1 / 13

TOPICOS DE ECONOMETRIA APLICADA Uso de Variables Dummy Cross Section

TOPICOS DE ECONOMETRIA APLICADA Uso de Variables Dummy Cross Section. Daniel Lema. Introducción. Variables categóricas: dificultad de cuantificación Ej.diferencias salariales hombre/mujer Diferencias de nivel: dummy Interacciones: efectos no lineales. Determinantes de Salarios.

ghita
Download Presentation

TOPICOS DE ECONOMETRIA APLICADA Uso de Variables Dummy Cross Section

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. TOPICOS DE ECONOMETRIA APLICADAUso de Variables DummyCross Section Daniel Lema

  2. Introducción • Variables categóricas: dificultad de cuantificación • Ej.diferencias salariales hombre/mujer • Diferencias de nivel: dummy • Interacciones: efectos no lineales

  3. Determinantes de Salarios • El modelo de capital humano • Adam Smith: diferenciales explicados por características del trabajo • Educación como inversión: correlación entre habilidad y educación implica mayor dispersión de ingresos • Entrenamiento en el trabajo como inversión (experiencia) • Screening: Arrow - Spence

  4. Medición • Encuestas de hogares: importantes fuentes de error para determinar salarios • Determinación del nivel de educación y medición de calidad • Problemas para la estimación de experiencia

  5. Formas Funcionales • La mayor parte de la literatura • ln yi = f(si, xi, zi) + ui • I = 1, …, n • y=salarios • s=educación • x= experiencia • z=otros factores (género, localización, etc.)

  6. Formas Funcionales • lnYs = ln Y0 + r.s + u • r = tasa de retorno a la educación • Ecuación de Mincer • lnYi = ln Y0 + b1.si+ b2 ki Xi + ui • También • lnYi = ln Y0 + b1.si+ b2 Xi + b3 Xi2 + ui • Reconociendo la imposibilidad de recuperar información de k y la no linearidad de X

  7. Formas Funcionales • También • lnYi = ln Y0 + b1.si+ b2 Xi + b3 Xi2 + b4.siXi+ ui • Reconociendo la posibilidad de interacción o efectos no lineales entre educación y experiencia

  8. Incorporando Dummies • lnYi = ln Y0 + a1.C1i + b1.si+ b2 Xi + b3 Xi2 + b4.siXi+ ui • Donde C es una variable dummy que refleja la pertenencia (o no) a la categoría 1 del individuo i • Incorporando una dummy de Género • lnYi = ln Y0 + a1.C1i + aG. DGi + b1.si+ b2 Xi + b3 Xi2 + b4.siXi+ ui

  9. Incorporando Dummies • Con interacción • lnYi = ln Y0 + a1.C1i + aG.DGi + aG1.DG1i + b1si+ b2 Xi + b3 Xi2 + b4.siXi+ ui • Donde DG1i = C1i * DGi

  10. Recordar el problema de sesgo por variables omitidas • Si el modelo es • Yi = a1+ bXi + gZi + ui Pero tenemos datos solo para X (un ejemplo clásico puede ser habilidad en ecuaciones de salarios como variable omitida) plim b’ = b + g cov (X, Z)/var (X) (donde el ‘ representa el estimador)

  11. Recordar el problema de sesgo por variables omitidas • Yi = a1+ bXi + gZi + ui • El sentido del sesgo será:

  12. Algunos Resultados • Mincer (74) • lnY = 4.87 + 0.255 s – 0.0029 s2 – 0.0043sX + 0.148X - 0.0018X2 • R2 = 0.309 • Y=earnings

More Related