TENDENCIAS Vol. VI Nos.

1-2

TENDENCIAS Revista de la Facultad de Ciencias Econmicas y Administrativas. Universidad de Nario Vol. VI. Nos.1-2 Diciembre de 2005, pginas 97-108

MODELIZACIN ESTADSTICA DE VARIABLES CUALITATIVAS: UNA INTRODUCCIN APLICADA Por: Julio Csar Riascos1

Each day is a drive thru History James Douglas Morrison (1943-1979)

RESUMEN El artculo introduce al lector en el manejo y aplicacin elemental de modelos probabilsticos, asistidos por variables dictomas; para tal efecto determina su trascendencia en el proceso de investigacin cientfica y su diseo a nivel bsico. Se determinan, en este sentido, los modelos ANOVA de anlisis de varianza; los modelos ANCOVA de regresores cualitativos y cuantitativos, para finalmente abordar las ecuaciones de respuesta binaria.
Economista, Grado de Honor, Egresado Distinguido, Docente Hora Ctedra Universidad de Nario. Email: julioriascos@mail.udenar.edu.co
1

Julio C. Riascos. Modelizacin estadstica de variables cualitativas: una introduccin aplicada

PALABRAS CLAVE: Modelizacin estadstica, ANCOVA, Modelos de respuesta cualitativa.

Modelos

ANOVA,

I.

GENERALIDADES

La aplicacin cada vez ms frecuente del modelamiento estadstico en el campo de la investigacin cientfica, constituye acaso la prueba irrefutable del auge cuantitativo, no slo como herramienta de medicin y prediccin, sino como instrumento vital en la toma de decisiones. As por ejemplo, el anlisis estadstico incorporado a la biologa, en el caso de las ciencias de la salud, o lo que se conoce como bioestadstica, es asistido por el examen de modelos probabilsticos en el estudio e identificacin de diversas patologas. Igualmente, la misin del econmetra es la de expresar las teoras econmicas en trminos matemticos para verificarlas por mtodos estadsticos y para medir el impacto de una variable sobre otra, as como para predecir los sucesos futuros o aconsejar la poltica econmica que debe seguirse cuando se desea un resultado determinado2. Ahora bien, la incidencia real de esta rama de la ciencia econmica no se encuentra nicamente en la macroeconometra; su importancia prctica es igual en la microeconometra, aplicada dentro de la investigacin de mercados y en el diseo y evaluacin de proyectos empresariales.

VALAVANIS, Stefan. Introduccin a la Econometra. Citado por: BARBANCHO (1979: 182).

TENDENCIAS Vol. VI Nos.1-2

Una de las crticas convencionales a la modelizacin estadstica descansa en el hecho de que se reduce aspectos cualitativos, a expresiones matemticas implacables, suponiendo de ese modo una rigurosa mecnica entre relaciones que dentro de la vida cotidiana rara vez existe; pues bien, por lo menos en el trabajo del economista, no se debe perder de vista que la ciencia permanentemente se ha desbordado en el desarrollo de conceptos tericos y anlisis economtricos, y an cuando en retrospectiva lo concebido resulta impresionante, no ha sido suficiente para afrontar los retos actuales. Con todo, si el objeto social de la ciencia constituye su mximo fin, debe asegurar para tal efecto las condiciones fundamentales de su trabajo como son, en este caso, las herramientas conceptuales y estadsticas; que tampoco constituyen el lmite de la economa, sino ms bien, el eje que posibilita la extensin de su aporte3. En ese orden de ideas, y dejando en claro que la modelizacin estadstica, as como el conocimiento en general, constituyen solamente instrumentos de que se sirve la ciencia para intentar clarificar la realidad y que, por consiguiente, en ningn caso pueden ser un fin per se; el objeto central de este artculo ser presentar al estudiante una introduccin aplicada, muy elemental por cierto, en el manejo de modelos probabilsticos asistidos por variables ficticias, en la cual se abordarn los modelos ANOVA, ANCOVA y de Respuesta Cualitativa. II. DISEO DE VARIABLES

No todos los eventos estadsticos son obligatoriamente medibles, o cuantificables, y el hecho de que ello sea as, no implica que la incidencia de dichos elementos deba ignorarse. Es ms, en ocasiones estos factores basados en aspectos cualitativos, sobrepasan con amplitud la significancia de aquellos fenmenos pertenecientes a una determinada escala de razn4.
3

RIASCOS, Julio Csar. Principales determinantes econmicos del desempleo en San Juan de Pasto. Tesis de grado para optar el ttulo de Economista. Facultad de Ciencias Econmicas y Administrativas. Programa de Economa. Universidad de Nario. Pasto, 2004. Pg. 137. 4 Tradicionalmente el uso de escalas de razn se asoci al desarrollo de la investigacin cuantitativa y, de manera similar, el uso de escalas nominales se vincul a la produccin de

Julio C. Riascos. Modelizacin estadstica de variables cualitativas: una introduccin aplicada

La construccin de variables dummy es llevada a cabo mediante el uso del sistema binario; la presencia de un atributo o cualidad implica que cada observacin tomar valores equivalentes a 1 y, en caso de ausencia, cada evento adoptar valores iguales a 0. Para efectos prcticos considrese el modelo lineal expresado en la ecuacin (1). Yt = 1 + 2X2t + t Yt = Salarios Nominales (Variable Endgena) X2t = Educacin (Variable Exgena) t = Trmino de Error 1= Parmetro Autnomo5 2= Parmetro de Impacto6 Ahora supngase que se cuenta con la siguiente informacin: (Cuadro A) El lector advertir que la educacin se descompone en 5 categoras diferentes: Primaria, Secundaria, Tcnica, Pregrado y Postgrado. Intuitivamente, el diseo de regresores ficticios supondr construir una variable para cada cualidad; as entonces de X2t se generaran D2, D3, D4, D5 y D6, donde D2 representara la educacin Primaria, siendo 1 cuando las observaciones presentan la existencia de ese evento especfico y 0 para todo evento que le sea distinto. D3, D4, D5 y D6 comprendern la educacin Secundaria, Tcnica, Pregrado y Postgrado, respectivamente, teniendo en cuenta la presencia y ausencia de cada categora mediante el sistema binario. De ese modo, las variables ficticias habrn originado los datos del cuadro B
investigacin cualitativa; no obstante, en la actualidad buena parte de los avances en materia de investigacin cientfica, tienen a bien asistir una combinacin de reas cuasicuantitativas o cuasicualitativas en los recientes diseos de investigacin experimental. 5 El valor del intercepto estar asociado con el efecto promedio que sobre los salarios nominales ejercen el conjunto de variables omitidas del modelo. 6 Reflejar la incidencia de los niveles educativos sobre los salarios nominales.

(1), donde:

TENDENCIAS Vol. VI Nos.1-2

CUADRO A INFORMACIN GENERAL EMPLEADOS ALFAOMEGA S.A. (Ejemplo hipottico) SALARIOS (Miles de pesos) 200 205 220 228 252 264 272 315 324 340 618 720 800 Primaria Primaria Secundaria Secundaria Tcnica Tcnica Tcnica Pregrado Pregrado Pregrado Postgrado Postgrado Postgrado M M M F F M M F F M F M F Putumayo Nario Cauca Nario Nario Putumayo Putumayo Cauca Putumayo Putumayo Nario Nario Cauca NIVELES EDUCATIVOS GNERO PROCEDENCIA

Fuente: RIASCOS, Julio. Economa: Retos y Posibilidades. (Investigacin en curso), 2003, 2004, 2005.

Julio C. Riascos. Modelizacin estadstica de variables cualitativas: una introduccin aplicada

Se entiende que, aunque la educacin es una variable no medible, como sucede con elementos de estirpe cualitativa, es posible aproximarse, sino a su cuantificacin, s por lo menos a la incidencia de su participacin. Errneamente podra formularse el siguiente modelo: Yt = 1 + 2D2i + 3D3i + 4D4i + 5D5i + 6D6i + t (2).
-1

Al aplicar M. C. O. para estimar los parmetros estimado = (XX) (XY), el clculo de la matriz inversa A exp.-1 = (1/ A)* (Adj. A) encontrar que el determinante A ser equivalente a 0, con lo que dicha matriz se hace singular. Si A exp.-1 tiene n*n filas y columnas, en este caso el rango es menor que n, implicando que existe una relacin lineal perfecta entre los regresores que componen el modelo; por lo tanto, existira multicolinealidad exacta7, ocasionada a su vez por lo que se conoce como la trampa de las variables ficticias. III. MODELOS ANOVA VARIANZA O MODELOS DE ANLISIS DE

El apartado anterior ha dejado una leccin valiosa en cuanto al manejo y precaucin de variables dictomas. Ntese el cuadro B, para comprender la existencia de multicolinealidad perfecta al estimar la ecuacin (2). En la primera fila, la presencia de D2i implica la ausencia de D3i, D4i, D5i y D6i. De igual forma, en cualquier observacin se tiene que la existencia de cualquier evento explica de manera exacta la carencia de las dems. El desacierto estriba en abarcar todas las posibilidades en que incurre un mismo fenmeno sin determinar una categora que sirva de base. En otras palabras, el investigador debe sacrificar una posibilidad en favor de las dems, lo que supone eliminar una variable que haga las veces de referencia.
7

Los parmetros a estimar son indeterminados y por lo tanto sus errores tpicos sern infinitos.

TENDENCIAS Vol. VI Nos.1-2

De acuerdo con los propsitos del anlisis, la modelizacin estadstica definir qu elementos sern prioritarios y qu factor se omitir para establecerse como base; no obstante, recurdese que 1, o el parmetro autnomo, ponderar, entre las variables excluidas, la incidencia de aquella que se ha dejado de lado. Si, verbigracia, el investigador tomara como referencia la Educacin Primaria, formulara el modelo de la ecuacin (3) Yt = 0 + 3D3i + 4D4i + 5D5i + 6D6i + t (3), donde

Yt = Salario Nominal (Variable Endgena) D3i = Educacin Secundaria (Variable Exgena) D4i = Educacin Tcnica (Variable Exgena) D5i = Educacin de Pregrado (Variable Exgena) D6i = Educacin de Postgrado (Variable Exgena) t = Trmino de Error. 0 = Parmetro Autnomo8 3, 4, 5 y 6 = Parmetros de Impacto; cada uno reflejar correspondientemente la incidencia de la Educacin Secundaria, Tcnica, de Pregrado y de Postgrado. El mensaje es: si una variable cualitativa tiene m categoras, solo hay que agregar (m-1) variables dictomas (GUJARATI, 2004: 289) La expresin (3) es un modelo estadstico, que explica el comportamiento de los salarios nominales en funcin de la Educacin Secundaria, Tcnica, de Pregrado y de Postgrado; modelo que puede ser estimado a travs de M. C. O.

La teora supone que en 0 se cuantificarn los efectos de los trminos excluidos y entre ellos, el que le asiste a la educacin primaria que ha servido de referente.
8

Julio C. Riascos. Modelizacin estadstica de variables cualitativas: una introduccin aplicada

Ahora bien, es posible que el investigador omita una categora que sea precisamente la ms importante; para evitar entonces este tipo de riesgos, es del todo viable incluir esa variable que se podra haber excluido, de tal modo que nuevamente se consideraran el conjunto total de eventos, dejando de lado esta vez el intercepto, cuya justificacin aparentemente desaparecera al incluir todas las posibilidades9. En tal sentido podra formularse, de manera alternativa, el siguiente modelo: Yt = 2D2i + 3D3i 4D4i + 5D5i + 6D6i + t 2 = Educacin Primaria
Aunque lo anterior es vlido, existe una amplia discusin sobre variables que explican un fenmeno y que sin embargo no se tienen en cuenta, es lo que se denomina externalidades; aqu por lo tanto podra tambin existir una contradiccin cuando se elimina el trmino que pondera tales eventos.
9

(4), donde

TENDENCIAS Vol. VI Nos.1-2

D2i = Parmetro de Impacto, que pondera la incidencia de la Educacin Primaria al explicar los Salarios.

Los modelos que explican una variable cuantitativa en funcin de variables cualitativas, como la ecuacin (3) y (4), se conocen como Modelos ANOVA y, en trminos generales, aplican las mismas pruebas estadsticas de un modelo de estirpe cuantitativa. IV. MODELOS ANCOVA Y DE RESPUESTA CUALITATIVA

Los modelos ANCOVA combinan al mismo tiempo variables exgenas cualitativas y cuantitativas, en la explicacin de un fenmeno medible o de escala de razn. Supngase que se tiene adems la siguiente informacin:

Julio C. Riascos. Modelizacin estadstica de variables cualitativas: una introduccin aplicada

CUADRO E GASTOS FAMILIARES Y DE CONSUMO INDIVIDUAL EMPLEADOS ALFAOMEGA S. A (Miles de pesos)

GASTO FAMILIAR 125 130 140 142 162 172 200 215 225 400 325 360 380 CONSUMO PERSONAL 50 65 80 86 90 90 70 80 80 100 130 140 160

Ahora el investigador perfectamente podra aadir al modelo (3) los datos del cuadro E, teniendo como resultado la ecuacin (5): Yt = 0 + 3D3i + 4D4i + 5D5i + 6D6i + 3X3t + 4X4t + t donde X3t = Gasto Familiar (Variable Exgena) X4t = Consumo Personal 3 y 4 = Parmetros de Impacto que miden la incidencia del Gasto Familiar y del Consumo Personal sobre el salario nominal respectivamente. (5),

TENDENCIAS Vol. VI Nos.1-2

Por ltimo, los modelos de respuesta cualitativa se caracterizan fundamentalmente porque la variable endgena es una regresada binaria; es decir, el fenmeno que se est explicando es de naturaleza nominal. En ese orden de ideas podra plantearse, a manera de ejemplo, el siguiente modelo uniecuacional: Yt = 1 + 2 D7i + 3 X5t + t (6), donde:

Yt = Educacin de Postgrado (Variable Endgena Binaria) D7i = Procedencia (Variable Exgena Binaria) X5t = Salarios (Variable Exgena Cuantitativa) t = Trmino de Error 1= Parmetro Autnomo 2= Parmetro de Impacto que medir la incidencia de la regin de procedencia sobre la Educacin de Postgrado

Julio C. Riascos. Modelizacin estadstica de variables cualitativas: una introduccin aplicada

3= Parmetro de Impacto, reflejar el impacto que ejercen los salarios sobre la educacin de postgrado. El lector advertir que la variable procedencia est constituida por 3 categoras, y que por lo tanto debern construirse 2 variables dictomas; no obstante y an cuando la estimacin se haga mediante M.C.O., es posible sus propiedades estadsticas no sean las deseables10. Sin embargo, los desarrollos inferenciales han posibilitado formas alternativas de estimacin al de M.C.O., mediante mtodos de clculo binario en modelos logit para funciones de distribucin acumulativa (logstica), y en modelos probit para funciones de distribucin normal acumulativa, conceptos cuya exposicin desbordara con amplitud los alcances de este anlisis introductorio, pero que pueden ser trabajados por el estudiante en los textos de Gujarati y Gourieroux, con la obvia asistencia de un paquete estadstico relativamente reciente. REFERENCIAS BIBLIOGRFICAS BARBANCHO, Alfonso (1979). Fundamentos y Posibilidades de la Econometra. Editorial Ariel. Barcelona. CARRASCAL, Ursicinio (2004). Anlisis Economtrico con Eviews. Alfaomega. Madrid. GOURIEROUX, Christian (2000). Econometrics of Qualitative Dependent Variables. University Press. Nueva York. GUJARATI , N. Damodar (2004). Econometra. Mc. Graw-Hill. Mxico. MADALLA, G. S. (2001). Introduccin a la Econometra. Prentice-Hall. Mxico. PINDYCK, Roberts (2001). Econometra: Modelos y Pronsticos. Mc. GrawHill. Mxico.

10

Los errores residuales no siguen una distribucin normal, toda vez que su distribucin es la Bernoulli; las probabilidades de Heterocedasticidad se incrementan, las estimaciones son proclives a rebasar los valores entre 0 y 1 y, entre otros inconvenientes, los valores de R cuadrado no tendrn a priori mayor poder explicativo