topicos de econometria aplicada uso de variables dummy cross section
DESCRIPTION
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. - PowerPoint PPT PresentationTRANSCRIPT
TOPICOS DE ECONOMETRIA APLICADA
Uso de Variables DummyCross 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
• 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
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
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.)
Formas Funcionales
• lnYs = ln Y0 + r.s + u
• r = tasa de retorno a la educación• Ecuación de Mincer
• lnYi = ln Y0 + .si + ki Xi + ui
• También
• lnYi = ln Y0 + .si + Xi + Xi2 + ui
• Reconociendo la imposibilidad de recuperar información de k y la no linearidad de X
Formas Funcionales
• También
• lnYi = ln Y0 + .si + Xi + Xi2 + .si Xi+
ui
• Reconociendo la posibilidad de interacción o efectos no lineales entre educación y experiencia
Incorporando Dummies
• lnYi = ln Y0 + .C1i + .si + Xi + Xi2 +
.si Xi+ 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 + .C1i + G. DGi + .si + Xi + Xi
2 + .si Xi+ ui
Incorporando Dummies
• Con interacción
• lnYi = ln Y0 + .C1i + G.DGi + G1.DG1i +
si + Xi + Xi2 + .si Xi+ ui
• Donde DG1i = C1i * DGi
Recordar el problema de sesgo por variables omitidas
• Si el modelo es
• Yi = + Xi + Zi + ui
Pero tenemos datos solo para X
(un ejemplo clásico puede ser habilidad en ecuaciones de salarios como variable omitida)
plim ’ = cov (X, Z)/var (X)
(donde el ‘ representa el estimador)
Recordar el problema de sesgo por variables omitidas
• Yi = + Xi + Zi + ui
• El sentido del sesgo será:
Cov(X,Z) >0 Cov (X, Z)<0
+ -
- +
Algunos Resultados
• Mincer (74)
• lnY = 4.87 + 0.255 s – 0.0029 s2 – 0.0043sX + 0.148X - 0.0018X2
• R2 = 0.309
• Y=earnings