Taller 3 - Métodos de microeconometría

Nicolás Ronderos PhD.

En todos los casos muestre sus salidas de STATA y comente sus resultados

1. Para probar la ecacia de un programa de capacitación laboral sobre los salarios de los trabajadores, se

especica el modelo:

log(wage) = β0 + β1 train + β2 educ + β3 exper + u

Donde train es una variable binaria que es igual a uno si el trabajador participó en el programa. Considere que el

término de error u comprende capacidades no observadas del trabajador. Si los trabajadores con menos capacidades

tienen más probabilidades de ser elegidos para participar en el programa y se emplea un análisis por MCO, ¾qué se

puede decir acerca del posible sesgo en β1 ?

2. Un economista está investigando los determinantes del ingreso mensual (income) de una muestra de individuos,

considerando las siguientes variables explicativas:

ˆ educ: Años de educación formal.

ˆ exper: Años de experiencia laboral.

ˆ f emale: Variable dummy que toma el valor de 1 si la persona es mujer y 0 si es hombre.

ˆ urban: Variable dummy que toma el valor de 1 si la persona vive en una zona urbana y 0 si vive en una zona

rural.

ˆ age: Edad del individuo (en años).

Se estiman 10 modelos de regresión lineal y se presentan sus resultados:

ˆ income = β0 + β1 educ + u

ˆ income = β0 + β1 educ + β2 exper + u

ˆ income = β0 + β1 educ + β2 exper + β3 f emale + u

1
 ˆ income = β0 + β1 educ + β2 exper + β3 f emale + β4 urban + u

ˆ log(income) = β0 + β1 educ + β2 exper + β3 f emale + u

ˆ income = β0 + β1 educ + β2 exper + β3 f emale + β4 age + β5 age2 + u

ˆ income = β0 + β1 educ + β2 exper + β3 f emale + β4 (educ)(exper) + u

ˆ log(income) = β0 + β1 educ + β2 log(exper) + β3 f emale + u

ˆ income = β0 + β1 educ + β2 exper + β3 f emale + β4 (urban)(f emale) + u

ˆ log(income) = β0 + β1 educ + β2 exper + β3 f emale + β4 age + β5 age2 + β6 urban + u

a. ¾Cómo se interpreta el coeciente en el primer modelo?

b. En el segundo modelo, ¾cómo cambia la interpretación de comparado con el primer modelo?

c. En el tercer modelo, ¾cómo se interpreta el coeciente de f emale?

d. En el cuarto modelo, ¾cómo se interpreta el coeciente de urban?

e. En el quinto modelo, ¾qué signica el coeciente de educ dado que la variable dependiente está en logaritmo?

f. En el sexto modelo, ¾cómo se interpreta el coeciente asociado a age2 ?

g. En el séptimo modelo, ¾cómo se interpreta el coeciente de la interacción educ y exper?

h. En el octavo modelo, ¾qué representa el coeciente de log(exper)?

i. En el noveno modelo, ¾cómo interpretar el término de interacción urban y f emale?

j. En el décimo modelo, ¾cómo se interpreta el efecto marginal de age sobre el logaritmo del ingreso?

3. Suponga que mediante una encuesta recolecta usted datos sobre salarios, educación, experiencia y género.

Solicita también información sobre uso de la mariguana. La pregunta original es ¾Cuántas veces fumó mariguana

el mes pasado?.

a. Dé una ecuación que permita estimar el efecto de fumar mariguana sobre el salario, controlando los demás

factores. La ecuación deberá permitir hacer armaciones como se estima que fumar mariguana cinco veces más al

mes hace que el salario varíe x %.

b. Formule una ecuación que permita probar si el uso de drogas tiene efectos diferentes sobre los salarios de

hombres y mujeres. ¾Cómo puede probarse que los efectos del uso de drogas no son diferentes entre hombres y

mujeres?

c. Suponga que considera que es mejor medir el uso de mariguana clasicando a las personas en cuatro categorías:

no usuario, usuario suave (1 a 5 veces por mes), usuario moderado (6 a 10 veces por mes) y usuario fuerte (más de

10 veces por mes). Ahora, diseñe un modelo que permita estimar el efecto del uso de la mariguana sobre el salario.

d. Usando el modelo del inciso iii), explique detalladamente cómo probar la hipótesis nula de que fumar mari-

guana no tiene ningún efecto sobre el salario.

4. Sea d una variable binaria y sea z una variable cuantitativa. Considere el modelo

2
 y = β0 + δ0 d + β1 z + δ1 (d)(z) + u

Esta es la versión general de un modelo con una interacción entre una variable binaria y una variable cuantitativa

a. Como no se altera nada, haga el error igual a cero, u = 0. Entonces, cuando d=0 la relación entre y y z

puede expresarse mediante la funciónf0 (z) = β0 + β 1 z . Escriba la misma relación para el caso en que d = 1, donde,

en el lado izquierdo debe usar f1 (z) para denotar la función lineal de z. Graque ambas funciones.

b. Suponiendo que δ1 ̸= 0 (lo que signica que las dos rectas no son paralelas), muestre que el valor z∗ para el

que f1 (z ∗ ) = f0 (z ∗ ). Este es el punto en el que se interceptan las dos rectas. Argumente que z∗ es positivo si y sólo

si δ1 y δ0 tienen signos contrarios.

c. Empleando los datos del archivo TWOYEAR.RAW, puede estimarse la ecuación siguiente:

ˆ
log(wage) = 2.289 − 0.357f emale + 0.5totcoll + 0.030(totcoll)(f emale)

n = 6736; R2 = 0.202

donde todos los coecientes se han redondeado a dos cifras decimales. Empleando esta ecuación, encuentre un

valor de totcoll (años que pasan en la universidad), tal que los valores que se predicen para log(wage) sean iguales

para hombres y para mujeres.

d. Con base en la ecuación del inciso iii), ¾es realmente posible que las mujeres logren sucientes años de

universidad de manera que sus ingresos estén al nivel de los de los hombres? Explique.

5. Dado un niño i que vive en un determinado distrito escolar, sea voucheri una variable binaria que sea igual

a uno si el niño es elegido para participar en un programa de vales escolares, y sea scorei la puntuación del niño

en un examen estandarizado subsecuente. Suponga que la variable de participación voucheri , es completamente

aleatorizada en el sentido de que es independiente, tanto de los factores observados como de los no observados que

pueden afectar la puntuación del examen.

a. Si corre una regresión simple de scorei sobre voucheri empleando una muestra aleatoria de tamaño n,

¾proporciona el estimador de MCO un estimador insesgado del efecto del programa de vales?

b. Suponga que logra obtener información adicional sobre antecedentes del niño, tales como ingreso familiar,

estructura familiar (por ejemplo, si el niño vive con sus padres) y nivel de educación de los padres. ¾Necesita

controlar estos factores para obtener un estimador insesgado de los efectos del programa de vales? Explique.

c. ¾Cuál es la razón para incluir en la regresión las variables sobre los antecedentes familiares? ¾Hay alguna

situación en la que usted no incluiría tales variables?

3
 6. Para este ejercicio emplee los datos del archivo WAGE2.RAW.

a. Estime el modelo:

log(wage) = β0 + β1 educ + β2 exper + β3 tenure + β4 married + β5 black + β6 south + β7 urban + u

y dé el resultado en la forma habitual. Manteniendo todos los demás factores constantes, ¾cuál es la diferencia

aproximada entre el salario mensual de negros y no negros? ¾Es esta diferencia estadísticamente signicativa?

b. Agregue a esta ecuación las variables exper2 y tenure2 y muestre que no son conjuntamente signicativas al

nivel de 20 %.

c. Amplíe el modelo original de manera que el rendimiento a la educación dependa de la raza y pruebe si en

realidad el rendimiento de la educación depende de la raza.

d. Partiendo nuevamente del modelo original, permita que los salarios dieran entre cuatro grupos: casados

negros, casados no negros, solteros negros y solteros no negros. ¾Cuál es la diferencia de salario estimada entre

negros casados y no negros casados?

7. Para este ejercicio use la base de datos SLEEP75.RAW. La ecuación de interés es:

sleep = β0 + β1 totwrk + β2 educ + β3 age + β4 age2 + β5 yngkid + u

a. Estime esta ecuación por separado para hombres y mujeres y dé los resultados de la manera habitual. ¾Hay

diferencias importantes entre las dos ecuaciones estimadas?

b. Investigue ¾que es la prueba de Chow? ¾En que casos puede usarse? ¾Como es su estadistico de prueba? sea

detallado en su investigación.

c. Realice la prueba de Chow para la igualdad entre los parámetros para hombres y mujeres en la ecua-

ción del sueño. Utilice la forma de la prueba en la que se agrega male (hombre) y los términos de interacción

maletotwrk, . . . , maleyngkidy se usa el conjunto completo de observaciones. ¾Cuáles son los gl pertinentes en esta

prueba? ¾Debe rechazarse la hipótesis nula al nivel de signicancia de 5 %?

d. Ahora tome en consideración interceptos diferentes entre hombres y mujeres y determine si los términos de

interacción en los que parece male son conjuntamente signicativos.

e. Dados los resultados de los incisos ii) y iii), ¾cuál es el modelo nal?

8. Un investigador desea estudiar el impacto de las horas de estudio (studyhours), el nivel socioeconómico

(socioecon, una variable binaria que toma el valor de 1 si el estudiante pertenece a un nivel alto y 0 si pertenece

a un nivel bajo) y el tipo de institución educativa (schooltype, una variable categórica con tres niveles: pública,

privada y charter) sobre el puntaje obtenido en una prueba estandarizada (testscore).El modelo propuesto es el

siguiente:

4
 testscore = β0 + β1 studyhours + β2 socioecon + β3 schooltype + β4 (studyhours)(socioecon) + u

a. Plantea el modelo en Stata utilizando la sintaxis correcta para incluir interacciones entre las variables cuan-

titativa y categóricas, empleando las notaciones c.##i. e i.##i.

b. Interpreta los coecientes asociados a las interacciones.

9. Utilice la base de datos DISCRIM.RAW para responder esta pregunta. Hay datos sobre los precios de diversos

artículos de restaurantes de comida rápida situados en zonas con distinto código postal, así como características de la

población residente en dicho código, pertenecientes a Nueva Jersey y Pennsylvania. La idea es ver si los restaurantes

de comida rápida tienen precios más altos en áreas con mayor concentración de población afroestadounidense.

a. Determine los valores promedio, en la muestra, de prpblck (proporción de afroestadounidenses) y de income

(ingreso familiar medio), junto con sus desviaciones estándar. ¾Cuáles son las unidades de prpblck y de income?

b. Considere un modelo para explicar el precio de las bebidas refrescantes, psoda, en términos de la proporción

de población afroestadounidense y de ingreso medio:

psoda = β0 + β1 prpblck + β2 income + u

Estime este modelo mediante MCO y dé los resultados en forma de ecuación incluyendo el tamaño de la muestra

y la R-cuadrada (No use notación cientíca al dar las estimaciones). Interprete el coeciente de prpblck . ¾Considera

que es grande desde el punto de vista económico?

c. Compare la estimación del inciso ii) con la estimación mediante regresión simple de psoda sobre prpblck . ¾Es

el efecto de la discriminación mayor o menor cuando se controla el ingreso?

d. Un modelo con una elasticidad constante del precio respecto al ingreso puede ser más apropiado. Proporcione

las estimaciones del modelo

log(psoda) = β0 + β1 prpblck + β2 log(income) + u

Si prpblck aumenta en .20 (20 puntos porcentuales), ¾cuál es el cambio porcentual estimado para psoda?

e. Agregue ahora la variable prppov (proporción de personas en pobreza) a la regresión del inciso iv). ¾Qué pasa

con βˆ1 ?

f. Encuentre la correlación entre log(income) y prppov . ¾Es aproximadamente lo que esperaba?

g. Evalúe la armación siguiente: comolog(income) y prppov están fuertemente correlacionadas, no tiene caso

que estén en la misma regresión.