econometria- tarea

40
Introducción 0 Universidad Santo Tomás Tarea N°2Análisis de los Supuestos Clásicos Econometría Alejandra Baeza M. Myriam Guerra V. Stefania Manterola M. Luis Rojas V.

Upload: luis-paolo-rojas-vidal

Post on 11-Nov-2015

115 views

Category:

Documents


6 download

DESCRIPTION

Tarea de aplicacion de los resultados en Eviews

TRANSCRIPT

Tarea N2

Introduccin0

Universidad Santo TomsTarea N2Anlisis de los Supuestos ClsicosEconometra

Contenido

Introduccin2Estimacin del Modelo2Coeficientes de regresin parcial3Nivel de significancia individual5Nivel de significancia global6Multicolinealidad7Grficos de dispersin y correlacin entre las variables.7Variables Edad y Experiencia7Variables Edad y Edad28Variables Edad y Escolaridad9Variables Experiencia y Edad210Variables Experiencia y Escolaridad10Variables Edad2 y Escolaridad11Regresores auxiliares.12Regresin Edad Madura12Regresin Escolaridad12Regresin Edad13Regresin Sexo13Regresin Regin Metropolitana14Regresin Experiencia14Factores Infladores de Varianza (FIV)15Patrn de Multicolinealidad y solucin.16Heteroscedasticidad17Grafico de Dispersin (Scatter)18Test Goldfeld y Quandt19Test de White20Anlisis Eviews21Estimacin de modelos en eviews22Supuestos en el modelo clsico de regresin22Multicolinealidad22Heteroscedasticidad24Especificacin27

Introduccin

En el presente informe abordaremos una descripcin e interpretacin del anlisis de los supuestos clsicos economtricos de una descripcin de los datos empleados en una encuesta CASEN. La encuesta que es caracterizada por el nivel socioeconmico nacional con una submuestra de 500 personas del ao 2009 en diferentes regiones del pas, que nos entrega la informacin necesaria acerca de las condiciones econmicas de los individuos y sectores sociales del pas, sus caractersticas mas importantes como lo son sus carencias ms importantes, la incidencia, su magnitud y caractersticas de la pobreza, as como la distribucin del ingreso de los hogares y la composicin de sus ingresos respectivos.El objetivo principal es establecer y poner en prctica los conceptos del curso de econometra abordado hasta hoy, a travs de los datos sealados y as poder estimar una ecuacin de Mincer, la cual se plantea en una relacin entre el salario, la educacin y la experiencia de los individuos.Estimacin del Modelo

Regresin para la ecuacin Mincer:

Lylabhi = 1 + 2exp_pti + 3edadi + 4edadi + 5esci + 6sexoi + 7rmi + ui

Variable Dependiente: El logaritmo del ingreso laboral por hora (lylabh) Variable Independiente: exp_pt; edad; edadc; esc; sexo; rmEntre estas variables se presentan dos variables dicotmicas, es por ello que se realizan dos dummys que son sexo y regin.Para la variable sexo la categora base representa otro caso que serian los hombres

}1Si Mujer

Dsexo =

0Si Otro Caso

Para la variable regin la categora base seria otro caso que serian las otras regiones de Chile.}1Si r.m.: regin metropolitana de Santiago.

D regin=

0S i Otro Caso

Coeficientes de regresin parcial

Coeficientes

Intercepcin 16,007996520

Edadc 4-0,000063583

Esc 50,089179662

Sexo 6-0,419850032

Regin 70,139808062

Edad 30,015189901

1 = 6.00799652Intercepto de la ecuacin representa el ingreso base al que esta sujeto el individuo. 2 = 0Representa la experiencia, la cual est estrechamente relacionada con la edad y la escolaridad de un individuo.Por ello esto presenta un error de multicolinealidad, ya que esta contenida en la variable edad, es por esto que esta variable se omite del modelo. Por ello se decidi asigna el valor de cero a est variable.

3 = 0.0151899Representa a la edad de la persona, esto quiere decir, que al tener un ao mas de vida el individuo aumenta su ingreso laboral por hora en 1.52%, manteniendo todas las dems variables constantes. 4 = -0.00006358Representa la edad madura, la cual nos dice que una persona se hace madura, en trminos de edad, el salario tiene que aumentar ms que proporcional con un ao de experiencia durante los primeros aos. Se asocia a la madurez como aumento salarial, pero esto ocurre durante los primeros aos, ya que al aumentar la edad hasta llegar a una edad avanzada de una persona el aumento del salario se va haciendo cada vez menos significativo.Por lo tanto al aumentar un ao ms de la variable denominada edad madura, es decir, la persona ya esta en un envejecimiento, el ingreso laboral por hora va disminuyendo en 0.006358%, manteniendo todas las dems variables contantes.

5 = 0.089179662Representa la escolaridad, esta nos dice que al aumentar la escolaridad en un ao la escolaridad del individuo, su ingreso laboral por hora va a aumentar en un 8.92%, manteniendo todas las dems variables constantes.

6 = -0.41985Representa al sexo del individuo. En este caso antes se debe generar una variable dummy asociada al sexo del individuo, en este caso llamaremos la variable mujer a una variable que tendr el valor de uno si la persona entrevistada es mujer y cero en otro caso.Por lo tanto, sin el individuo es mujer su salario laboral por hora disminuye en 41.98%, manteniendo todas las dems variables constantes.

7 = 0.1398Representa la regin metropolitana.En este caso se debe anteriormente generar una variable dummy asociada la regin metropolitana, esto se, se le asignara el valor de uno si la persona entrevistada es de la regin metropolita y cero en otro caso.Por lo tanto, si el individuo pertenece a la regin metropolitana su ingreso laboral por hora aumentara en 13.98% manteniendo todas las dems variables constantes.

Nivel de significancia individual

Utilizando el estadgrafo t y segn la prueba de hiptesis determinan la significancia de cada regresor.La hiptesis presentada a continuacin est relacionada con los resultados de los distintos betas, ya que al ser ms cercano a 0 la variable que esta relacionado a ese beta es menos significativa para la variable dependiente. HO = i = 0 H1 i 0

Estadstico tT de rechazo

Intercepcin 114,964015871,96477774

Edadc 4-0,382303751

Esc 511,50524786

Sexo 6-5,895661229

Regin 72,046638385

Edad 30,929988356

Para determinar si esta o no en la zona de rechazo se deben tomar los valores del t estadstico de cada regresor como valor absoluto, ya que es una curva simtrica.Determinando un 95% de confianza.

1 : InterceptoSe rechazo la hiptesis nula, ya que 14.96 esta en zona de rechazo. Por lo tanto el intercepto es significativo.

4 : Edad al cuadradoNo rechazo la hopeis nula, ya que -0.382 no esta en la zona de rechazo. Por lo tanto la variable edad al cuadrado no es significativa.

5 : EscolaridadSe rechazo la hiptesis nula, ya que 11.51 esta en zona de rechazo. Por lo tanto la variable escolaridad es significativa para el modelo.

6 : SexoSe rechazo la hiptesis nula, ya que -5.9 esta en zona de rechazo. Por lo tanto la variable sexo es significativa para el modelo.

7 : ReginSe rechazo la hiptesis nula, ya que 2.05 esta en zona de rechazo. Por lo tanto la variable regin es significativa para el modelo.

3 : EdadNo rechazo la hiptesis nula, ya que 0.93 no esta en la zona de rechazo. Por lo tanto la variable edad no es significativa para el modelo.

Nivel de significancia global

Utilizando el estadgrafo F y segn la prueba de hiptesis determinan la significancia de los regresores en conjunto. La hiptesis presentada a continuacin est relacionada con los resultados de los distintos betas, ya que al ser ms cercano a 0 la variable que esta relacionado a ese beta es menos significativa para la variable dependiente. HO = 1= 2 = 3 = 4 = 5 = 6 = 7 = 0 H1 1 2 3 4 5 6 7 0

FValor crtico de F

Regresin35,778838170,000000000000

En este caso se rechaza la hiptesis nula, ya que el valor crtico de F es menor al F calculado, es por ello que la hiptesis es significativa para el modelo. Es por ello que todos lo regresores (betas) del modelo son significativos y explican los cambios en la variable dependiente. Es decir, el modelos es significativo en su conjunto.

Multicolinealidad

El proceso o trmino demulticolinealidadenEconometraes una situacin en la que se presenta una fuerte correlacin entre variables explicativas del modelo. La correlacin ha de ser fuerte, ya que siempre existir correlacin entre dos variables explicativas en un modelo, es decir, la no correlacin de dos variables es un proceso idlico, que slo se podra encontrar en condiciones de laboratorio.[footnoteRef:1] Por lo tanto Multicolinealidad significa que tus variables independientes estn relacionadas. [1: Wikipedia. http://es.wikipedia.org/ [En Lnea]. [29 de Mayo de 2014]. http://es.wikipedia.org/wiki/Multicolinealidad]

Mlticolinealidad es la relacin perfectamente lineal entre ms de dos variables. Y colinealidad es la relacin lineal entre dos variables.Hay que tener presente que la multicolinealidad es un problema de grado y no de clase, que es una caracterstica de la muestra y no de la poblacin que hay diferentes mtodos para detectarla. La multicolinealidad no viola los supuestos bsicos de la regresin, su nico efecto es la dificultad de la estimacin de los coeficientes estimados con errores estndar pequeos.

Grficos de dispersin y correlacin entre las variables.

El grafico de dispersin nos indica como se relacionan los datos de las dos variables una dependiente y otra independienteEl anlisis de correlacin mide la fuerza o grado de asociacin lineal entre dos variables aleatorias estos resultados tienen que ir entre -1 y 1.A continuacin se presentaran algunos de los grficos de dispersin entre combinaciones de diferentes variables. Cabe destacar que se para este anlisis no se ha tomado en consideracin las variables que representan a las dummys (variable sexo y variable regin) y las correlaciones entre las mismas variables, esto porque no presenta informacin representativa.

Variables Edad y ExperienciaAqu se ve una correlacin de 0.9584 entre las variables edad y experiencia.Si 0