Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tarea 4 Karen Jiménez 16
Tarea 4 Karen Jiménez 16
Presentados Por:
C.c. 1075318907
ECACEN - Economía
Econométrica
Grupo N° 16
Ibagué - Tolima
Octubre 2021
Preguntas de tipo saber Pro
2. Usted se encuentra desarrollando un análisis sobre los determinantes del salario por
género en Colombia. Su responsabilidad esta en realizar una especificación del modelo
que cumpla con los supuestos clásicos para obtener estimaciones Insesgado. Una vez
estimado el modelo, usted encuentra que las variables explicativas están correlacionadas
con el termino de perturbación. Estaría incumpliendo el supuesto de:
a) Heterocedasticidad
b) Media condicional cero
c) Multicolinealidad
d) Linealidad de los parámetros
Actividad Colaborativa
2. Leer comprensivamente las lecturas propuestas en la bibliografía, especialmente, el
capítulo 7 de Wooldridge (2010) y el capítulo 9 de Gujarati (2009).
a) Redactar máximo en dos Páginas un ensayo breve en que se explique por qué es
importante la información en variables cualitativas en el análisis económico,
ilustrando con ejemplos su incidencia en las funciones econométricas.
ENSAYO
Las variables cualitativas son aquellas que expresan datos de objetos o personas en estudio
mediante características o cualidades. A pesar de que son datos no numéricos estas variables se
representan con números, por ejemplo, cuando se estudia un grupo de estudiantes que pueden ser
de género masculino o femenino y son representados mediante una variable binaria con el fin de
que esta pueda ser estudiada y poder obtener resultados precisos y fáciles de interpretar.
En algunos casos, las variables ordinales toman demasiados valores para Incluya una variable
binaria para cada valor. Por ejemplo, un archivo contiene Datos sobre la mediana del salario
inicial de los graduados de la facultad de derecho. La variable explicativa clave es el rango de la
facultad de derecho. Porque cada escuela tiene Obviamente, las diferentes calificaciones no
pueden contener una variable binaria para cada calificación. Si no desea incluir calificaciones
directamente en la ecuación, las calificaciones pueden ser Dividido en varias categorías.
Las variables binarias pueden interactuar con variables cuantitativas teniendo en cuenta las
diferencias de sus pendientes entre diferentes grupos en casos extremos cada variable tiene su
propia pendiente y su propia intersección, comprobando si hay alguna diferencia la prueba de
Chow se puede utilizar entre grupos. En muchos casos, si la prueba es más interesante después de
considerar la diferencia en intersecciones, las pendientes de los dos grupos diferentes son iguales.
Para esto, se puede utilizar una prueba F estándar con un modelo sin restricciones, donde incluya
la interacción entre el grupo binario y todas las variables.
b) Explicar en máximo dos párrafos que es un modelo de elección binaria, y qué
implica que la variable explicada sea cualitativa.
El modelo de elección binaria implica un arquetipo en el cual las variables dependientes toman
dos valores correspondientes 0 y 1. De manera general una variable dependiente puede ser
explicada por diferentes tipos de variables, incluyendo variables binarias. Por ejemplo, si uno
quiere estimar los determinantes de ingreso de un ciudadano, una de las variables explicativas
seria haber terminado los estudios universitarios o no; en este caso tomaría un valor de 1 para Si
y o para No, la variable explicativa cualitativa indica ocurrencia o presencia de una cualidad,
característica o atributo. Es por ello que cuando deseamos respuestas con dos opciones o
posibilidades la elección del modelo binario es acertada y nos permite realizar un análisis
confiable.
c) Explicar en máximo dos párrafos qué es una variable explicadora binaria, cuándo se
usa y cómo se interpretan sus coeficientes.
ii) Suponiendo que δ1 ≠ 0 (lo que significa que las dos rectas no son paralelas), muestre
que el valor z* para que el fo(z) = f1(z) es z*= δ0/ δ1. Este es el punto en el que se
interceptan las dos rectas. Argumente que z* es positivo si y solo si δ0 y δ1 tienen
signos contrarios.
Matemáticamente, si fo(z) = f1(z), entonces:
βo + β1 = (βo + δo)+ (β1 + δ1)z
βo + β1 - βo - δo = β1 z + δ1 z
- δo = δ1 z
Z* = (- δo )/ δ1
Matemáticamente z* siempre será positivo si si δ0 y δ1 tienen signos contrarios ya que
el signo negativo de la expresión conlleva a que al final se obtenga un resultado
positivo.
iii) Este modelo representa una relación entre el salario por hora (wage) y dos variables
dicotómicas: el genero (female) y total de los años de universidad (totcoll).
Para el inciso iii los resultados obtenidos por STATA son los siguientes y concuerdan
con los datos planteados en el interrogante iii:
El valor de totcoll para los valores que se predicen para log(wage) sean iguales para
hombres y para mujeres se pueden obtener matemáticamente como se muestra a
continuación:
log ( wage )=2.289−.357 female+.50 totcoll+.030 female∗totcoll
i) Ecuación 7.18
El coeficiente de female es -0.22678872, este indica que, si todo lo demás permanece
constante, al ser mujer esta le representa un 22.67% de salario (Iwage) cuando
educación (Educ) es 0 osea que no tiene ningún año de educación, por tanto la
diferencia entre generos es de 22.67%.
Ahoraa calculamos con STATA el salario (Iwage) cuando aumentamos el 12.5% en la
educación de las mujeres y obtenemos un resultado de -.29634503. Por tanto tenemos
que cuando female es 1, el valor predicho para Iwage es de 0.29634503, por tanto la
diferencia entre salarios es 29.63% a favor de los hombres.
ii) Corrida de la regresión con female*(educ-12.5)
El coeficiente de female ahora se puede interpretar como el efecto que se espera tenga
el ser mujer sobre el porcentaje de salario (Iwage) cuando el nivel educativo (Educ) es
12.5 años de estudio.