Juan Sebastián Balaguera Medina

Juan Esteban Rangel Jurado

Sebastián Londoño Silva

Informe acerca de la Interpretación del modelo logit multinomial del

artículo “Caracterización del Mercado Laboral de los profesionales en
Economía de las ciudades de Bogotá, Bucaramanga, Medellín, Cali, 2018-
2019
Las variables a trabajar fueron:
-Salario
-Experiencia
-Ciudad
-Posgrado

- El modelo a estimado (Ecuación Matemática del modelo)

∏j ( x)
log =α + β Posgrado+ β2 Experiencia+ β 3 Ciudad
∏ ( x) j 1
0

- Estimación del modelo sugerido (test y training)

Para la realización del modelo sugerido, se han utilizado un total de 325 datos
correspondientes al 20% (test) y 1020 datos correspondientes al 80% (training).
-Interpretación de los coeficientes del modelo

Interpretación de los signos en los coeficientes:

Ciudad Bucaramanga y Medellín
- Como podemos observar en la imagen anterior de los coeficientes del modelo, se
nota que en la ciudad de Bucaramanga todos los valores son negativos estos nos
indica que las convocatorias para trabajar en Bucaramanga y Medellín son menos
probables que se ofrezcan salarios de categoría 1,2 o 3 en comparación con Bogotá.
- En la ciudad de Bucaramanga y Medellín es más probable que se demande un
salario conjunto, es decir que se acuerde por ambas partes cuanto se pagara por la
labor en comparación con la ciudad de Bogotá.
Ciudad Cali
- En la ciudad de Cali es menos probable que se ofrezcan salarios de categoría 2, 3 en
comparación con Bogotá.
- En Cali es más probable que se ofrezcan salarios de categoría 1 en comparación con
Bogotá.
Posgrado
- Es menos probable que una convocatoria requiera algún tipo de posgrado (maestría,
especialización, doctorado) se ofrezca la categoría 1 en salarios que la categoría 0,
es decir que es menos probable que se ofrezcan menos de dos millones de pesos a
que no se tenga informa de salario.
- Las convocatorias que se tiene como obligación tener posgrado tienen más
posibilidad de ofrecer salarios de categoría 2 y 3, es decir mayor a 2 millones de
pesos.
Exp (Experiencia)
- En la variable experiencia es más probable que en la convocatoria se ofrezcan
salarios de categoría 3 , que un salario que se acuerde entre las empresa y el
trabajador
- Por otro lado, es menos probable que se ofrezcan salarios de categoría 1 o 2 en
comparación con la categoría 0.

Interpretación de los Old rattio

Se tiene que sacar el odd rattio de todos los betas que son los coeficientes de la imagen de
los coeficientes del modelo y luego se interpreta ese resultado.
Ciudad Bucaramanga
-exp(-4.261200) =0.01410537 al resultado le restamos 1
1-0.01410537 =0.9858946, esto quiere decir que es más probable de que se ofrezca
convocatorias para Bucaramanga con salario de categoría 1 es de 0.985%

- exp(-4.976607) = 0.006897426
1-0.006897426 = 0.9931026, esto quiere decir que es más probable de que se ofrezca
convocatorias para Bucaramanga con salario de categoría 2 es de 0.993%

-exp(-3.840962) = 0.02147293
 1-0.02147293= 0.9785271, esto quiere decir que es más probable de que se ofrezca
convocatorias para Bucaramanga con salario de categoría 3 es de 0.978%

Ciudad Cali
> exp(0.5360554)=1.709251
1-1.709251 = -0.709251, esto quiere decir que más probable de que se ofrezca
convocatorias para Cali con salario de categoría 1 es de 0.709%
> exp(-0.4057647) = 0.666467
1-0.666467 = 0.333533, esto quiere decir que más probable de que se ofrezca
convocatorias para Cali con salario de categoría 2 es de 0.33%
> exp(-0.3806477) = 0.6834186
1-0.6834186 = 0.3165814, esto quiere decir que es más probable de que se ofrezca
convocatorias para Cali con salario de categoría 3 es de 0.316%

Ciudad Medellín
> exp(-0.1495408)= 0.8611033
1-0.8611033 = 0.1388967, esto quiere decir que es más probable de que se ofrezca
convocatorias para Medellín con salario de categoría 1 es de 0.138%
> exp(-0.2791787) =0.7564047
1-0.7564047 =0.2435953, esto quiere decir que es más probable de que se ofrezca
convocatorias para Medellín con salario de categoría 2 es de 0.243%
> exp(-0.8055583)= 0.4468384
1-0.4468384 = 0.5531616, esto quiere decir que es más probable de que se ofrezca
convocatorias para Medellín con salario de categoría 3 es de 0.553%

Posgrado
> exp(-0.5264992) = 0.5906692
1-0.5906692 = 0.4093308, esto quiere decir que es más probable de que se ofrezca
convocatorias que requieran alguien tipo de posgrado con un salario de categoría 1 es de
0.409%
> exp(0.5461508) =1.726594
 1-1.726594 = -0.726594, esto quiere decir que es menos probable de que se ofrezca
convocatorias que requieran alguien tipo de posgrado con un salario de categoría 2 es de
-0.726%

> exp(1.6545661) =5.23081

1- 5.23081 = -4.23081, esto quiere decir que es menos probable de que se ofrezca
convocatorias que requieran alguien tipo de posgrado con un salario de categoría 3 es de
-0.423%

Experiencia (Exp)
> exp(-0.2749199459)= 0.7596329
1- 0.7596329 = 0.2403671, esto quiere decir que es más probable de que se ofrezca
convocatorias que requieran años de experiencia con un salario de categoría 1 es de
0.759%
> exp(-0.0718031284) = 0.9307141
1-0.9307141 =0.0692859, esto quiere decir que es más probable de que se ofrezca
convocatorias que requieran años de experiencia con un salario de categoría 2 es de
0.930%
> exp(0.0005921539)= 1.000592
1-1.000592 =-0.000592, esto quiere decir que es más probable de que se ofrezca
convocatorias que requieran años de experiencia con un salario de categoría 3 es de
0.0005%

Interpretar P –valores

Como podemos observar en la imagen los resultados de los p-valores nos da 0 , esto quiere
decir que no hay valores significativos en nuestro modelo por eso nos arroja el valor de 0.
-Ajuste del modelo propuesto con uno alterno
Para el modelo 1 se utilizó las mismas variables propuestas al inicio del documento, para el
segundo modelo se utilizaron las mismas variables pero se le quito la variable ciudad.

1. Verosimilitud:

Se realiza la verosimilitud para ambos modelos en el programa RStudio con el fin

de hallar el mas adecuado. Después de correr ambos modelos se determina el
resultado de la verosimilitud, seleccionando así el primer modelo como el mas apto
ya que es el mas cercano al 0.

2. Deviance:

Como en el anterior, para la deviance también se realiza el cálculo de ambos

modelos para determinar cuál es el mejor.
Después de correr ambos modelos, al ver los resultados se ha determinado que el
mejor es el primer modelo, debido a que es el de menor valor.

3. McFadden:
 Para el McFadden también se realiza el mismo procedimiento ya antes mencionado,
se corre el modelo en R para determinar cuál será el mejor. Al ver el resultado de
ambos modelos, se escogió el primer modelo debido a que el resultado es mayor, es
decir es el más cercano a 1.

4. Tablas de la verdad: