Documente Academic
Documente Profesional
Documente Cultură
2019-2
TALLER 3
Marion Restrepo
La base de datos sujeta de análisis contiene un total de 753 observaciones de mujeres casadas
y su participación en el marcado laboral. De esta muestra, tal y como reza en el anexo 1, el
56,84% de las mujeres encuestadas participan en el mercado laboral, por un 43,16% que no lo
hacen. Por su parte, el ingreso promedio mensual de los hogares de las mujeres encuestadas es
de 1’154030 pesos. En aquellos hogares donde las mujeres participan del mercado laboral, el
ingreso promedio del hogar es 11,21% superior a aquellos hogares donde las mujeres no
participan del mercado laboral.
Se rechaza la H0.
Considerando los resultados de la anterior prueba de hipótesis, se puede concluir con una
confianza del 90% que la edad promedio de los esposos de mujeres que participan en el
mercado laboral es diferente de la edad promedio de los esposos de mujeres que no participan
en el mercado laboral, siendo en este último caso un promedio de edad mayor. Este resultado
podría indicarnos que la edad de los esposos es una variable que puede influir en las
posibilidades de las mujeres de participar en el mercado laboral, posiblemente asociado a
razones culturales. Es por ello que esta variable debería tenerse en cuenta en estudios asociados
a la vinculación de las mujeres al mercado laboral.
2. Diferencia de salario hora entre quienes tienen hijo menor de seis años y quienes no
0.0013 < 0.05
Se rechaza la H0.
Con una confianza del 95% se puede afirmar que los salarios por hora son diferentes entre
quienes tienen, al menos, un hijo menor de seis años (1) y quienes no lo tienen (0). Esto podría
indicarnos que tener hijos menores puede incidir en los ingresos de las personas. Aunque esto
tendría que estudiarse un poco más, podría relacionarse con la dedicación de tiempo que una
persona tiene que dedicar al cuidado de hijos más pequeños, o al enfoque personal de cada
persona.
3. Correlaciones
Falta explicación
Correlación de salario por hora de esposo y horas laboradas
Falta explicación
Falta explicación
Gráficos de correlación
Falta explicación
PARTE III: Regresión
La literatura refiere, entre los determinantes del salario laboral, aspectos relacionados con el
número de trabajadores empleados en el establecimiento, cobertura sindical, la proporción de
trabajadores que ejercen su oficio en actividades altamente calificadas, el crecimiento en la
productividad laboral, la proporción de empleados con un contrato fijo, además de las variables
relacionadas con el sector de la actividad, país y si la empresas es o no del sector privado,
variables que se refieren como control (Gash, 2012)
Modelo 1.
𝐿𝑛(𝑠𝑎𝑙𝑎𝑟𝑖𝑜𝐸𝑠𝑝𝑜𝑠𝑜 )
= 𝛽0 + 𝛽1 𝐸𝑑𝑎𝑑𝑒𝑠𝑝𝑜𝑠𝑜 + 𝛽2 𝐸𝑝𝑒𝑥 + 𝛽3 𝐸𝑑𝑢𝐸𝑠𝑝𝑜𝑠𝑜 + 𝛽4 𝐷𝐸𝑑𝑢 + 𝛽5 𝐻𝑜𝑟𝑎𝑠
+ 𝛽6 𝐷𝐻𝑖𝑗𝑜𝑠 + 𝛽7 𝐸𝑑𝑢𝑃𝑎𝑑𝑟𝑒 + 𝛽8 𝐸𝑑𝑢𝑀𝑎𝑑𝑟𝑒 + 𝜀
Tabla 1. Variables explicativas para el salario laboral del esposo
(1) (2)
VARIABLES salario_esposo salario_esposo
3.Universitario_ 2,728***(825.7)
educ_esposo 896.8***(123.0)
Se estimaron dos modelos como se mencionó anteriormente. La regresión lineal muestra que
todas las variables, excepto la edad del esposo, resultan significativas al 1%. Además, los
signos en su mayoría resultan consistentes con las expectativas presentadas en la literatura, los
modelos son significativos globalmente, lo que indica que las variables incluidas en los
modelos son relevantes para explicar las variaciones en el salario laboral del esposo por hora.
En cuanto al ajuste del modelo se encuentra que en el modelo (1) este asciende a 67%, en tanto
para el modelo (2) es 65%, en ambos casos la bondad de ajuste es relevante, lo que indica que
las variables incluidas como explicativas se ajustan para explicar la diferencias en los salarios.
- Una hora más de trabajo por parte del esposo reduce en promedio 9.552633 su salario,
ceteris paribus.
Ahora bien, siguiendo los resultados del modelo (2), y al estimar la regresión teniendo en
cuenta el status universitario, se encuentra que:
- Para aquellos esposos que tienen posible título universitario o de maestría el salario
aumenta en promedio 2727.527 y 6103.606 respectivamente el salario frente a aquellos
que tienen al menos bachillerato.
El error indica que la probabilidad de error a la hora de estimar las diferencias en el salario a
partir de las variables incluidas en el modelo asciende a 9232.1.
Modelo:
2. Interprete todos los coeficientes estimados y realice las pruebas pertinentes sobre
cada uno de ellos. Sacaría alguna variable del modelo. Corra nuevamente la
regresión con las variables que usted dejaría.
Se estima el modelo:
(1)
VARIABLES salario_esposo
inlf 1,568
(1,147)
horas -4.258***
(0.575)
hijos -816.6
(712.6)
edad -60.33
(89.03)
educ -123.1
(199.2)
horas_esposo -9.953***
(0.542)
edad_esposo -20.44
(87.01)
educ_esposo 847.4***
(139.6)
ingreso 0.0203***
(0.000602)
educ_madre -90.88
(120.2)
educ_padre 66.40
(112.9)
exper -9.974
(47.68)
salario -0.117***
(0.0354)
Constant 25,870***
(3,346)
Observations 753
R-squared 0.716
Gráfico X. 𝒖^ y 𝒚^
100000
50000
Residuals
0
-50000
Siguiendo los resultados del estadístico se rechaza la hipótesis nula que indica
homocedasticidad, por lo que comprueba que hay presencia de heterocedasticidad, lo que hace
que los betas obtenidos por Mínimos Cuadrados Ordinarios no sea el mejor estimador lineal
insesgado.
También, se rechaza la hipótesis nula, lo que indica que hay sesgo de variable omitida.
- Multicolinealidad
Dado que el VIF no es mayor a 10 no se puede afirmar que hay correlación entre las variables
independientes, lo que indica que no hay presencia de multicolinealidad.
- Normalidad
Volviendo al modelo, luego de realizar las pruebas, sacaríamos aquellas variables que no
resultaron significativas, pues aunque mejoran la bondad de ajuste del modelo, no resultan
significativas para explicar las variaciones en el salario y tampoco se encontró que la literatura
indique ninguna relación causal entre ellas, dejando las siguientes variables:
(1)
VARIABLES salario_esposo
horas_esposo -9.297***
(0.582)
educ_esposo 880.4***
(122.8)
ingreso 0.0186***
(0.000610)
Constant 17,000***
(1,864)
Observations 753
R-squared 0.659
Anexos
Anexo 1.
Anexo 2
Anexo 3
Anexo 4
Anexo 5
Anexos
Anexo 1.
Anexo 2
Anexo 3
Anexo 4
Anexo 5
Anexos
Anexo 1.
Anexo 2
Anexo 3
Anexo 4
Anexo 5
Anexos
Anexo 1.
Anexo 2
Anexo 3
Anexo 4
Anexo 5
Bibliografía
Gash, E. (2012). Measurable determinants of method of pay.