)

Si el programa se la da a un individuo J, esto no debe afectar los

resultados obtenidos por el individuo i, independiente si a ste se le da
el programa o no.

Modelo logit para verificar aleatoriedad en la seleccin, para tal modo se

enfrenta la variable Di frente a una serie de covariantes y no debe existir
significancia entre estos.

Di=1 si individuo es b eneficiario del programa

Di=0 caso contrario (contrafactualcontrol)

Como vemos, ningun coeficiente es significativo puesto el valor (p) para cada
uno es mayor al 5%, en cuanto la regresion de recibir el quiosco o estar en el
tratamiento de la politica publica. Por tal se comprueba la aleatoriedad
efectiva. Ninguna covariante es significativa. La estimacion sera eficiente.

50000

prom

100000

150000

Modelo de diferencias con la variable de ventas como dependiente:

50

indivi

NO QUIOSCO

100
QUIOSCO

150

Comportamiento de las variable dependiente de ventas promedio diarias entre

los individuos que pertenecen al programa, recibiendo el quiosco y los que no.
Los que pertenecen al programa vemos como el promedio de ventas diarias
esta por encima de los $10.000, lo que no sucede en el grupo de los que no
estan en el programa.
Miremos comportamiento de la variable explicativa por grupos

Notamos algunas diferencias entre los grupos, como en los aos de

experiencias, las personas a cargo, entre las horas semanales trabajadas etc.
Aunque no tan significativas, pero los grupos si parten de grupos diferentes.

MODELO PROBIT , PROGRAMA DE APOYO NUTRICIONAL

MODELO DEL EMPLEO MATERNAL, DESARROLLO COGNITIVO

Vemos que el coeficiente de el nmero de trimestres que la madre ha trabajado

desde el nacimiento hasta el da de la prueba del nio es significante, de igual
modo que la raza es significante en el caso de las minoras tnicas solo que
influye negativamente en las pruebas.

Pueda que se omita variables relevantes y la variable de inters este

correlacionado con los residuales, por tal empleomad puede ser una variable
explicativa endgena, esto invalidara los estimadores MCO de los parmetros
del modelo, que sern inconsistentes. Es muy posible que la variable que
muestre el resultado de la madre en el ICFES este correlacionado con
empleomad puesto que un resultado negativo o no alentador puede mostrar
el tipo y la necesidad de trabajo o no en un futuro. Por tal necesitamos esta
informacin adicional para obtener estimaciones consistentes de los
parmetros. Esta variable es el resultado de la madre en las pruebas ICFES, la
cual denominamos instrumental, debido a que puede que no est
correlacionada con el error del modelo y presente correlacion con la variable
endgena empleomad.

e m p le o m a d
10
15

20

Ahora si incluimos informacin de las siguientes variables desemple,

servicios, salariopro pueda que intuitivamente sean un conjunto de
variables instrumentales vlidas para empleomad, sin embargo mirando
diagramas de dispersin notamos algo diferente

50

100
desempleo

150

200

20
e m p le o m a d
10
15
5
0
2

salarioprom

A continuacin realizamos estimacin con el conjunto de variables

instrumentales:

Como vemos el modelo de estimacin de mnimos cuadrados bietapicos arroja

un modelo global con mayor soporte, el Wal chi2 es alto. En cuanto la
significancia de los coeficientes vemos que tanto la variable empleomad es
significativa menos la variable gnero. Sin embargo empleomad en esta
ocasin afecta negativamente la prueba del nio.
El sesgo de estimacin de MCO del coeficiente iba en la direccin esperada,
puesto que la variable endgena invalidaba la estimacin de MCO haciendo
que los parmetros fuesen inconsistentes, lo cual cambia con la utilizacin de
variables instrumentales.