Modelo econometrico.

MODELO ESTIMADO POR MÍNIMOS CUADRADOS ORDINARIOS

Cuadro 01

Regresión por MCO

[pic 1]

En este primer modelo regresionado por el método de mínimos cuadrados ordinarios se puede apreciar en el cuadro 01que:

• Las variables EDUC, EXPER y FEMALE individualmente son significativas (Prob. < 5%), pero también se puede ver que la constante o el intercepto es significativa para el modelo, es decir, que todas las variables son significativas individualmente.

• Las variables EDUC, EXPER y FEMALE explican en 30.5334% (Ajusted R-squared) a la variable WAGE.

Validación del modelo estimado:

1. Supuesto de linealidad:

Para estudiar si los datos se ajustan a modelo lineal se emplea la prueba del análisis de varianza (ANOVA) que se basa en la distribución F de Fisher. Este test es estándar y se presenta en la hoja de resultados del cuadro 02. Las hipótesis que se desean probar son las siguientes:

H0: No existe una relación lineal entre (y) y todas las variables exógenas (x)

      H1: Existe una relación lineal entre (y) y todas las variables exógenas (x).

Cuadro 02

Test de linealidad entre las variables

[pic 2]

En este caso, se ha determinado que el nivel de significancia deseado es del 5%. Por lo tanto, como el Probability= 0,00000 < 0,05, se rechazará la hipótesis nula, lo que significa que la especificación lineal puede considerarse valida, es decir que rechazamos la hipótesis nula H0 y aceptamos la hipótesis alternativa H1.

1. Supuesto homocedasticidad

Se recuerda que este supuesto que la varianza de los errores es constante y finita. Si esta condición no es satisfecha, se afirma que los errores son heterocedastico.

Dada las limitaciones del análisis gráfico, se empleara el test matemático de White que permita determinar la presencia de heterocedastico en la varianza de los errores.

Cuadro 03

Test de heterocedasticidad de White.

[pic 3]

Analizando el cuadro 03 y asumiendo un nivel de significancia del 5% y utilizando los p-valores para decidir si se rechaza o no la hipótesis nula de homocedasticidad:

Ho: El error es homocedastico

H1: El error es heterocedastico

En conclusión, se puede afirmar que los errores de la regresión no cumplen con el supuesto de homocedasticidad, es decir, que los errores no tienen varianza constante.

Cuadro 04

Test de heterocedasticidad de Breuch-Pagan.

[pic 4]

Analizando el test de Breuch-Pagan, se puede apreciar en el cuadro 04 que Prob > chi2 es igual a 0.000, el cual es menor al nivel de significancia (5%), se puede rechazar la hipótesis nula de que la varianza es constante, es decir que el modelo presenta heterocedasticidad.

Dado que las la prueba de herosedastcidad de White y el test de Breuch-Pagan realizada nos indica que en el modelo existe heterocedasticidad, y debido a esto se procede a realizar una corrección del modelo mediante los estimadores robustos que propone White, esto se puede apreciar en el cuadro 05.

Cuadro 05

[pic 5]

En el cuadro 05 se puede apreciar los estimadores robustos propuestos por White para solucionar el problema de heterosedaticidad, en este cuadro se puede apreciar ligeros cambios en los parámetros y en los errores estándar de los estimadores, con lo cual se puede estar afirmar que el modelo presenta homosedasticidad.

1. Supuesto de normalidad de los errores.

Este supuesto afirma que los errores siguen una distribución normal con media cero y varianza σ2, y para validar este supuesto se utilizara el test de normalidad de Jarque – Bera, el cual tiene las siguientes hipótesis.

Ho: La distribución de los errores es la distribución normal

H1: La distribución de los errores no es la distribución normal

En el siguiente grafico se optienen los resultados del test de normalidad de Jarque – Bera.

Cuadro 06

[pic 6]

Como se puede observar en el cuadro 06, el test de Jarque-Bera normality test nos da un Probabilitu de 0.0000 el cual es menor al nivel de significancia del 5%, lo cual nos lleva a rechazar la hipótesis nula de normalidad de los errores, es decir, los errores no se distribuyen normalmente.

...