Documente Academic
Documente Profesional
Documente Cultură
• Test de Hipótesis:
𝐻0 : 𝜇1 = 𝜇2 = ⋯ = 𝜇𝑖 = 𝜇 𝑣𝑠 𝐻1 : 𝜇𝑖 ≠ 𝜇
• Regla de decisión:
P-value < 0,05 las medias son distintas.
Factor ”sexo” sí determina la variabilidad de las diferencias
salariales en Chile.
Fuente: Cálculos realizados en SPSS a partir de datos provenientes la Encuesta CASEN 2017
Mujeres: -$226.675.
ANOVA UNIFACTORIAL PARA EL FACTOR ETNIA
Factor: Etnia
Variable de interés: Salario
• Test de Hipótesis:
𝐻0 : 𝜇1 = 𝜇2 = ⋯ = 𝜇𝑖 = 𝜇 𝑣𝑠 𝐻1 : 𝜇𝑖 ≠ 𝜇
• Regla de decisión:
P-value < 0,05 las medias son distintas.
Factor ”etnia” sí determina la variabilidad de las diferencias
Fuente: Cálculos realizados en SPSS a partir de datos provenientes la Encuesta CASEN 2017 salariales en Chile.
Pertenecientes a una etnia: -$110.066
ANOVA UNIFACTORIAL PARA EL FACTOR NIVEL DE
EDUCACIÓN
Factor: Nivel de Educación
Variable de interés: Salario
• Test de Hipótesis:
𝐻0 : 𝜇1 = 𝜇2 = ⋯ = 𝜇𝑖 = 𝜇 𝑣𝑠 𝐻1 : 𝜇𝑖 ≠ 𝜇
• Regla de decisión:
P-value < 0,05 al menos un par de medias son
distintas.
Factor ”nivel de educación” sí determina la variabilidad de las
diferencias salariales en Chile.
Fuente: Cálculos realizados en SPSS a partir de datos provenientes la Encuesta CASEN 2017 Sin educación: $153.444
Universitaria: $826.166
ANOVA UNIFACTORIAL PARA EL FACTOR NIVEL
DE EDUCACIÓN
Prueba de Scheffe
• Test de hipótesis:
𝐻0 : 𝜇𝑆𝑖𝑛 𝑒𝑑𝑢𝑐𝑎𝑐𝑖ó𝑛 − 𝜇𝐵á𝑠𝑖𝑐𝑎 = 0
𝑣𝑠. 𝐻1 : 𝜇𝑆𝑖𝑛 𝑒𝑑𝑢𝑐𝑎𝑐𝑖ó𝑛 − 𝜇𝐵á𝑠𝑖𝑐𝑎 ≠ 0
𝐻0 : 𝜇𝑀𝑒𝑑𝑖𝑎 − 𝜇𝐵á𝑠𝑖𝑐𝑎 = 0
𝑣𝑠. 𝐻1 : 𝜇𝑀𝑒𝑑𝑖𝑎 − 𝜇𝐵á𝑠𝑖𝑐𝑎 ≠ 0
Fuente: Cálculos realizados en SPSS a partir de datos provenientes la
Encuesta CASEN 2017
• Test de hipótesis:
𝐻0 : 𝜇1 = 𝜇2 = ⋯ = 𝜇𝑖 = 𝜇 𝑣𝑠 𝐻1 : 𝜇𝑖 ≠ 𝜇
• Regla de decisión:
P-value < 0,05 al menos un par de medias son
distintas.
Los factores ”sexo” y “nivel de educación” tiene
Fuente: Cálculos realizados en SPSS a partir de datos provenientes la Encuesta CASEN 2017 incidencia en la variabilidad de la variable de interés
“salario”.
ANOVA BIFACTORIAL PARA EL FACTOR ETNIA &
NIVEL DE EDUCACIÓN
Factor: Etnia & Nivel de educación
Variable de interés: Salario
• Test de hipótesis:
𝐻0 : 𝜇1 = 𝜇2 = ⋯ = 𝜇𝑖 = 𝜇 𝑣𝑠 𝐻1 : 𝜇𝑖 ≠ 𝜇
• Regla de decisión:
P-value < 0,05 al menos un par de medias son
distintas.
Fuente: Cálculos realizados en SPSS a partir de datos provenientes la Encuesta CASEN 2017 Los factores ”etnia” y “nivel de educación” tiene incidencia
en la variabilidad de la variable de interés “salario”.
AGENDA PARTE 2 Gretl
• Regresión lineal con variables dicotómicas para el factor sexo
• Regresión lineal con variables dicotómicas para el factor etnia
• Regresión lineal con variables dicotómicas para el factor nivel de educación
• Regresión lineal con variables dicotómicas para los factores sexo y nivel de
educación
• Regresión lineal con variables dicotómicas para los factores etnia y nivel de
educación
• ¿Por qué los resultados obtenidos son equivalentes a los de ANOVA?
ANÁLISIS UNIFACTORIAL GRETL PARA SEXO
Factor: Sexo
Variable de interés: Salario
• Coeficientes:
• β0 = Salario promedio de un hombre y β1 = La
mujer gana en promedio $226.676 menos que un
hombre .
• Significancia individual:
• Test de hipótesis:
𝐻0 : 𝛽𝑗 = 0 𝑣𝑠. 𝐻1 : 𝛽𝑗 ≠ 0
• Regla de decisión:
1. |T| > 2
2. p-value < 0.05
Fuente: Cálculos realizados en GRETL a partir de datos provenientes la Encuesta CASEN 2017
ANÁLISIS UNIFACTORIAL GRETL PARA ETNIA
Factor: Etnia
Variable de interés: Salario
• Coeficientes:
• β0 = Salario promedio de alguien que no
pertenece y β1 = Perteneciente ganan en
promedio $100.066 menos que uno que no.
• Significancia individual:
• Test de hipótesis:
𝐻0 : 𝛽𝑗 = 0 𝑣𝑠. 𝐻1 : 𝛽𝑗 ≠ 0
• Regla de decisión:
1. |T| > 2
2. p-value < 0.05
Fuente: Cálculos realizados en SPSS a partir de datos provenientes la Encuesta CASEN 2017
ANÁLISIS UNIFACTORIAL GRETL PARA NIVEL
EDUCACIONAL
Factor: Nivel educacional • Coeficientes:
• β0 = Salario promedio de una persona sin educación; β1 = Con
Variable de interés: Salario ed. básica se gana $59.505 más; β2 = Con ed. media se gana
$103.637 más; β3 = Con ed. universitaria se gana $672.722
más.
• Significancia individual:
• Test de hipótesis:
𝐻0 : 𝛽𝑗 = 0 𝑣𝑠. 𝐻1 : 𝛽𝑗 ≠ 0
• Regla de decisión:
1. |T| > 2
2. p-value < 0.05
• Significancia global:
• Test de hipótesis:
𝐻0 : 𝛽1 = 𝛽2 = ⋯ = 𝛽𝑗 = 0 𝑣𝑠. 𝐻1 : ∃ 𝛽𝑗 ≠ 0, 𝑗 ≠ 0
• Regla de decisión:
1. |T| > 2
2. p-value < 0.05
Fuente: Cálculos realizados en SPSS a partir de datos provenientes la Encuesta CASEN 2017
ANÁLISIS UNIFACTORIAL GRETL PARA SEXO &
NIVEL EDUCACIONAL
Factor: Sexo y Nivel educacional • Coeficientes:
• β0 = Salario promedio de un hombre sin educación; β1 =
Variable de interés: Salario Una mujer sin educación gana en promedio $153.644
menos; β2 = Un hombre con solo educación básica gana
en promedio $72.827 más; β3= Un hombre con
educación básica gana en promedio $115.884 más; β4 =
Un hombre con educación universitaria gana en
promedio $842.083 más.
• Significancia individual:
• Test de hipótesis:
𝐻0 : 𝛽𝑗 = 0 𝑣𝑠. 𝐻1 : 𝛽𝑗 ≠ 0
• Regla de decisión:
1. |T| > 2
2. p-value < 0.05
• Significancia global:
• Test de hipótesis:
𝐻0 : 𝐻0 : 𝛽1 = 𝛽2 = ⋯ = 𝛽𝑗 = 0 𝑣𝑠. 𝐻1 : ∃ 𝛽𝑗 ≠
0, 𝑗 ≠ 0
• Regla de decisión:
1. |T| > 2
Fuente: Cálculos realizados en SPSS a partir de datos provenientes la Encuesta CASEN 2017
2. p-value < 0.05
RESTRICCIONES LINEALES
Factor: Sexo y Nivel educacional
Variable de interés: Salario
• Para evaluar si la variable β1 (b[mujer]) es
significativa, utilizamos el siguiente Test de
Hipótesis:
𝐻0 : 𝛽1 = 0 𝑣𝑠. 𝐻1 : 𝛽1 ≠ 0
• Regla de decisión:
P-value < 0,05
Fuente: Cálculos realizados en SPSS a partir de datos provenientes la Encuesta CASEN 2017
RESTRICCIONES LINEALES
Factor: Etnia y Nivel educacional
Variable de interés: Salario
• Para evaluar si las variables β2 (b[basica]),
β3 (b[media]) y β4 (b[universitaria]) son
globalmente significativas, utilizamos el
siguiente Test de Hipótesis:
𝐻0 : 𝛽2 = 𝛽3 = 𝛽4 = 0 𝑣𝑠. 𝐻1 : 𝛽2 ≠ 𝛽3 ≠ 𝛽4
≠0
• Regla de decision:
P-value < 0,05