ECONOMETRIA II

Modelos con variables dicotmicas

explicativas
1) El modelo lineal:
Yt = B1 + B2 X2t + B3 X3t + B4 X4t + + Bk Xkt + t
O en forma matricial: Y = XB + U
2) Las variables explicativas X pueden ser tambien
variables dicotmicas o ficticias, en esta forma
podemos ampliar sustancialmente el campo de
aplicacin y la utilidad de los modelos
3) Las variables ficticias o dictomas son variables
construidas de forma especial que pueden
utilizarse para representar factores tales como:
a) Efectos temporales
b) Efectos de las variables cualitativas
c) Efectos espaciales
d) Efectos de agrupamientos amplios
de variables cuantitativas
 Efectos temporales

Efectos de las variables

cualitativas

Efectos espaciales
Y

Efectos de agrupamientos
amplios de variables
cuantitativas
 Efectos temporales
Esto se refieren a que el tiempo influye en las relaciones de
comportamiento, es decir, estas relaciones pueden variar de
un periodo a otro:
Por ejemplo:
Se puede esperar que muchas relaciones muestren variaciones
estacionales si estamos tratando con datos mensuales o
trimestrales
Las importaciones de bienes y servicios dependen del PBI del
pas, pero esta relacin puede variar tambien en funcin a la
poltica arancelaria de los gobierno de turno
La recaudacin fiscal del Per en el periodo 1990-2009,
depende del PBI del pas, pero esta relacin puede depender
tambien del periodo en que los precios de los metales se
incrementaron por encima del promedio histrico
Efectos de las variables cualitativas

Las variables cualitativas tales

como : el sexo, estado civil, clase
social, profesin, nivel de educacin,
etc, desempaan con frecuencia un
papel importante en la
determinacin del comportamiento
econmico, por lo tanto se debe
incorporar a los modelos como
variables explicativas
 Efectos espaciales
Se espera que las funciones econmicas a veces
cambian de una regin, de una ciudad, de un pas a
otra como consecuencia de las diferencias regionales
en la estructura y orientacin econmicas
Ejemplo:
Se espera que en el Per la funcin consumo del arroz
cambie de acuerdo a las regiones del pas, es decir
que el consumo de arroz en el Per no solo depende
del ingreso familiar, ni del nivel de precios sino
tambien es explicado por la regin
Se espera que la bancarizacin en Lima metropolitana
es diferente a la de las provincias del pas
 Efectos de agrupamientos amplios
de variables cuantitativas
Las variables cuantitativas como el ingreso o renta de
las personas, la edad o la calificacin de los
estudiantes , etc. puede agruparse, y as incluirse en
los modelos econmicos, la variable cuantitativa
agrupada es una variable ficticia o dummy
Por ejemplo: el Ingreso familiar se puede agrupar
Hasta 600
De 600 a 1500
De 1501 a 2500
De 2501 a 3500
De 3501 a 4500
Mas de 4501
 Denotacin de una variable
dicotmica
La variable dicotmica se denota
generalmente con la letra Di, sin
embargo tambien en otros casos se
le puede denotar con la letra Xi
Di 1( representa la presencia del
atributo)
0( representa la ausencia del atributo)
Modelos con variables dictomas de
varias categoras
Cuando la variable dictoma que se quiera incluir
en la ecuacin tiene varias categoras tenemos dos
alternativas:
Cuando la variable dictoma que se quiera incluir
en la ecuacin tiene (m) categoras entonces se
incluye en la ecuacin (m-1) variables dictomas
en la ecuacin para no ocasionar el problema de
multicolinealidad en el modelo
se estima el modelo sin el parmetro autnomo y
se incluye en la ecuacin todas las categoras de la
variable dictoma, y en esa forma tambien se obvia
el problema de la colinealidad
Aplicacin del primer caso:
El consumo de azcar en el Per depende del
ingreso familiar y de las estaciones del ao
DA= f( YF, estaciones del ao)
Estaciones del ao : variable dictoma, tiene
4 categoras: ITR, IITR, IIITR y IV TR, entonces
se tendr que incluir (4-1)= 3 variables
dictomas, la categora que se tiene que
eliminar que se llama categora base o de
comparacin depende del investigador
 Especificacin del modelo:
Y = B1 + B2 Xt + B3 D1i + BD2i+ B D3i +
Donde: Y = consumo de azcar en el Per
X= ingreso familiar
D1i = 1(si pertenece al ITR)
0( si no pertenece al ITR)
D2i = 1(si pertenece al IITR)
0(si no pertenece al II TR)
D3i = 1( si pertenece al III TR)
0(si no pertenece al III TR)
El IV TR esta representado por el parmetro autnomo (B1)
 Aplicacin del 2do caso:
Yt = B1Xt + B2 D1i + B3 D2i + BD3i+ B
D4i + t
 Ejemplo2: Hiptesis: Las utilidades de las
empresas esta en funcin de su nivel de
ventas y de su tamao
UT = f( NV, Tamao)
Tamao: variable dictoma
La variable tamao tiene tres categoras:
Grande
Mediana
pequea
 Entonces se debe incluir dos variables dictomas en
la ecuacin y uno de ellos se debe tomar como base
Decidimos tomar como base la categora pequea
empresa, que estar representado en la ecuacin
por B1
D1i = 1(Si la empresa es grande)
0(Si la empresa no es grande)
D2i = 1( si la empresa es mediana)
0( si la empresa no es mediana)
Especificacin del modelo:
UT = B1 + B2 NV + B3 D1i + B4 D4i +
 Modelos con varias variables
dictomas explicativas
En un modelo o ecuacin se pueden incluir
uno o mas variables dictomas como
variables explicativas
Ejemplo : la remuneracin de los
economistas dependen de los aos de
experiencia, del grado acadmico
obtenido, y de la universidad de
procedencia
REEC= f( AE, grado acadmico,
universidad de procedencia)
 Grado acadmico:
Titulo de economista
Maestra
Doctorado
Se debe incluir dos variables dictomas
D1i = 1( si tiene grado de maestra)
0( no tiene grado de maestra)
D2i = 1( si es doctor)
0( no es doctor)
 Universidad de procedencia
Universidad publica
Universidad privada de primera categora
Universidad privada de segunda categora
Universidad privada de tercera categora
De debe incluir tres variables dictomas:
Decidimos tomar como base universidad
privada de tercera categora
 D3i =1( procede de una universidad
publica)
0(no procede de una
universidad publica)
D4i =1( es de una universidad
privada de 1ra )
0(no es de una universidad
privada de 1ra)
D5i =1(es de una universidad privada
 Especificacin del modelo:
REECi =B1 + B2 AE + B3 D1i + B4 D2i +
B 5D3i +
B6 D4i + B7 D5i +i
 El uso de las variables
dictomas(Dummy)
Las variables dictomas se puede utilizar para
capturar cambios ( desplazamientos):
1) En el parmetro autnomo de la ecuacin con:
Yi = B1 + B2 Xt + B3 Di +
2)Cambios de la pendiente de la ecuacin con:
Yi = B1 + B2 Xt + B3 DiXt +
3)Cambios tanto en el parmetro autnomo y en
la pendiente de la ecuacin simultneamente
con:
Yi = B1 + B2 Xt + B3 Di + B4 Di Xt +
Cambios en el parmetro autnomo
de la ecuacin
Ejemplo de aplicacin:
Hiptesis: La remuneracin de los ingenieros
de minas del Per esta en funcin de los
aos de experiencia y del sexo
RIM = f( AE; Sexo)
Sexo: variable dictoma ( cualitativa)
RIMi = B1 + B2 AEi + B3 Di +
Di = 1( si es del sexo masculino)
0( si es del sexo femenino)
 El valor promedio esperado de la RIM
mujeres ( D=0)
RIMi = B1 + B2 AEi + B3 Di =B1 + B2
AE
RIM i
+ B3(0)
RIMi = B1 + B2 AE
RIM i = Bi 1 + B2
AEi

B1

A
E
 Remuneracin promedio esperado
para los ingenieros hombres ( D= 1)
RIMi = B1 + B2 AEi + B3 Di +
RIMi = B1 + B2 AEi + B3 (1)
RIMi = (B1 + B3) + B2 AEi
RIM RIMi =( B1 +B3) + B2
AEi

RIMi = B1 + B2
B3 AEi

B
1

AE
Cambios en la pendiente del modelo

La RIM promedio esperado de los

ingenieros de minas mujeres ( D =
0)
RIMi = B1 + B2 AEi + B3 DiAEi + i
RIMi = B1 + B2 AEi + B3 (0)AEi
RIMi = B1 + B2 AEi
 RIM esperado de los ingenieros de
minas mujeres
RIM
RIMi = B1 + B2
AEt

B1

AE
 RIM esperado de los ingenieros
hombres ( D=1)
RIMi = B1 + B2 AEt + B3 (1)AEt
RIMi = B1 + (B2 + B3 )AEt
 Remuneracin promedio de los
ingenieros de minas hombres y
RIM = B + (B +
mujeres
RIM
i
B ) AE
3 t
1 2

RIMi = B1 + B2
AEt

B1
AE
Cambios en el parmetro autnomo
y en la pendiente de la ecuacin
RIM esperado de los ingenieros de
minas mujeres (D=0)
RIMi = B1 + B2 AEi + B3 Di + B4 Di AEi
+
RIMi = B1 + B2 AEi + B3 (0) + B4 (0)AEi
RIMi = B1 + B2 AEi
 Remuneracin esperado de los
ingenieros de minas mujeres
RIM

RIMi = B1 + B2 AEi

B1

AE
RIM promedio de los ingenieros
hombres(D=1)
RIMi = B1 + B2 AEi + B3 (1) + B4 (1)AEi
RIMi = (B1 + B3) + (B2 + B4) AEi
 RIMi = (B1 + B3) + (B2 +
B4) AEi
RIM
(B2 +
B4)

RIMi = B1 + B2
AEi
B1
B3 A
E
 Interaccin entre variables
dictomas
1) Cuando un modelo tiene dos o mas
variables dictomas explicativas y
se presume que hay interaccin
entre dichas variables dictomas
entonces se debe incluir en la
ecuacin el termino de interaccin
2) El termino de interaccin ente dos
variables dictomas es Di DJ
 Ejemplo
1. El gasto en vestido depende del ingreso
personal, del sexo y de la profesin de las
personas
2. GV= f( YPD, sexo, Profesin)
3. Presumimos que hay interaccin entre la
variables dictomas sexo y profesin
4. Especificacin del modelo con interaccin
entre las variables dictomas
5. GV = B0 + B1 YPD + B2 D1i + B3 D2i + B4 D1i
D2i +
 D1i = 1( si es mujer)
0( si es hombre)
D2i = 1( si es profesional)
0( si no es profesional)
B2 = el efecto diferencial del sexo
B3 = el efecto diferencial de la profesin
B4 = el efecto diferencial de la
interaccin del sexo y la profesin
 El valor esperado del gasto en vestido para las
mujeres profesionales ser ( D 1i =1, D2i = 1)
GV = B0 + B1 YPD + B2 D1i + B3 D2i + B4 D1i D2i
GV = B0 + B1 YPD + B2 (1) + B3 (1) + B4 (1)(1)
GV= (B0 + B1 +B3+ B4 ) + B1 YPD

El gasto en vestido promedio esperado para las

mujeres no profesionales( D 1i = , D2i = 0)
GV = B0 + B1 YPD + B2 D1i + B3 D2i + B4 D1i D2i +
GV = B0 + B1 YPD + B2 (1) + B3 (0) + B4 D1i (0)
GV= (B0 + B2) +B1 YPD
 Regresin por
secciones(Spline)
1) La regresin lineal por secciones se
caracteriza por tener secciones,
cada seccin se diferencia
bsicamente por la pendiente, tal
como se ilustra en la figura
siguiente
Y
II

X* X
 La tcnica de las variables dictomas nos
ayudan para estimar las diferentes pendientes
de los dos segmentos de la regresin lineal
por secciones que aparecen en la figura
anterior. El modelo es el siguiente:
Yi = Bo +B1Xi + B2 ( Xi X*i ) Di + i
Donde:
Di = 1( Si X > X*)
0( si X < X* )
En este caso el umbral o nudo es X*i
2) En estos casos la variable dictoma o
ficticia representa niveles de algn factor
subyacente
3) Por ejemplo, El costo de produccin esta en
funcin de las unidades producidas:
CT=f(UNP, del nudo o umbral)
4) Sabemos que para una industria
determinada el nudo o umbral: X*i =5000
unidades=>
5) El modelo ser:
 5) Yi = Bo +B1Xi + B2 ( Xi X*i ) Di + i
Donde:
Di = 1( Si X > X*)
0( si X < X* )
X*i = 5000 unidades
Yi = Costo total de produccin
Xi = unidades producidas
 variables dictomas explicativas
cuando la variable endgena es ( Ln Y)

1) Una especificacin comn en los trabajos

aplicados es cuando la variable
independiente aparece en forma
logartmica con una o mas variables
dictomas explicativas
As como: Ln Yi = B0 + B1 Xi + B2 D1i + i
2) En este caso la interpretacin de los
coeficientes estimados de las variables
dictomas tienen una interpretacin
porcentual
3) En general. Si Bi es el coeficiente de
una variable dictoma, digamos Di ,
cuando Ln Y es la variable
B
dependiente,
2
-1 la diferencia porcentual
exacta en el valor predicho de Y
cuando Di = 1 comprado con el caso
B
en el que Di = 0 => es:
1

Y(1) Y(0) = e -1
 [Y(h) Y(m)] /Y(m) = Y(h)/ Y(m) - 1

B1
e -1
 Ejemplo
REM = 8.013584 + 0.093868 AE + 0.274433D 1i

cuanto por ciento mas ganan los ingenieros de

minas hombres que los ingenieros mujeres
determinarlo en forma exacta y en forma
aproximada?
a) En forma exacta:
REM(h) REM(m) = e0.274433 -1 = 1.3158-1
0.3158; Los ing de minas hombres ganan
38.58% mas que los ing. de minas mujeres.
b) En forma inexacta:
REM(h) REM(m) = B2 - 0 = 0.2744
Los ing de minas hombres ganan
27.44% mas que los ing. de minas
mujeres.