Analisis regresion multiple caso 3

Modelo
DifSalario= f(edad,Educ,Tiempoemp,Exp,Sexo,Catlab,Minoria)

Solo la cuantitativa pues las cualitatisvas será tratadas de forma distinta.

Se crea la variable DIFSALARIO = SALINI - SALARIO

Regresión Múltiple - DIFSALARIO

Variable dependiente: DIFSALARIO
Variables independientes:
EDAD
EDUC
TIEMPEMP
EXPPREV

Error Estadístico
Parámetro Estimación Estándar T Valor-P
CONSTANTE -18182,8 4287,01 -4,24138 0,0000
EDAD -83,5197 57,7539 -1,44613 0,1488
EDUC 2093,23 145,184 14,4178 0,0000
TIEMPEMP 132,944 40,1199 3,31367 0,0010
EXPPREV 2,71881 6,43378 0,422584 0,6728

Análisis de Varianza
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Modelo 1,98342E10 4 4,95855E9 65,41 0,0000
Residuo 3,54787E10 468 7,58091E7
Total (Corr.) 5,53129E10 472

R-cuadrada = 35,8582 porciento

R-cuadrado (ajustado para g.l.) = 35,31 porciento
Error estándar del est. = 8706,84
Error absoluto medio = 6257,0
Estadístico Durbin-Watson = 1,85368 (P=0,0558)
Autocorrelación de residuos en retraso 1 = 0,0722945

Analisis de los resultados

1. Rcuadrado ajustado = 35,3 % , lo cual significa que la modelización es mala.

2. Podemos ver en la primera tabla, que beta cero es decir cte equivale a

Lo cual significaría que una persona parte perdiendo dinero al estar trabajando,
interpretando que el intercepto no es interpretable pues no tiene sentido.

3.En el caso de la edad el coef es .- 8,3 que s einterpreta como : que por cada año en que se
incrementa la edad de un trabajador este en prom deja de ganar -83.5 pesos anuales.

4.- respecto de la educacione es claro q por cada año extra de educación en prom. Su sueldo
anual incrementa en 2093 dolares.
 5.Por cada mes que lleva de trabajo incrementa 132.9 dolares.

6.Por cada mes de experiencia previa aumenta en 2,7.

Modelo 1 administrativos
DifSal= Bo + B1*Edad + b2*Educ+ B3* T1 + B4* T2+ Lambda *minoría + lambda* z1 + lambda* z2

Modelo 2 seguridad
DifSal= Bo + B1Edad + b2Educ+ B3 T1 + B4 T2+ Lambda* minoría+ lambda *z1 + lambda* z2

Para es te nuevo modelo incorporaremos una variable categórica dami que corresponde a
minoría

Para introducir uan variable categorica al analisi que tiene k categorías(k>2) se deben crear k-1
variables dami, las cuales ,solo puedes tomar valores 0 o 1.

Resevamos el valor 0,para la categoría pivote(como punto de comparación).

Regresión Múltiple - DIFSALARIO

Variable dependiente: DIFSALARIO
Variables independientes:
MINOR_A
EDAD
EDUC
TIEMPEMP
EXPPREV

Error Estadístico
Parámetro Estimación Estándar T Valor-P
CONSTANTE -17543,2 4269,92 -4,10856 0,0000
MINOR_A -2476,2 977,942 -2,53205 0,0117
EDAD -87,54 57,4449 -1,5239 0,1282
EDUC 2054,42 145,164 14,1525 0,0000
TIEMPEMP 138,624 39,9529 3,46969 0,0006
EXPPREV 4,2275 6,42459 0,658019 0,5109

Análisis de Varianza
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Modelo 2,03147E10 5 4,06294E9 54,21 0,0000
Residuo 3,49982E10 467 7,49426E7
Total (Corr.) 5,53129E10 472

R-cuadrada = 36,7269 porciento

R-cuadrado (ajustado para g.l.) = 36,0494 porciento
Error estándar del est. = 8656,94
Error absoluto medio = 6163,13
Estadístico Durbin-Watson = 1,85325 (P=0,0553)
Autocorrelación de residuos en retraso 1 = 0,0726496

En los nuevos resultados el Rcuadrado mejora aumentando, y el valor minor significa que por
pertenecer a una minoría se recibe -2476 dolares menos.
Modelo 3
DifSal= Bo + B1Edad + b2Educ+ B3 T1 + B4 T2+ Lambda*minoría+ lambda*z1 + lambda*z2

DifSal= Bo + B1Edad + b2Educ+ B3 T1 + B4 T2+ Lambda minoría

Modelo regresión lineal multiple con minoría étnica y categoría laboral

En este caso podemos incorporar la va minoría directamente ya que esta codificada

comodami, sin embargo, para la var cat laboral, que tien 3 categoria debermos crear dos
variables dami, según el sgte esquema.

Al combinar

Z1 Z2
Cat lab = 1 ( admin) 0 0
Cat lab = 2 1 0
Cat lab = 3 0 1

Siempre se compara con el pibote en este caso con los administrativos.

 Desaprecen los Zs que tiene cero.*****