Professional Documents
Culture Documents
ASIGNATURA: ECONOMETRA I.
DOCENTE
ALUMNO
CDIGO
: 11 12 02 81.
TEMA
TURNO
: NOCHE
LIMA - PER
2013
Ejercicio N01:
Considere un modelo del tipo WGi 0 1EDi 2 EX i Ui . Se pide:
a) Explicar qu representan los parmetros 0 , 1 y 2 e indique
qu signo esperara que tuviese cada uno de ellos.
b) Estimar este modelo con los datos del archivo ectr1-soniasalarios por MCO. Comente tanto los signos como las
estimaciones de todos los parmetros y explique por qu no es
especialmente relevante el hecho de que 0 0 .
SOLUCIN:
a) El parmetro
es el trmino constante, es decir es el salario
de una persona sin aos de educacin y sin aos de
experiencia.
El parmetro
es la tasa de rendimiento de la educacin, es
decir representa en cuanto aumentar el salario de un
individuo de acuerdo al grado de educacin que dicha
persona tiene.
Personalmente espero que
tenga signo positivo, ya que yo
encuentro una relacin directa o positiva entre el salario y el
nivel de educacin de una persona, es decir si aumenta los
aos de educacin de dicho individuo (ya sea estudiar una
carrera universitaria, una maestra, un doctorado o un Ph.D)
eso quiere decir que tambin aumentar su salario.
El parmetro
es la tasa de rendimiento de la experiencia,
es decir representa en cuanto aumentar el salario de una
persona de acuerdo a los aos de experiencia que esta
posee.
Personalmente espero que
tenga signo positivo, ya que
existe una relacin positiva entre los aos de experiencia de
Special Edition
SS
df
MS
Model
Residual
2914.64782
11030.6042
2
525
1457.32391
21.0106748
Total
13945.2521
527
26.4615789
wg
Coef.
ed
ex
_cons
.9768533
.103667
-5.567325
.
end of do-file
Std. Err.
.0847097
.0173408
1.257373
t
11.53
5.98
-4.43
Number of obs
F( 2,
525)
Prob > F
R-squared
Adj R-squared
Root MSE
P>|t|
0.000
0.000
0.000
=
=
=
=
=
=
528
69.36
0.0000
0.2090
0.2060
4.5837
1.143265
.137733
-3.097223
Donde:
Ejercicio N02:
Analizar la log-normalidad de la variable WGi , usando tanto
procedimientos grficos como algn contraste formal. Recuerde que
una variable es log-normal, cuando en nivel no sigue una distribucin
normal, pero s en logaritmos.
.4
.2
0
Density
.6
.8
SOLUCIN:
2
logwg
Ejercicio N03:
a) Usando MCO estimar los parmetros de la ecuacin terica
dada ln WGi ln WG0 1EDi Ui Cul es la interpretacin de los
coeficientes estimados? Construir un intervalo de confianza del
95% para el coeficiente asociado a educacin. Cul es el valor
del R 2 del modelo y cmo lo interpreta?
b) Incorpore en la ecuacin estimada en a) los aos de experiencia
como regresor adicional y contraste si la funcin de salarios es
cncava en la experiencia. Cules seran los aos de
experiencia (en media) de una persona que maximiza el
logaritmo de su salario?
SOLUCIN:
a)
. do "C:\Users\reiter\AppData\Local\Temp\STD00000000.tmp"
. gen logwg=log(wg)
.
end of do-file
. do "C:\Users\reiter\AppData\Local\Temp\STD00000000.tmp"
. reg logwg ed
Source
SS
df
MS
Model
Residual
22.2945574
120.877864
1 22.2945574
526 .229805826
Total
143.172422
527 .271674425
logwg
Coef.
ed
_cons
.0826213
.9823726
.
end of do-file
Number of obs
F( 1, 526)
Prob > F
R-squared
Adj R-squared
Root MSE
=
=
=
=
=
=
528
97.01
0.0000
0.1557
0.1541
.47938
Std. Err.
P>|t|
.0083883
.1117432
9.85
8.79
0.000
0.000
.0661426
.7628548
.0990999
1.20189
Donde:
= 0.9823726, Esto quiere decir que una persona sin aos de
educacin recibir un salario de 0.9823726 nuevos soles.
= 0.0826213, Esto quiere decir que por cada ao de
educacin que aumente, el salario del individuo aumentar en
0.8 %.
El intervalo de confianza del 95% para el coeficiente asociado a
educacin es:
El valor del R 2 es el siguiente:
R 2 = 0.1557; Esto nos quiere decir que la variable educacin
explica un 15% al modelo.
Esto quiere decir que el R 2 no explica el modelo completamente,
ya que su valor est demasiado lejos de 1, eso quiere decir que
faltan ms variables explicativas a dicho modelo.
b) El modelo a estimar es el siguiente:
Logwg=
. do "C:\Users\reiter\AppData\Local\Temp\STD00000000.tmp"
. reg logwg ed ex excua
Source
SS
df
MS
Model
Residual
37.7051086
105.467313
3 12.5683695
524 .201273499
Total
143.172422
527 .271674425
logwg
Coef.
ed
ex
excua
_cons
.0944373
.0414634
-.0006989
.4166559
Std. Err.
.0083767
.0057486
.0001287
.1250516
t
11.27
7.21
-5.43
3.33
Number of obs
F( 3, 524)
Prob > F
R-squared
Adj R-squared
Root MSE
P>|t|
0.000
0.000
0.000
0.001
=
=
=
=
=
=
528
62.44
0.0000
0.2634
0.2591
.44864
.1108933
.0527565
-.000446
.6623199
.
end of do-file
.
El modelo estimado es el siguiente:
Lgwg=
Los aos de experiencia (en media) de una persona que
maximiza el logaritmo de su salario es el siguiente.
Veamos grficamente:
Log (WG)
MAX
EX
Como podemos apreciar la funcin de salarios es cncava en la
experiencia, siendo el nivel de experiencia ptima independiente del
nivel de educacin, es decir que a partir de 30 aos a ms; el individuo
comienza a tener rendimientos decrecientes. Como ya dije
anteriormente se espera que la funcin de salarios sea cncava en la
experiencia, con un mximo en la mitad de la vida del individuo, es
necesario especificar una ecuacin lineal en la educacin, pero
cuadrtica en la experiencia.
Ejercicio N04:
Considere un modelo del tipo:
Logwg=
a) Calcule la semielasticidad en % del WGi con respecto a la EDi .
Explique por qu es razonable esperar que 1 0 e indique qu
implicara sobre dicha semielasticidad que 4 0 .
b) Suponiendo que 1 0 y 4 0 , indique para qu valores de EX i ,
la semielasticidad del WGi con respecto a la EDi es positiva.
c) A partir de (7), calcule la semielasticidad en % del WGi con
respecto a la EX i . Explique por qu es razonable esperar que
2 0 . Indique qu implicara sobre dicha semielasticidad el
hecho de que 3 0 y 4 0 .
d) Estime el modelo con los datos del fichero ectr1-soniasalarios.wf1 y compruebe que las estimaciones de todos los
parmetros tienen los signos considerados en los apartados a),
b) y c).
e) Calcule las estimaciones puntuales de la semielasticidad en %
del WGi con respecto a la EDi para trabajadores sin experiencia,
con 5 aos de experiencia, con 25 aos de experiencia y con 40
aos de experiencia. Comente los resultados obtenidos.
SOLUCIN:
a)
; es de esperarse que sea mayor que cero ya que existe
una relacin directa entre la educacin y el logaritmo de su
salario, a medida que aumente la educacin del individuo en una
unidad o en un ao; su salario aumentar en un tanto por ciento.
. do "C:\Users\reiter\AppData\Local\Temp\STD00000000.tmp"
. reg logwg ed ex excua edex
Source
SS
df
MS
Model
Residual
37.7383237
105.434098
4 9.43458092
523 .201594834
Total
143.172422
527 .271674425
logwg
Coef.
ed
ex
excua
edex
_cons
.0997888
.0457992
-.0007201
-.0002776
.3412345
Std. Err.
.0156236
.0121324
.000139
.000684
.2240263
t
6.39
3.77
-5.18
-0.41
1.52
Number of obs
F( 4, 523)
Prob > F
R-squared
Adj R-squared
Root MSE
P>|t|
0.000
0.000
0.000
0.685
0.128
=
=
=
=
=
=
528
46.80
0.0000
0.2636
0.2580
.44899
.1304816
.0696335
-.000447
.0010661
.7813364
e)
Variacin porcentual para trabajadores sin experiencia:
Ejercicio N05:
a) La especificacin estimada en el ejercicio 3, apartado a) supone
que la constante y la pendiente de la relacin es la misma para
todos los individuos de la muestra. Suponga que los efectos de
la educacin sobre los salarios difieren entre miembros afiliados
y no afiliados por un factor de proporcionalidad. Es decir, para
los no afiliados tenemos la relacin:
WGi N e EDi eUi
SOLUCIN:
a)
. do "C:\Users\reiter\AppData\Local\Temp\STD00000000.tmp"
. reg logwg union ed
Source
SS
df
MS
Model
Residual
29.4330082
2 14.7165041
113.739414 525 .216646502
Total
logwg
union
ed
_cons
.
end of do-file
Number of obs
F( 2, 525)
Prob > F
R-squared
Adj R-squared
Root MSE
P>|t|
5.74 0.000
10.36 0.000
8.27 0.000
=
=
=
=
=
=
528
67.93
0.0000
0.2056
0.2026
.46545
.4049371
.1004216
1.118929
. do "C:\Users\reiter\AppData\Local\Temp\STD00000000.tmp"
. reg logwg nounion union ed, noconstant
Source
SS
df
MS
Model
Residual
2277.99454
3 759.331512
113.739414 525 .216646502
Total
logwg
nounion
union
ed
.
end of do-file
Number of obs
F( 3, 525)
Prob > F
R-squared
Adj R-squared
Root MSE
P>|t|
8.27 0.000
10.46 0.000
10.36 0.000
=
=
=
=
=
=
528
3504.93
0.0000
0.9524
0.9522
.46545
1.118929
1.432242
.1004216
SOLUCIN:
a) El modelo a estimar es el siguiente:
Logwg =
. do "C:\Users\reiter\AppData\Local\Temp\STD00000000.tmp"
. reg logwg fe
Source
SS
df
MS
Model
Residual
7.79909363 1 7.79909363
135.373328 526 .257363742
Total
logwg
fe
_cons
-.2437726 .044283
2.1763 .0301033
Number of obs =
F( 1, 526) =
Prob > F
=
R-squared =
Adj R-squared =
Root MSE
=
528
30.30
0.0000
0.0545
0.0527
.50731
P>|t|
-5.50 0.000
72.29 0.000
-.3307658 -.1567795
2.117162 2.235437
2)
El salario promedio de las mujeres es 1.93 por hora.
3)
El coeficiente de female, es la diferencia en el salario promedio entre
hombres y mujeres; es decir las mujeres en promedio ganan 0.24
dlares menos que los hombres. A este coeficiente se le puede llamar
coeficiente de interpretacin porque dice que tanto difiere el valor del
trmino de intercepto de la categora que recibe el valor de 1, del
coeficiente de intercepto de la categora base.
b) El modelo a estimar es el siguiente:
Logwg =
. do "C:\Users\reiter\AppData\Local\Temp\STD00000000.tmp"
. reg logwg ed fe
Source
SS
df
MS
Model
Residual
29.3810554
2 14.6905277
113.791367 525 .21674546
Total
logwg
ed
fe
_cons
.
end of do-file
Number of obs
F( 2, 525)
Prob > F
R-squared
Adj R-squared
Root MSE
=
=
=
=
=
=
528
67.78
0.0000
0.2052
0.2022
.46556
P>|t|
9.98 0.000
-5.72 0.000
10.00 0.000
.0653119 .0973316
-.3123248 -.1525945
.8893701 1.324237
Esto nos dice que por cada ao de educacin que tengan las
mujeres cuando female = 1, su salario promedio aumenta en
0.95 dlares la hora; esto nos quiere decir que las mujeres
ganan menos que los hombres para un mismo nivel de
educacin.
3) El coeficiente de female, es la diferencia en el salario promedio
de los hombres y mujeres manteniendo un mismo nivel de
educacin, esto nos dice que las mujeres en promedio ganan
0.23 dlares menos que los hombres.
. do "C:\Users\reiter\AppData\Local\Temp\STD00000000.tmp"
. reg logwg ed ex fe
Source
SS
df
MS
Model
Residual
40.5090732 3 13.5030244
102.663349 524 .195922421
Total
logwg
ed
ex
fe
_cons
.
end of do-file
.0081801
.0016816
.0388144
.1223304
Number of obs =
F( 3, 524) =
Prob > F
=
R-squared =
Adj R-squared =
Root MSE
=
528
68.92
0.0000
0.2829
0.2788
.44263
P>|t|
12.36
7.54
-6.68
5.20
0.000
0.000
0.000
0.000
.0850175 .117157
.0093695 .0159764
-.3354299 -.1829279
.396367 .8770036
. do "C:\Users\reiter\AppData\Local\Temp\STD00000000.tmp"
. reg logwg ed ex excua fe
Source
SS
df
MS
Model
Residual
46.2917427
4 11.5729357
96.8806792 523 .185240304
Total
logwg
ed
ex
excua
fe
_cons
.0080362
.0055156
.0001235
.0377435
.1208668
t
11.78
7.63
-5.59
-6.81
4.28
Number of obs
F( 4, 523)
Prob > F
R-squared
Adj R-squared
Root MSE
=
=
=
=
=
=
528
62.48
0.0000
0.3233
0.3182
.4304
P>|t|
0.000
0.000
0.000
0.000
0.000
.0788933 .1104676
.0312694 .0529405
-.0009328 -.0004475
-.3311199 -.1828248
.2794114 .7542997
.
end of do-file
El modelo estimado es el siguiente:
Logwg=
En cuanto a la interpretacin de los coeficientes estimados, se
puede decir que las mujeres ganan en promedio menos que
los hombres manteniendo constantes las dems variables; un
ao de experiencia y/o educacin proporciona mayor salario
por hora a las mujeres y a los hombres.