Alumno: Claudio Pérez

Actividad Econometría 2019: Estimar ecuación de Mincer para Argentina

Se plantea la siguiente ecuación de Mincer cuyo universo a analizar es la población en relación en

dependencia con datos de corte transversal, tomando como fuentes la Encuesta Permanente de
Hogares (EPH) para el cuarto trimestre de 2017.

𝑳𝒏 𝑰𝒏𝒈𝒓𝒆𝒔𝒐𝒔 = 𝛽0 − 𝛽1 𝑺𝑪 − 𝛽3 𝑷𝑪 + 𝛽4 𝑬𝑪𝑰𝑽𝑰𝑳 + 𝛽5 𝑪𝑬𝑵𝑻𝑹𝑶 + 𝛽6 𝑺𝑼𝑹 + 𝛽7 𝑬𝑫𝑨𝑫 +

β8 GENERO – β9 EDADCUADRADO

Donde:

 LnINGRESO. Es ingreso de la principal ocupación en AR$

 EDAD. Es cantidad de años. Se espera que su signo sea positivo.
 EDADCUADRADO. Es la edad, en cantidad de años, al cuadrado representando que ante
mayor edad el ingreso es cada vez menor1. Se espera que sea negativo.
 GENERO. Es una variable categórica sobre el sexo del individuo, siendo 1 hombre y 0
mujer2. (Teoria de la competencia) Se espera signo positivo si es hombre
 PC. Es una variable categórica que representa si el individuo completo la educación
primaria. Siendo 1 si efectivamente lo hizo, 0 lo contrario. Se espera signo negativo
 SC. Es una variable categórica que representa si el individuo completo la educación
Secundaria. Siendo 1 si efectivamente lo hizo, 0 lo contrario3. Categoría base Superior
Universitaria Completa. Se espera signo negativo.
 CENTRO. Es una variable categórica que representa si el individuo vive en el centro del
país. Siendo 1 si efectivamente vive en esa zona, 0 caso contrario. Se espera que el signo
sea positivo.
 SUR. Es una variable categórica que representa si el individuo vive en el sur del país4.
Siendo 1 si efectivamente vive en esa zona, 0 caso contrario. Se espera que el signo sea
positivo.
 ECIVIL. Es una variable categórica que representa si el individuo se encuentra casado.
Siendo 1 si efectivamente lo está, 0 caso contrario. Se espera que el signo sea positivo.

1
Tanto la variable de Edad como EdadCuadrado se usó para tomar en cuenta la experiencia del individuo y
como esta impacta a el ingreso.
2
Basada en la Teoria de la Competencia en la que afirma que existen indicadores extraeconómicos como el
género que podían explicar las variaciones del ingreso.
3
Esta basada en la Teoria de la Señalización en la que afirma que ante información imperfecta los
empresarios buscan indicadores de productividad que permita contratar trabajadores. Dado esto decidí
incorporar las variables categóricas PC y SC.
4
Considere importante agregar las variables categóricas Centro y Sur debido a las evidentes diferencias de
ingresos entre regiones del país.
 Alumno: Claudio Pérez

Previo a la correspondiente regresión se realice los siguientes procedimientos en los datos:

1. Renombre las variables de interés presentes en la EPH:

2. Para poder analizar la población de estudio se procedí a eliminar datos de individuos que
tengan menos de 18 años y se deje solo los asalariados:

3. Exprese la variable Ingresos en logaritmo para ajustarla mejor a los datos5:

5
Expresarla de esta manera es perfectamente plausible ya que el ingreso no puede ser negativo.
 Alumno: Claudio Pérez

4. Genere la variable EdadCuadrado:

5. Las variables categóricas sobre educación, PC y SC, las confeccione tomando los datos
suministrados por la variable NIVEL_ED y dejando como categoría base Superior
Universitaria Completa:

6. Posteriormente elimine datos irrelevantes de mencionada variable:

7. En la variable Genero remplace la categorización por defecto a la forma vista usual6:

6
Solamente se reemplace el valor 2 por 0 cuando el género es mujer.
 Alumno: Claudio Pérez

8. Elimino datos irrelevantes de CH07 y genero la variable ECIVIL para que refleje las
categorías de casado o soltero7:

9. En este último caso para poder reflejar el impacto geográfico en el ingreso, cree dos
variables categóricas, Centro y Sur, dejando como categoría base el Norte:

7
La variable CH07, que está presente en la EPH, mostraba la categorización del estado civil del individuo, a
saber, si era casado, soltero, divorciado, si estaba unido, etc. Acá solo deje la categorización casado o soltero
en la dummy ECIVIL.
 Alumno: Claudio Pérez

10. Estime los correspondientes residuos:

Finalizado el procedimiento previo, se hizo la correspondiente regresión:

Se puede observar que el modelo en cuestión explica un 35,5% del ingreso y que cada uno de los coeficientes
son significativos tanto individual como conjuntamente. Mientras que los signos de los coeficientes coinciden
con lo esperado. Paralemente la variable explicativa que tiene mayor impacto en el ingreso es PC.
 Alumno: Claudio Pérez
No conforme con esto evalué la funcionalidad del modelo aplicando el Test de Ramsey:

Se concluye que el modelo no tiene una correcta forma funcional. Cabe aclarar que el test solo señala la
presencia de una incorrecta forma funcional pero no la causa que la genera. A pesar de esto las variables
siguen siendo significativas y con un R ajustado aceptable.

Por otro lado, procedí a evaluar la existencia de multicolinealidad en el modelo. Para ello, observe
la significatividad individual y posteriormente su VIF correspondiente:

El modelo al tener todas sus variables significativas individualmente demuestra que no hay indicios de
presencia de multicolinealidad. Aun cuando en las variables EDAD y EDADCUADRADO tenga un VIF elevado.

Además, también procedí a evaluar la existencia de heterocedasticidad. Para detectarla utilice el

llamado Test de Breusch-Pagan como método más concluyente:

Como se puede apreciar, el test da significativo concluyendo que hay indicios de heterocedasticidad.
 Alumno: Claudio Pérez
Alternativamente me dispuse a hacer el test de White:

Como era de esperarse, el test da significativo, concluyendo que también hay presencia de
heterocedasticidad. Ambos test me dan indicios que mis estimadores no son eficientes y por ende no son
MELI.

Para corregirla opte por usar la corrección de WHITE: