INTERPRETACIN DE UNA ECUACIN DE REGRESIN

El diagrama muestra el ingreso por hora en 2002 graficado contra los aos de educacin,
definido como el mximo grado alcanzado, para una muestra de 540 entrevistados en el
National Longitudinal Survey of Youth (NLSY).
1

Los primeros 12 aos se refieren a primaria, secundaria y preparatoria. Los grados 13, 14,
and 15 significan la terminacin de uno, dos y tres aos de la universidad.
2

El grado 16 significa la terminacin del cuarto ao de universidad. Los grados mayores

indican aos de posgrado.
3

. reg EARNINGS S
Source |
SS
df
MS
-------------+-----------------------------Model | 19321.5589
1 19321.5589
Residual | 92688.6722
538 172.283777
-------------+-----------------------------Total | 112010.231
539 207.811189

Number of obs
F( 1,
538)
Prob > F
R-squared
Adj R-squared
Root MSE

=
=
=
=
=
=

540
112.15
0.0000
0.1725
0.1710
13.126

-----------------------------------------------------------------------------EARNINGS |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------S |
2.455321
.2318512
10.59
0.000
1.999876
2.910765
_cons | -13.93347
3.219851
-4.33
0.000
-20.25849
-7.608444
------------------------------------------------------------------------------

Este es el resultado de una regresin del ingreso en funcin de los aos de educacin,
utilizando Stata.
4

. reg EARNINGS S
Source |
SS
df
MS
-------------+-----------------------------Model | 19321.5589
1 19321.5589
Residual | 92688.6722
538 172.283777
-------------+-----------------------------Total | 112010.231
539 207.811189

Number of obs
F( 1,
538)
Prob > F
R-squared
Adj R-squared
Root MSE

=
=
=
=
=
=

540
112.15
0.0000
0.1725
0.1710
13.126

-----------------------------------------------------------------------------EARNINGS |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------S |
2.455321
.2318512
10.59
0.000
1.999876
2.910765
_cons | -13.93347
3.219851
-4.33
0.000
-20.25849
-7.608444
------------------------------------------------------------------------------

Para esta ocasin, slo tomaremos en cuenta la estimacin de los parmetros. Las variales
en la regresin se ubican en la primera columna; la segunda columna nos da la estimacin
de sus coeficientes.
5

. reg EARNINGS S
Source |
SS
df
MS
-------------+-----------------------------Model | 19321.5589
1 19321.5589
Residual | 92688.6722
538 172.283777
-------------+-----------------------------Total | 112010.231
539 207.811189

Number of obs
F( 1,
538)
Prob > F
R-squared
Adj R-squared
Root MSE

=
=
=
=
=
=

540
112.15
0.0000
0.1725
0.1710
13.126

-----------------------------------------------------------------------------EARNINGS |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------S |
2.455321
.2318512
10.59
0.000
1.999876
2.910765
_cons | -13.93347
3.219851
-4.33
0.000
-20.25849
-7.608444
------------------------------------------------------------------------------

Eneste caso slo hay una variable, S, y su coeficiente estimado es 2.46. _cons se refiere a
la constante o intercepto de la regresin, y su coeficiente estimado es -13.93.
6

EARNINGS 13.93 2.46 S

Nuevamente se muestra el diagrama de dispersin con la lnea de regresin.

EARNINGS 13.93 2.46 S

Qu es lo que significan los coeficientes?

EARNINGS 13.93 2.46 S

Para responder a esta pregunta, debemos referirnos a las unidades en las que las variables
estn medidas.
9

EARNINGS 13.93 2.46 S

S est medida en aos (estrictamente hablando, grados completados), y los salarios

(EARNINGS) en dlares por hora. Por lo tanto, la pendiente del coeficiente para S implica
que el salario por hora aumenta $2.46 por cada ao extra de educacin.
10

EARNINGS 13.93 2.46 S

Observemos la representacin geomtrica de esta interpretacin. Para ello, haremos un

acercamiento a la seccin marcada en el diagrama.
11

$15.53
$13.07

$2.46
One year

La lnea de regresin indica que completar el 12vo grado en lugar del 11vo, incrementar el
salario esperado en $2.46, al pasar de $13.07 a $15.53, como una tendencia general.
12

EARNINGS 13.93 2.46 S

Debes preguntarte si la grfica es plausible. Si no lo es, ello podra indicar que existe un
error en tu modelo.
13

EARNINGS 13.93 2.46 S

Para los niveles bajos de educacin todo parece ser plausible. Sin embargo, para lo niveles
altos parecera que existe un error.
14

EARNINGS 13.93 2.46 S

Qu pasa con el trmino constante? (Intenta contestar esta pregunta antes de continuar
con la secuencia)
15

EARNINGS 13.93 2.46 S

Literalmente, la constante indica que una persona sin ningn grado de educacin tendra
que pagar $ 13.93 por hora para poder trabajar.
16

EARNINGS 13.93 2.46 S

Ello no tiene ningn sentido. En el pasado puede que algunos artesanos requirieran de un
pago inicial para aceptar a un aprendiz, pero una interpretacin de un pago negativo es
imposible de sustentar.
17

EARNINGS 13.93 2.46 S

Una solucin segura a este problema es limitar la interpretacin al rango de los datos de la
muestra y evitar cualquier extrapolacin fuera de ellos.
18

EARNINGS 13.93 2.46 S

Con esta explicacin, la nica funcin del trmino constante es permir trazar la lnea de
regresin a la altura correcta en el diagrama. No tiene un significado por s misma.
19

EARNINGS 13.93 2.46 S

Otra solucin es explorar la posibilidad de que la verdadera relacin no es lineal, y nos

estamos aproximando a ella a ravs de una regresin lineal. En los prximos captulos
extenderemos nuestra tecnica de regresin para analizar modelos no lineales.
20

Copyright Christopher Dougherty 19992006. This slideshow may be freely copied for
personal use.

22.08.06