Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ICO8106
4 de junio de 2020
Yn = β0 + β1 Dn + Un
Yn = β0 + β1 Dn + Un
N −1 N
P
Cov (Yn , Dn ) n=1 Yn Dn − Ȳ D̄
β1 =
b = N
Var (Dn ) −1 2 2
P
N n=1 Dn − D̄
Yn = β0 + β1 Dn + Un
N −1 N
P
Cov (Yn , Dn ) n=1 Yn Dn − Ȳ D̄
β1 =
b = N
Var (Dn ) −1 2 2
P
N n=1 Dn − D̄
P
Definimos N1 = n Dn , o sea es el número de observaciones que
cumplen condición.
PN
N1 Yn
N
n:Dn =1
N1 − NN1 Ȳ
βb1 = 2
N1 N1
N − N
Por lo tanto,
βb1 = Ȳ1 − Ȳ0
Ȳ = βb0 + βb1 D̄
N1
= βb0 + (Ȳ1 − Ȳ0 )
N
⇒ β0 = Ȳ0
b
E [Y |soltero] = E [Y |Ds = 1] = β0 + βs
E [Y |conviviente] = β0 + βt
E [Y |casado] = β0 + βc
E [Y |divorciado] = β0 + βd
E [Y |viudo] = β0
E [Y |soltero] = E [Y |Ds = 1] = β0 + βs
E [Y |conviviente] = β0 + βt
E [Y |casado] = β0 + βc
E [Y |divorciado] = β0 + βd
E [Y |viudo] = β0
E [Y |soltero] = E [Y |Ds = 1] = αs = β0 + βs
E [Y |conviviente] = αt = β0 + βt
E [Y |casado] = αc = β0 + βc
E [Y |divorciado] = αd = β0 + βd
E [Y |viudo] = αv = β0
E [Y |soltero] = E [Y |Ds = 1] = αs = β0 + βs
E [Y |conviviente] = αt = β0 + βt
E [Y |casado] = αc = β0 + βc
E [Y |divorciado] = αd = β0 + βd
E [Y |viudo] = αv = β0
log Wn = β0 + β1 Gn + β2 Sn + β3 Sn × Gn + Un
donde Gn = I[hombre].
Hay dos regresiones en una: una para hombres (Gn = 1) y otra para
mujeres (Gn = 0).
∂E [log W |Gn = 1]
= β2 + β3
∂S
∂E [log W |Gn = 0]
= β2
∂S
∂E [log W |Gn = 1]
= β2 + β3
∂S
∂E [log W |Gn = 0]
= β2
∂S
Por lo tanto β3 es el brecha de hombre-mujer en el retorno de
educación.
log W = β0 + β1 On + β2 Gn + β3 On Gn + Un
β0 = E [log W |On = 0, Gn = 0]
(log salario no originario, hombre)
β1 = E [log W |On = 1, Gn = 0] − E [log W |On = 0, Gn = 0]
(brecha originario vs no originario, hombres)
β2 = E [log W |On = 0, Gn = 1] − E [log W |On = 0, Gn = 0]
(brecha género no originarios)
β2 + β3 = E [log W |On = 1, Gn = 1] − E [log W |On = 1, Gn = 0]
(brecha género originarios)
log Wn = β0 + β1 Sn + β2 Sn × Xn + β3 Xn + β4 Xn2 + Un
Entonces se obtiene
∂E [log W |X , S]
= β1 + β2 Xn
∂S
∂E [log W |X , S]
= β2 Sn + β3 + 2β4 Xn
∂X
Entonces se obtiene
∂E [log W |X , S]
= β1 + β2 Xn
∂S
∂E [log W |X , S]
= β2 Sn + β3 + 2β4 Xn
∂X
Esto se puede entender como predicciones sobre segundas derivadas
del modelo ¿Cómo cambia el efecto de X en Y en la medida que
aumenta una tercera variable Z ?
Cn = β0 + β1 Tn + β2 Tn × An + β3 Tn × Sn + Un
Cn = β0 + β1 Tn + β2 Tn × An + β3 Tn × Sn + Un
Entonces se obtiene
∂E [C |X ]
= β1 + β2 An + β3 Sn
∂T
∂E [C |X ]
= β2 Tn
∂A
∂E [C |X ]
= β3 Tn
∂S
Cn = β0 + β1 Tn + β2 Tn × An + β3 Tn × Sn + Un
Entonces se obtiene
∂E [C |X ]
= β1 + β2 An + β3 Sn
∂T
∂E [C |X ]
= β2 Tn
∂A
∂E [C |X ]
= β3 Tn
∂S
Notar que la interacción afecta tanto el efecto marginal del tiempo
como el de la edad y el de la educación de la madre.
B. Villena ICO8106 4 de junio de 2020 20 / 44
Ejercicio:
log Wn = α0 + α1 Sn + α2 Xn + α3 Xn2
α4 Gn + α5 Gn Sn + α6 Gn Xn + α7 Gn Xn2 + un (2)
log Wn = α0 + α1 Sn + α2 Xn + α3 Xn2
α4 Gn + α5 Gn Sn + α6 Gn Xn + α7 Gn Xn2 + un (2)
β0H = α0 y β0M = α0 + α4
β1H = α1 y β1M = α1 + α5
β2H = α2 y β2M = α2 + α6
β3H = α3 y β3M = α3 + α7
πt = β0 + β1 Ut + t
πt = β0 + β1 Ut + t
Vn = β0 + β1 Un + n
πt = β0 + β1 Ut + t
Vn = β0 + β1 Un + n
Xn = α0 + αZ Zn + Vn
σ2
Var (βbX ) =
NVar (X )(1 − RX2 )
σ2
Var (βbX ) =
NVar (X )(1 − RX2 )
Xk,n = α0 +α1 X1,n +...+αk−1 Xk−1,n +αk+1 Xk−1,n +αK −1 XK −1,n +Vn
Xk,n = α0 +α1 X1,n +...+αk−1 Xk−1,n +αk+1 Xk−1,n +αK −1 XK −1,n +Vn
1
A la magnitud 1−Rk2
le llamamos Factor Inflador de Varianza (FIV).
1
A la magnitud 1−Rk2
le llamamos Factor Inflador de Varianza (FIV).
A mayor FIV, mayor asociación de Xk con otros X y mayor
imprecisión en estimador, señal de un área compartida grande en un
diagrama de Ballentine.
1
A la magnitud 1−Rk2
le llamamos Factor Inflador de Varianza (FIV).
A mayor FIV, mayor asociación de Xk con otros X y mayor
imprecisión en estimador, señal de un área compartida grande en un
diagrama de Ballentine.
Notar que el aumento del impacto es enorme para
R 2 = 0,9 ⇒ FIV = 10 y R 2 = 0,99 ⇒ FIV = 100
Var (Y )(1 − R 2 )
Var
d (βbk ) =
(N − K − 1)Var (Xk )(1 − Rk2 )
Var (Y )(1 − R 2 )
Var
d (βbk ) =
(N − K − 1)Var (Xk )(1 − Rk2 )
Var (Y )(1 − R 2 )
Var
d (βbk ) =
(N − K − 1)Var (Xk )(1 − Rk2 )
Confidence ellipse
Coefficient centered
.135
Estimated años de escolaridad
.131 .132 .133 .134
Confidence ellipse
Coefficient centered
.135 .134
Estimated esc0
.132 .133
.131