UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS,

UNIVERSIDAD DEL PER DECANA DE AMRICA

AO DE LA INVERSIN PARA EL DESARROLLO RURAL Y LA
SEGURIDAD ALIMENTARIA

ASIGNATURA: ECONOMETRA I.

DOCENTE

: MXIMO FRANCISCO DUEES ROLDN.

ALUMNO

: FASANANDO CHVEZ REITER ANTONIO.

CDIGO

: 11 12 02 81.

TEMA

: ESTIMACIN DE UNA FUNCIN DE SALARIOS, EL

USO DE VARIABLES FICTICIAS.

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

esta persona con su salario; siempre y cuando la experiencia

tenga una ecuacin lineal, ya que la funcin de salarios es
cncava en la experiencia con un mximo en la mitad de la
vida de esta persona.
b)
___ ____ ____ ____ ____ (R)
/__
/
____/
/
____/
___/
/
/___/
/
/___/
11.1
Statistics/Data Analysis

Special Edition

Copyright 2009 StataCorp LP

StataCorp
4905 Lakeway Drive
College Station, Texas 77845 USA
800-STATA-PC
http://www.stata.com
979-696-4600
stata@stata.com
979-696-4601 (fax)

Single-user Stata license expires 31 Dec 9999:

Serial number: 71606281563
Licensed to: Lic. Santiago Adamcik
UNLP Facultad de Ciencias Economicas
Notes:
1.
2.
3.

(/m# option or -set memory-) 50.00 MB allocated to data

(/v# option or -set maxvar-) 5000 maximum variables
New update available; type -update all-

running C:\Program Files (x86)\Stata11.1\profile.do ...

. use "C:\Users\reiter\Desktop\ECONOMETRIA I\Sonia Sotoca\Trabjo\Ectr1-SSL-Salarios.dta", clear
. do "C:\Users\reiter\AppData\Local\Temp\STD00000000.tmp"
. use "C:\Users\reiter\Desktop\ECONOMETRIA I\Sonia Sotoca\Trabjo\Ectr1-SSL-Salarios.dta", clear
.
end of do-file
. do "C:\Users\reiter\AppData\Local\Temp\STD00000000.tmp"
. reg wg ed ex
Source

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

[95% Conf. Interval]

.8104416
.0696011
-8.037426

1.143265
.137733
-3.097223

El modelo estimado es el siguiente:

WG = -5.567325 + 0.9768533ED + 0.103667EX

Donde:

, como podemos apreciar

tiene signo
negativo, esto significa que si una persona no tiene ni
experiencia potencial laboral, ni aos de educacin, entonces
su salario sera negativo; sin embargo no es relevante que este
sea negativo ya que su valor es pequeo, demasiado nfimo
dira yo.

, como podemos apreciar

tiene signo
positivo, esto significa que por cada ao de educacin que
aumente, el salario aumentar en aproximadamente 0.9768533
nuevos soles; tiene signo positivo ya que existe una relacin
directa o positiva entre los aos de educacin y el salario de
una persona.

, como podemos apreciar

tambin tiene
signo positivo, esto quiere decir que por cada ao de
experiencia que aumente, el salario de esta persona
aumentar en aproximadamente 0.103667 nuevos soles; tiene
signo positivo ya que existe una relacin directa o positiva
entre los aos de experiencia y el salario del individuo, ya que
la lgica indica que si la experiencia aumente el salario
tambin aumentar; siempre y cuando la experiencia tenga
una ecuacin lineal, porque se espera que la funcin de
salarios sea cncava con la experiencia con un mximo en la
mitad de la vida de esta persona. Es necesario apuntar que la
educacin tiene una ecuacin lineal y la experiencia una
ecuacin cuadrtica.

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|

[95% Conf. Interval]

.0083883
.1117432

9.85
8.79

0.000
0.000

.0661426
.7628548

.0990999
1.20189

El modelo estimado es el siguiente:

Logwg = 0.9823726 + 0.0826213ED

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

[95% Conf. Interval]

.0779813
.0301704
-.0009519
.1709919

.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.

Los aos de experiencia (en media) de una persona que

maximiza el logaritmo de su salario son de 30 aos
aproximadamente.

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.

, es de esperarse que sea menor que cero ya que este

individuo trabaja y estudia, es decir hace las dos cosas a la
misma vez; por consiguiente no es eficiente en lo que hace ya
que genera desgaste fsico y/o mental al momento de trabajar y
estudiar. Esto genera disturbio en el mercado laboral ya que
dicha persona como es de esperarse disminuir su productividad
y en consecuencia lo despedirn de su trabajo ocasionando as
la disminucin de su salario.
b) Bueno suponiendo que
y
; los valores que tomara
la experiencia para que la semielasticidad de WGi con respecto a
EDi sea positiva; seran valores negativos o cero, como se podr

corroborar sera imposible que la experiencia tome valores

negativos ya que un individuo o tiene experiencia o no tiene
experiencia, por lo tanto el nico valor factible que la experiencia
podra tomar es el cero, interpretando de esa manera que dicho
individuo solo se dedicara a estudiar.
c)
; es de esperarse que sea mayor que cero ya que existe
una relacin directa o positiva entre la experiencia y el logaritmo
de su salario, a medida que aumente la experiencia del individuo
en una unidad o en un ao; su salario aumentar en un tanto por
ciento.
; es de esperarse que sea menor que cero ya que como lo
habamos visto anteriormente la funcin de los salarios es
cncava con los aos de experiencia es decir que en una cierta
etapa de la vida de la persona, la experiencia tendr una relacin
inversa con los salarios del individuo haciendo que esta
disminuya conforme va pasando el tiempo. La persona cae en
rendimientos decrecientes al tener demasiados aos de
experiencia y por lgica la persona tendr una edad mucho

mayor impidiendo que realice su labor profesional tanto fsica

como mentalmente.
; Como ya se vio anteriormente este parmetro tendr
signo negativo ya que el individuo est trabajando y estudiando a
la misma vez, y eso hace que la productividad de su trabajo
disminuya ocasionando un posible despido de dicha persona o
un recorte de salario.
d)

. 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

[95% Conf. Interval]

.069096
.0219649
-.0009931
-.0016213
-.0988673

.1304816
.0696335
-.000447
.0010661
.7813364

El modelo estimado es el siguiente:

Logwg=
Como se podr ver, en esta estimacin se corrobora los signos de
dichos parmetros designados en los apartados a), b) y c).

e)
Variacin porcentual para trabajadores sin experiencia:

Variacin porcentual para trabajadores con 5 aos de

experiencia:

Variacin porcentual para trabajadores con 25 aos de

experiencia:

Variacin porcentual para trabajadores con 40 aos de

experiencia:

Como se puede observar al ir aumentando los aos de

experiencia del individuo su salario va disminuyendo
porcentualmente, esto se debe a que dicha persona
trabaja y estudia; como ya lo dije antes esto genera
distorsin en el mercado laboral y mientras va pasando
ms los aos el individuo va teniendo dificultades para
poder trabajar ya que se ir haciendo ms anciano
perdiendo as la capacidad fsica y mental para poder
trabajar, por ende su salario ir disminuyendo
porcentualmente incluyendo la posibilidad de quedar sin
empleo.

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

Y para los afiliados:

WGi U e EDi eUi

Donde los parmetros N y U son diferentes factores de

proporcionalidad y es la tasa de rendimiento de la educacin comn
para todos los individuos. Esto implica que al tomar logaritmos, los
trabajadores afiliados y no afiliados tienen distintos trminos
constantes pero la misma pendiente. Se pide: estimar por MCO la
relacin:
ln WGi 1 2UNIONi EDi Ui

Donde UNIONi es una variable que toma valor 1 si el trabajador est

afiliado y 0 si no lo est. Interpretar la estimacin de los parmetros 1
y 2 y relacionar esta estimacin con la de los parmetros N y U .
Contrastar la igualdad de estos dos ltimos parmetros e interpretar el
resultado del mismo. Cmo cambia la estimacin de con respecto
al modelo estimado en el Ejercicio 3, apartado a)?
b) Cmo cambian los resultados del apartado anterior si se
estima la siguiente ecuacin?
ln WGi 1 NOUNIONi 2UNIONi EDi Ui

Donde la variable NOUNIONi 1 UNIONi . Compare las estimaciones y el

R 2 de ambas ecuaciones.

c) Es posible estimar la siguiente regresin? Explique.

ln WGi 0 1 NOUNIONi 2UNIONi EDi Ui

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

143.172422 527 .271674425

logwg
union
ed
_cons
.
end of do-file

Coef. Std. Err.

.3016887 .0525573
.0844099 .0081505
.9041115
.10935

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

[95% Conf. Interval]

.1984403
.0683983
.6892943

.4049371
.1004216
1.118929

El modelo estimado es el siguiente:

Logwg=
El salario esperado para un individuo si est afiliado es de
donde
es un trmino constante, el salario esperado para un
individuo si no est afiliado es de
; donde
es la diferencia
esperada en el salario de un individuo que est afiliado con respecto a
uno que no est afiliado.
Como podemos ver el cambio en la estimacin de con respecto al
modelo estimado en el Ejercicio 3, apartado a); si es considerable ya
que vara en 0.76 aprox.
b)

. 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

2391.73395 528 4.52979915

logwg
nounion
union
ed
.
end of do-file

Coef. Std. Err.

.9041115
.10935
1.2058 .1152673
.0844099 .0081505

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

[95% Conf. Interval]

.6892943
.9793583
.0683983

1.118929
1.432242
.1004216

El modelo estimado es el siguiente:

Logwg=
Como se puede observar los resultados cambiaron drsticamente,
como se podr observar el valor de
es la misma pero
aument;
lo que sucedi fue que se aument una variable ms al modelo pero
se omiti la constante ya que se trata de una variable Dummy.
El R 2 esta ecuacin es 0.95; es decir explica un 95% al modelo, es
aqu donde se not un cambio considerable ya que en el modelo
anterior solo se explicaba un 20% y en este modelo se explica un 95%
aprox; esto quiere decir que las variables explican muy bien al
segundo modelo.
c) La siguiente regresin:
ln WGi 0 1 NOUNIONi 2UNIONi EDi Ui

No se puede estimar ya que tendramos un problema de

multicolinealidad exacta; es decir estaramos sobre estimando el
modelo ya que en dicho modelo hay un trmino constante, el
modelo se podra estimar siempre y cuando saquemos la
constante o una variable ficticia.
Ejercicio N06:
Contraste la existencia de diferencias significativas en el logaritmo del
salario de una mujer y de un hombre suponiendo que:
a) Slo determina el salario el sexo.
b) El salario queda determinado por la ecuacin terica dada en
(2).
c) El salario queda determinado por la ecuacin terica dada en
(3).
d) El salario queda determinado por la ecuacin terica dada en
(4).

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

143.172422 527 .271674425

logwg

Coef. Std. Err.

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|

[95% Conf. Interval]

-5.50 0.000
72.29 0.000

-.3307658 -.1567795
2.117162 2.235437

El modelo estimado es el siguiente:

Logwg =

Esto nos quiere decir:

1)
La intercepcin es el salario medio de los hombres de la muestra
(cuando female = 0), de modo que ellos ganan 2.71 dlares por
hora.

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

143.172422 527 .271674425

logwg
ed
fe
_cons
.
end of do-file

Coef. Std. Err.

.0813218 .0081496
-.2324597 .0406543
1.106804 .1106818

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|

[95% Conf. Interval]

9.98 0.000
-5.72 0.000
10.00 0.000

.0653119 .0973316
-.3123248 -.1525945
.8893701 1.324237

El modelo estimado es el siguiente:

Logwg =
Esto nos quiere decir:
1)
Esto nos dice que por cada ao de educacin que tengan los
hombres cuando female = 0, su salario promedio aumenta en
1.18 dlares por hora.
2)

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.

c) El modelo a estimar es el siguiente:

Logwg =

. 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

143.172422 527 .271674425

logwg
ed
ex
fe
_cons
.
end of do-file

Coef. Std. Err.

.1010872
.012673
-.2591789
.6366853

.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|

[95% Conf. Interval]

12.36
7.54
-6.68
5.20

0.000
0.000
0.000
0.000

.0850175 .117157
.0093695 .0159764
-.3354299 -.1829279
.396367 .8770036

El modelo estimado es el siguiente:

Logwg =
Esto nos quiere decir:
1)

Por cada ao de educacin y de experiencia que tengan los

hombres cuando female = 0 el promedio de su salario
aumenta en 0.75 dlares por hora.
2)

Por cada ao de experiencia y de educacin que tengan las

mujeres cuando female = 1 el promedio de su salario aumenta
en 0.49 dlares por hora. Es decir que las mujeres ganan
menos que los hombres para un mismo nivel de educacin y
experiencia.
3) El coeficiente de female, es la diferencia en el salario promedio
de los hombres y mujeres manteniendo un mismo nivel de
educacin y experiencia, es decir que las mujeres en promedio
ganan 0.25 dlares menos que los hombres.

d) El modelo a estimar es el siguiente:

Logwg=

. 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

143.172422 527 .271674425

logwg
ed
ex
excua
fe
_cons

Coef. Std. Err.

.0946804
.0421049
-.0006901
-.2569723
.5168555

.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|

[95% Conf. Interval]

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.

La interpretacin de la variable estimada al cuadrado, permite

establecer que la experiencia presenta rendimientos
marginales decrecientes, es decir que a medida que aumenta
la experiencia de las personas aumenta el salario por hora
hasta un punto en el cual despus disminuye.