Documentos de Académico
Documentos de Profesional
Documentos de Cultura
A continuación, encontrará los puntos del taller. Se calificarán sobre la nota de 5 aquellos
trabajos que suban a la plataforma con excelente presentación, en las gráficas, en las
ecuaciones, en redacción, ortografía e interpretación económica. Para ello pueden usar el
Excel y el editor de ecuaciones de Word. Trabajos que lleguen como fotos de cuaderno, con
ecuaciones en Word que no sea con el editor de ecuaciones, errores de ortografía, redacción
y mala presentación, serán calificados sobre nota máxima de 3,5.
Y su matriz inversa
( )
−1
164,04594 −5,9781565 4,3890685
( X T X ) = −5,9781565 0,21863062 −0,16113233
4,3890685 −0,16113233 0,1195024
Donde el empleo se mide en número de personas, mientras que el PIB y las exportaciones
se miden en miles de pesos a precios constantes de 2015.
1.1) Estimar un modelo econométrico que explique cuantitativamente el impacto del PIB
y las exportaciones sobre el empleo. Comente los efectos marginales estimados a la
luz de la teoría económica.
1.2) Interprete los parámetros estimados asociados a las variables.
1.3) Calcule el vector Y^ de valores estimados y el vector u^ de errores estimados.
1.4) Calcule la Tabla ANOVA
1.5) Calcule el R2ajustado . Hacer la respectiva interpretación.
2) En R-Studio, con la base de datos “GEIH 2017” que hemos venido trabajando en clase,
estimar la siguiente ecuación de Mincer.
1. Verificar a la luz de la teoría sí los parámetros estimados cumplen con los signos
esperados
2. Interpretar los parámetros estimados
3. Hacer el contraste de hipótesis de significancia global
4. Hacer el contraste de hipótesis de significancia individual
2
5. Interpretar el Rajustado
Solución
1)
1.1.
Lo primero es notar que nuestro modelo se relaciona con el modelo general como:
Modelo general: Y i= β^ 1 + ^β 2 X 1 ,i + ^β 3 X 2 , i+ μ^ i
Modelo nuestro: EMPi= β^1 + ^ β 2 PIBi + β^3 X i + μi
Es decir que
Y =EMP=empleo
X 1 =PIB= producto interno bruto
X 2 =X=exportaciones
Teniendo en cuenta que
^β=( X ' X )−1 X ' y
[ ]
1 31 7
1 35 10
X= 1 40 16
1 49 28
1 65 52
[]
19
24
y= 27
36
44
( )
−1
164,04594 −5,9781565 4,3890685
( X T X ) = −5,9781565 0,21863062 −0,16113233
4,3890685 −0,16113233 0,1195024
X : matriz transpuesta de X
'
[ ]
1 1 1 1 1
X T = 31 35 40 49 65
7 10 16 28 52
^β −1
(4∗1)= ( X X ) (3∗3 ) X (3∗5) y(5∗1)
' '
[]
19
( )[ ]
164,04594 −5,9781565 4,3890685 1 1 1 1 1 24
^β= −5,9781565 0,21863062 −0,16113233 ∗ 31 35 40 49 65 ∗ 27
4,3890685 −0,16113233 0,1195024 7 10 16 28 52 36
44
[]
19
[ ]
81.184526 −1.29867 −4.855012 −5.989546 3.697686 24
^β= 3.697686 0.0626 0.18897 ∗
0.22308 −0.14596 27 Luego
0.230552 −0.055462 −0.1441 −0.160246 0.129722 36
44
[ ]
−35.6908
^β= 1.9650
−0.9172
^
EMPi=−35.7293+ 1.9650 PIBi −0.9172 X i
De esta manera:
- El signo positivo de la variable PIB nos permite indicar que, cuando crece, el empleo
también lo hace.
- El signo negativo de las exportaciones indica que, las firmas dedicadas a exportar bienes
requieren un personal más idóneo, teniendo en cuenta su cualificación y no el número de
empleados.
1.2.
^
EMPi=−35.6908+ 1.9650 PIBi −0.9172 X i
Si las exportaciones crecen marginalmente en 100 u/m, el empleo decrece en 90 individuos, ceteris
paribus.
Por cada aumento de 100 u/m la variable del PIB, 196 individuos adquieren empleo, ceteris paribus.
1.3.
Cálculo de ^
EMPi :
^
EMPi=−35.6908+ 1.9650 PIBi −0.9172 X i
^
EMP2015 =−35.6908+1.9650 ( 31 )−0.9172 ( 7 )
^
EMP2015 =18.76
Año 2016: ^
EMP2016 =−35.6908+1.9650 PIB2016 −0.9172 X 2016
^
EMP2016 =−35.6908+1.9650 ( 35 )−0.9172 ( 10 )
^
EMP2016 =23.87
Año 2017: ^
EMP2017 =−35.6908+1.9650 PIB2017 −0.9172 X 2017
^
EMP2017 =−35.6908+1.9650 ( 40 )−0.9172 (16 )
^
EMP2017 =28.19
Año 2018: ^
EMP2018 =−35.6908+1.9650 PIB2018 −0.9172 X 2018
^
EMP2018 =−35.6908+1.9650 ( 49 ) −0.9172 ( 28 )
^
EMP2018 =31.87
Año 2019: ^
EMP2019 =−35.6908+1.9650 PIB2019 −0.9172 X 2019
^
EMP2019 =−35.6908+1.9650 ( 65 )−0.9172 ( 52 )
^
EMP2019 =44.29
Y así sucesivamente para todas las observaciones. Por lo tanto, el vector de observaciones
estimadas ^
EMPi queda:
Año ^
EMP PIB Exportacione
s
2015 18.76 31 7
2016 23.87 35 10
2017 28.19 40 16
2018 31.87 49 28
2019 44.29 65 52
^i
Por lo tanto, haciendo uso de u^i=Y i−Y
Año Empleo ^
EMP u^t
201 19 18.76 0.24
5
201 24 23.87 0.13
6
201 27 28.19 -1.19
7
201 36 31.87 1.13
8
201 44 44.29 -0.29
9
1.4.
TABLA ANOVA:
^
EMPi=−35.7293+ 1.9650 PIBi −0.9172 X i
k=3
n=5
[ ]
1 1 1 1 1
T
X = 31 35 40 49 65
7 10 16 28 52
[]
19
24
y= 27
36
44
Con esta información, podemos hacer los respectivos cálculos para llenar la tabla ANOVA.
k–1= 3–1=2
n–k=5–3=2
n–1=5–1=4
SCM = ^β T X T y −n y 2
[ ]
1 1 1 1 1
T
X = 31 35 40 49 65
7 10 16 28 52
[]
19
24
y= 27
36
44
y 2=30 2=900
[]
19
[ ]
1 1 1 1 1 24
SCM= [−35.7293 1.9650 −0.9172 ]∗ 31 35 40 49 65 ∗ 27 −5∗(900)
7 10 16 28 52 36
44
[]
19
24
SCM= [ 18.7653 23.8737 28.1955 34.8741 44.3013 ]∗ 27 −5∗(900)
36
44
SCM=4574.62617−4500
SCM=74,62617
SCE = y T y− ^ T T
β X y
[]
19
[ ]
1 1 1 1 1 24
^β T X T y =[ −35.72975 1.965031 −0.9173278 ]∗ 31 35 40 49 65 ∗ 27 =4574.62617
7 10 16 28 52 36
44
[]
19
24
T
y y= [ 19 24 27 36 44 ]∗ 27 =4575
36
44
Por lo tanto
SCE= y T y− β^ T X T y=4575−4574.62617=0.37383
SCE=0.37383
SCT = 75
SCM
CMM =
k −1
SCM 74,62617
CMM = = =37.313085
k −1 2
SCE
CME =
n−k
SCE 0.37383
CME= = =0,186915
n−k 2
CMM
F=
CME
37.313085
F= =199,62
0,186915
Tabla ANOVA
De esta manera ya calculamos el estadístico F, que nos dará la significancia global del modelo.
1.5.
2
Ahora calculemos el R ajustado :
74,62617
R2= =0,9950
75
n−1
=1−( 1−R )
2 2
R ajustado
n−k
2 (4)
R ajustado =1−( 1−0,997 )
(2)
R2ajustado =0 , 99
2)
En R-Studio, con la base de datos “GEIH 2017” que hemos venido trabajando en clase,
estimar la siguiente ecuación de Mincer.
2
ln ( salario ) =β1 + β 2 esc + β 3 edad + β 4 edad + μ
Donde,
ln ( salario ) : es el salario en logaritmo natural
esc : variable medida en años de educación
edad : es la edad del individuo como variable proxi de la experiencia
1. Verificar a la luz de la teoría sí los parámetros estimados cumplen con los signos
esperados
2. Interpretar los parámetros estimados
3. Hacer el contraste de hipótesis de significancia global
4. Hacer el contraste de hipótesis de significancia individual
5. Interpretar el R2ajustado
2)
1.
Partiendo de la teoría citada en este caso por el economista Jacob Miner, en este caso,
ilustrando que la educación se puede ver como un bien de inversión al mediano o largo
plazo que aumenta la posibilidad que la persona reciba un mayor salario (Teijeiro, 2010).
Los signos que corresponden a la edad y escolaridad son positivos debido a que, al
aumentar la edad y la experiencia laboral, se considera un alza en el salario.
Fuente de Variable Signo
recolecció asociada esperado
n
DANE Salario +
DANE Edad +
DANE Escolaridad +
DANE Experiencia +
2.
Salario 11,105***
Escolaridad 0,093***
Edad 0,067***
Experiencia -0,001***
β 3=¿ Para cada año marginal de edad, se obtendrá 6,7% adicional de salario.
β 4 =¿Para cada año marginal de edad cuadrado, se obtendrá 0,1% adicional de salario.
De esta manera se concluye que a mayor edad y escolaridad los individuos podrán optar por
un mayor salario.
3.
4.
- Escolaridad = 0,00
- Edad = 0,00
- Experiencia = 0,00
- Salario = 0,01
Para: β 2 , β 3
Teniendo un P-Valor de 0.000, y siguiendo el criterio anterior, rechazamos la hipótesis nula
(H 0 ¿
5.
2
Interpretación de Rajustado
2
En nuestro caso, tenemos un coeficiente de determinación ( Rajustado ¿ de 0,23.
Teijeiro, M. (2010). Las ecuaciones de Mincer y las tasas de rendimiento de la educación en.
Universidad de A Coruña , 20. Recuperado el 25 de mayo de 2022, de
https://2010.economicsofeducation.com/user/pdfsesiones/095.pdf