ANÁLISIS ANOVA

“Factores Determinantes del Salario en Chile”

INTEGRANTES:
JIMENA CEBALLOS VARGAS
ÁLVARO HURTADO PALMA
GUSTAVO MONTALVAN ZEPEDA
SEBASTIÁN NORAMBUENA SALINAS
ASIGNATURA:
MÉTODOS CUANTITATIVOS PARA LA ADMINISTRACIÓN
PROFESOR:
MAURICIO GALLARDO ALTAMIRANO

COQUIMBO, 18 DE DICIEMBRE DE 2018

 ANOVA
La técnica de ANOVA es utilizada para saber si un factor A o factores
afectan la variabilidad o el comportamiento de una variable objetivo X,
es decir, si es que afecta o afectan su resultado de forma significativa.
𝑯𝟎 : 𝝁𝟏 = 𝝁𝟐 = ⋯ = 𝝁𝒊 = 𝝁 𝒗𝒔. 𝑯𝟏 : 𝝁𝒊 ≠ 𝝁
AGENDA PARTE 1 “SPSS”
• ANOVA Unifactorial de efectos fijos para el factor sexo
• ANOVA Unifactorial de efectos fijos para el factor etnia
• ANOVA Unifactorial de efectos fijos para el factor nivel de educación
• Prueba post-hoc de Sheffé
• ANOVA Bifactorial de efectos fijos para el factor sexo y nivel de educación
• ANOVA Bifactorial de efectos fijos para el factor etnia y nivel de educación
 ANOVA UNIFACTORIAL PARA EL FACTOR SEXO
Factor: Sexo
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 ”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

 El factor nivel de educación sí determina la variabilidad de las

diferencias salariales en Chile.
 ANOVA BIFACTORIAL PARA EL FACTOR SEXO &
NIVEL DE EDUCACIÓN
Factor: Sexo & 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.
 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

 Factor mujer sí es relevante para el modelo.

Fuente: Cálculos realizados en SPSS a partir de datos provenientes la Encuesta CASEN 2017
 RESTRICCIONES LINEALES
Factor: Sexo 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 decisión:
P-value < 0,05

 Regresores básica, media y universitaria sí son

Fuente: Cálculos realizados en SPSS a partir de datos provenientes la Encuesta CASEN 2017
relevantes para el modelo.
 RESTRICCIONES LINEALES
Factor: Sexo y Nivel educacional
Variable de interés: Salario

• Para evaluar si las variables β5

(b[basica_mujer]), β6 (b[media_mujer]) y β7
(b[universitaria_mujer]) son globalmente
significativas, utilizamos el siguiente Test de
Hipótesis:
𝐻0 : 𝛽5 = 𝛽6 = 𝛽7 = 0 𝑣𝑠. 𝐻1 : 𝛽5 ≠ 𝛽6
≠ 𝛽7 ≠ 0
• Regla de decisión:
P-value < 0,05

 Regresores mujer con educación básica, mujer

con educación media y mujer con educación
Fuente: Cálculos realizados en SPSS a partir de datos provenientes la Encuesta CASEN 2017 universitaria sí son relevantes para el modelo.
 ANÁLISIS UNIFACTORIAL GRETL PARA ETNIA &
NIVEL EDUCACIONAL
Factor: Etnia y Nivel educacional • Coeficientes:
Variable de interés: Salario • β0 = Salario promedio de una persona sin
etnia; β1 = Persona con etnia gana en
promedio $6.698 menos; β2 = Una persona
sin etnia y educación básica gana en
promedio $59.043 más; β3 = Una persona
sin etnia educación media gana en
promedio $105.945 más; β4 = Un hombre
con sin etnia y educación universitaria gana
en promedio $687.314 mas.
• Significancia individual:
• Test de hipótesis:
𝐻0 : 𝛽𝑗 = 0 𝑣𝑠. 𝐻1 : 𝛽𝑗 ≠ 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
 ANÁLISIS UNIFACTORIAL GRETL PARA ETNIA &
NIVEL EDUCACIONAL
Factor: Etnia y Nivel educacional • Coeficientes:
Variable de interés: Salario • β0 = Salario promedio de un hombre sin
etnia; β1 = Persona con etnia gana en
promedio $6.698 menos; β2 = Una persona
sin etnia y educación básica gana en
promedio $59.043 más; β3 = Una persona
sin etnia educación media gana en
promedio $105.945 más; β4 = Un hombre
con sin etnia y educación universitaria gana
en promedio $687.314 mas.
• Significancia global:
• Test de hipótesis:
𝐻0 : β1=0, β2=0, β3=0, β4=0, β5=0, β6=0,
β7=0 𝑣𝑠. 𝐻1 : Ǝ βj ≠0, j≠0
• Regla de decisión:
Fuente: Cálculos realizados en SPSS a partir de datos provenientes la Encuesta CASEN 2017
p-value < 0.05
 RESTRICCIONES LINEALES
Factor: Etnia y Nivel educacional
Variable de interés: Salario

• Para evaluar si la variable β1 (b[etnia]) es

globalmente significativa, utilizamos el
siguiente Test de Hipótesis:
𝐻0 : 𝛽1 = 0 𝑣𝑠. 𝐻1 : 𝛽1 ≠ 0
• Regla de decisión:
P-value < 0,05

 Factor etnia sí es relevante para el modelo.

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

Regresores básica, media y universitaria sí

Fuente: Cálculos realizados en SPSS a partir de datos provenientes la Encuesta CASEN 2017
son relevantes para el modelo.
 RESTRICCIONES LINEALES
Factor: Etnia y Nivel educacional
Variable de interés: Salario
• Para evaluar si las variables β5
(b[básica_etnia]), β6 (b[media_etnia]) y β7
(b[universitaria_etnia]) son globalmente
significativas, utilizamos el siguiente Test de
Hipótesis:
𝐻0 : 𝛽5 = 𝛽6 = 𝛽7 = 0 𝑣𝑠. 𝐻1 : 𝛽5 ≠ 𝛽6
≠ 𝛽7 ≠ 0
• Regla de decision:
P-value < 0,05

 Regresores etnia con educación básica, etnia

con educación media y etnia con educación
universitaria sí son relevantes para el modelo.
Fuente: Cálculos realizados en SPSS a partir de datos provenientes la Encuesta CASEN 2017
 ¿POR QUÉ LOS RESULTADO OBTENIDOS SON
EQUIVALENTES A LOS DE ANOVA?
• Porque en el modelo de regresión lineal, la hipótesis nula, en este caso, establece
que todos los β son iguales a cero, es decir, que la diferencia entre el promedio
salarial de las mujeres menos el promedio salarial de los hombres es igual a cero,
pero para que esto sea verdadero, ambos promedios salariales deben ser iguales,
o sea, que no hay diferencia de medias, esto, es lo mismo que la hipótesis nula de
ANOVA, la cual establece que las medias de los tratamientos son iguales.
• En conclusión, los resultados son equivalentes porque las hipótesis nulas en
ambos casos establecen lo mismo, que las medias son iguales.