Ejercicios de fisica
Páginas: 7 (1642 palabras)
Publicado: 17 de agosto de 2010
Universidad del Valle Facultad de Ciencias Sociales y Económicas Departamento de Economía Curso: Econometría I Docente: Juan Byron Fonnegra Presentado por Andrés Felipe Navarro Ramírez Carlos Andrés Orejuela Ríos 0750441 0753696
1) En este caso tenemos para un valor fijo de la variable explicativa (años de educación) varias observaciones de la variable dependiente (salario), las observacionesevidencian mucha dispersión para cada nivel de educación. Una forma funcional lineal no se ajusta a los cambios observados en el Scatterplot de la Figura 1.1, ya que a partir de los 16 años de educación el incremento en el salario cambia su tendencia, la gráfica sugiere un tipo de variación exponencial.
140,000 120,000 100,000
SALARY
80,000 60,000 40,000 20,000 0 6 8 10 12 14 EDUC 16 18 2022
Figura 1.1. Scatterplot Salary vs Educ
Aunque más años de educación se reflejan en un aumento del salario esperado, esta variable no es la única causa de ese aumento dada la gran dispersión de los datos, luego aunque sea estadísticamente significativa no debe olvidarse que el salario es el resultado del mercado laboral para cada individuo, en su determinación intervienen el conjunto devínculos sociales, la experiencia o su capacidad de comunicación entre otras variables. //Código para generar el scatterplot salary vs educ
create a 1950 1996 read(e,b2) c:\econometria1\INGCONPOB.xls 3 delete g* graph g1.scat educ salary
2)
12.0
11.6
11.2
L Y G
10.8
10.4
10.0
9.6 6 8 10 12 14 EDUC 16 18 20 22
Figura 2.1. Scatterplot Log(Salary) (lgY) vs Educ
Tabla 2.1Estimación de los parámetros para la regresión. (EViews) //Código para generar el scatterplot Log(salary) vs educ y la regresión log(Yi) = α + βXi + ui create a 1950 1996 read(e,b2) c:\econometria1\INGCONPOB.xls 3 delete g* genr lgY = log(salary) graph g2.scat educ lgY equation e2.ls lgY c educ
La regresión log nivel implica un cambio porcentual en la variable explicada para el cambio en unaunidad de la variable independiente, este modelo se deriva de una relación funcional exponencial, que precisamente habíamos referido en el punto inicial como la más adecuada para aplicar a los datos observados. Los estimadores de mínimos cuadrados de los parámetros son a=9,062102 y b= 0,095963. Esto implica que el salario promedio para un individuo con cero años de educación es de e 9,062102 y queun aumento en un año de educación implica un aumento en el salario promedio en 9,59 por ciento. Adicionalmente el cuarenta y ocho por ciento (48%) de las variaciones en el salario son explicadas por los cambios en el nivel de años de educación. Esto confirma el supuesto inicial acerca de la falta de inclusión en el modelo de otras variables que tienen relación con la variable salario, variables queson difíciles de observar. Una interpretación económica nos lleva al costo de oportunidad del tiempo invertido en estudiar, el tiempo que normalmente se invierte no genera un aumento importante en el ingreso, pero los años posteriores al estudio de pregrado son más costosos para un profesional que puede estar vinculado al mercado laboral, es en ese momento que un año adicional genera un mayorcambio en el promedio de salario observado.
3)
50 S eries: U S ample 1 474 O bservations 474 Mean Median Maximum Minimum S td. Dev. S kewness K urtosis Jarque-Bera P robability -0.50 -0.25 -0.00 0.25 0.50 0.75 1.00 8.29e-17 -0.035591 0.952229 -0.662598 0.285017 0.518339 3.256640 22.52618 0.000013
40
30
20
10
0
Figura 3.1 Histograma de los residuales
Supuestos del modelo:Media cero: La media de 8.29*10-17 implica que el valor esperado del error dada la variable fija es prácticamente cero: E(Ui|Xi)=0 Varianza Constante: No disponemos de estadísticos para contrastar la homocedasticidad, pero en un análisis de la figura 3.2 se observa dispersión irregular de los errores alrededor de la media de error (ver el residual plot), esto no es suficiente para estimar si la...
1) En este caso tenemos para un valor fijo de la variable explicativa (años de educación) varias observaciones de la variable dependiente (salario), las observacionesevidencian mucha dispersión para cada nivel de educación. Una forma funcional lineal no se ajusta a los cambios observados en el Scatterplot de la Figura 1.1, ya que a partir de los 16 años de educación el incremento en el salario cambia su tendencia, la gráfica sugiere un tipo de variación exponencial.
140,000 120,000 100,000
SALARY
80,000 60,000 40,000 20,000 0 6 8 10 12 14 EDUC 16 18 2022
Figura 1.1. Scatterplot Salary vs Educ
Aunque más años de educación se reflejan en un aumento del salario esperado, esta variable no es la única causa de ese aumento dada la gran dispersión de los datos, luego aunque sea estadísticamente significativa no debe olvidarse que el salario es el resultado del mercado laboral para cada individuo, en su determinación intervienen el conjunto devínculos sociales, la experiencia o su capacidad de comunicación entre otras variables. //Código para generar el scatterplot salary vs educ
create a 1950 1996 read(e,b2) c:\econometria1\INGCONPOB.xls 3 delete g* graph g1.scat educ salary
2)
12.0
11.6
11.2
L Y G
10.8
10.4
10.0
9.6 6 8 10 12 14 EDUC 16 18 20 22
Figura 2.1. Scatterplot Log(Salary) (lgY) vs Educ
Tabla 2.1Estimación de los parámetros para la regresión. (EViews) //Código para generar el scatterplot Log(salary) vs educ y la regresión log(Yi) = α + βXi + ui create a 1950 1996 read(e,b2) c:\econometria1\INGCONPOB.xls 3 delete g* genr lgY = log(salary) graph g2.scat educ lgY equation e2.ls lgY c educ
La regresión log nivel implica un cambio porcentual en la variable explicada para el cambio en unaunidad de la variable independiente, este modelo se deriva de una relación funcional exponencial, que precisamente habíamos referido en el punto inicial como la más adecuada para aplicar a los datos observados. Los estimadores de mínimos cuadrados de los parámetros son a=9,062102 y b= 0,095963. Esto implica que el salario promedio para un individuo con cero años de educación es de e 9,062102 y queun aumento en un año de educación implica un aumento en el salario promedio en 9,59 por ciento. Adicionalmente el cuarenta y ocho por ciento (48%) de las variaciones en el salario son explicadas por los cambios en el nivel de años de educación. Esto confirma el supuesto inicial acerca de la falta de inclusión en el modelo de otras variables que tienen relación con la variable salario, variables queson difíciles de observar. Una interpretación económica nos lleva al costo de oportunidad del tiempo invertido en estudiar, el tiempo que normalmente se invierte no genera un aumento importante en el ingreso, pero los años posteriores al estudio de pregrado son más costosos para un profesional que puede estar vinculado al mercado laboral, es en ese momento que un año adicional genera un mayorcambio en el promedio de salario observado.
3)
50 S eries: U S ample 1 474 O bservations 474 Mean Median Maximum Minimum S td. Dev. S kewness K urtosis Jarque-Bera P robability -0.50 -0.25 -0.00 0.25 0.50 0.75 1.00 8.29e-17 -0.035591 0.952229 -0.662598 0.285017 0.518339 3.256640 22.52618 0.000013
40
30
20
10
0
Figura 3.1 Histograma de los residuales
Supuestos del modelo:Media cero: La media de 8.29*10-17 implica que el valor esperado del error dada la variable fija es prácticamente cero: E(Ui|Xi)=0 Varianza Constante: No disponemos de estadísticos para contrastar la homocedasticidad, pero en un análisis de la figura 3.2 se observa dispersión irregular de los errores alrededor de la media de error (ver el residual plot), esto no es suficiente para estimar si la...
Leer documento completo
Regístrate para leer el documento completo.