Professional Documents
Culture Documents
Econometría Básica – Curso de R
Taller 1
Prof. Alejandro Gaviria Jaramillo
Nombre: Nicolás Marín.
1. (2 puntos) ¿Cuáles espera que sean los signos de los coeficientes? ¿Por qué?
De los coeficientes presentados espero los siguientes signos:
ß0: Positivo porque si las demás variables explicativas fueran cero tendría como mínimo
alguna remuneración por alguna labor extra que no contemplaría el modelo.
ß1: Positivo, porque a mayor nivel de estudio y manteniendo todo lo demás constante el
nivel de ingreso aumentaría.
ß2: Positivo, porque a mayor nivel de experiencia y manteniendo todo lo demás
constante el nivel de ingreso aumentaría.
ß3: Negativo, porque de la manera en que esta modela la función de ingresos de Mincer
hay un punto en donde un aumento de esta variable ya no generaría un aumento en el
nivel de ingresos y a su vez empezaría de disminuir.
2. (5 puntos) Estime los coeficientes del modelo econométrico propuesto por el método de
mínimos cuadrados ordinarios (MCO). Interprete los coeficientes
Estimación por MCO (archivo R)
ß0 = 13.8031792872
ß1 = 0.0258534141
ß2 = 0.0215957063
ß3 = -0.0002478456
En promedio y manteniendo lo demás constante, al no existir años de escolarización ni años
de experiencia se espera que el ingreso base sea de $987.744
En promedio y manteniendo lo demás constante, un aumento de una unidad en los años de
educación completa generaría un aumento en el salario de 2.5%
En promedio y manteniendo lo demás constaste, un aumento de una unidad en los años de
experiencia laboral generaría un aumento en el salario de 2.1%
En promedio y manteniendo lo demás constante, un aumento de una unidad en los años de
experiencia laboral al cuadrado generaría una disminución en el salario de 0.024%
3. (6 puntos) Encuentre el Estimador INSESGADO y SESGADO de la varianza del término de
perturbación y la matriz de Varianza Covarianza estimada para �� (para ésta última use el
estimador insesgado). Interprete los valores
Estimador Insesgado y sesgado (Archivo R); Sesgado = 139.7034 Insesgado = 139.8152
Matriz de Varianza Covarianza:
• 1.158666005 es la desviación estándar de ß0, esto quiere decir que se desvía poco respecto a su
media y por tanto es confiable.
• 0.106059705 es la desviación estándar de ß1, esto quiere decir que se desvía poco respecto a su
media y por tanto es confiable.
• 0.080449325 es la desviación estándar de ß2, esto quiere decir que se desvía poco respecto a su
media y por tanto es confiable.
• 0.002012096 es la desviación estándar de ß3, esto quiere decir que se desvía poco respecto a su
media y por tanto es confiable.
El efecto en el modelo es visible en la variable ß 3, ya que como se ve es una variable cuadrática
y con un coeficiente negativo que produce que un aumento en la experiencia supere el efecto de
esta variable del que tendría en un principio. Lo que conlleva principalmente a generar en un
punto un efecto negativo sobre el ingreso y este mismo empiece a disminuir cuando el nivel de
experiencia empieza a aumentar.
Siendo el modelo:
ln ( Y i ) =β 0+ β 1 ed u i+ β2 expi + β3 ex p 2i + ei
Derivamos parcialmente con respecto a la variable exp:
Exp = ß2 / 2*ß3
Por lo tanto, podemos afirmar que, a los 43.56 años de experiencia el salario promedio de cada
persona comenzara a disminuir cada que aumente un año mas de experiencia.
6. (4 puntos Dado lo anterior, ¿Cómo cambiarían los coeficientes estimados si ahora se le agrega
al modelo una tercera variable la cual representa el sexo del individuo?
Los coeficientes estimados no cambian significativamente dentro del cambio del modelo con la
variable sexo. Sin embargo, como es una variable dummy se podría hacer la siguiente
afirmación.
ß4 estimado dio un valor de 0.00289182, por lo tanto, en promedio y manteniendo lo demás
constante, los hombres (en promedio) ganan 0.289% más que las mujeres. Teniendo en cuenta
que tomé mujer = 0.
2
7. (5 puntos) Calcule el R del modelo correspondiente al punto 6. ¿Qué significa? y ¿Qué
2
esperaría de los R a medida que se le agregan más variables al modelo?
El valor del R2 es de 0.9371. Esto quiere decir que la variabilidad de las variables
independientes explica en un 94% la variabilidad del salario.
A medida que se agregan mas variables al modelo yo esperaría que el modelo se volviera mas
preciso y eficaz y así dar una mejor respuesta e interpretación y que el R2 se siga acercando mas
a 1.
8. (6 puntos). Ahora, usted quiere hacer una extensión del modelo original y revisar el efecto que
tiene el estado civil (considerando que solo se puede ser soltero o casado) en el nivel del salario.
Para esto, uno de sus compañeros de investigación le recomienda que realice el siguiente
modelo econométrico:
2
ln ( Y )=β 0 + β 1 edu+ β 2 exp+ β3 ex p + β 4 sexo+ β5 cas + β 6 sol +e
∙ 𝐶𝑎�: 𝑉𝑎𝑟𝑖𝑎𝑏�e 𝑑𝑢𝑚𝑚� 𝑞𝑢� 𝑡𝑜𝑚𝑎 �� 𝑣𝑎�𝑜𝑟 𝑑� 1 �𝑖 �� 𝑐𝑎�𝑎𝑑𝑜
∙ 𝑆𝑜�: 𝑉𝑎𝑟𝑖𝑎𝑏�� 𝑑𝑢𝑚𝑚� 𝑞𝑢� 𝑡𝑜𝑚𝑎 �� 𝑣𝑎�𝑜𝑟 𝑑� 0 �𝑖 �� �𝑜�𝑡�𝑟𝑜
Él dice que, corriendo esta regresión, se podría ver el efecto en el salario de estar casado o
soltero, observando �5 � �6 respectivamente.
a. ¿Qué opina sobre la propuesta? ¿Es necesario hacer esta nueva regresión?
No es necesario hacer esta nueva regresión puesto que en el modelo propuesto la
variable sol siempre tomará el valor de 0 y por tanto ß 6 jamás afectará el salario y
no se verá el efecto que se quiere tener.
b. Si no es correcto hacer esta regresión ¿Qué modelo econométrico usted propondría
para incluir la variable de estado civil? (Si propone un nuevo modelo, corra la
regresión en R y mencione los coeficientes. No hay necesidad de interpretarlos)
Yo incluiría una variable dummy llamada “Estado civil”(est) en donde casado
tomara el valor de 1 y soltero tomara el valor de 0, de esa manera solo tendríamos
una sola variable con un solo coeficiente que vendría siendo ß5. Así finalmente
podríamos observar el efecto que tendría por ejemplo estar casado en su ingreso.
9. (5 puntos) Según su respuesta anterior ¿Cuál es el pronóstico del Nivel de Ingresos para una
mujer casada con 16 años de educación y con 8 años de experiencia?
Especificando, tomaré la variable sexo = 0 cuando es mujer.
Por lo tanto, para una mujer casada con 16 años de educación y con 8 años de experiencia el
pronostico del nivel de ingresos es de 1’743.907 pesos.
10. (7 puntos) Asuma ahora que un investigador plantea que los hombres no solo ganan más en
promedio que las mujeres, sino que también ganan más por cada nivel de educación.
¿Cómo comprobaría, con una regresión lineal, que el investigador tiene razón? (Si propone
un modelo, corra la regresión en R y mencione los coeficientes. No hay necesidad de
interpretarlos)
El modelo que propongo es el siguiente:
+ß2
Ln (Y) = ß0 +ß1 edu +ß3
exp 2 + ß4
exp +ß5
sexo +ß6
est +
nedu e
Los coeficientes serían los siguientes: