Professional Documents
Culture Documents
= b0 + b1x1 +
bn xn
donde los coeficientes b0 y b1, bn, son los parmetros que definen la variacin promedio de y, para cada valor de x. Estimada esta funcin terica a partir de los datos, cabe preguntarse qu tan bien se ajusta a la distribucin real.
Cualquier par de errores, y son i j estadsticamente independientes entre s, es decir que su covarianza es igual a 0 (supuesto 4) Las variables aleatorias j tiene una varianza finita 2 que es constante para todos los valores de x j . (Supuesto 5 o de homocedasticidad)
El ingreso horario de los ocupados (entre 25 y 45 aos) no se ve afectados por el sexo sino que depende de la cantidad de aos de instruccin
60
40
20
Sexo
Mujer 0 0 10 20 Varn
Model 1 2
Variables Removed , ,
a. All requested variables entered. b. Dependent Variable: Ingreso horario de la ocupacin ppal
Model Summary
Model R R Square 1 ,01 a ,000 2 ,359b ,129 a. Predictors: (Constant), Sexo (dummy: 0=Varn)
Model 1
F 2,061
Sig. ,151a
765,683
,000b
a. Predictors: (Constant), Sexo (dummy: 0=Varn) b. Predictors: (Constant), Sexo (dummy: 0=Varn), Aos de estudio (aprox.) c. Dependent Variable: Ingreso horario de la ocupacin ppal
Standardi zed Unstandardiz d Coeffi ien Coeffi ients ts B St . rr r Beta 3, 7 , 3 -,0941 ,066 -,014 , 71 ,091 -,426 ,062 -,064 ,306 ,008 ,362
Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N
Frequency
, , ,
4,
6,
8,
, 12 , 10
, 14
, 18 , 16
Normal -P Plot of Regression Standardi ed Res. Dep. Var.: Ingreso horario de la ocupacin ppal
20
Expected um Prob
10
, 0
,2
-10 -
-2
-1
0,00 0,00
,2
, 0
1,00
Observed um Prob
l Su st
ry t . rr r ft sti t 3, 3 r l c ), ci s l r i -W ts , st i
r 9 ( r s r ri ,
r 9 :
DE ESTIMACIN?
Eliminar los residuos OUTLIERS que afectan la distribucin. Recodificacin de las variables independientes y/o transformacin LOGSTICA de la variable dependiente. Estratificacin del anlisis a partir de usar un factor independiente como CRITERIO PARA DIVIDIR a la poblacin en grupos comparables (p.e. poblacin con ingresos ><.
Si aplicamos logaritmos, esta funcin tambin puede ser expresada como: log(Y) = b.log(X). En lugar de calcular la regresin de Y contra X, calculamos la regresin del logaritmo de Y contra el logaritmo de X. Este modelo es interesante, porque el exponente b en una funcin exponencial que mide la elasticidad de Y respecto de X.