TALLER No.

4 – TALLER MÉTODOS CUANTITATIVOS

ESPECIALIZACIÓN EN ECONOMÍA – UNIVERSIDAD DE LOS ANDES

NOMBRE CLINTON JAILER RODRÍGUEZ RODRÍGUEZ

CÓDIGO 202224071

Enunciado

Para este ejercicio deberán entregar, de manera individual y en el respectivo enlace de

la semana, una aplicación de los temas presentados en clase. A partir de los datos de
la Gran Encuesta Integrada de Hogares GEIH de diciembre de 2022 que se encuentra
en la semana 12, estudiar los impactos en los Ingresos de los Hogares de Colombia.

Para esto tenga en cuenta lo siguiente

Mujer: Esta variable toma el valor de 1 para mujer y 0 para hombre

Afro: Esta variable toma el valor de 1 si es afrodescendiente y 0 si no es
afrodescendiente
Jefe Hogar: Esta variable toma el valor de 1 si es jefe del hogar y 0 si no es jefe del
hogar.

DESARROLLO TALLER

1. Multicolinealidad

a). Realice la estimación de un modelo que explique los impactos en lINGLABO de las
variables Edad, Experiencia, Mujer, Afro, Jefe del Hogar y Edu.

En la tabla 1 se presentan los resultados de la estimación.

Tabla 1. Resultados modelo 1

lINGLABO Coef. St.Err. t-value p-value [95% Conf Interval] Sig

Edad -.03 .002 -15.34 0 -.033 -.026 ***
Exp .039 .002 18.56 0 .035 .043 ***
Mujer -.312 .009 -34.46 0 -.329 -.294 ***
Afro -.134 .016 -8.37 0 -.165 -.103 ***
Jefe_Hogar .131 .009 14.16 0 .113 .149 ***
Edu .147 .002 65.72 0 .142 .151 ***
Constant 12.431 .021 580.60 0 12.389 12.473 ***

Mean dependent var 13.732 SD dependent var 0.899

R-squared 0.304 Number of obs 29055
F-test 2111.119 Prob > F 0.000
Akaike crit. (AIC) 65736.881 Bayesian crit. (BIC) 65794.819
*** p<.01, ** p<.05, * p<.1

Fuente: Elaboración propia con Stata 17 (2023).

b). Interprete el coeficiente de Educación del modelo.

El coeficiente de educación es estadísticamente significativo a un nivel de confianza del

99%, e indica que un año adicional de escolaridad aumenta el ingreso laboral en un
14,7%, ceteris paribus.

1
c). Interprete si existe Multicolinealidad en este modelo, en caso que exista realice los
ajustes necesarios para corregir Multicolinealidad y realice la interpretación del
coeficiente de Educación del modelo.

En el modelo 1 hay multicolinealidad ya que al correr el factor de inflación de la varianza

se tiene que el VIF de las variables experiencia y edad están por encima de 10.

Tabla 2. Factor de inflación de la varianza modelo 1

VIF 1/VIF
Exp 48.204 .021
Edad 36.71 .027
Edu 5.296 .189
Jefe Hogar 1.107 .903
Mujer 1.04 .962
Afro 1.001 .999
Mean VIF 15.56 .
Fuente: Elaboración propia con Stata 17 (2023).

Para corregir este problema se decidió transformar a la variable experiencia como el

logaritmo de la experiencia, lo cual corrigió el problema de la multicolinealidad como se
puede apreciar en la Tabla 4.

Tabla 3. Resultados modelo 2

lINGLABO Coef. St.Err. t-value p-value [95% Conf Interval] Sig

Edad -.004 .001 -5.65 0 -.005 -.002 ***
lexp .184 .011 16.14 0 .162 .206 ***
Mujer -.325 .009 -35.93 0 -.343 -.307 ***
Afro -.14 .016 -8.70 0 -.171 -.108 ***
Jefe_Hogar .122 .009 13.13 0 .104 .141 ***
Edu .116 .001 105.16 0 .114 .118 ***
Constant 12.127 .026 474.97 0 12.077 12.177 ***

Mean dependent var 13.735 SD dependent var 0.898

R-squared 0.303 Number of obs 28854
F-test 2088.749 Prob > F 0.000
Akaike crit. (AIC) 65262.572 Bayesian crit. (BIC) 65320.462
*** p<.01, ** p<.05, * p<.1

Fuente: Elaboración propia con Stata 17 (2023).

Tabla 4. Factor de inflación de la varianza modelo 2

VIF 1/VIF
lexp 4.724 .212
Edad 4.167 .24
Edu 1.295 .772
Jefe Hogar 1.113 .899
Mujer 1.032 .969
Afro 1.001 .999
Mean VIF 2.222 .
Fuente: Elaboración propia con Stata 17 (2023).

El coeficiente de educación estimado a través del modelo 2 es estadísticamente

significativo a un nivel de confianza del 99%, e indica que un año adicional de
escolaridad aumenta el ingreso laboral en un 11,6%, ceteris paribus.

2. Heteroscedasticidad

2
a). ¿Existe Heteroscedasticidad para el modelo ajustado por Multicolinealidad?
Compruebe.

Al realizar la prueba de Breusch Pagan en Stata se obtiene:

Breusch–Pagan/Cook–Weisberg test for heteroskedasticity

Assumption: Normal error terms
Variable: Fitted values of lINGLABO
H0: Constant variance
chi2(1) = 243.62
Prob > chi2 = 0.0000

Con un nivel de confianza del 99% se rechaza la hipótesis nula, por ende, el modelo
presenta heterocedasticidad.

Al aplicar la prueba de White en Stata se obtiene:

White's test
H0: Homoskedasticity
Ha: Unrestricted heteroskedasticity
chi2(24) = 386.86
Prob > chi2 = 0.0000

Con un nivel de confianza del 99% se rechaza la hipótesis nula, por ende, el modelo
presenta heterocedasticidad.

b). Realice la estimación de este modelo incluyendo errores robustos, compare los
errores estándar de los coeficientes antes y después de incluir errores robustos.

Ya que el modelo 2 tiene heterocedasticidad se realiza la corrección de White, mediante

la utilización de errores estándar robustos y los resultados se presentan en la Tabla 5.

Tabla 5. Resultados modelo 2 con errores robustos

lINGLABO Coef. St.Err. t-value p-value [95% Conf Interval] Sig

Edad -.004 .001 -5.02 0 -.005 -.002 ***
lexp .184 .012 14.92 0 .16 .208 ***
Mujer -.325 .009 -34.93 0 -.343 -.307 ***
Afro -.14 .016 -8.56 0 -.172 -.108 ***
Jefe_Hogar .122 .009 13.17 0 .104 .141 ***
Edu .116 .001 96.25 0 .114 .119 ***
Constant 12.127 .026 458.12 0 12.075 12.179 ***

Mean dependent var 13.735 SD dependent var 0.898

R-squared 0.303 Number of obs 28854
F-test 1745.987 Prob > F 0.000
Akaike crit. (AIC) 65262.572 Bayesian crit. (BIC) 65320.462
*** p<.01, ** p<.05, * p<.1

Fuente: Elaboración propia con Stata 17 (2023).

Al comparar con el modelo 2 con errores robustos con el modelo sin errores robustos
se tiene que los coeficientes son los mismos; sin embargo, se encuentra que los errores
estándar aumentan y los t-valor asociados a la prueba de relevancia de cada coeficiente
disminuyen en todas las variables del modelo, excepto en la variable jefe de hogar,
donde el t-valor aumenta. En general, los cambios son mínimos en los errores estándar
y todos los coeficientes mantienen la significancia con un nivel de confianza de 99%.

3
 ANEXO A - CÓDIGO IMPLEMENTADO EN STATA 17 PARA OBTENER
ESTIMACIONES

*************************** Taller 4 Jailer *********************************************

* Limpiar al area de trabajo

cls // Borra la ventana de comandos.

clear all // Elimina las bases de datos cargadas, variables, macros y objetos.

* Muestra todos los resultados, no importa cuán largos sean

set more off

* Directorio de trabajo

cd "C:\Users\usuario\Desktop\Taller_4_Metodos"

********************************************************************************

* Cargamos la base de datos

use "datos_Taller4.dta", clear

reg lINGLABO Edad Exp Mujer Afro Jefe_Hogar Edu

estimates store modelo1
asdoc reg lINGLABO Edad Exp Mujer Afro Jefe_Hogar Edu

vif
asdoc vif

gen lexp = log(Exp)

reg lINGLABO Edad lexp Mujer Afro Jefe_Hogar Edu

estimates store modelo2
asdoc reg lINGLABO Edad lexp Mujer Afro Jefe_Hogar Edu

vif
asdoc vif

reg lINGLABO Edad lexp Mujer Afro Jefe_Hogar Edu

asdoc estat hettest

estat imtest, white

asdoc estat imtest, white

*** modelo con errores robustos

reg lINGLABO Edad lexp Mujer Afro Jefe_Hogar Edu, robust

asdoc reg lINGLABO Edad lexp Mujer Afro Jefe_Hogar Edu, robust

************fintaller