TALLER No.

1 – TALLER MÉTODOS CUANTITATIVOS

ESPECIALIZACIÓN EN ECONOMÍA – UNIVERSIDAD DE LOS ANDES

NOMBRE CLINTON JAILER RODRÍGUEZ RODRÍGUEZ

CÓDIGO 202224071

DESARROLLO TALLER

A partir de los datos de la Gran Encuesta Integrada de Hogares GEIH de diciembre de

2022 (DANE, 2022):

Punto 1- Análisis de correlación

a). Realice una matriz de correlación para las variables INGLABO, Edu, Edad y Horas
Trabajadas.
b). Interprete los coeficientes de correlación encontrados.

Tabla 1. Matriz de correlación entre variables estudiadas

Variables (1) (2) (3) (4)
(1) INGLABO 1.000
(2) Edu 0.435 1.000
(3) Edad 0.044 -0.294 1.000
(4) 0.126 0.025 -0.063 1.000
Horas_Trabajadas

Fuente: Elaboración propia con Stata 17 (2023).

El ingreso laboral presenta una correlación directa con la variable número de años de
educación; entre las variables estudiadas, la educación es la variable que tiene una
magnitud más grande en términos de correlación con la variable ingreso laboral. La
corrección entre la variable ingreso laboral y años de educación es de 0,435. La
correlación es positiva, esto está dentro de lo esperado que la formación académica
puede incidir en un aumento en los ingresos de las personas.

La variable horas trabajadas tiene una correlación positiva con la variable ingreso laboral
con una magnitud débil, pues el valor de la correlación entre estas variables es de 0,126.
El signo positivo es coherente con lo esperado pues es posible que a mayor cantidad
de horas trabajadas las personas tengan más ingresos, aunque en este caso, es débil
la correlación.

La magnitud de la correlación entre el ingreso laboral y la edad es positiva; sin embargo,

es extremadamente débil, puesto que su valor es de apenas 0.044. Este valor tan bajo
podría indicar que estas dos variables no tienen correlación pues se acerca mucho al
cero.

1
c). Elabore un scatter plot de estas variables.

En la figura 1 es posible apreciar la dispersión de los datos del ingreso laboral con los
años de educación, mostrando una tendencia positiva entre las variables observadas.
Así mismo, se observan que los datos de ingresos se concentran por debajo de los
5.000.000 COP y que los años de educación se concentran predominantemente entre
los 10 y 20 años.

Figura 1. Scatter plot de años de educación con ingreso laboral

Fuente: Elaboración propia con Stata 17 (2023).

La Figura 2 muestra la dispersión de los datos entre las variables edad e ingreso laboral.
Se observa que las edades de la muestra estudiada se concentran entre los 30 y 50
años. Es posible ver que en general, los ingresos aumentan entre los 0 a los 30 años,
donde se estabilizan hasta los 55 años. De los 60 años en adelante inicia un descenso
generalizado de los ingresos laborales con el incremento de la edad. Por lo anterior, no
es fácil identificar una tendencia única en el comportamiento de estas variables.

Figura 2. Scatter plot de edad con ingreso laboral

Fuente: Elaboración propia con Stata 17 (2023).

2
En el diagrama de dispersión que se presenta en la Figura 3, muestra la dispersión de
los datos entre la variable horas trabajadas e ingreso. Es posible identificar que la
mayoría de los datos se concentra entre las 40 y 50 horas a la semana, así, mismo es
posible identificar una leve tendencia creciente de la variable ingresos con el aumento
de las horas trabajadas a la semana.

Figura 3. Scatter plot de horas trabajadas con ingreso laboral

Fuente: Elaboración propia con Stata 17 (2023).

d). ¿Los coeficientes de correlación encontrados son consistentes con la teoría

económica? Explique.

El coeficiente positivo de la correlación entre la variable años de educación e ingreso

laboral está dentro de lo esperado, es decir es consistente con la teoría económica. Lo
anterior, porque la educación incrementa el valor productivo de los trabajadores ya que
mejora sus destrezas (Adam Smith, 1776), la productividad marginal de una hora de
trabajo del personal calificado es mayor a la del que no lo es (Marshall, 1954); lo cual
repercute en un mayor pago de las empresas a los trabajadores más calificados. Son
varios estudios sobre capital humano que coinciden en que la inversión en formación
académica incrementa la productividad de los trabajadores y por ende los ingresos de
las personas (Schultz, 1961 citado por Herrera, 2010; Becker, 1964 citado por Herrera,
2010; Mincer, 1974 citado por Herrera, 2010).

Frente al coeficiente de correlación lineal de la variable ingreso con la edad, es posible

afirmar que no se encuentra una tendencia lineal de la dispersión de los datos. Esto es
consistente con la teoría económica puesto que la teoría de los perfiles de edad-ingresos
conocida como "shooling model" de Mincer (1974), en la cual la función edad-ingresos
de las personas tiene distintas pendientes a lo largo del ciclo de vida: una tasa de
crecimiento alta en la primera etapa, luego un menor crecimiento que llega a
estabilizarse y finalmente en el último periodo de la vida es decreciente debido a
condiciones biológicas de las personas. Así las cosas, es esperable que no exista una

3
correlación lineal o sea bastante débil, ya que una función de este tipo se parecería más
a función cuadrática cóncava.

Finalmente, el coeficiente de correlación entre la variable ingreso laboral y horas

trabajadas es positivo de magnitud débil. De entrada, podría deducirse que a mayores
horas trabajadas mayor debería ser el ingreso laboral. No obstante, la relación entre las
horas trabajadas y la productividad no es trivial, a nivel global la evidencia coincide en
que a mayor cantidad de horas trabajadas por persona menor es la productividad
individual (Echeverría y Jeria, 2005). En el caso que nos ocupa, aunque da positiva la
relación es bastante débil, este comportamiento reflejaría que en Colombia está relación
es positiva, sin embargo, entre las variables estudiadas es la que más carece de fuerza.

Punto 2. Correlación y pruebas de hipótesis

a). Realice pruebas de hipótesis para la correlación entre las variables INGLABO,
Edu, Edad y Horas Trabajadas.
b). Interprete las pruebas de hipótesis realizadas.

Tabla 1. Pruebas de hipótesis del coeficiente de correlación lineal entre variables

estudiadas
Variables (1) (2) (3) (4)
(1) INGLABO 1.000

(2) Edu 0.435* 1.000

(0.000)
(3) Edad 0.044* -0.294* 1.000
(0.000) (0.000)
(4) Horas_Trabajadas 0.126* 0.025* -0.063* 1.000
(0.000) (0.000) (0.000)
*** p<0.01, ** p<0.05, * p<0.1
Fuente: Elaboración propia con Stata 17 (2023).

Para las pruebas de hipótesis de significancia de los coeficientes de correlación lineal,

se utilizó un nivel de confianza del 95% (α = 0,05) obteniendo que todos los coeficientes
de correlación son estadísticamente significativos distintos de cero; por lo tanto, se
concluye que, con un nivel de confianza del 95%, sí existe correlación lineal entre las
variables estudiadas frente al ingreso laboral. Todas las correlaciones son positivas, es
decir, existe una relación positiva entre cada una de las variables estudiadas con el
ingreso. Cae destacar que, la correlación de la variable años de educación con ingreso
laboral es la que presenta una magnitud más fuerte.

c). Confronte con la teoría económica.

La correlación positiva de mayor magnitud (rXY = 0,435) entre las variables ingreso con
años de educación es consistente con la teoría económica, pues se espera que a mayor
nivel de formación académica se reciban mejores ingresos. Son varios los autores que
coinciden en que la productividad de los trabajadores aumenta con la educación (Adam
Smith, 1776; Marshall, 1954; Schultz, 1961 citado por Herrera, 2010; Becker, 1964

4
citado por Herrera, 2010; Mincer, 1974 citado por Herrera, 2010). La correlación que
estadísticamente es significativa distinta de cero está en la misma línea de la teórica
económica al respecto.

La correlación positiva de mayor magnitud (rXY = 0,044) entre las variables ingreso con
edad es débil. Esta correlación es estadísticamente significativa distinta de cero, sin
embargo, carece de fuerza su magnitud es débil, lo cual es consistente con la teoría
económica en el sentido que al establecer una relación lineal la correlación es débil,
pues la teoría apunta a que la función ingresos-edad tiene una relación cuadrática entre
las variables dado que se experimentan cambios de pendiente en la función del ingreso
a lo largo del ciclo de vida de las personas. El "shooling model" de Mincer (1974)
corresponde a una de las teorías económicas que explican los ingresos de las personas
en función de la edad, la cual tiene distintas pendientes a lo largo del ciclo de vida: una
tasa de crecimiento alta en la primera etapa, luego un menor crecimiento que llega a
estabilizarse y finalmente en el último periodo de la vida es decreciente debido a
condiciones biológicas de las personas. Así las cosas, es esperado que la correlación
sea débil porque una función tipo Mincer, esta corresponde a una función cuadrática por
la experiencia (edad), y en el caso que nos ocupa se establece una relación lineal.

Para finalizar, la correlación lineal horas trabajadas con el ingreso presenta una relación
directa de magnitud débil (rXY = 0,126) lo cual es consistente en el sentido que los
ingresos de las personas aumentan con las horas trabajadas; sin embargo, entender
esta relación no es trivial, pues también varios estudios coinciden en que a mayor
cantidad de horas trabajadas disminuyen la productividad laboral de los trabajadores
(Echeverría y Jeria, 2005)., de allí se puede deducir el hecho de que esta magnitud en
su correlación sea débil.

5
 REFERENCIAS

Echeverría, M., y Jeria, L. (2005). Beneficios de reducir la jornada laboral e inequidades

por resolver. Dirección del Trabajo de Chile, Departamento de Estudios, Santiago de
Chile. Temas Laborales, 10(23).

DEPARTAMENTO ADMINISTRATIVO NACIONAL DE ESTADÍSTICA (DANE, 2022).

Base de datos Gran Encuesta Integrada de Hogares (GEIH) diciembre 2022.

Herrera, Soledad (2010). La importancia de la educación en el desarrollo: la Teoría del

Capital Humano y el Perfil Edad - Ingresos por Nivel Educativo en Viedma y Carmen de
Patagones, Argentina. Revista Pilquen, (13), 00.
http://www.scielo.org.ar/scielo.php?script=sci_arttext&pid=S1851-
31232010000200007&lng=es&tlng=es

Marshall, A. (1954). Principios de economía, Madrid, Aguilar.

Mincer, J. Schooling (1974). Experience and Earnings. New York: University Press for
National Bureau of Economics Research.

Smith, Adam (1976). An Inquiry into the Nature and Causes of the Wealth of Nations,
coordinado por E. Cannan. The University of Chicago Press.

6
 ANEXO A - CÓDIGO IMPLEMENTADO EN STATA 17 PARA OBTENER
ESTIMACIONES

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

cls
clear all

set more off

cd
"C:\Users\usuario\Desktop\Especializacion_Economia_Uniandes\Métodos_cuantitativo
s\Taller1"

********************************************************************************
use "datos_taller_1", clear

browse

global grupo1 INGLABO Edu Edad Horas_Trabajadas

sum $grupo1

ssc install asdoc

asdoc tabstat $grupo1, stat(mean sd min max) save(Tabla 2) replace

* Matriz de correlaciones y pruebas de hipótesis

corr $grupo1

asdoc corr $grupo1, save(Tabla 2) append

pwcorr $grupo1, star(0.05) sig

asdoc pwcorr $grupo1, star(0.05) sig save(Tabla 2) append

* Análisis Gráfico – Scatter plot

twoway (scatter INGLABO Edu) (lfit INGLABO Edu)

twoway (scatter INGLABO Edad (lfit INGLABO Edad)
twoway (scatter INGLABO Horas_Trabajadas) (lfit INGLABO Horas_Trabajadas)