Documentos de Académico
Documentos de Profesional
Documentos de Cultura
E CONOMETR ÍA 1
T EMA 6: VARIABLES FICTICIAS Y CAMBIO ESTRUCTURAL
Curso 2021
4 U SO DE FICTICIAS PARA
1 I NTRODUCCI ÓN
VARIABLES ORDINALES
2 U SO DE DUMMIES
3 T RAMPA DE LAS VARIABLES
FICTICIAS 5 C AMBIO ESTRUCTURAL
T IPOS DE VARIABLES
Cuantitativas:
Pueden ser categorizadas y recogidas en variables ficticias, al costo de una
pérdida de información
I NTRODUCCI ÓN
O alternativamente:
1 si la persona es hombre
hombre =
0 si la persona es mujer
salarioi = β0 + β1 mu jeri + ui
¿Cómo se interpretan β0 y β1 ?
E(salario|mu jer = 1) = β0 + β1
E(salario|mu jer = 0) = β0
β0 es el salario esperado para los varones (que en este caso sin otros
regresores coincide con el salario promedio)
β1 es el efecto diferencial en los salarios esperados de las mujeres respecto
a los hombres (en este caso es la diferencia entre salarios promedio)
Vemos que incluir dummies implica definir una categorı́a de referencia, en
este ejemplo los hombres
Contrastar la hipótesis H0 ) β1 = 0 equivale a hacer una prueba de
diferencia de medias
Prof: Lercy Barros Econometrı́a 1 6 / 47
Introducción Uso de dummies Trampa de las variables ficticias Uso de ficticias para variables ordinales Cambio estructural
Ejemplo:
ŷ = 7, 10 − 2, 51mu jer
El término constante (7,10) es el salario medio estimado para los hombres
(grupo de referencia). El coeficiente 2,51 es la estimación de la diferencia entre
salarios medios de hombres y mujeres de la muestra. Es decir, se estima que,
las mujeres ganan, en media, 2,51 unidades monetarias menos por hora que los
hombres.
βb0 es ahora el salario esperado para mujeres con cero años de educación
I NTERPRETACI ÓN
En el modelo anterior:
H0 )δ0 = 0
Basta con estimar el modelo por MCO y utilizar el estadı́stico t para probar la
hipótesis. Recordar que es necesario suponer normalidad de los errores.
Dado el modelo:
ln(Yi ) = β0 + β1 Di + ui
Yi = exp(β0 )exp(β1 Di )exp(ui )
E JEMPLO
Alternativas:
1 Se mantiene la constante y se incluye una sola dummy:
salarioi = β0 + δ0 mu jeri + β1 educi + β2 experi + ui
H0 ) δ0 = 0
̸ 0
H1 ) δ0 =
H0 ) δ0M = δ0H
H1 ) δ0M ̸= δ0H
Ejemplo:
Se tienen dos variables cualitativas: una binaria (sexo) y otra con varias
categorı́as (estado civil)
Comentarios:
MBR = β0 + β1CR + u
Respuestas:
O lo que es lo mismo:
Si mu jer = 0:
salarioi = β0 + β1 educi + ui
Si mu jer = 1:
Por lo tanto:
δ0 mide la diferencia del intercepto para mujeres en comparación con el de
los hombres cuando el resto de los regresores vale cero
δ1 mide la diferencia de los rendimientos de la educación de las mujeres
respecto al de los hombres
Uno de los supuestos del MRLC es que los parámetros son constantes para
toda la población
Ejemplo:
Promedio de calificaciones (cumgpa) de los atletas universitarios
Explicadas por la puntuación obtenida en el examen de admisión (sat), el
percentil de calificaciones alcanzado en el bachillerato (hsperc) y el total de
hs de cursos en la universidad (tothrs)
H0 ) δ0 = δ1 = δ2 = δ3 = 0
H1 ) Algún δ j ̸= 0 con j = 0, 1, 2, 3
Basta con que uno de los δ j sea diferente de cero para que el modelo sea
distinto para hombres y mujeres
C ONTRASTE DE C HOW
Hipótesis a contrastar:
yi = β0 +β0∗ Di +β1 X1i +β1∗ X1i Di +β2 X2i +β2∗ X2i Di +· · ·+βk Xki +βk∗ Xki Di +ui
F ∼ F(k+1),(n−2k−2)