Table 3.

2 Impact of Education on Wages

Años de salario promedio

escolaridad por hora
obs X Y x y
1 6 4.4567 -6 -4.218
2 7 5.77 -5 -2.905
3 8 5.9787 -4 -2.696
4 9 7.3317 -3 -1.343
5 10 7.3182 -2 -1.357
6 11 6.5844 -1 -2.090
7 12 7.8182 0 -0.857
8 13 7.8351 1 -0.840
9 14 11.0223 2 2.348
10 15 10.6738 3 1.999
11 16 10.8361 4 2.161
12 17 13.615 5 4.940
13 18 13.531 6 4.856
Suma 156 112.7712 0 0.000
Promedio 12 8.6747076923

PENDIENTE
beta 2= 131.7856 = 0.7240967
182
Interpretación :El salario promedio por hora de la persona deberìa incrementarse en
0,724 centavos de dòlar

INTERCEPTO
beta 1= 8.6747076923 - 0.7240967 X

beta 1= -0.0144527

Interpretación : Si la persona no tiene escolaridad su salario deberia ser -0,014 de

dolar. Esto no tiene sentido .

Interpretación : el coefiente d
una variable sobre la otra, es
91% el incremento del salario
Interpretación : el coefiente d
una variable sobre la otra, es
91% el incremento del salario
x^2 y^2 yixi xi^2
36 17.7916 25.3080 36.0000
25 8.4373 14.5235 49.0000
16 7.2685 10.7840 64.0000
9 1.8037 4.0290 81.0000
4 1.8401 2.7130 100.0000
1 4.3694 2.0903 121.0000
0 0.7336 0.0000 144.0000
1 0.7049 -0.8396 169.0000
4 5.5112 4.6952 196.0000
9 3.9964 5.9973 225.0000
16 4.6716 8.6456 256.0000
25 24.4065 24.7015 289.0000
36 23.5836 29.1378 324.0000
182 105.1183 131.7856 2054.0000

Varianza homocedásticade los errores (variabilidad de los errores del modelo)

o ^2 = 9.69281 = 0.8811645134
11

Var(beta2) = 0.88116 = 0.0048415633

182

Var (beta 1) = 2054 * 0.8811645134

13 * 182

Coef de determinacion
r^2 = 1- 9.69281 =
105.1183281

Interpretación : el coefiente de determinación nos indica , el grado de explicacion de

una variable sobre la otra, es decir los años de estudio de la persona explica en un
91% el incremento del salario promedio por hora de la misma.
Interpretación : el coefiente de determinación nos indica , el grado de explicacion de
una variable sobre la otra, es decir los años de estudio de la persona explica en un
91% el incremento del salario promedio por hora de la misma.
yi^2 y estimado uI=yi-y ui^2
19.8622 4.3301 0.1266 0.0160
33.2929 5.0542 0.7158 0.5123
35.7449 5.7783 0.2004 0.0402
53.7538 6.5024 0.8293 0.6877
53.5561 7.2265 0.0917 0.0084
43.3543 7.9506 -1.3662 1.8665
61.1243 8.6747 -0.8565 0.7336
61.3888 9.3988 -1.5637 2.4452
121.4911 10.1229 0.8994 0.8089
113.9300 10.8470 -0.1732 0.0300
117.4211 11.5711 -0.7350 0.5402
185.3682 12.2952 1.3198 1.7419
183.0880 13.0193 0.5117 0.2618
1083.3755 112.7712 0.0000 9.6928

Desv = 0.93870363

Interpretación : La desviacion estandar nos ayuda a ver que tan preciso es el

modelo, aqui vemos que la desviacion estandar es de 0.939, es una cifra menor
por ende el modelo no presenta mucha variabilidad

Desv = 0.06958134

= 0.7649669951 Desv = 0.87462392

Interpretación : la desviacion estandar de B1 es 0.06958 y de B2 es 0.8746, y podemos decir que

B1 es mas preciso , ya mientras menor sea la desviacion mas precision se tiene en el modelo.

Coef de correlacion
91% r= 95%

Interpretación : Explica el grado de asociación lineal entre el del salario promedio por hora y años de
escolaridad es del 95%
Interpretación : Explica el grado de asociación lineal entre el del salario promedio por hora y años de
escolaridad es del 95%
 decir que
modelo.

hora y años de
hora y años de