PRES_TEA (1)

Vista previa del material en texto

Tabla de Contenidos
1 Recolección de Datos y Evaluación
Recolección de Datos
Representatividad de la muestra
2 Marco Conceptual y Resultados Emṕıricos Básicos
Marco Conceptual
El Efecto del Error de Medición
Resultados Emṕıricos Básicos
3 Conclusión
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 2 / 31
Introducción
Estudiar los retornos del nivel de educación
ANTES (Asehnfelter & Zimmerman, 1993): ∼ 7%
Sesgo en la estimación hacia arriba (endogeneidad por variable omitida)
Corr(educaci ón; habilidad) > 0 −→ Corr(salario; educaci ón)
AHORA: 12-16% usando Matching por gemelos
Corr(educaci ón; habilidad) No significativa (< 0)
En cambio, sesgo en la estimación HACIA ABAJO! (error de medición)
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 3 / 31
Introducción
Estudiar los retornos del nivel de educación
ANTES (Asehnfelter & Zimmerman, 1993): ∼ 7%
Sesgo en la estimación hacia arriba (endogeneidad por variable omitida)
Corr(educaci ón; habilidad) > 0 −→ Corr(salario; educaci ón)
AHORA: 12-16% usando Matching por gemelos
Corr(educaci ón; habilidad) No significativa (< 0)
En cambio, sesgo en la estimación HACIA ABAJO! (error de medición)
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 3 / 31
Introducción
Estudiar los retornos del nivel de educación
ANTES (Asehnfelter & Zimmerman, 1993): ∼ 7%
Sesgo en la estimación hacia arriba (endogeneidad por variable omitida)
Corr(educaci ón; habilidad) > 0 −→ Corr(salario; educaci ón)
AHORA: 12-16% usando Matching por gemelos
Corr(educaci ón; habilidad) No significativa (< 0)
En cambio, sesgo en la estimación HACIA ABAJO! (error de medición)
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 3 / 31
Introducción
Estudiar los retornos del nivel de educación
ANTES (Asehnfelter & Zimmerman, 1993): ∼ 7%
Sesgo en la estimación hacia arriba (endogeneidad por variable omitida)
Corr(educaci ón; habilidad) > 0 −→ Corr(salario; educaci ón)
AHORA: 12-16% usando Matching por gemelos
Corr(educaci ón; habilidad) No significativa (< 0)
En cambio, sesgo en la estimación HACIA ABAJO! (error de medición)
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 3 / 31
Introducción
Estudiar los retornos del nivel de educación
ANTES (Asehnfelter & Zimmerman, 1993): ∼ 7%
Sesgo en la estimación hacia arriba (endogeneidad por variable omitida)
Corr(educaci ón; habilidad) > 0 −→ Corr(salario; educaci ón)
AHORA: 12-16% usando Matching por gemelos
Corr(educaci ón; habilidad) No significativa (< 0)
En cambio, sesgo en la estimación HACIA ABAJO! (error de medición)
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 3 / 31
Tabla de Contenidos
1 Recolección de Datos y Evaluación
Recolección de Datos
Representatividad de la muestra
2 Marco Conceptual y Resultados Emṕıricos Básicos
Marco Conceptual
El Efecto del Error de Medición
Resultados Emṕıricos Básicos
3 Conclusión
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 4 / 31
Recolección de Datos
16th Annual Twings Days Festivals Twinsburg 1991
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 5 / 31
Recolección de Datos
390 pares de hermanos
298 gemelos
92 mellizos
5 entrevistadores en una carpa
Encouragement Design:
Contribuir al Twings Festival Scholarship Fund por cada par
entrevistado
Entrevistadores salieron a preguntar
Separaron a los hermanos
Se asignaron a cada hermano como 1 y 2 de forma aleatoria.
Espećıficamente:
CPS modificado
Salario en el último trabajo (si trabajo en los ultimos dos años)
Determiner si son gemelos o mellizos
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 6 / 31
Recolección de Datos
390 pares de hermanos
298 gemelos
92 mellizos
5 entrevistadores en una carpa
Encouragement Design:
Contribuir al Twings Festival Scholarship Fund por cada par
entrevistado
Entrevistadores salieron a preguntar
Separaron a los hermanos
Se asignaron a cada hermano como 1 y 2 de forma aleatoria.
Espećıficamente:
CPS modificado
Salario en el último trabajo (si trabajo en los ultimos dos años)
Determiner si son gemelos o mellizos
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 6 / 31
Recolección de Datos
390 pares de hermanos
298 gemelos
92 mellizos
5 entrevistadores en una carpa
Encouragement Design:
Contribuir al Twings Festival Scholarship Fund por cada par
entrevistado
Entrevistadores salieron a preguntar
Separaron a los hermanos
Se asignaron a cada hermano como 1 y 2 de forma aleatoria.
Espećıficamente:
CPS modificado
Salario en el último trabajo (si trabajo en los ultimos dos años)
Determiner si son gemelos o mellizos
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 6 / 31
Recolección de Datos
390 pares de hermanos DOS CONSIDERACIONES
298 gemelos
92 mellizos
5 entrevistadores en una carpa
Encouragement Design:
Contribuir al Twings Festival Scholarship Fund por cada par
entrevistado
Entrevistadores salieron a preguntar
Separaron a los hermanos
Se asignaron a cada hermano como 1 y 2 de forma aleatoria.
Espećıficamente:
CPS modificado
Salario en el último trabajo (si trabajo en los ultimos dos años)
Determiner si son gemelos o mellizos
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 7 / 31
Representatividad de la Muestra (Tabla 1)
La tabla 1 provee la media y el
desv́ıo estandar de las variables de la
muestra de datos que recolectaron y
de la muestra de CPS.
La muestra tiene gemelos mas
educados y mejor pagos que la
de la CPS (aunque la muestra
contiene mas mujeres y
blancos).
Es claro que los gemelos
identicos tienen niveles de
educación similares y una mayor
similitud que los gemelos
fraternales.
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 8 / 31
Representatividad de la Muestra (Tabla 2)
La tabla 2 reporta las correlaciones
entre las siguientes variables entre
gemelos identicos (parte A) y
gemelos fraternales (parte B) con:
Yn (con n = 1, 2): logaritmo del
salario por hora del primer o
segundo hermano.
Smn (con n,m = 1, 2): nivel de
educación del enesimo gemelo
reportado por el emesimo
gemelo.
Eni (con i = F ,M y n = 1, 2):
nivel de educación de la madre o
padre del primer o segundo
hermano.
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 9 / 31
Representatividad de la Muestra (Tabla 2)
Las medidas independientes de
los niveles de educación están
altamente correlacionadas.
Los salarios y niveles de
educación de los gemelos
identicos están altamente
correlacionados y más
correlacionados en los gemelos
fraternales.
Si comparamos las correlaciones
con la de otros estudios, como
el de Behram et al. (1980), los
resultados son bastante
parecidos.
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 10 / 31
Tabla de Contenidos
1 Recolección de Datos y Evaluación
Recolección de Datos
Representatividad de la muestra
2 Marco Conceptual y Resultados Emṕıricos Básicos
Marco Conceptual
El Efecto del Error de Medición
Resultados Emṕıricos Básicos
3 Conclusión
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 11 / 31
Marco Conceptual
Consideremos las siguientes variables:
y1i y y2i como los logaritmos del salario del primer y segundo gemelo
en el iesimo par.
Xi como el conjunto de variables que vaŕıa entre familias, pero no
entre gemelos (edad, raza y otras mediciones del entorno familiar).
Z1i y Z2i como el set de variables que vaŕıa entregemelos (niveles de
educación, estado de unión, tiempo de trabajo y estado civil de cada
gemelo).
µi como el componente inobservable que vaŕıa entre familias.
ε1i y ε2i como los componentes inobservables individuales.
Ergo, tenemos las siguientes ecuaciones identicas para los dos hermanos:
y1i = αXi + βZ1i + µi + ε1j (1)
y
y2i = αXi + βZ2i + µi + ε2j (2)
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 12 / 31
Marco Conceptual
Una representación general de la correlación entre el efecto familiar y el
observable es
µi = γZ1i + γZ2i + δXi + ωi (3)
donde se asume que las correlaciones entre el efecto familiar y los
observables para cada gemelo son iguales y donde ωi es ortogonal a Z1i ,
Z2i y Xi .
Los coeficientes γ miden el ”efecto selección” relacionando las ganancias y
los observables, mientras que los coeficientes β que aparecen en (1) y (2)
miden el ”efecto estructural” de los observables sobre las ganancias. Los
efectos selección son precisamente sesgos por variables omitidas.
Los datos de los gemelos hacen posible medir el efecto selección y, en
consecuencua, identificar la tasa de retorno de la educación.
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 13 / 31
Marco Conceptual
La forma reducida del modelo se obtiene substituyendo (3) en (2) y (1) y
juntando los terminos. Por lo que queda:
y1i = [α + δ]Xi + [β + γ]Z1i + γZ2i + ε
′
1i (4)
y
y2i = [α + δ]Xi + [β + γ]Z2i + γZ1i + ε
′
2i (5)
donde ε′1i = ωi + ε1i y ε
′
2i = ωi + ε2i
Si bien las ecuaciones (4) y (5) pueden encajar por MCO, el método de
MCG es el estimador óptimo de estas ecuaciones dada la restricción de
ecuaciones cruzadas en los coeficientes. A su vez, MCG provee
estimaciones apropiadas del error estandar de los coeficientes estimados.
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 14 / 31
Marco Conceptual
En este marco, Z2i puede influenciar y1i y Z1i puede influenciar y2i en la
forma reducida. Esto implica que los niveles de educación de ambos
hermanos (o cualquier otra variable que vaŕıa entre gemelos) puede entrar
en las ecuaciones para ambos hermanos debido a la correlación entre el
efecto familiar y el efecto del nivel de educación. Estas correlaciones son
un resultado de los efectos selección.
Como puede verse, el coeficiente β de las variables que difieren entre
gemelos se puede identificar, ya que se conoce γ. Por otro lado, los
coeficientes α de las variables que vaŕıan solo entre familias no pueden ser
identificados.
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 15 / 31
Marco Conceptual
La diferencia entre las ecuaciones (1) y (2) [o (4) y (5)] es
y1i − y2i = β(Z1i − Z2i ) + ε1i − ε2i (6)
En (6) desaparece el efecto individual µi . El estimador de ḿınimos
cuadrados para esta ecuación se lo conoce con el nombre de estimador de
”efectos fijos”.
En las ecuaciones (4) y (5) el efecto selección es estimado explicitamente y
luego restado para obtener el efecto estructural del retorno a la educación.
En (6) se elimina el efecto selección diferenciando (y queda solo el
estructural).
Mas adelante se reportarán estimaciones de estas ecuaciones con el
proposito de proveer evidencia directa del tamaño del efecto selección.
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 16 / 31
El Efecto del Error de Medición
El error de medición clásico en la educación va a llevar a sesgo en los
estimadores del efecto de la educación sobre los salarios.
En presencia de efectos selección, el estimador de MCO estará
sesgado inclusive en ausencia de error de medición (por omitir la
variable de educación del hermano).
El estimador de efectos fijos elimina este sesgo por variable amitida a
expensas de introducir un mucho mayor sesgo por error de medición.
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 17 / 31
El Efecto del Error de Medición
Una forma simple de reducir el efecto del error de medición en cualquiera
de los estimadores es tomar el promedio de los multiples reportes de
educación y usar este promedio como variable independiente en la
ecuación (6).
Asumiendo error clásico de medición y usando
(S11−S22 )
2 +
(S21−S12 )
2 como
variable independiente en la ecuación (6) obtenemos un estimador
modificado de efectos fijos.
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 18 / 31
El Efecto del Error de Medición
Un estimador consitente para las ecuaciones (4), (5) o (6), asumiendo
error de medición clásico, puede por el método de variables instrumentales
usando las medidas independientes de educación como instrumentos. Por
ejemplo, se puede usar
y1i − y2i = β(S11 − S22 ) + ε1i − ε2i = β∆S ′ + ∆ε (7)
donde se usa ∆S ′′ = (S21 − S12 ) como instrumento de ∆S ′.
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 19 / 31
El Efecto del Error de Medición
Finalmente, al tener múltiples medidas de la educación de cada gemelo es
posible relajar la asumpsión clásica de que los errores de medición υ11 y υ
1
2
(y υ21 y υ
2
2) no están correlacionados.
Por ejemplo, si un gemelo reporta una medición sesgada hacia arriba de su
nivel de educación, es mas propenso a reportar una medición sesgada hacia
arriba del nivel de educación de su hermano. Por tanto, la correlación
entre los errores de medición, ρυ será positiva. Esto llevará a una mayor
correlación entre S11 y S
1
2 que entre S
1
1 y S
2
2 (y entre S
2
1 y S
2
2 que entre S
1
1
y S22 ), puesto que los reportes de śı mismo contienen un error de medición
común que los reportes sobre los hermanos no contienen.
Como puede verse, las correlaciones de la tabla 2 son consistentes con la
hipótesis de la correlación positiva en el error de medición en los reportes
de los hermanos.
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 20 / 31
El Efecto del Error de Medición
En presencia de medidas de error correlacionadas, el estimador de variables
instrumentales para las ecuaciones (4), (5) y (6) será inconsistente.
Un estimador consistente de la ecuación (6) puede obtenerse estimando la
siguiente ecuación por variables instrumentales
y1i − y2i = β(S11 − S12 ) + ε1i − ε2i = β∆S∗ + ∆ε (8)
en donde ∆∗∗ = S21 − S22 es utilizado como unstrumento de ∆S∗.
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 21 / 31
Resultados Emṕıricos Básicos (Tabla 3)
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 22 / 31
Resultados Emṕıricos Básicos (Tabla 3)
En las columnas (i) y (ii), los resultados son comparables con las
estimaciones que aparecieron en la literatura que ignoran la potencial
correlación entre el nivel de educación y el entorno familiar.
A través de la regresión de la columna (iii) se puede ver el efecto
selección, negativo.
La columna (v) reporta la diferencia entre pares de los salarios sobre
la diferencia entre pares de los niveles de educación. Acá se confirma
que el resultado de la regresión de MCO es mas chico que la de esta
estimación de efectos fijos.
Las columnas (iv) y (vi) reportan estimaciones de variables
instrumentales que pretenden corregir el error de medición. Si se
aceptan los reportes de los hermanos como instrumentos validos, se
puede deducir que los métodos convencionales están produciendo
serias subestimaciones de los retornos económicos de la educación.
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 23 / 31
Resultados Emṕıricos Básicos (Tabla 4)
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 24 / 31
Resultados Emṕıricos Básicos (Tabla 4)
Todaslas estimaciones son mas grandes que las correspondientes en
la tabla 3.
Estos resultados proveen mas evidencia de que el error está
produciendo sesgo hacia abajo en estimaciones convencionales de los
retornos a la educación.
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 25 / 31
Resultados Emṕıricos Básicos (Tabla 5)
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 26 / 31
Resultados Emṕıricos Básicos (Tabla 5)
La tabla 5 nos da un análisis paralelo al de la tabla 3 con la diferencia de
que agrega mas variables de control.
El efecto del retorno en educación en términos salariales es mayor que
en la tabla 4.
Otra cosa que se puede ver es el hecho que la estimación del efecto
fijo se ve atenuada comparandola con la de GLS.
Muchos de los resultados que se encuentran en la tabla 3, 4 y 5 son
similares: la tasa salarial es cóncava en cuanto a la edad, los hombres
ganan mas que las mujeres y la educación de los padres tiene un efecto
muy bajo.
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 27 / 31
Resultados Emṕıricos Básicos (Tabla 6)
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 28 / 31
Resultados Emṕıricos Básicos (Tabla 6)
En la tabla 6 se estima la regresión con una variable instrumental que
busca corregir el error de medición. Para ello se hace uso de la ecuación
(8):
y1i − y2i = β(S11 − S12 ) + ε1i − ε2i = β∆S∗ + ∆ε
en donde ∆∗∗ = S21 − S22 es utilizado como unstrumento de ∆S∗.
La variable instrumental se basa en implementar lo que dice un
gemelo sobre la educación de su hermano.
La inclusión de la variable instrumental muestra el sesgo que exist́ıa al
ofrecer un coeficiente mayor.
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 29 / 31
Tabla de Contenidos
1 Recolección de Datos y Evaluación
Recolección de Datos
Representatividad de la muestra
2 Marco Conceptual y Resultados Emṕıricos Básicos
Marco Conceptual
El Efecto del Error de Medición
Resultados Emṕıricos Básicos
3 Conclusión
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 30 / 31
Conclusiones y posibles cŕıticas
Conclusiones
Las variables no observadas no sesgan hacia arriba el coeficiente del
nivel de educación (como se créıa).
Los papers anteriores sesgan hacia abajo la estimación de los retornos
a la educación (3 porciento).
Se estima que los retornos a la educación son de entre 12-16
porciento.
Posibles cŕıticas
Validez interna
Aún es posible el sesgo, ya que no es una asignación aleatoria de
educación de cada gemelo.
Diferencias en gemelos (emocional).
Validez externa
No es generalizable a páıses tercer mundistas, debido a la calidad en la
educación.
Brutomeso, Fiuratti, Galassi, Giraldez Tópicos de Econoḿıa Aplicada Segundo Semestre 2018 31 / 31
	Recolección de Datos y Evaluación
	Recolección de Datos
	Representatividad de la muestra
	Marco Conceptual y Resultados Empíricos Básicos
	Marco Conceptual
	El Efecto del Error de Medición
	Resultados Empíricos Básicos
	Conclusión