Econometría Aplicada

UNIDAD 2: ANÁLISIS DE REGRESIÓN MÚLTIPLE

USO DE VARIABLES BINARIAS
Descripción de la información cualitativa
 Los factores cualitativos surgen casi siempre en forma de información binaria:
 Hombre, mujer
 Posesión de bienes
 Atributos

 Variable binaria o dummy: toma únicamente dos valores: cero o uno.

 Si se toma como base una característica, se debe colocar el valor de 1 a la otra
característica. Por ejemplo, si el grupo base es hombres, entonces se coloca 1
a mujeres y 0 a hombres.
Descripción de la información cualitativa
Una sola variable binaria independiente
Supongamos el siguiente modelo:

𝑠𝑎𝑙𝑎𝑟𝑖𝑜 = 𝛽0 + 𝛿0 𝑚𝑢𝑗𝑒𝑟 + 𝛽1 𝑒𝑑𝑢𝑐 + 𝑢

Donde 𝑚𝑢𝑗𝑒𝑟 es una variable binaria que toma el valor de 1 cuando la persona es
mujer y cero, cuando es hombre.
 𝛿0 es la diferencia del salario por hora entre hombres y mujeres, dada la
misma cantidad de educación (y un mismo término de error, 𝑢)

𝛿0 = 𝐸 𝑠𝑎𝑙𝑎𝑟𝑖𝑜 𝑚𝑢𝑗𝑒𝑟 = 1, 𝑒𝑑𝑢𝑐 − 𝐸 𝑠𝑎𝑙𝑎𝑟𝑖𝑜 𝑚𝑢𝑗𝑒𝑟 = 0, 𝑒𝑑𝑢𝑐

𝛿0 = 𝐸 𝑠𝑎𝑙𝑎𝑟𝑖𝑜 𝑚𝑢𝑗𝑒𝑟, 𝑒𝑑𝑢𝑐 − 𝐸 𝑠𝑎𝑙𝑎𝑟𝑖𝑜 ℎ𝑜𝑚𝑏𝑟𝑒, 𝑒𝑑𝑢𝑐
Una sola variable binaria independiente
 Gráficamente, esta situación se representa como un desplazamiento del intercepto
Una sola variable binaria independiente
 Nada cambia cuando intervienen más variables explicativas

𝑤𝑎𝑔𝑒 = 𝛽0 + 𝛿0 𝑓𝑒𝑚𝑎𝑙𝑒 + 𝛽1 𝑒𝑑𝑢𝑐 + 𝛽2 𝑒𝑥𝑝𝑒𝑟 + 𝛽3 𝑡𝑒𝑛𝑢𝑟𝑒 + 𝑢

 Supongamos que se realiza la estimación y se obtienen los siguientes

resultados:
Una sola variable binaria independiente

 El coeficiente de female (mujer) mide la diferencia entre el salario por hora de

una mujer y de un hombre, dados los mismos niveles de educación,
experiencia y antigüedad.
 Si se toman un hombre y una mujer con los mismos niveles de educación,
experiencia y antigüedad, la mujer gana, en promedio $1.81 menos por hora
que el hombre.
Una sola variable binaria independiente

 En este ejemplo sencillo, el intercepto es el salario promedio de los hombres

en la muestra (si female = 0), de manera que los hombres ganan, en
promedio, $7.10 por hora.
 El coeficiente de female es la diferencia entre el salario promedio de los
hombres y el de las mujeres. Por lo tanto, en la muestra, el salario promedio
de las mujeres es 7.10 – 2.51 = 4.59 dólares por hora.
4.2 Una sola variable binaria independiente
Ejemplo:

En este modelo, la variable colonial toma el valor de 1 cuando la casa es de estilo

colonial, y 0 cuando es de otro estilo. Entonces, se predice que una casa de estilo
colonial se venderá aproximadamente 5.4% más, manteniendo constantes todos
los demás factores.
Sin embargo, dicho coeficiente no es estadísticamente significativo (estadístico t
es menor al valor crítico)
4.3 Uso de las variables binarias en categorías múltiples
En el ejemplo del salario, se puede tomar en cuenta las diferencias entre cuatro
grupos: hombres casados, mujeres casadas, hombres solteros y mujeres
solteras.
Para esto, se debe elegir un grupo base (por ejemplo, hombres solteros)
4.3 Uso de las variables binarias en categorías múltiples
Incorporación de información ordinal mediante el uso de variables binarias
Suponga que se desea estimar el efecto de la calificación crediticia de la ciudad
sobre las tasa de interés de los bonos municipales (MBR). Las calificaciones van
de cero a cuatro, siendo cero la peor calificación y cuatro la mejor.
Aquí es posible definir las siguientes variables binarias:
CR1 = 1, si la calificación es 1, y CR1 = 0, de otro modo.
CR2 = 1, si la calificación es 2, y CR2 = 0, de otro modo.
CR3 = 1, si la calificación es 3, y CR3 = 0, de otro modo.
CR4 = 1, si la calificación es 4, y CR4 = 0, de otro modo.
Se ha tomado a la calificación crediticia de cero como el grupo base.
4.3 Uso de las variables binarias en categorías múltiples
Incorporación de información ordinal mediante el uso de variables binarias
El modelo se explicaría como:

𝑀𝐵𝑅 = 𝛽0 + 𝛿1 𝐶𝑅1 + 𝛿2 𝐶𝑅2 + 𝛿3 𝐶𝑅3 + 𝛿4 𝐶𝑅4 + 𝑜𝑡𝑟𝑜𝑠 𝑓𝑎𝑐𝑡𝑜𝑟𝑒𝑠