• Author / Uploaded
• Mayid Erasmo Carvajal Dulcey

Citation preview

ECONOMETRÍA

FASE 4 – ELECCIÓN BINARIA, INDEPENDIENTES CUALITATIVAS Y MODELOS MIXTOS

CARLOS ANDRÉS GÓMEZ PEÑALOZA

GRUPO: 105010_5

DIRECTOR: JUAN DAVID PULIDO

PROGRAMA: ECONOMÍA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ACTIVIDADES

1. Leer comprensivamente las lecturas propuestas en la bibliografía, especialmente, el capítulo 7 de Wooldridge (2010) y el capítulo 9 de Gujarati (2009). a) Redactar en máximo dos páginas un ensayo breve en que se explique por qué es importante la información en variables cualitativas en el análisis económico, ilustrando con ejemplos su incidencia en las funciones econométricas. Así como los datos de tipo matemático y financiero son fuente propicia para los analistas económicos al momento de estimar oportunidades de inversión, también se presentan datos de índole cualitativa sobre el comportamiento económico (por ejemplo la calidad de un bien o servicio) que igualmente aportan información valiosa. El análisis de variables cualitativas es un constituyente estimable que utilizan las instituciones de micro-finanzas para otorgar crédito los negocios de los emprendedores actuales. “Un análisis cualitativo busca determinar mediante técnicas específicas la voluntad de pago del deudor, mientras que el análisis cuantitativo busca determinar la capacidad de pago. Clientes que mantienen excelente capacidad de pago en función a sus resultados económicos financieros, su flujo de caja y respaldo patrimonial, no necesariamente cumplen con sus obligaciones lo cual incrementa el riesgo de no pago.”(Monzón, 2016) Entre las diferentes variables a las cuales las instituciones exponen a sus clientes para conocer si hay o no riesgo crediticio son: El historial y la situación actual del negocio, ¿Cómo se inició el negocio? ¿Con qué recursos conto para ello? ¿Quiénes más participaron en el ingreso negocio de la familia? ¿Siguen en mismo giro del negocio o lo cambió? ¿Hay otras tiendas? Esto nos dará una luz muy importante de su evolución y nos permite establecer algunas expectativas en cuanto a su futuro. También nos permite determinar el grado de compromiso de parte del cliente Mype en función al capital que aportó y aporta a la fecha observado no necesariamente desde el punto de vista contable. (Monzón, 2016)

Otra variable es la reputación, la cual implica el cumplimiento de las obligaciones del cliente y su negocio con los distintos proveedores, acreedores, bancos, empleados, etc. Con lo variable cualitativa determinada en un modelo econométrico se podrá establecer si cumple o no con los distintos deberes acordados. La capacidad de recuperarse de situaciones adversas, una microempresa “que puede superar situaciones atípicas, como cuando una materia prima no se entrega, mercadería se devuelve, contratos se cancelan, o incluso en casos de robo o fraude, es un cliente que puede seguir pagando su crédito.” (Monzón 2016) Esto permitirá apreciar el buen o mal manejo del negocio para hacer frente a las obligaciones en casos adversos. El entorno macroeconómico y sectorial del país La variación del sector al cual pertenece y del PBI, es decir, el valor monetario de la producción nacional de bienes y servicios puede incurrir en incumplimiento de sus créditos. Por ejemplo, el dueño de una bodega que atiende a los trabajadores de un asentamiento minero y sus familias podrá ver un impacto en sus ventas si turbulencia en el sector minero disminuye el número de trabajadores en el sector. (Monzón 2016)

Por último, toda nueva empresa que busca mantenerse en el mercado de manera competitiva gesta una política de menor riesgo de incumplimiento en sus obligaciones financieras. Así, variables cualitativas enfocadas en este punto dan origen a los siguientes interrogantes ¿cuáles ventajas competitivas tiene o no el negocio frente a sus competidores?;¿ el producto en cuestión es innovador o no?, ¿hace un uso adecuado de las herramientas tecnológicas actuales como los teléfonos inteligentes, internet para perdurar el negocio competitivamente?

b) Explicar en máximo dos párrafos que es un modelo de elección binaria, y qué implica que la variable explicada sea cualitativa. Un modelo de elección binaria implica un arquetipo en el cual las variables dependientes toman dos valores correspondientes: 0 (para indicar fracaso) y 1 (que indica éxito). De manera general una variable dependiente (y) puede ser explicada por distintos tipos de variables, incluyendo variables binarias. Poe ejemplo: si uno quiere estimar los determinantes de ingreso de un ciudadano, unas de las posibles variables explicativas podría ser haber terminado los estudios universitarios o no; en este caso la variable explicativa tomaría el valor de 1 si el individuo ha culminado los estudios universitarios y 0 en caso de no haberlo hecho. La variable explicada sea cualitativa indica ocurrencia o presencia de una cualidad, característica o atributo respectivamente.

c) Explicar en máximo dos párrafos qué es una variable explicadora binaria, cuándo se usa y cómo se interpretan sus coeficientes. Según Wooldridge (2010) “al definir una variable binaria hay que decidir a qué evento se le asigna el valor uno y a cuál el valor cero. Por ejemplo, en un estudio para determinar el salario de los individuos, puede definirse female como una variable binaria que tome el valor uno para mujer y el valor cero para hombre” (p.225) Así una variable binaria busca dar respuesta en conjunto a solo dos categorías (1= si y 0= no). Si la variable dependiente aparece en forma logarítmica, los coeficientes se interpretarán de forma porcentual. “cuando en un modelo la variable dependiente es log (y) el coeficiente de una variable binaria, después de multiplicarlo por 100, se interpreta como la diferencia porcentual en y, manteniendo todos los demás factores constantes (…)” (Wooldridge, 2010, p. 232).

2. Resolver los ejercicios de Wooldridge (2010): 7.4, 7.9, C7.5, C7.7, C7.8 y C7.10.

Inciso i)

Para el caso d = 0 la función ƒ0(z) es: y = β0 + δ0d + β1z + δ1d*z + u y = β0 + δ0(0) + β1z + δ1(0)*z + (0) y = β0 + β1z ; entonces ƒ0(z) = β0 + β1z

Para el caso d = 1 la función ƒ1(z) es: y = β0 + δ0d + β1z + δ1d*z + u y = β0 + δ0(1) + β1z + δ1(1)*z + (0) y = β0 + δ0 + β1z + δ1*z y = ( β0 + δ0 ) + ( β1 + δ1 ) z

; entonces ƒ1(z) = ( β0 + δ0 ) + ( β1 + δ1 ) z

Inciso ii) Suponiendo que δ1 ≠ 0 (lo que significa que las dos rectas no son paralelas), muestre que el valor z* para el que ƒ0(z) = ƒ1(z) es z* = δ0/ δ1. Este es el punto en el que se interceptan las dos rectas [como en la figura 7.2(b)]. Argumente que z* es positivo si y sólo si δ0 y δ1 tienen signos contrarios. Matemáticamente, si ƒ0(z) = ƒ1(z), entonces: β0 + β1z = ( β0 + δ0 ) + ( β1 + δ1 ) z β0 + β1z - β0 - δ0 = β1 z + δ1 z - δ0 = β1 z - β1z + δ1 z - δ0 = δ1 z z^* = (- δ_0 )/δ1 Matemáticamente, z* siempre será positivo si δ0 y δ1 tienen signos contrarios ya que el signo (-) de la expresión hace que los signos contrarios lleven a un resultado positivo siempre.

iii) Empleando los datos del archivo TWOYEAR.RAW, puede estimarse la ecuación siguiente: ^ log ( wage ) =2.289−.357 female+ .50totcoll+ .030 female∗totcoll ( 0.011 ) ( .015 )( .003 ) ( .005 ) n=6,763 , R2=.202 donde todos los coeficientes y desviaciones estándar se han redondeado a dos cifras decimales. Empleando esta ecuación, encuentre un valor de totcoll, tal que los valores que se predicen para log(wage) sean iguales para hombres y para mujeres. Este modelo representa una relación entre el salario por hora (wage) y dos variables dicotómicas: el género (female) y total de los años de universidad (totcoll).

Para el inciso (iii), los resultados de la regresión hecha en Stata son los siguientes: Concuerdan con los datos planteados en el interrogante (iii)

El valor de totcoll para el que los valores que se predicen para log(wage) sean iguales para hombres y para mujeres se puede obtener matemáticamente como se muestra a continuación:

^ log ( wage ) =2.289−.357 female+ .50totcoll+ .030 female∗totcoll ¿ Entonces : log ( wage ) para las mujeres es ^ log ( wage ) f =2.289−.357 ( 1 ) +.50 totcoll+.030 ( 1 )∗totcoll ^ log ( wage ) f =1.932+ .50totcoll +.030 totcoll ^ log ( wage ) f =1.932+ 0.53 totcoll ¿y log ( wage ) para loshombres es ^ log ( wage ) m=2.289−.357 ( 0 ) +.50 totcoll+.030 ( 0 )∗totcoll ^ log ( wage ) m=2.289+.50 totcoll ¿ ^ Para que log ( wage ) f =^ log ( wage ) m ¿1.932+.53 totcoll=2.289+.50 totcoll .53 totcoll=2.289−1.932+ .50totcoll .53totcoll−.50 totcoll=2.289−1.932 .03 totcoll=0,357 0,357 totcoll= .03 ¿ totcoll =11.9 El valor de totcoll para el que los valores que se predicen para log(wage) sean iguales para hombres y para mujeres es totcoll* = 11.9 iv). Como se observa en el planteamiento del ejercicio, el modelo estima que los interceptos y las pendientes (los rendimientos de la educación de mujeres y hombres) son distintas para las respectivas rectas, las cuales llegan a un punto de totcoll donde se cruzan los valores de ingreso predicho para ambos géneros en función de los años de universidad. Si los rendimientos de la educación en las mujeres es mayor a los rendimientos de la educación en los hombres, es posible que las que las mujeres logren suficientes años de universidad de manera que sus ingresos estén al nivel de los de los hombres. Para el caso planteado en el inciso iii), es claro que sólo después de una buena cantidad de años de educación superior (11,9 años) las mujeres alcanzan en salario a los hombres, esto en

términos prácticos implica niveles educativos superiores tipo doctorado, lo cual dice mucho de la dificultad de las mujeres para alcanzar a los hombres en el valor de su remuneración.

Se generan las siguientes variables en Stata:

Log(salary) = 4.29+0.288[lsales] + 0.016[roe]-0.225[rosneg] N= 209; R^2= 0.296

El coeficiente de [rosneg] implica que si la empresa dirigida por un CEO tiene rendimientos negativos, en un periodo de tiempo, se predice que el salario del directivo sería de 22.5% más bajo para niveles dados de ventas.

El coeficiente de female es -0.22678872, éste indica que si todo lo demás permanece constante, el ser mujer representa un 22,67% menos de salario (lwage) Cuando educ es 0 (esto quiere decir que no tiene ningún año de educación) la diferencia entre los géneros es de 22,67% menos en el salario de las mujeres, si todo lo demás permanece constante. Ahora se le pide a Stata que calcule el impacto en lwage por un aumento de 12,5 en la educación de las mujeres: . display _b[female]+(_b[female_educ]*12.5) -.29634503

Cuando female es 1, el valor predicho para lwage es menor en 0,29634503; este valor representa un diferencia de 29,63% en el salario de las mujeres, a favor de los hombres.

El coeficiente de female ahora se puede interpretar como el efecto que se espera tenga el ser mujer sobre el porcentaje de salario (lwage) cuando el nivel educativo (educ) es 12,5 años de estudio.

En el inciso i) con 7.18 el coeficiente de la variable female no es estadísticamente significativo, pues se evidencia un p value de 0,176 con lo que a un nivel de 90% o 95% no es significativo. Sin embargo, en el inciso ii) sí es estadísticamente significativo ya que muestra un p value de 0,000 con lo que a un nivel de 90% o 95% es significativo. Es interesante que el coeficiente que sí es significativo arroje un nivel mayor de impacto negativo en el salario producto de la diferencia de género y que este nivel sea mayor frente a niveles de educación mayores; esto podría indicar que es más factible identificar la brecha salarial para niveles de educación mayores, cuando las personas han cursado varios años de universidad

y se enfrentan a situaciones dispares por su género a pesar de tener el mismo nivel educativo.

BIBLIOGRAFÍA



Gujarati, D. (2009) Econometría, (5a. ed.), Ed. Mc Graw Hill. Recuperado de http://www.ebooks7-24.com.bibliotecavirtual.unad.edu.co/?il=279&pg=1



Monzón Urragiza, J. (2016, 18 julio). Cómo las variables cualitativas pueden hacer un análisis de riesgo crediticio de Mypes más efectiva | Sinergia e Innovación. UPC. https://blogs.upc.edu.pe/sinergia-e-innovacion/conceptos/como-las-variablescualitativas-pueden-hacer-un-analisis-de-riesgo



Wooldrige, J. (2010). Introducción a la Econometría: Un enfoque moderno, (4a. ed.), Ed. Parafino. Recuperado de https://s386bc39b85c189f2.jimcontent.com/download/version/1464323224/module/105 81840398/name/Wooldridge_Introduccion-a-La-Econometria-Un-Enfoque-Moderno4th.pdf