CASO PRÁCTICO

partir del siguiente enunciado:

Queremos analizar si el tener un nivel de educación mayor, hace que el trabajador obtenga
mayor renta. Para ello, realizamos una encuesta a la población de la ciudad de Bogotá, de
forma aleatoria, y extraemos los siguientes datos:

Cuestiones

1- ¿Cuál sería la variable que queremos explicar? ¿Cuál sería la variable que la puede
explicar?
2- ¿Qué pasos debemos realizar para llevar a cabo el estudio econométrico el cual nos ayuda
a observar las relaciones entre dichas variables?
3- ¿Existe correlación entre la renta y la educación del trabajador? Para ello, comprobar si
existe una tendencia en la relación, qué tipo de tendencia (lineal, exponencial, logarítmica) y
realizar el Coeficiente de Correlación de Pearson. Si observamos que hay correlación, ¿Qué
tipo de correlación es? ¿Positiva o negativa, débil o fuerte?
4- Con los datos con los que disponemos, crear la ecuación del modelo. Una vez hecha,
explicar cada componente de la misma (parámetros, variables…) y razonar qué tipo de
variables pueden afectar a la variable explicada y que no se encuentran incluidas en el modelo
(y, por tanto, incluidas en el término de error o perturbación, u).
5- Obtener los estimadores de la anterior ecuación 𝜷̂𝟏 y 𝜷̂𝟎 la ecuación final estimada.
6- Obtener el coeficiente de determinación 𝑹 𝟐.

Respuestas:
1.- La variable sería Y= nivel de ingresos y X=Educación recibida. La variable que la puede
explicar es Cardinales o magnitudes.

2.- • Identificar las variables que fundamentalmente influyen en el modelo.

• Una formulación de la relación funcional entre las variables que lo componen.
• Una definición temporal y/o espacial concreta, ya que los modelos econométricos suelen
estar definidos en un entorno estocástico frente al determinismo habitual de los modelos
económicos,
• Un término que permita razonar en términos probabilísticos y no exactos. Para ello, se suele
incorporar el denominado error o perturbación aleatoria que recoge el efecto de los factores
que inicialmente no fueron incluidos y que son difícilmente observables.

3.- Si existe correlación entre la educación y los ingresos percibidos por los trabajadores,
pues en Colombia muchos padres se preocupan para que sus hijos logren culminar sus
estudios de pregrado para que puedan adquirir un empleo donde sean bien remunerados y si
estudian un postgrado pueden llegar a recibir una mejor remuneración. Es una relación de
tipo lineal y positiva, porque entre mas estudio o nivel educativo logre alcanzar el trabajador
mayor será su remuneración, esto teniendo en cuenta que existe salarios asignados por niveles
de estudio, pero existe una variable adicional que es la experiencia, ya que de acuerdo a la
experiencia y estudio le asignan el respectivo salario al trabajador. Para mí el coeficiente de
correlación de Pearson no es nula porque entre mas estudios tenga mayor será sus ingresos,
la hipótesis es real.

4.- Y = β0 +β1X +ε para mí esta sería el modelo de la ecuación, donde la E representa

el margen de error, Bo y B1 los valores como es educación y los ingresos. E puede
representar ciertos valores que no incluimos en este ejercicio como es la experiencia laboral,
edad, sexo, ect. que afecta directamente el resultado final que es el ingreso laboral del
trabajador

5.- Si los factores de ε se mantienen fijos, ∆ε = 0, entonces el efecto de un año más de

educación sobre el salario está dado por β1.
ε representa todos los factores que afectan a Y, además de X. En este modelo simple
suponemos que todos esos factores son inobservables. Si los factores de ε se mantienen fijos,
∆ε = 0, entonces X tiene un efecto lineal sobre Y : ∆Y = β1∆X

6.- El R 2 se interpreta como la proporción de la variación muestral de Y explicada por el

modelo.
Lo que significa que la variación del salario mensual está explicada en un porcentaje (%) por
la variación de las variables género, educación y experiencia. Es un valor muy bajo que
demuestra que existe relación lineal entre las variables explicativas y la explicada pero no se
ajusta a la línea de regresión.