Scribd
Cargar
64 vistas4 páginas

Modelo de Regresión y Heterocedasticidad en Mujeres

Este documento presenta un modelo de regresión lineal que estima el ingreso familiar basado en la edad, educación, experiencia laboral y si la mujer trabaja fuera del hogar o no para 753 mujeres casadas encuestadas. Los resultados muestran que la edad y educación aumentan el ingreso familiar, mientras que la experiencia laboral lo reduce. Trabajar fuera del hogar también aumenta el ingreso. Varias pruebas indican la presencia de heterocedasticidad, que puede corregirse usando errores estándar robustos.

Cargado por

Zarate Mora David Eduardo
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
64 vistas4 páginas

Modelo de Regresión y Heterocedasticidad en Mujeres

Este documento presenta un modelo de regresión lineal que estima el ingreso familiar basado en la edad, educación, experiencia laboral y si la mujer trabaja fuera del hogar o no para 753 mujeres casadas encuestadas. Los resultados muestran que la edad y educación aumentan el ingreso familiar, mientras que la experiencia laboral lo reduce. Trabajar fuera del hogar también aumenta el ingreso. Varias pruebas indican la presencia de heterocedasticidad, que puede corregirse usando errores estándar robustos.

Cargado por

Zarate Mora David Eduardo
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd

UNP-FAC ECONOMIA ECONOMETRIA II

PROF: MARTIN CASTILLO AGURTO PC01_ I_2021

Dada la siguiente información correspondiente a 753 mujeres casadas


encuestadas, cuyas variables son las siguientes:

ingf: Ingreso familiar en unidades monetarias


edad: Edad de la mujer en años
educ: Años de educación
exper: Años de experiencia laboral
tmfh: Si trabaja la mujer fuera del hogar (1:Si y 0:No) Se pide:

1. Estime el siguiente modelo de regresión lineal:


ingf=F(edad, educ, exper, tmfh)

Variable Coefficient Std. Error t-Statistic Prob.  

C -9924.357 3379.244 -2.936857 0.0034


EDAD 223.3014 55.61246 4.015313 0.0001
EDUC 1986.642 184.2869 10.78016 0.0000
EXPER -198.2201 58.68413 -3.377746 0.0008
TMFH 2117.992 912.4394 2.321241 0.0205

Ingf = -9924.357+223.3014edad+1986.642educ-198.2201exper+2117.992tmfh

Al respecto, en que nos puede ayudar el Teorema Central del


Límite y la Ley de los Grandes Números en evaluar este
modelo.
2. La estimación podría poseer sesgo de estimación. De existir,
que variable (s) podría incorporar al modelo. Sustente su
respuesta.

3. Evalúe la presencia de heterocedasticidad. Interprete cada


test. Para cada test colocar en el Word lo más indispensable.
H0 = No Existe heterocedasticidad
Hi = Existe Heterocedasticidad
Test de Breusch Pagan

Heteroskedasticity Test: Breusch-Pagan-Godfrey

F-statistic 3.565354    Prob. F(4,748) 0.0068


Obs*R-squared 14.08814    Prob. Chi-Square(4) 0.0070
Scaled explained SS 62.66385    Prob. Chi-Square(4) 0.0000

Test de Harvey

Heteroskedasticity Test: Harvey

F-statistic 2.724289    Prob. F(4,748) 0.0285


Obs*R-squared 10.81248    Prob. Chi-Square(4) 0.0288
Scaled explained SS 11.23186    Prob. Chi-Square(4) 0.0241

Test de Glejser
Heteroskedasticity Test: Glejser

F-statistic 5.441899    Prob. F(4,748) 0.0003


Obs*R-squared 21.29344    Prob. Chi-Square(4) 0.0003
Scaled explained SS 30.06697    Prob. Chi-Square(4) 0.0000

Test de White
Heteroskedasticity Test: White

F-statistic 1.976141    Prob. F(13,739) 0.0202


Obs*R-squared 25.29711    Prob. Chi-Square(13) 0.0211
Scaled explained SS 112.5212    Prob. Chi-Square(13) 0.0000

4. De existir heterocedasticidad ¿Cómo corregiría por el


método robusto? Al respecto, que limitaciones posee este
método.
Dependent Variable: INGF
Method: Least Squares
Date: 07/27/21 Time: 10:35
Sample: 1 753
Included observations: 753
White-Hinkley (HC1) heteroskedasticity consistent standard
errors and covariance

Variable Coefficient Std. Error t-Statistic Prob.  

C -9924.357 3300.713 -3.006731 0.0027


EDAD 223.3014 53.21540 4.196180 0.0000
EDUC 1986.642 218.8176 9.078989 0.0000
EXPER -198.2201 55.68590 -3.559610 0.0004
TMFH 2117.992 938.3307 2.257191 0.0243

R-squared 0.154160    Mean dependent var 23080.59


Adjusted R-squared 0.149637    S.D. dependent var 12190.20
S.E. of regression 11241.21    Akaike info criterion 21.49918
Sum squared resid 9.45E+10    Schwarz criterion 21.52988
Log likelihood -8089.441    Hannan-Quinn criter. 21.51101
F-statistic 34.08198    Durbin-Watson stat 1.921877
Prob(F-statistic) 0.000000    Wald F-statistic 27.74285
Prob(Wald F-statistic) 0.000000

También podría gustarte