Práctica Calificada Nº 1 Econometría Intermedia

Práctica Calificada Nº 1

Econometría Intermedia

Aplicación de Modelos de Regresión y Pruebas de Hipótesis en Stata

1. ¿Qué tipo de variables contiene la base de datos (continuas, binarias, categóricas)? ¿Qué unidades de medida se utilizan en variables como educ, age o income?
2. Modelo de Regresión Lineal (vce(robust))

[pic 1]

• ¿Son significativos los coeficientes de educ, age, income, female, black y hispanic al explicar el número de visitas al médico (docvis)?

Sí, todos los coeficientes son estadísticamente significativos al 5% de nivel de significancia (p-valor < 0.05 en todos los casos). Esto lo podemos ver en la columna P>|t|, donde todos los valores son 0.000 (menores que 0.01). Por lo tanto, estas variables tienen un efecto estadísticamente significativo sobre el número de visitas al médico.

• ¿Qué interpretación tienen sus signos y magnitudes?
• FEMALE: Interpretación: Las mujeres visitan al médico, en promedio, 2.2 veces más que los hombres (grupo de referencia).
• Las mujeres suelen tener más interacciones con el sistema de salud, lo cual es consistente con la literatura.

black (dummy: 1 si es afrodescendiente):

• Coeficiente: -1.735
• Interpretación: Las personas afrodescendientes hacen en promedio 1.73 visitas menos al médico que las personas blancas (grupo de referencia).
• Signo negativo → Puede reflejar desigualdades de acceso o diferencias en comportamiento de demanda.

1. Modelo Log-Log (logaritmo de docvis, educ, income, age)

[pic 2]

• ¿Cómo se interpreta el coeficiente de log(educ) en este modelo?

Un incremento del 1% en los años de educación se asocia con un aumento del 0.263% en el número de visitas al médico, en promedio, manteniendo constantes los demás factores (edad e ingreso).

• ¿Qué implicancia tiene que los coeficientes representen elasticidades?

Son importantes porque facilitan nuestros análisis económicos, ya que permiten compara las magnitudes de los efectos , la interpretación será en términos relativos.

1. Modelo Log-Lin (logaritmo de docvis)

[pic 3]

• ¿Cómo interpretas el coeficiente de income en este contexto?

Un aumento de una unidad monetaria en el ingreso (por ejemplo, un sol adicional) se asocia con un cambio de aproximadamente -0.038% en el número de visitas al médico, manteniendo constantes educación y edad.

• ¿Qué indica sobre el cambio porcentual esperado en docvis ante cambios en income?

Indica una muy pequeña caída porcentual en visitas médicas con más ingreso, pero el efecto no es estadísticamente significativo (p > 0.05).

1. Modelo Lin-Log (logaritmo de income)

[pic 4]

• ¿Cómo interpretas el coeficiente asociado a log(income)?

Un incremento del 1% en el ingreso se asocia con un aumento de aproximadamente 0.001346 unidades en el número de visitas al médico, manteniendo constantes educación y edad.

• ¿Qué diferencias observas respecto al modelo log-lin anterior?

El coeficiente de income es significativo en este modelo ya que su p valor es menos a 0.05, mientras que en el anterior modelo el coeficiente no lo es, por lo tanto este modelo podría explicar mejor los efectos de la variable ingreso sobre el número de visitas al médico, ya que en el anterior modelo no se ve dicha influenza.

1. Modelo Recíproco (1/age, 1/income)

[pic 5]

• ¿Qué interpretación tiene un coeficiente negativo en 1/age sobre las visitas al médico?

Un incremento en 1/age (es decir, una disminución en la edad) se asocia con una disminución significativa en las visitas al médico (docvis).

• ¿Este tipo de especificación mejora el ajuste del modelo?

el modelo general tiene un R² menor que los anteriores → es decir, explica menos variabilidad en las visitas al médico.

1. Modelo Cuadrático (age y age²)

[pic 6]

• ¿Existe una relación no lineal entre la edad y las visitas al médico?

para que la no linealidad sea significativa, al menos uno de los coeficientes (idealmente ambos) debe ser estadísticamente significativo (p < 0.05)., sin embargo los coeficientes son no significativos, por lo tanto no ha relaciones de no linealidad

...