UNIVERSIDAD DE PIURA

FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES

PROGRAMA DE ECONOMÍA
CURSO: MICROECONOMETRÍA
PRÁCTICA CALIFICADA 1

Integrantes:

Erick Guiomar Gallegos Correa

Renzo Casteñeda Rivera
Mei Liu Vasquez
Fatima Cardenas Peve

Pregunta 1
Este documento aprovecha un experimento natural inusual para estimar el impacto de las leyes
de escolarización obligatoria en los Estados Unidos. Se centra en el estudio de cómo la temporada
de nacimiento de las personas afecta su nivel de educación y sus ingresos, especialmente en
relación con las leyes de asistencia escolar obligatoria.
Se utiliza un "experimento natural" basado en el hecho de que los niños nacidos en diferentes
meses comienzan la escuela a diferentes edades debido a las políticas de ingreso escolar y las
leyes de escolarización obligatoria, se encuentra que los niños nacidos a principios de año
ingresan a la escuela a una edad más avanzada que los nacidos al final del año.
Cerca del 25% de los posibles desertores permanecen en la escuela debido a estas leyes, lo que
sugiere que tienen un efecto positivo en la retención de estudiantes. Entonces, se estimó el
impactó de la escolaridad obligatoria en los ingresos utilizando el trimestre de nacimiento como
instrumento (es exógeno porque es poco probable que el cumpleaños de uno se correlacione con
atributos personales distintos de la edad al ingresar a la escuela) para la educación. Además, se
usa porque la Ley de Normas Laborales Justas prohíbe el empleo de niños menores de catorce
años, no pueden trabajar durante el horario escolar a menos que hayan alcanzado la edad de
escolaridad obligatoria.
Se utiliza una submuestra de graduados universitarios que no están limitados por las leyes de
escolarización obligatoria como grupo de control, no se encuentra una relación entre la temporada
de nacimiento y los ingresos para este grupo, lo que sugiere que la relación observada en el grupo
tratamiento se debe principalmente a la escolaridad obligatoria.

PARA EL DESARROLLO DEL MÉTODO:

El "tratamiento" se refiere a la edad de escolarización obligatoria, los estudiantes nacidos en enero-
marzo, que cumplen dieciséis años antes de abril, se consideran en el grupo "tratado", ya que
están sujetos a leyes de escolarización obligatoria más largas. Los nacidos en abril-diciembre se
consideran en el grupo "de control".
Se utiliza un enfoque de "diferencias en diferencias" para analizar cómo estas leyes afectan la
matrícula escolar de los estudiantes. Se comparan las tasas de matrícula de estudiantes que
cumplen dieciséis años en estados con diferentes edades de finalización escolar obligatoria.
Se comparan las tasas de matrícula de estudiantes que cumplen dieciséis años en estados con
diferentes edades de finalización escolar obligatoria. En estados donde los estudiantes pueden
abandonar la escuela a los dieciséis años, la tasa de matrícula es significativamente más baja para
los estudiantes que han cumplido dieciséis años en comparación con aquellos que aún no han
cumplido esa edad. Sin embargo, en estados donde los estudiantes deben esperar hasta los
diecisiete o dieciocho años para abandonar, la diferencia en las tasas de matrícula es mucho
menor.
Se compara la diferencia en la tasa de matrícula entre los dos grupos de edad (enero-marzo vs.
abril-diciembre) en estados con diferentes edades de finalización escolar obligatoria. Esto se hace
para cada cohorte de nacimiento (1944, 1954, 1964) y período de censo (1960, 1970, 1980).
Si se observa una diferencia significativa en la tasa de matrícula entre los grupos de edad en
estados con diferentes leyes de escolarización obligatoria, esto sugiere que las leyes de asistencia
obligatoria tienen un impacto en la duración de la educación.
Se realizan estimaciones de retorno a la educación utilizando dos métodos: el método Wald y el
método TSLS (Sistema de Ecuaciones Simultáneas en Mínimos Cuadrados Totales). El método
Wald produce una estimación ligeramente negativa e insignificante del retorno a la educación,
mientras que el método TSLS arroja estimaciones positivas y estadísticamente significativas.

El método TSLS se utiliza para estimar el retorno a la educación, la variación estacional en la

educación puede variar según el estado de nacimiento y que esta variabilidad se puede utilizar
para mejorar las estimaciones de TSLS. En la primera etapa, se regresan los años de educación
sobre los instrumentos de temporada de nacimiento y otros factores relevantes, como la edad y la
edad al cuadrado. Esto genera las predicciones de educación basadas en la temporada de
nacimiento. En la segunda etapa, estas predicciones se utilizan en una regresión de ingresos para
estimar el retorno a la educación. Las estimaciones de retorno a la educación mediante TSLS son
estadísticamente similares a las estimaciones obtenidas mediante el método de Mínimos
Cuadrados Ordinarios (OLS).

Se lleva a cabo un análisis de robustez para verificar si el instrumento (temporada de nacimiento)

es válido. Esto implica probar si la temporada de nacimiento influye en los ingresos por razones
distintas a la escolaridad obligatoria. Se consideran varios posibles efectos de la temporada de
nacimiento, como la edad de ingreso a la escuela, el estatus socioeconómico de los padres y otros
factores, para asegurarse de que el instrumento sea válido.

Finalmente, se concluye que las diferencias en la temporada de nacimiento proporcionan

una oportunidad única para estudiar el impacto de las leyes de asistencia escolar
obligatoria en la educación y los ingresos. Los resultados sugieren que la temporada de
nacimiento tiene un efecto modesto en el nivel de educación alcanzado, respaldando la
idea de que la escolaridad obligatoria influye en cuánto tiempo permanecen los
estudiantes en la escuela.
Al utilizar la temporada de nacimiento como un instrumento para la educación en el análisis
de las ganancias, se encontraron similitudes notables entre las estimaciones de retorno
educativo obtenidas mediante regresión ordinaria y las estimaciones de Mínimos
Cuadrados en Dos Etapas (TSLS). Las diferencias entre estas estimaciones generalmente
no son estadísticamente significativas y, si existen, sugieren que la omisión de variables o
errores en la medición educativa podría sesgar a la baja las estimaciones de regresión
ordinaria sobre el retorno educativo.
En consecuencia, los resultados respaldan la idea de que las leyes de asistencia escolar
obligatoria efectivamente impulsan a algunos estudiantes a permanecer más tiempo en la
escuela y, como resultado, a obtener salarios más altos debido a su educación adicional.
Sin embargo, se señala que la evaluación completa de la eficacia y los costos de estas
leyes requeriría investigaciones adicionales sobre sus efectos en la criminalidad y otros
aspectos sociales y educativos.
Pregunta 2
𝑙𝑛 (𝑠𝑎𝑙𝑎𝑟𝑖𝑜) = 𝐵0 + 𝐵1 𝐴ñ𝑜𝑠 𝑑𝑒 𝑒𝑑𝑢𝑐𝑎𝑐𝑖𝑜𝑛 + 𝑢
• 𝑙𝑛 (𝑠𝑎𝑙𝑎𝑟𝑖𝑜𝑠): logaritmo de los salarios, la variable dependiente
• 𝐵0 : Intercepto
• 𝐵1 : Coeficiente de la variable independiente (variable Años de
educación)
• 𝐴ñ𝑜𝑠 𝑑𝑒 𝑒𝑑𝑢𝑐𝑎𝑐𝑖𝑜𝑛: variable independiente de interés
• 𝑢: termino error
 • Interpretacion :
la regresión identifica 2 variables , la variable dependiente earnwkl que refiere a el
logaritmo de salarios y la variable independiente y/o explicativa educ, los resultados
obtenidos reflejan que la hipótesis nula es rechazada, lo que evidencia una clara
significancia del estimador sobre el modelo (b= diferente de 0), al menos una de las
variables independientes del modelo está significativamente relacionada con la variable
dependiente, resultó que en promedio por un año más de educación existe un aumento en
0.70851 en el ln salarios.

tabla de resultados 1

• El coeficiente estimado (beta) de 0.079 indica

que, en promedio, un aumento de una unidad en
la variable "educ" está asociado con un
incremento de 0.079 unidades en la variable
dependiente (logaritmo de salarios), manteniendo
constantes las demás variables en el modelo.

• El error estándar de 0,00339 es una medida

de la precisión de la estimación del coeficiente.
Mientras más bajo sea el error estándar, mayor
será la precisión de la estimación.

Pregunta 3
 • El coeficiente estimado de 0.101995 indica que, en promedio, un aumento de una
unidad en la variable " educ" está asociado con un incremento de 0.101995 unidades
en la variable dependiente, manteniendo constantes las demás variables del modelo.
En este caso, se están estimando los retornos a la educación, lo cual implica que una
mayor cantidad de años de educación se asocia con un mayor nivel de earnwkl
• El valor de z de 4.26 indica la significancia estadística del cálculo estimado. Un valor de
z mayor a 1,96 (para un nivel de confianza del 95%) se considera estadísticamente
significativo. En este caso, el valor de z de 4.26 sugiere que el coeficiente estimado es
estadísticamente significativo, lo que significa que es poco probable que el coeficiente
sea igual a cero y que existe una relación significativa entre la variable "educ" y la
variable dependiente earnwkl

tabla de resultados 2

Si comparamos los resultados obtenidos tanto en

la tabla 1 como en la tabla 2, existen diferencias en
los modelos con respecto a sus errores estándar,
como ya se mencionó mientras más bajo sea el
error estándar es más precisa la estimación, en
este caso al utilizar un instrumento como un
indicador los errores estándar se han reducido y
son menores que en la regresión ordinaria, se
puede concluir que la estimación es más precisa
bajo el indicador instrumental.

Pregunta 4
Se nos pide calcular el estimador de Wald para ellos necesitamos calcular las covarianzas,
primero calculamos la covarianza entre las personas que nacieron en el primer trimestre y el
salario. Luego, calculamos las covarianzas entre educación con aquellos estudiantes que
nacieron en el primer trimestre del año.
𝒄𝒐𝒗 (𝒚,𝒛)
Estimador de wald =
𝒄𝒐𝒗 (𝑫,𝒛)

∑𝒏𝟏(𝑿𝒊 − ̿̿̿ ̿)
𝑿 )(𝒀𝒊 − 𝒀
𝒄𝒐𝒗 (𝑿, 𝒀) =
𝒏
 Los resultados que se obtuvieron fueron -0.002069 y -0.020286 y los usamos en la
fórmula del estimador de Wald, de lo cual obtuvimos como resultado 0.101991.

Pregunta 5

¿Qué se puede decir de las pendientes de cada recta?

Cada punto en el gráfico refleja la relación entre educación y salario.

Cuando los estudiantes nacen en el primer trimestre del año empiezan a estudiar a una edad
más avanzada que los estudiantes que nacen después de este trimestre, por lo que al cumplir la
mayoría de edad estos estudiantes pueden no continuar los estudios si así lo deciden. Entonces,
la pendiente de la primera recta que relaciona a los estudiantes nacidos en el primer trimestre del
año con los nacidos en el segundo trimestre, es positiva porque refleja que los estudiantes
nacidos en el primer trimestre tienen menor educación en promedio de 12.68 (al poder
abandonar antes que sus otros compañeros) y por lo tanto menor salario en promedio de 5.891,
en contraste con los nacidos en el segundo trimestre que si quieren desertar de la escuela tienen
que esperar un poco más y reciben más tiempo de educación obligatoria en promedio de 12.74
por lo tanto tienen un mayor salario respecto a los nacidos en el primer trimestre.

En la segunda recta se refleja una pendiente positiva entre las personas nacidas en el segundo y
tercer trimestre del año. En el segundo trimestre se aprecia que la educación tiene un
crecimiento de 12.75, pero esto pasa a 12.8 en el tercer trimestre debido a que los estudiantes
que cumplieron años en el segundo trimestre tienen menos tiempo de educación y por tanto
menor nivel de ingresos que los que cumplen años en el tercer trimestre. Entonces al tener más
tiempo de educación aumenta su nivel educativo haciendo que los ingresos de los estudiantes
del tercer trimestre aumenten de 5.89 a 5.90.

En la tercera recta que relaciona a los estudiantes nacidos en el tercer trimestre con los que
nacieron en el cuarto trimestre se puede observar que tiene una pendiente negativa debido a que
al alcanzar la edad suficiente deciden no continuar sus estudios y tienen un menor ingreso en
promedio de 5.905 comparado a los de tercer trimestre que aún les falta cumplir la edad
suficiente para desertar y tienen un ingreso de 5.906. Permite comprobar las conclusiones del
paper que menciona que los trimestres de nacimiento proporcionan evidencia de que la
escolarización obligatoria sí tiene un impacto en la educación lo cual explica a los ingresos
recibidos.

Pregunta 6

Se puede observar que el haber añadido el segundo y tercer trimestre de nacimiento, hay un
incremento mayor en 0.1933972 en la variable dependiente que es salario si se aumenta el
tiempo de educación dado que el haber nacido después del primer trimestre implica mayor
tiempo de escolarización obligatoria comparado con los resultados obtenidos en la pregunta
3. Al incluir estas nuevas variables aumenta la complejidad de la regresión y en
consecuencia se la variabilidad de las predicciones.
Pregunta 7
En el contexto del test de sobreidentificación:
Hipótesis Nula: Los instrumentos son válidos, es decir, no hay endogeneidad. Si el p-valor es
alto (generalmente mayor que 0.05): No hay suficiente evidencia para rechazar la hipótesis
nula, indica que los instrumentos son válidos y no hay endogeneidad. El test de
sobreidentificación ayuda a determinar si los instrumentos utilizados en un modelo de
regresión instrumental son válidos. En este caso, al realizar la prueba de Sargan el p-valor que
se obtuvo fue 0.6999 nos indica que la hipótesis nula no se puede rechazar y que el
instrumento utilizado es válido.