Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Dudas contactar a Josefina Waugh (josefina.waugh@uc.cl) PONTIFICIA UNIVERSIDAD CATÓLICA DE CHILE INSTITUTO DE ECONOMÍA AYUDANTIA N°7 - ECONOMETRÍA Profesor: Juan Urquiza Ayudantes: Fernanda Hernández, Carmen Velásquez, Josefina Waugh TEMA I Considere un modelo económico donde los ahorros dependen del ingreso permanente de un hogar: ݕ ൌ ߚ כݔଵߚ ǡݑ donde ݕ son los ahorros, כݔ es el ingreso permanente y ߚଵ representa la propensión a ahorrar. a. Suponga que se tiene una medición ݔଵ del ingreso permanente כݔ, donde ݔଵ corresponde al ingreso de la persona en el año anterior. ¿Bajo qué condiciones tendríamos ante un problema de error de medición clásico? b. Suponga que el ingreso del año anterior viene dado por ݔଵ ൌ כݔ ݁ଵ, donde ܧሺ݁ଵሻ ൌ Ͳ, ሺ݁ଵǡݒܥ ሻכݔ ൌ Ͳ y ܸሺ݁ଵሻ ൌ ሻכݔሺݎܸܽ ଶ. Si denotamos comoߪ ൌ ௫ଶ, encuentre el límite enߪ probabilidad del estimador de MCO. c. Imagine ahora que dispone además del ingreso de hace 2 años atrás tal que ݔଶ ൌ כݔ ݁ଶ, que también satisface las condiciones de error de medición clásico y donde ݒܥሺ݁ଶǡ ݁ଵሻ ൌ Ͳ. Si se usara el promedio de las 2 mediciones como variable dependiente, ¿cuál sería el límite en probabilidad del estimador de MCO? ¿Es mejor tener variedad de mediciones de כݔ? TEMA II Se quiere evaluar el efecto causal de la educación sobre el logaritmo de los salarios, pero se teme que la educación pueda capturar algo más que sólo los años de educación formal de una persona (por ejemplo, podría capturar otras habilidades que son innatas). Para eso, se obtiene una muestra de individuos para los se cuenta con un test de IQ que hicieron cuando tenían 15 años. a. Usando el modelo de resultados potenciales, discuta los supuestos que se tendrían que hacer para poder obtener un estimador causal de la educación sobre los salarios. ¿Cómo la inclusión de una medida de habilidades podría ayudar a que dicho supuesto sea más plausible? b. Discuta las predicciones teóricas de estimar la regresión de salarios sobre escolaridad con y sin la variable IQ. Dudas contactar a Josefina Waugh (josefina.waugh@uc.cl) c. Usando la base descrita arriba, se obtienen los siguientes resultados: Variables independientes Modelo 1 Modelo 2 Educación 0.065 (0.006) 0.054 (0.007) Experiencia 0.014 (0.003) 0.014 (0.003) Años en la firma 0.012 (0.002) 0.011 (0.002) Casado 0.199 (0.039) 0.200 (0.039) Zona Sur de EEUU -0.091 (0.026) -0.080 (0.026) Urbano 0.184 (0.027) 0.182 (0.027) Negro -0.188 (0.038) -0.143 (0.039) QI - 0.0036 (0.001) Constante 5.395 (0.113) 5.176 (0.128) Observaciones 935 935 R-cuadrada 0.253 0.263 Usando la información en la tabla, discuta la correlación que existe entre IQ y cada una de las variables explicativas del modelo. ¿Tienen sentido los resultados? d. ¿Usted cree que es importante incluir a la variable IQ en la regresión? ¿Cree que se obtiene una relación causal en el modelo 2? Justifique su respuesta. TEMA III Usted quiere explicar las notas de sus compañeros en el primer curso de matemática de la carrera. Sea la variable dependiente 1 si el alumno aprueba el curso y 0 si lo reprueba. Usted tiene datos sobre los colegios de origen de cada alumno. En particular, tiene una medición de la matrícula que se debe pagar para asistir a cada colegio, el tamaño del colegio, y la fracción de los alumnos del colegio que provienen de los 2 primeros deciles de ingreso del país. a. Discuta la relación esperada entre cada variable y la probabilidad de aprobar el primer curso de matemática de la carrera. Dudas contactar a Josefina Waugh (josefina.waugh@uc.cl) b. Se obtienen los siguientes resultados: Variables independientes Modelo 1 Modelo 2 Log (matricula) 11.13 (3.30) 7.75 (3.04) Log (tamaño colegio) 0.022 (0.615) -1.26 (0.58) Log (fracción I, II) - -0.324 (0.036) Intercepto -69.24 (26.72) -23.14 (24.99) Observaciones 428 428 R-cuadrado 0.0297 0.1893 ¿Por qué el intercepto es negativo y grande? Discuta. c. ¿Qué indica el cambio en el R2 entre el modelo 1 y el modelo 2? Presente una prueba formal. d. Alguien argumenta que no se debiera interpretar el coeficiente sobre el logaritmo de la matrícula como el efecto causal de entrega un ͞voucher͟ a los niños de la secundaria para que puedan asistir a un colegio más caro. En particular, argumenta que el hecho de pagar más matrícula cambia la composición socioeconómica del colegio. Explique si está de acuerdo con esta afirmación en base a los resultados del modelo. e. Otro amigo le argumenta que los colegio chicos tienen muchas ventajas en preparar a sus alumnos a nivel matemático. Discuta cómo los resultados de las regresiones de arriba pueden o no apoyar su argumento. f. &ŝŶĂůŵĞŶƚĞ͕�ŝŶƚĞƌƉƌĞƚĞ�Ğů�ĐŽĞĨŝĐŝĞŶƚĞ�ĚĞ�͞ůŽŐ;fracción I,IIͿ͟�ĞŶ�Ğů�ƐĞŐƵŶĚŽ�ŵŽĚĞůŽ͘ Se tendría un problema de error de medición clásico si el ingreso del año anterior tiene el mismo promedio que el ingreso permanente. Es decir si Por lo tanto, si las mediciones de X no están correlacionadas, usar varias medidas con errores ayuda a reducir el sesgo de atenuación ( errore.sc/a-sicosenvariab1es)E(Xi-x*1=Elen1--O3supuestos error demedicio-ncla-sicos.IE/xi-x*/--Elei1--O2Clen,u1=O3Clx*,ei1=O plimlpi / =covlx = Covlx# ten ,-11=004×+44 / + Gulen , 'll = Cov /✗* 141 : var /✗* I = CovlX*,y1}p, = pn - Varlx # I = Br - 04 =/pi var /✗* )varlxnl var(x* Var /✗* teal var / ✗* / + Varley : var /✗* I varlxtltvarlenl ozxtoze var(✗* / + Varley ) Coulee ,y / = When ,potpnx*tu ) yar(✗* , < 1 → sesgo Coven , poltpncovlei , ✗* / tclen.nl = 0 omientrasmas grandees 04 , Mois depreciable eselsesgo .=D = 0131 = 0121 ☐ COMO Oz > 0 , esturemossubestimando loserectosdelweticienle . ↳ sesgodeatenvacion omientrasmayorseaoze , Menor sercielsesgo I = 1 (× , + ✗2) = ✗* + 1- tented plimlpi / = COVIÑ /Y ) = Cov / 015×11-0,5×2 / Y ) = Oiscovlxnyltoiscovlxz,y , I 2 Var /Ñ ) var / 0,5×1+0,5×21 Var /✗* to / Sent Qsez ) ✗ n = ✗ * ten ✗5- ✗* + ez supvesto : Varley / = Varley -_ varlet 0,5131 - var /✗* 11-015131 VarlX* ) var /✗*1+0/25Varlet / toizsvarlezl = Pr - varlX* ) =Pn ' / 04varlx# / 1- 0,5Varlet 02×+0,502 ) * Tomando el caso donde buscamos el impacto de tener 12 (T=1) versus menos de 12 (T=0) años de educación, el impacto sobre los tratados (ATT) sería: Es decir, la diferencia esperada en los salarios que obtienen aquellos con 12 años de educación y los que hubieran obtenido en caso de no haber terminado la educación media. Es poco probable que la diferencia de salarios en individuos con y sin educación media refleje el impacto causal debido al sesgo de selección. Es decir, aquellos que terminan la educación media probablemente tengan otras características que hagan que igual hubieran tenido mayores salarios aún sin completar la educación media. Por lo tanto, incluir alguna medida de habilidades puede hacer que los dos grupos sean más comparables y ayudar así a disminuir el sesgo de selección. La escolaridad debería estar positivamente correlacionada con los salarios. Además, creemos que IQ debería estar correlacionado con mayor escolaridad y mayor salario. Por lo tanto, incluir esta variable debería reducir el coeficiente sobre escolaridad. E /Yi ' - Yi ° 1- = 1) In /satanist = Yo 1- Y, Education + E Yi = BitPzdn In/Satanist = pot pn Education tpz IQ 1- E Corr (educ , IQ ) Yi >Pi corr positive entire IQ y education ( 0,065=0,0541-0,0036111 no hay correlation entire IQ yestas variables correlation negative con IQ . Es dear , el IQ proMedio es Menor en la Zona sur . misono argument Vemos que el IQ aporta al modelo (podría hacerse una prueba formal, aunque la prueba t ya nos muestra que es significativa al 1%). Sin embargo, es difícil que podamos interpretar la relación como causal ya que todavía quedan muchas otras variables no observables que pueden diferir entre alumnos con más y menos escolaridad. Colegiodonde la matrícula es mayor —> debería estar correlacionado positivamente con una mayor probabilidad de aprobar el curso Por su parte, provenir de un colegio con más alumnos podría perjudicar a los alumnos si tienen más compañeros por curso, pero tal vez podría estar positivamente correlacionado con la probabilidad de aprobar el curso. Finalmente, provenir de un colegio donde hay una mayor fracción de alumnos vulnerables debería estar negativamente correlacionado con la probabilidad de aprobar El interceptó representa la probabilidad de aprobar predicha para un alumno que tenga todas las otras variables iguales a 0. Dado que son variables en logaritmo, no hay nadie que tenga esas variables con 0 y por lo tanto no debería preocuparnos. No existe un colegio de tamaño 1, con 100% de los alumnos que sean de los dos primeros deciles de ingreso con matrícula 1. Implica que se debería ocurrir la variable “log ( fracción I, II ). La prueba formal puede hacerse tanto mediante una prueba t como mediante la prueba F de exclusión: Bi 132 133 Poresononosdebemospreowparporel intercepted, esuncasomuyaisladoqveenlaprñcticanoocvrre . 424 I £999S Pwebaf : 0.1893 - 0.0297 . 428-3-1 = 83,47 Ptvebat : -0.324 = 9 vg.tl -✗12=+01995 HO : 133=0 n- k- , noo = 2/626 Hi :B} -1-1 1- 0.1893 1 .: rechazamos Ho all -1 . 0.036 . ' . rechazamos Ho all -1 . Es difícil argumentar que el efecto es causal porque corresponde a la suma del efecto causal ATT más el sesgo de selección Podría existir un sesgo de selección en el que colegios con mayores matrículas tienen mayores porcentajes de aprobación, pero porque detrás de esto se esconde un tema socioeconómico en el que familia con mayores recursos tienen, por ejemplo, mayor IQ Vemos que el coeficiente sobre el tamaño del colegio es positivo y no significativo en el modelo 1, mientras que es negativo y significativo en el modelo 2. Esto significa que los colegios más chicos, en gral tienen una mayor fracción de alumnos vulnerables. Entonces, sólo una vez que controlamos por la fracción de alumnos vulnerables vemos que hay una correlación negativa entre el tamaño del colegio y la pbb de aprobar. Aún así, es difícil interpretar el coeficiente como causal porque podrían existir otras diferencias entre colegios grandes y chicos que no permitan interpretar el coeficiente como causal. Si comparamos alumnos que provienen de colegios con una mayor fracción de alumnos de los 2 primeros deciles de ingreso, estos alumnos tendrán 0.32% menos pbb de aprobar el curso de matemáticas Voucher " subsidies "
Compartir