PUBLICACIONES DE 3er CURSO

Grado: ADE

Asignatura: Econometría

Grupo: 131 y 132

Tema: Práctica Ordenador Tema 7.

Forma Funcional y Cambio Estructural

Profesores: Majed Atwi

Departamento de ANÁLISIS ECONÓMICO

Curso Académico
2019/20

1
PRÁCTICAS TEMA 7 ORDENADOR
EJERCICIO 2: FICHERO SALARIOS
FORMA FUNCIONAL - RESET
CAMBIO ESTRUCTURAL – TEST DE CHOW

Tome los datos de SALARIOS.XLS para este ejercicio.

1. Estime el modelo y contraste si la forma funcional es adecuada:

ln ( SALARIO )i= β1 + β 2 EDUCi + β 3 EXPERi + β 4 CASADOi + + β 5 RAZAi + β 6URBAN i + ui

donde: raza= 1 si no blanco, casado=1 si casado, urban=1 si vive en zona urbana.

2. A partir del modelo 1, haga el test de Chow para contrastar si el modelo de

regresión para los blancos y los “no blancos” es diferente. Interprete los coeficientes
en el modelo que considere adecuado.

3. A partir del modelo 1, haga el test de Chow para contrastar si el modelo de

regresión para los mayores de 33 años es diferente del modelo para los menores o
iguales a 33 años. Interprete los coeficientes en el modelo que considere adecuado.

SOLUCIÓN
1. Estime el modelo y contraste si la forma funcional es adecuada:
ln ( SALARIO ) =
β +β 1 2
EDUC + β 3 EXPER + β 4 CASADO + β 5 RAZA + β 6URBAN + u

2
Respecto al contrate Reset para estudiar si la forma funcional lineal planteada es
adecuada bajo la hipótesis nula, comprobamos que, para p=3 (introduciendo
cuadrados y cubos), F=2.268 con p-valor=0.1040 > 0.05. Por lo que concluimos
aceptando la hipótesis nula de forma funcional correcta.

2. A partir del modelo 1, haga el test de Chow para contrastar si el modelo de

regresión para los blancos y los “no blancos” es diferente. Interprete los coeficientes
en el modelo que considere adecuado.

Queremos contrastar si la variable raza afecta a todos los parámetros del modelo:
ln ( SALARIO ) =
β1 + β 2 EDUC + β 3 EXPER + β 4 CASADO + β 5URBAN +
→ Mod. amplio
β 6 RAZA + β 7 RAZA ⋅ EDUC + β 8 RAZA ⋅ EXPER + β 9 RAZA ⋅ CASADO + β10 RAZA ⋅ URBAN + u

Es decir, cambia tanto el término independiente como las pendientes del modelo, o si
por el contrario, todo es común, y no afecta ni al término independiente ni a ninguna
pendiente:
ln ( SALARIO ) =
β +β
1 2
EDUC + β 3 EXPER + β 4 CASADO + β 5URBAN + u → Modelo restringido.

Por tanto, el contraste de Chow puede hacerse:

• Estimando el modelo amplio y haciendo un contraste de Restricciones

lineales: Ho: β 6 = β 7 = β 8 = β 9 = β 10 =0

• Estimando el modelo 1 pero sin la explicativa RAZA (modelo 3) y en

Contrastes, elegir la opción, "Contraste de Chow"
3
Aparece un cuadro de dialogo en el que nos dan la posibilidad de dividir la muestra en
los dos subgrupos bien especificando a partir de qué observación sería el 2º grupo, o
bien dividir en base a una ficticia. En nuestro caso los dos grupos son los individuos
blancos y los no blancos, y tenemos la ficticia que divide en esos grupos, "RAZA":

4
Como vemos el contraste de Chow es un contraste de restricciones lineales
Ho: β 6 = β 7 = β 8 = β 9 = β 10 =0
en el modelo amplio antes especificado. F CHOW = 7.63 con p-valor=0 < 0.05, por tanto,
rechazamos la hipótesis nula de que no hay ninguna diferencia en el modelo
provocada por la raza del individuo.

4. A partir del modelo 1, haga el test de Chow para contrastar si el modelo de

regresión para los mayores de 33 años es diferente del modelo para los menores o
iguales a 33 años. Interprete los coeficientes en el modelo que considere adecuado.

Estudiar si la edad genera ruptura estructural en el sentido de tener que estimar un

modelo para mayores de 33 años y otro para el resto, lo podemos hacer igual que en el
apartado anterior con la diferencia de que ahora no tenemos creada una variable que
nos permita distinguir en dos grupos. Podemos crear esa ficticia necesaria a partir de la
variable edad: DEDAD=1 si edad >33. Para crearla, solo es necesario ir al menú,
añadir, definir variable, y en el cuadro de dialogo la orden es:

dnombre=condición

5
Además, no es necesario quitar del modelo 1 ninguna variable porque no existe la
dummy de edad en el modelo, aunque existe la variable edad no genera ningún
problema. Por eso, a diferencia del apartado anterior, ahora podemos hacer el
contraste de Chow por la edad a partir del modelo 1:

6
Ho: β 7 = β 8 = β 9 = β 10 =β 11 = β 12 =0 en la regresión auxiliar que crea Gretl para hacer el
contraste en el modelo amplio antes especificado. La F CHOW =2.07301 con un p-valor=
0.0504> 0.05, por lo que al 5% aceptamos la hipótesis nula. Conclusión, no hay ruptura
estructural por la edad >33.