ECONOMETRIA II

Para los siguientes modelos utilizamos la base de datos del ENAO, del periodo de 2005.

1. MODELO TRUNCADO.

Realizamos una matriz de correlación para tratar de averigua cuales de las variables están
relacionadas.

Con Los Datos Obtenidos, Corremos Una Regresión Truncada Sobre Las Hipotéticas Variables
Más Representativas.

Vemos que la significación individual de la variable edad y edad cuadrado tienden a 1,

sugerimos que dichas variables no explican la variable dependiente. Entonces, regresionamos
el modelo sin ambas variables.
ECONOMETRIA II

Dependent Variable: CONDEMPLEO

Method: ML - Censored Logistic (Quadratic hill climbing)
Date: 03/06/09 Time: 17:57
Sample (adjusted): 1 8511
Included observations: 6215 after adjustments
Truncated sample
Left censoring (value) series: 0
Right censoring (value) series: 3
Convergence achieved after 7 iterations
Covariance matrix computed using second derivatives

Variable Coefficient Std. Error z-Statistic Prob.  

JEFE -0.109141 0.014394 -7.582244 0.0000

PRIMARIA -0.029277 0.021720 -1.347947 0.0777
TECCOMPL 0.116233 0.023620 4.920852 0.0000
UNIVCOMP 0.187946 0.022547 8.335615 0.0000
UNIVINC 0.108544 0.035372 3.068677 0.0022
C 1.298686 0.010901 119.1343 0.0000

Error Distribution

SCALE:C(7) 0.308933 0.003686 83.82252 0.0000

Mean dependent var 1.356879    S.D. dependent var 0.479117

S.E. of regression 0.476907    Akaike info criterion 1.423405
Sum squared resid 1411.950    Schwarz criterion 1.430991
Log likelihood -4416.232    Hannan-Quinn criter. 1.426035
Avg. log likelihood -0.710576

Left censored obs 0     Right censored obs 0

Uncensored obs 6215     Total obs 6215

2,000
Series: Residuals
Sample 1 8512
1,600 Observations 8512

Mean 0.043284
1,200 Median 0.047685
Maximum 1.179761
Minimum -1.142458
800 Std. Dev. 0.725789
Skewness 0.045632
Kurtosis 1.910175
400
Jarque-Bera 424.1980
Probability 0.000000
0
-1.0 -0.5 -0.0 0.5 1.0

Media cercana a 0 y probabilidad de 0, se acepta la hipótesis que los residuos tiene una
distribución normal, entonces no existe auto correlación.

Entonces determinamos que la probabilidad de estar sobrempleado o trabajando más número

de horas aumenta según aumenta el grado de estudios ay que notamos que los coeficientes
ECONOMETRIA II

son positivos para el técnico completo, universitario incompleto y completo, y es menos

probable que un jefe de familia o un individuo con primaria este desempleado.

2. MODELO ORDENADO

Dependent Variable: NIVELEDUC

Method: ML - Ordered Probit (Quadratic hill climbing)
Date: 06/10/09 Time: 14:45
Sample: 1 8004
Included observations: 8004
Number of ordered indicator values: 5
Convergence achieved after 7 iterations
Covariance matrix computed using second derivatives

Variable Coefficient Std. Error z-Statistic Prob.  

JEFEHOGAR -0.097162 0.030600 -3.175204 0.0015

INGRESOTOTAL 5.76E-07 2.36E-07 2.442767 0.0146
HOMBRE 0.200064 0.026861 7.448162 0.0000
EDAD -0.007218 0.001031 -7.003101 0.0000

Limit Points

LIMIT_2:C(5) -2.635360 0.062143 -42.40792 0.0000

LIMIT_3:C(6) -1.342532 0.042803 -31.36542 0.0000
LIMIT_4:C(7) 0.175592 0.039990 4.390888 0.0000
LIMIT_5:C(8) 0.657948 0.041036 16.03359 0.0000

Pseudo R-squared 0.007219    Akaike info criterion 2.490449

Schwarz criterion 2.497433    Log likelihood -9958.778
Hannan-Quinn criter. 2.492840    Restr. log likelihood -10031.19
LR statistic 144.8310    Avg. log likelihood -1.244225
Prob(LR statistic) 0.000000

2.1 LOGIT ORDENADO Y VALOR EXTREMO

Dependent Variable: NIVELEDUC

Method: ML - Ordered Extreme Value (Quadratic hill climbing)
Date: 06/10/09 Time: 14:46
Sample: 1 8004
Included observations: 8004
Number of ordered indicator values: 5
Convergence achieved after 8 iterations
Covariance matrix computed using second derivatives

Variable Coefficient Std. Error z-Statistic Prob.  

JEFEHOGAR -0.144058 0.032700 -4.405469 0.0000

INGRESOTOTAL 6.77E-07 3.03E-07 2.237165 0.0253
HOMBRE 0.135168 0.028361 4.766033 0.0000
EDAD 0.003487 0.001198 2.911635 0.0036

Limit Points

LIMIT_2:C(5) -4.584914 0.126854 -36.14316 0.0000

LIMIT_3:C(6) -1.838657 0.052321 -35.14158 0.0000
LIMIT_4:C(7) 0.172598 0.044644 3.866066 0.0001
LIMIT_5:C(8) 0.631797 0.045154 13.99196 0.0000
ECONOMETRIA II

Pseudo R-squared 0.001914    Akaike info criterion 2.503746

Schwarz criterion 2.510730    Log likelihood -10011.99
Hannan-Quinn criter. 2.506136    Restr. log likelihood -10031.19
LR statistic 38.40581    Avg. log likelihood -1.250873
Prob(LR statistic) 0.000000

modelo

Análisis de bondad de ajuste

Las variables significativas en el modelo serán: jefe de hogar, ingreso total. Hombre, edad. Ya
que las prob son menores a 0.05%.

El criterio aquí para elegir el modelo será aquel que presente un valor más pequeño de los
estadísticos: como el Log likelihood, Lr static.

en todos los casos el numero de restricciones, al igual al número de regresores son 3

3. MODELO DE CONTEO:

En el modelo de conteo, analizamos el número de puestos de trabajo (escalafón) que tienen en

un hogar como variable dependiente, y las diferentes variables independientes que explican a
esta.

Dependent Variable: ESCALAFON

Method: ML/QML - Poisson Count (Quadratic hill climbing)
Date: 06/10/09 Time: 15:40
Sample: 1 8004
Included observations: 8004
Convergence achieved after 8 iterations
Covariance matrix computed using second derivatives

Variable Coefficient Std. Error z-Statistic Prob.  

C 1.577968 0.074815 21.09150 0.0000

EDAD -0.008007 0.000586 -13.65493 0.0000
HOMBRE -0.091565 0.014260 -6.421207 0.0000
INGRESOTOTAL -1.73E-07 1.40E-07 -1.241450 0.2144
JEFEHOGAR -0.014124 0.016582 -0.851781 0.3943
PRIMARIA -0.059629 0.071379 -0.835381 0.4035
SECUNDARIA -0.111307 0.070389 -1.581307 0.1138
TECNICO -0.173722 0.071576 -2.427088 0.0152
UNIVERSITARIO -0.224598 0.071053 -3.160981 0.0016

R-squared 0.114084    Mean dependent var 2.988006

Adjusted R-squared 0.113198    S.D. dependent var 1.175622
S.E. of regression 1.107086    Akaike info criterion 3.317322
Sum squared resid 9798.983    Schwarz criterion 3.325179
Log likelihood -13266.92    Hannan-Quinn criter. 3.320011
Restr. log likelihood -13472.02    LR statistic 410.1877
Avg. log likelihood -1.657537    Prob(LR statistic) 0.000000

el R^2 es bastante pequeño y los valores de criterios de información son bastante aceptables.
ECONOMETRIA II