Professional Documents
Culture Documents
Variables Exògenes Qualitatives 2020-2021
Variables Exògenes Qualitatives 2020-2021
Econometria Economia
Curs 2020-2021
Facultat de Ciències Econòmiques i Empresarials
Universitat de Girona
Tipus de models
Models ANOVA .
Variable qualitativa dicotòmica
Models ANCOVA.
Variable qualitativa dicotòmica i una variable quantitativa
Variable qualitativa politòmica i una variable quantitativa
Diverses variables qualitatives i una variable quantitativa
Interacció entre dues variables qualitatives
Interacció entre una variable qualitativa i una de quantitativa
Interacció i efecte principal
Aplicacions
Efectes estacionals (series temporals)
Canvis estructurals
Variables dicotòmiques
ü Indicaran generalment absència o presència d’un determinat atribut:
- home/dona
- ric/pobre
- sa/malalt
b1 + b 2 Dones
b1 Homes
H0: b2=0
1 1983 11557 1
2 2987 29387 1
3 2993 31463 1
4 3156 29554 1
5 2706 25137 1
6 2217 14952 1
7 2230 11589 0
8 3757 33328 0
9 3821 36151 0
10 3291 35448 0
11 3429 32988 0
12 2533 20437 0
Models ANOVA
> model1<-lm(despesa~sexe)
> summary(model1)
Call:
lm(formula = despesa ~ sexe)
Residuals:
Min 1Q Median 3Q Max
-946.8 -503.5 183.2 360.1 644.2
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 3176.8 233.0 13.632 8.73e-08 ***
sexeD -503.2 329.6 -1.527 0.158
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> model<-lm(despesa~sexe)
> summary(model)
Call:
lm(formula = despesa ~ sexe)
Residuals:
Min 1Q Median 3Q Max
-946.8 -503.5 183.2 360.1 644.2
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 2673.7 233.0 11.473 4.45e-07 ***
sexeH 503.2 329.6 1.527 0.158
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Yi=b1+b2X2i+b3Di +ui
Yi= despesa
X2i=sou
Di=0 si és home (categoria de referència)
Di=1 si és dona
Dones
ü Rectes amb la mateixa
pendent; l’efecte del sou és
Homes
igual pels dos sexes
> model2<-lm(despesa~sexe+renda)
> summary(model2)
Call:
lm(formula = despesa ~ sexe + renda)
Residuals:
Min 1Q Median 3Q Max
-306.054 -75.430 0.563 77.272 284.989
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1.506e+03 1.880e+02 8.012 2.19e-05 ***
sexeD -2.290e+02 1.071e+02 -2.139 0.0611 .
renda 5.898e-02 6.117e-03 9.642 4.84e-06 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
On la varaible sleep són els minuts dedicats a dormir (únicament per la nit) a la setmana, totwrk
són els minuts dedicats a treballar, educ són els anys d’educació formal, age l’edat (en anys) i
male és una variable fictícia per distingir el sexe.
a) Amb tota la resta constant, hi ha evidència que els homes dormen més que les dones?
b) És estadísticament significativa la disjuntiva entre treballar i dormir? Quina és
l’estimació d’aquesta disjuntiva?
c) Quina altra regressió necessites per contrastar la hipòtesi nul·la de que l’edat no afecta
al temps dedicat a dormir?
Models ANCOVA
Yi=b1+b2D2i+b3D3i+b4Xi+ui
Models ANCOVA
Yi=b1+b2D2i+b3D3i+b4Xi+ui
Els paràmetres b2 i b3 ens informen de la diferència del salari anual mig entre les
diferents regions.
Models ANCOVA
Si volem veure si el salari anual del professor està relacionat amb la regió plantejarem
el següent contrast d’hipòtesi: H0: b2 = b3 =0.
1.- Mantenint constants les variables edat i fumar, la despesa mèdica esperada dels
homes és b2 unitats diferent a la de les dones.
2.- Mantenint constants les variables edat i sexe, la despesa mèdica esperada dels
fumadors és b3 unitats diferent a la dels no fumadors.
3.- Mantenint constant la variable edat, la despesa mèdica esperada per un pacient home
fumador és b2+ b3 unitats diferent a la d’un pacient dona no fumadora
4.- Mantenint constants les variables sexe i fumar, la despesa mèdica mitjana augmenta o
disminueix b4 quan l’edat del pacient augmenta en un any.
Models ANCOVA
Però.......
ü L’efecte del sexe en la despesa mèdica depèn, o no, del fet de fumar o no.
ü La influència del tabac sobre la despesa mèdica depèn, o no del sexe.
H0: b5 =0
Nota: Si les dues variables fossin politòmiques amb m1 i m2 categories,
caldria introduir (m1-1)x(m2-1) productes. En aquest cas, caldria fer un
contrast de models ennierats.
Models ANCOVA
Yi= sou
Yi= b1+ b2Xi + b3Di + b4DiXi+ ui Xi= anys d’experiència
Di= gènere (Di=0 dona/ Di=1 home)
H0: b4=0
Sigui:
Yi=b1+b2Xi+ui i=1,2,....,n.
Suposem que al 1973 s’ha produït una crisis en els preu del petroli. Dividim
el model en dos subperíodes:
Yi=b1+b2X2i+b3D1i+b4D1iX2i+ui i=1,2,...,n.
Les variables fictícies són útils i molt adaptables però hem de tenir en
compte dues qüestions:
Despatx: 204
Correu: antonia.barcelo@udg.edu
Tutories: a convenir prèviament per correu electrònic
Moltes gràcies!!!