TODO ECONOMETRIA

Variables
cualitativas
 Índice

• Definición de las variables dummy

(o variables ficticias)

• Regresión con variables explicativas dummy

 Variables dummy
• Si queremos estudiar si los hombres ganan más
que las mujeres, ¿cómo introducimos en
nuestro modelo el sexo del individuo?

• Y si queremos comprobar si el nivel de estudios

o el estado civil influyen en el salario, ¿cómo
introducimos estas variables?

• ¿Cómo introducimos la edad de los individuos

en un modelo?
 Variables dummy

• Variables NO cuantitativas
• Definen algo cualitativo (estado civil,
nacionalidad, sexo, área de actividad, ser una
empresa multinacional o no, etc.)
• Diversos nombres:
– Dummy, de Categoría, Dicotómicas, Binarias,
Cualitativas, Ficticia
• Método
– 0 = ausencia de una característica
– 1 = presencia de una característica
 Variables dummy

• Sexo: 2 posibilidades = 2 variables

– Hombre: 0,1
– Mujer: 0,1
• Nivel de estudios: 4 posibilidades = 4 variables
– Sin estudios: 0,1
– Primaria: 0,1
– Secundaria: 0,1
– Universitario: 0,1
 Relevancia del uso de variables dummy
• Estudiamos pesos y alturas
• ¿La relación entre pesos y alturas es igual para
hombres que para mujeres?

• Si la relación no es igual, podemos cometer

errores graves
 Podríamos creer que X no es significativa
• Podríamos estimar la relación inversa
 Regresión con variables EXPLICATIVAS dummy

• Modelos ANOVA (análisis de varianza):

– Una sola variable explicativa dummy

Yi 1 2 Di ui
Yi = gasto anual en alimentos
Di = 1 si es mujer
0 si es hombre

E(Yi Di 0) 1 2 (0 ) 1

E(Y i D i 1) 1 2 (1 ) 1 2
 Regresión con variables EXPLICATIVAS dummy

• ¿Cómo explicaríais el valor de los parámetros

del modelo?

E (Yi Di 0) 1 2 (0) 1

E (Yi Di 1) 1 2 (1) 1 2

Yi = gasto anual en alimentos

Di = 1 si es mujer
0 si es hombre
 Regresión con variables EXPLICATIVAS dummy

• ¿Cómo verías si el gasto de los hombres difiere

del de las mujeres?

Yi 1 2 Di ui
Yi = gasto anual en alimentos
Di = 1 si es mujer
0 si es hombre

E(Yi Di 0) 1 2 (0) 1

E(Yi Di 1 ) 1 2 (1) 1 2
 Regresión con variables EXPLICATIVAS dummy

• Datos originales
 Regresión con variables EXPLICATIVAS dummy

• Datos transformados
 Regresión con variables EXPLICATIVAS dummy

• Resultado de la estimación:
Yˆi 3.177 503 Di
se ( 233 ) (330)
t (13,63 ) ( 1,53)
2
r 0,19
Yi = gasto anual en alimentos
D i = 1 si es mujer
0 si es hombre
 Regresión con variables EXPLICATIVAS dummy

• ¿Cómo se representaría la recta de regresión?

Yˆi 3.177 503 Di
se ( 233 ) ( 330 )
t ( 13,63) ( 1,53)
r2 0,19

Yi = gasto anual en alimentos

Di = 1 si es mujer
0 si es hombre
 Regresión con variables EXPLICATIVAS dummy

• Modelos ANCOVA (análisis de covarianza):

– Una variable explicativa dummy y una variable de
control

Yi 1 2 Di 3 Xi ui
Yi = gasto anual en alimentos
Di = 1 si es mujer
0 si es hombre
Xi = renta después de impuestos
 Regresión con variables EXPLICATIVAS dummy

• Resultado de la estimación:
Yˆi 1.506 229 Di 0,059 Xi
se (188 ) ( 107 ) ( 0,0061)
t (8,01) ( 2,14) ( 9,64 )
p (0,000 *) (0,0611) ( 0,000 *)
R2 0,9284
Yi = gasto anual en alimentos
Di = 1 si es mujer
0 si es hombre
Xi = renta después de impuestos
 Regresión con variables EXPLICATIVAS dummy

• Resultado de la estimación:
 Regresión con variables EXPLICATIVAS dummy

• Diferencias en la pendiente y punto de corte

Yi 1 2 Di 3 Xi 4 (Di X i ) ui
Yi = gasto anual en alimentos
Di = 1 si es mujer
0 si es hombre
Xi = renta después de impuestos

E(Yi Di 0) 1 3 Xi
E(Yi Di 1) (1 2 ) ( 3 ) Xi
4
 Regresión con variables EXPLICATIVAS dummy

• Diferencias en la pendiente y punto de corte

Yi = gasto anual en alimentos

Di = 1 si es mujer
0 si es hombre
Xi = renta después de impuestos
 Regresión con variables EXPLICATIVAS dummy

• Y si analizamos el nivel de estudios:

Yi 1 2 D2i 3 D3i 4 D4i 5 Xi ui

Yi = gasto anual en alimentos
D1i = 1 sin estudios D2i = 1 primaria
0 en otro caso 0 en otro caso
D3i = 1 secundaria D4i = 1 universitario
0 en otro caso 0 en otro caso
Xi = renta después de impuestos
Aunque haya cuatro
dummies, solo tres están
incluidas en el modelo.
E(Yi D1i 0) 1 5 Xi
E(Yi D3i 1) 1 3 5 Xi
 Regresión con variables EXPLICATIVAS dummy

• Y si tenemos datos históricos trimestrales y

queremos analizar la estacionalidad?
Yi 1 D1i 2 D2i 3 D3i 4 D4i 5 Xi ui

donde Yi = demanda de helados

y Xi = precio de helados
D1i = 1 invierno D2i = 1 primavera
0 en otro caso 0 en otro caso
D3i = 1 verano D4i = 1 otoño Hay cuatro
0 en otro caso 0 en otro caso dummies, y
Xi = precio de helados todas están
incluidas en
el modelo.
 Consideraciones
• Interpretación de los coeficientes de las variables
ficticias cuando la variable dependiente es logaritmo
de Y.
• Trampa de las variables ficticias
Si una variable cualitativa tiene m categorías, solo
hay que incluir m-1 variables ficticias. Si no se
respecta esta regla, se tendrá una situación de
perfecta colinealidad- ya que la suma de estas
variables da 1 y reproduce la columna de
intersección- y el programa da error (near singular
matrix) y no lleva a cabo la estimación.
Entonces, para evitar la trampa si incluimos la
constante, omitimos una dummy, o incluimos todas
las dummies y omitimos la constante.
 Consideraciones
La H0 del Chow test
• Regresión lineal por secciones. es la estabilidad del
• Cambio estructural. modelo.
La prueba de Chow es un estadístico F para comprobar la
estabilidad del modelo.
Se estima la regresión para todo el periodo (modelo
restringido) y se calcula la suma de residuos al cuadrado.
Se estima la regresión para el primer y el segundo periodo
y se calcula la suma de las sumas de residuos al
cuadrado de los dos modelos (modelo no restringido).
Si hay en total n=n1+n2 observaciones y k+1 variables
explicativas, entonces:
SSRR SSRNR n1 n2 2(k 1)
F Fk* 1,n1 n2 2 ( k 1)
SSRNR k 1