Ejercicios

1.- Utilizando la base de datos salarios.wfl estime los siguientes modelos:

Modelo 1: wage=β 0 + β 1 educ + β 2 exper + β 3 exper 2+ β 4 ¿+ β5 urban+ μ

Dependent Variable: WAGE
Method: Least Squares
Date: 04/28/20 Time: 08:42
Sample: 1 935
Included observations: 935

Variable Coefficient Std. Error t-Statistic Prob.  

C -254.1482 118.1555 -2.150964 0.0317

EDUC 67.94983 6.233819 10.90019 0.0000
EXPER 16.88454 12.53170 1.347346 0.1782
EXPER^2 0.024583 0.524667 0.046855 0.9626
BLACK -203.9180 36.31275 -5.615604 0.0000
URBAN 172.9016 26.59773 6.500613 0.0000

R-squared 0.194895     Mean dependent var 957.9455

Adjusted R-squared 0.190562     S.D. dependent var 404.3608
S.E. of regression 363.7985     Akaike info criterion 14.63747
Sum squared resid 1.23E+08     Schwarz criterion 14.66854
Log likelihood -6837.019     Hannan-Quinn criter. 14.64932
F-statistic 44.97738     Durbin-Watson stat 1.881462
Prob(F-statistic) 0.000000

Este coeficiente C representa el intercepto.

De la ecuación, así como los coeficientes de cada variable representan la pendiente y/o
la variación en que afectan las variables exógenas.

Por cada unidad q aumente la variable EDUC aumentara en 16.88 el salario

Por cada unidad q aumente la variable EXPER aumentara en 0.024 el salario
Por cada unidad q aumente la variable EXPER^2 aumentara en 67.94 el salario
Por cada unidad q aumente la variable BLACK disminuirá en 203.91 el salario
Por cada unidad q aumente la variable URBAN aumentara en 172.90 el salario

El coeficiente de determinación nos muestra la precisión del modelo, otra forma de

entenderlo sería que las Variables Exógenas explican en un 19.48% a la Variable
Salario

Las pruebas de significancia nos demuestran que las variables Exper y Exper^2 Aceptan
Ho por ende rechazan la H1 son variables no relevantes para el modelo, ya que su
probabilidad es mayor que 0.5.

Las Variables EDUC, BLACK y URBAN son variables relevantes para el modelo
porque su probabilidad es menor que 0.5.
Modelo 2: wage=β 0 + β 1 educ + β 2 exper + β 3 exper 2+ β 4 Iq + β 5 meduc +μ

Dependent Variable: WAGE

Method: Least Squares
Date: 04/28/20 Time: 09:10
Sample (adjusted): 1 933
Included observations: 857 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

C -626.6145 136.3812 -4.594580 0.0000

EDUC 55.28170 7.567993 7.304671 0.0000
EXPER 20.26230 13.71895 1.476957 0.1401
EXPER^2 -0.042589 0.580526 -0.073364 0.9415
IQ 4.833419 1.003818 4.815034 0.0000
MEDUC 12.06916 4.862686 2.481995 0.0133

R-squared 0.174804     Mean dependent var 970.5146

Adjusted R-squared 0.169956     S.D. dependent var 407.2442
S.E. of regression 371.0270     Akaike info criterion 14.67740
Sum squared resid 1.17E+08     Schwarz criterion 14.71068
Log likelihood -6283.267     Hannan-Quinn criter. 14.69015
F-statistic 36.05412     Durbin-Watson stat 1.882698
Prob(F-statistic) 0.000000

El coeficiente C representa el intercepto.

De la ecuación, así como los coeficientes de cada variable representan la pendiente y/o
la variación en que afectan las variables exógenas.

Por cada unidad que aumente la variable EDUC aumentara en 55.28 el salario.
Por cada unidad que aumente la variable EXPER aumentara en 20.26 el salario.
Por cada unidad que aumente la variable EXPER^2 disminuirá en -0.042 el salario.
Por cada unidad que aumente la variable IQ aumentara en 4.833 el salario.
Por cada unidad que aumente la variable MEDUC aumentara en 12.06 el salario.

El coeficiente de determinación nos muestra la precisión del modelo, otra forma de

entenderlo sería que las Variables Exógenas explican en un 17.48% a la Variable
Salario

Las pruebas de significancia nos demuestran que las variables Exper y Exper^2 Aceptan
Ho por ende rechazan la H1 son variables no relevantes para el modelo, ya que su
probabilidad es mayor que 0.5.

Las Variables EDUC, BLACK y URBAN son variables relevantes para el modelo
porque su probabilidad es menor que 0.5.