Você está na página 1de 34

UNIVERSIDAD NACIONAL DEL ATIPLANO

FACULTAD DE INGENIERIA ECONOMICA

ESCUELA PROFESIONAL DE INGENIERIA ECONMICA

CURSO

ECONOMETRA I

TRABAJO DE INVESTIGACIN CON ANLISIS ECONOMTRICO

INVESTIGACIN SOBRE LOS EGRESADOS DE LA CARRERA PROFESIONAL DE


EDUCACIN DE LA UNIVERSIDAD NACIONAL DEL ALTIPLANO Y
EXPLICACIN DE SUS INGRESOS EN LA REGIN PUNO, AO - 2016

INVESTIGADOR : PAULO AMILCAR LEQQUE GARCIA

DOCENTE : Ing. JULIO JESS ESPINOZA

SEMESTRE :V

PUNO, agosto del 2016


Facultad de Ingeniera Econmica UNA - Puno

NDICE GENERAL
Tabla de contenido

NDICE GENERAL ................................................................................................................................. 2

INTRODUCCION.................................................................................................................................. 3

1. CAPITULO I................................................................................................................................... 4

1.1. TTULO: ................................................................................................................................. 4


1.2. OBJETIVOS DE LA INVESTIGACIN.................................................................................. 4
1.3. DISEO DE LA INVESTIGACIN ........................................................................................ 4
2. CAPTULO II.................................................................................................................................. 5

2.1. MARCO TERICO ................................................................................................................ 5


2.1.1. ECONOMETRA ............................................................................................................ 5
2.1.2. INSTRUMENTOS DE LA ECONOMETRA .................................................................. 6
3. MODELO ECONOMTRICO ........................................................................................................ 8

3.1. ESPECIFICACIN DEL MODELO ....................................................................................... 8


3.1.1. TEORA ECONMICA SOBRE SALARIOS: ................................................................ 8
3.1.2. PROBLEMAS DE ESTIMACIN ECONOMTRICA DE LA TEORA DEL CAPITAL
HUMANO:...................................................................................................................................... 9
3.1.3. FORMAS FUNCIONALES PARA FUNCIONES ESTADSTICAS DE INGRESOS: ..... 9
3.1.4. REGRESIN MEDIANTE EL USO DE VARIABLES DUMMY O DICOTMICAS: .... 13
4. ESTIMACIN DEL MODELO MEDIANTE MNIMOS CUADRADOS ORDINARIOS. ................ 14

4.1. CONSIDERACIONES SOBRE LA VARIABLE DEPENDIENTE: ........................................ 15


4.2. ACLARACIONES PERTINENTES PARA LA INTERPRETACIN DE LOS RESULTADOS:
15
4.3. ESTIMACIONES: ................................................................................................................ 16
b) Trmino de interaccin: ........................................................................................................... 18
4.5. ELECCIN DE LA ECUACIN DE MEJOR AJUSTE: ....................................................... 26
4.6. TRATAMIENTO DE PROBLEMAS ECONOMTRICOS: ................................................... 29
5. CONCLUSIN............................................................................................................................. 33

6. BIBLIOGRAFA............................................................................................................................ 34

2
Facultad de Ingeniera Econmica UNA - Puno

INTRODUCCION

Debido a la escasez de informacin referida al mbito laboral de los Profesionales


que egresan de la Universidad Nacional del Altiplano, lo cual es relevante para la
toma de decisiones durante el cursado de las materias y pos graduacin, y en virtud
de conocer el estado actual del desempeo acadmico de los estudiantes de la
Licenciatura en Educacin, en este trabajo se propone realizar un anlisis de las
variables ms importantes que configuran el espectro de la profesin, y de aquellas
que determinan sus ingresos.
Para este propsito se utilizarn datos obtenidos de una Tesis de Investigacin
realizada con anterioridad, en donde aplicaron como instrumento de recopilacin
de datos una encuesta realizada en las diferentes instituciones educativas de la
ciudad de Puno y Juliaca. Por la misma fuente se tiene tambin informacin de la
facultad de Educacin de la UNA Puno, donde se tiene datos del nmero de
egresados por aos desde 1999 hasta 2014.

En el primer captulo se describe informacin representativa del ttulo, de los


objetivos que se quiere lograr, y los antecedentes referentes a este trabajo.
En el segundo captulo se describe lo referente a los contenidos y conocimientos
de Econometra en general.
En el tercer captulo se tiene el planteamiento del modelo economtrico,
presentando sus respectivas variables de estudio considerando las teoras de
regresin, todo lo alusivo en cuanto a la fundamentacin para explicar el ingreso,
desde la teora clsica de Jacob Mincer hasta los ltimos avances en esta rama de
la ciencia.
En el cuarto captulo se realizan diversas estimaciones economtricas a fin de
determinar las variables relevantes para explicar el ingreso de los profesionales en
el sector Educacin.
Por ltimo, se tiene las conclusiones, bibliografa y algunos anexos obtenidos de
diferentes fuentes.

3
Facultad de Ingeniera Econmica UNA - Puno

1. CAPITULO I

TTULO:

INVESTIGACIN SOBRE LOS EGRESADOS DE LA CARRERA PROFESIONAL DE


EDUCACIN DE LA UNIVERSIDAD NACIONAL DEL ALTIPLANO Y EXPLICACIN
DE SUS INGRESOS EN LA REGIN PUNO, AO 2016

OBJETIVOS DE LA INVESTIGACIN.

OBJETIVO GENERAL:
Determinar la investigacin a travs de estimaciones economtricas sobre los
egresados de profesionales de Educacin de la UNA Puno y explicar sus
ingresos laborales.

OBJETIVOS ESPECFICOS:
Plantear el modelo economtrico y sus respectivas variables para determinar los
niveles de ingreso de los Profesionales en el sector Educacin.
Efectuar diversas estimaciones economtricas a fin de determinar las variables
relevantes para explicar el ingreso de los profesionales en el sector Educacin.
Aplicar el software estadstico eviews para procesar la informacin obtenida, y
determinar los resultados necesarios para su interpretacin.

DISEO DE LA INVESTIGACIN

El diseo de investigacin para este trabajo es de tipo correlacional, ya que se


quiere medir la relacin entre dos variables de estudio, siendo la primera variable los
egresados de Educacin y el campo laboral que desarrollan, y la otra variable es el
nivel de ingreso que tienen los profesionales del sector educacin.

4
Facultad de Ingeniera Econmica UNA - Puno

2. CAPTULO II

MARCO TERICO

2.1.1. ECONOMETRA

Haciendo uso de los argumentos basados en el enfoque tradicional y teniendo en


cuenta la evolucin hacia la nueva metodologa, se considera que:
La Econometra es la aplicacin de mtodos matemticos y estadsticos a tablas de
datos, que contienen unidades de observacin por caractersticas observables en las
mismas (variables), con el propsito de dar contenido emprico a las teoras
econmicas planteadas en modelos y comprobadas a partir del estudio de la semejanza
entre unidades y la relacin entre variables, en espacio y tiempo especfico.
En esta definicin se encuentran elementos subyacentes como los mtodos
cuantitativos: matemticos y estadsticos. En particular, se desarrollarn aquellos de
aplicacin directa al proceso de investigacin que conlleva la realizacin del trabajo
economtrico, donde la generacin de los datos se transforma en una cuestin
neurlgica. Para ello, ser necesario el planteamiento de tablas de datos como se
muestra en la Figura, donde Xji representa el dato correspondiente a la unidad de
observacin i para la variable j.
Tabla de datos

5
Facultad de Ingeniera Econmica UNA - Puno
2.1.2. INSTRUMENTOS DE LA ECONOMETRA

a) Teora y mtodos estadsticos y matemticos

En los ltimos tiempos se han hecho avances para refutar la idea de que la econometra
solo utiliza mtodos estadsticos que provienen de la inferencia estadstica.
En sntesis, el proceso utilizado se describe en la Figura y que, dadas n unidades de
observacin y k variables, se puede resumir en la siguiente relacin funcional:

b) Informacin

La informacin es otro instrumento del que se debe ocupar el investigador. Segn el


Diccionario de la lengua espaola editado por Larousse (1994), se define, como la
accin y efecto de informar; es decir, un conjunto de informes sobre cosas concretas.
Mientras que el dato, que deriva de esos informes, es el detalle que sirve de base a un
razonamiento o a una investigacin; es decir, cada una de las cantidades conocidas que
constituyen la base de un problema.

c) Unidades de observacin

Se clasifican como de corte transversal o de espacio, de tiempo y de panel. Las


primeras contienen individuos (personas, empresas, instituciones, regiones, pases,
etc.) observados en un espacio y tiempo determinado. Las segundas representan
unidades de tiempo (anuales, semestrales, mensuales, semanales, diarias, etc.) en un
espacio determinado. Las de panel son una combinacin de las anteriores; por ejemplo,
un conjunto de pases observados en distintos momentos de tiempo. Las unidades de
observacin son incorporadas al anlisis economtrico por medio de la seleccin
probabilstica (a travs de mtodos de muestreo) o por observacin casual o censal, ya
sea a travs de fuentes primarias o secundarias.

d) Variables.

Las variables pueden ser cuantitativas o cualitativas. Se diferencian porque las


primeras tienen recorridos con propiedades numricas, mientras que las segundas, no.
En el campo de la econometra se reconocen dos tipos: aleatorias o deterministas. Se
incorporan al anlisis de manera estocstica o no estocstica, pudiendo ser endgenas
o exgenas. Las variables aleatorias constituyen una categora fundamental en el

6
Facultad de Ingeniera Econmica UNA - Puno
anlisis economtrico. Son variables no observables y su introduccin diferencia a los
modelos economtricos de los modelos econmicos.

e) Datos.

Las unidades de observacin y las variables se combinan bidimensionalmente para dar


origen a los datos. Cada dato es la interseccin entre una unidad de observacin y una
variable. Los datos pueden ser reales (asumen valores en el campo de los nmeros
reales, en sus diversas formas, dando origen a los continuos o discretos), categricos
(indican categoras o modalidades de las variables, que no poseen propiedades
numricas aun cuando se los represente con nmeros) y binarios (representan ausencia
o presencia de cierto atributo en un individuo; adems por aadidura, puede asumir
valores 0 o 1). Los datos se incorporan al anlisis por recoleccin y pueden provenir
de fuentes primarias (encuestas, entrevistas, etc.) o de fuentes secundarias (bases de
datos, revistas, archivos, etc.).

f) Ecuaciones o funciones.

Una ecuacin es una igualdad entre dos expresiones algebraicas. Una funcin es una
regla que asigna a cada elemento de un primer conjunto, un nico elemento de un
segundo conjunto; se dice tambin, que una magnitud es funcin de otra, si el valor de
la primera depende exclusivamente, del valor de la segunda. Tanto ecuaciones como
funciones admiten una doble clasificacin, ya que pueden ser estocsticas o no
estocsticas y lineales o no lineales o bien, cualquier combinacin posible entre estas
formas.

g) Modelos

Los modelos en economa son combinaciones de variables en una (o ms de una)


ecuacin o funcin que expresan las caractersticas bsicas del comportamiento de los
sujetos econmicos, dado un orden institucional y legal y una tecnologa incorporada
a la actividad econmica. Pueden ser tericos o empricos. Los primeros relacionan
variables de forma terica; mientas que, los segundos se especifican para comprobar
la existencia de la relacin postulada por los primeros, en un espacio y tiempo
determinado. Son dinmicos cuando establecen relaciones entre variables a lo largo
del tiempo y estticos cuando las relaciones se especifican para un momento
determinado en un espacio cualquiera.

7
Facultad de Ingeniera Econmica UNA - Puno

3. MODELO ECONOMTRICO

ESPECIFICACIN DEL MODELO

En este trabajo determinamos el modelo ya que la teora que sustenta la investigacin


no est expresada matemticamente por ello es necesario especificar el modelo
econmico en lenguaje matemtico, acorde a las hiptesis descritas en la fase anterior.
Para ello utilizar las relaciones de comportamiento con mencin expresa de las
variables que, segn la teora, entran en cada relacin y de su forma funcional.
Aleatoria, quedando especificado por la siguiente ecuacin:

Donde:
t = 1, 2,,T, indica que se trata de unidades de observacin temporales en
contraposicin con las espaciales (tambin llamadas de corte transversal v.g. i =
1,2,n)

3.1.1. TEORA ECONMICA SOBRE SALARIOS:

La teora econmica dominante en la determinacin del Salario es la Teora del


Capital Humano. En su desarrollo surgen las importantes contribuciones de Jacob
Mincer (1957, 1958, 1962); Theodore Schultz (1960, 1961) y Gary Becker (1962,
1964).
La moderna Teora del Capital Humano tiene sus races en la obra de Adam Smith
sobre igualacin de diferenciales; incluso se encontr alguna evidencia de que esta
teora fu desarrollada por Sir William Petty.
En numerosas ocasiones en el libro La Riqueza de las Naciones, Adam Smith
arguye que los salarios pagados a los trabajadores deberan compensar o igualar
las diferencias en lugares de trabajo agradables o desagradables. Una extensin de
la nocin de Smith sobre igualacin de diferencias en salarios es la inversin en
capital humano, como la educacin, adiestramiento en el trabajo, bsqueda de
trabajo y migracin.

8
Facultad de Ingeniera Econmica UNA - Puno

3.1.2. PROBLEMAS DE ESTIMACIN ECONOMTRICA DE LA TEORA


DEL CAPITAL HUMANO:

Las nociones de tasas de salario, horas trabajadas, y ganancias son penetrantes en


la teora del capital humano, pero cmo uno obtiene medidas empricas de esas
construcciones tericas, no siempre est claro.
Otro problema es que las tasas de salario recolectadas desde la fuente del ingreso
familiar (medida tpicamente usada) pueden contener errores en cuanto a que la
teora econmica define al salario como el valor de mercado de los bienes que
pueden ser comprados por, digamos, una hora de trabajo.
La tasa de salario no es la nica variable cuya medida emprica es problemtica.
La educacin medida por convencin en 12 aos para los no universitarios y los
16 para los colegiados por ejemplo no explica a las personas a las que les tom
ms o menos de ese tiempo culminar sus estudios.

3.1.3. FORMAS FUNCIONALES PARA FUNCIONES ESTADSTICAS DE


INGRESOS:

Un gran nmero de investigaciones que han examinado datos de distribuciones de


salarios encuentran que stos tienen una forma sesgada, donde la mediana es
usualmente menor que la media (distribucin asimtrica de izquierda), es decir que
la mayor parte de las personas tienen ingresos bajos y la menor parte de ellas tiene
ingresos altos, como puede observarse en la figura:

Distribucin del Ingreso

f(Yi)

9
Facultad de Ingeniera Econmica UNA - Puno
Se trataron de encuadrar en distintos tipos de distribuciones estadsticas, como la
Normal o la Log Normal. La Log Normal es una distribucin sesgada que
explica bastante bien el comportamiento de los salarios, pero es generalmente
incapaz de predecir un relativamente grande nmero de ocurrencias de muy altos
ingresos.

La forma general para los modelos de funciones de ingresos es la siguiente:

Yi = f(si , xi , zi ) + ui i = 1, ... ,n

donde yi son los ingresos o salarios del i-simo individuo, Si es una medida de
escolaridad o educacin recibida, Xi indica el stock de capital humano de
experiencia, Zi son otros factores que pueden afectar a las ganancias como la raza,
el gnero y/o la regin geogrfica del sujeto, y i es una perturbacin aleatoria
que refleja las habilidades y caractersticas no observadas que son inherentes a
cada individuo.
Usualmente se asume que i est normalmente distribuida con media cero y
varianza constante.
La literatura economtrica sobre la determinacin del salario ha sido en su mayor
parte basada en la ecuacin de regresin logartmica de la forma

ln Yi = f(si , xi , zi ) + ui i = 1, ... ,n

dnde: ln yi es el logaritmo natural de las ganancias o salarios del i-simo


individuo. Esta ecuacin es llamada a menudo funcin estadstica de ingresos.
Para trabajar dentro del marco de la maximizacin de beneficios de los individuos,
sujeto a una funcin de utilidad y a una restriccin presupuestaria, la teora supone
que los nicos costos de la educacin son los salarios que se podran percibir en
caso de trabajar en lugar de estudiar. La tasa de retorno del primer ao de
educacin, r1, es computada como el incremento en los ingresos o salarios,
dividido en el incremento en los costos, o sea:
1 0
1 =
0

10
Facultad de Ingeniera Econmica UNA - Puno
donde Y1 es el salario luego de un ao de educacin e Y0 es el salario de una
persona sin educacin (y adems se supone que ambos sern constantes el tiempo
del ciclo de vida restante).
Esta ecuacin puede ser reescrita como:

Y1 = Yo ( 1 + r1 ) Ys = Yo ( 1 + r )s

Si asumimos que la tasa de retorno de la educacin es misma para todos los niveles

de escolaridad, o sea r1 = r2 = .... = rs = r. Adems si aproximamos (1+r) por er,


dado que r es pequeo, la ecuacin anterior se convierte en:

Ys = Yo er.S

la cual, con un trmino de perturbacin multiplicativo de tipo eu anexado, se puede


rescribir en forma logartmica como

ln Ys = ln Yo + rS + u
Esta ecuacin es la forma ms bsica de la funcin de ingresos. Ntese que, si la
misma es regresada mediante el mtodo de mnimos cuadrados, el coeficiente
estimado de la pendiente (o sea la educacin) proveer un estimador de r, la tasa
de retorno a la educacin, y la intercepcin estimada indicar el nivel del logaritmo
del salario en ausencia de educacin.
Esta simple especificacin de la funcin de ingresos ha sido generalizada por Jacob
Mincer (1974) para tomar en sus clculos el efecto del entrenamiento en el trabajo
general. Una posibilidad es corregir la ecuacin anterior para que tome la forma

ln Yi = ln Yo + 1Si + 2kiXi + ui

donde 1 es la tasa de retorno de la educacin, 2 es la tasa de retorno del


entrenamiento en el trabajo, ki es la proporcin del tiempo que dedica el i-simo
trabajador en inversin en educacin y Xi son los aos de experiencia en el
mercado de trabajo del i-simo trabajador, usualmente medido como edad menos
si menos seis aos.
Esto llev a Mincer y a otros a corregir la ecuacin anterior para obtener una forma
que es lineal en la educacin, pero cuadrtica en la experiencia:

ln Yi = 0+ 1 . Si + 2 . Xi + 3 . Xi2+ ui

11
Facultad de Ingeniera Econmica UNA - Puno
Si la funcin de ingresos es cncava en experiencia (como lo sugiere la teora)
entonces el estimador de 2 debera ser positivo, mientras que el de 3 debera ser
negativo, como podemos apreciar en la siguiente figura:

Aporte Marginal de la Experiencia

f(Xi)

Xi

La forma cuadrtica intenta captar la evidencia de que el efecto de la experiencia


laboral llega a su mximo en determinado momento, y luego su aporte comienza a
ser negativo para el ingreso.
Una implicacin de la Teora del Capital Humano es que, si las habilidades estn
correlacionadas con los aos de escolaridad y si los individuos con ms educacin
reciben ms entrenamiento en el trabajo, entonces los perfiles de las ganancias de
la post-educacin de los ms educados deberan ser excesivamente mayores que
las de los menos educados. Una manera de incorporar dichos efectos es
especificando trminos de interaccin entre escolaridad y experiencia. Por
ejemplo:

ln Yi = o+ 1 . Si + 2 . Xi + 3 . Xi2+ 4 . Si . Xi + ui

El efecto de la experiencia en el logaritmo de las ganancias, ln Yi /Xi = 2 + 2


3Xi + 4 si, depende del nivel de experiencia Xi y del nivel de educacin s. Una
condicin suficiente para que el perfil de las ganancias por experiencia de los ms
educados sea grande es que 4 > 0.

La ecuacin original de Mincer utiliza slo la educacin y la experiencia laboral


como variables independientes explicativas del salario. Por esta razn en nuestro
trabajo extenderemos esta ecuacin introduciendo variables que consideramos
relevantes para nuestro anlisis.

12
Facultad de Ingeniera Econmica UNA - Puno

3.1.4. REGRESIN MEDIANTE EL USO DE VARIABLES DUMMY O


DICOTMICAS:

Las variables Dummy son provechosas cuando ciertas categoras no son


fcilmente cuantificables.
Las variables Dummy pueden ser empleadas tambin para capturar aspectos no
lineales de variables categricas mediante el uso de trminos de interaccin.

A veces habr algunas variables explicativas en la ecuacin de regresin que slo


sean cualitativas, por ejemplo, las diferencias de raza, sexo o edad. Por ejemplo,
para estudios hechos en Estados Unidos se ha encontrado que las profesoras ganan
menos que sus colegas de sexo masculino y que los profesores afroamericanos
ganan menos que los blancos. Esto puede deberse a la discriminacin sexual o
racial. En tales casos, suele tomarse en cuenta estos efectos por medio de una
variable indicadora. La suposicin implcita es que las lneas de regresin para los
distintos grupos difieren slo en el trmino de interseccin pero que tienen los
mismos coeficientes de pendiente. Por ejemplo, supongamos que la relacin entre
el ingreso y y los aos de escolaridad s para dos grupos es la que se muestra en
la figura de abajo. Los puntos son para el grupo 1y los crculos para el grupo 2:

Grfico 21
Representacin de una Regresin con Variable Dummy para Cambios de
Ordenada

13
Facultad de Ingeniera Econmica UNA - Puno
Observe que las pendientes de las lneas de regresin para ambos grupos son
aproximadamente iguales, pero que las intersecciones son diferentes. Por lo tanto,
las ecuaciones de regresin que se ajustan son:

Esta ecuacin puede combinarse en una sola.


y= 1+ ( 1- 2) D+ x+u

La variable D es la variable indicadora. El coeficiente de la variable indicadora


mide las diferencias en los dos trminos de interseccin

4. ESTIMACIN DEL MODELO MEDIANTE MNIMOS


CUADRADOS ORDINARIOS.

Uno de los mtodos economtricos ms usados por la sencillez de su aplicacin es


el de Mnimos Cuadrados Ordinarios, el cual utilizaremos en este captulo para
realizar distintas estimaciones economtricas a fin de explicar el ingreso anual de
un profesional de educacin egresado de la UNA - PUNO, basndonos en el
trabajo desarrollado por Mincer sobre la Teora del Capital Humano.
Se utilizarn datos de corte transversal recopilados de una Tesis de investigacin
realizada en el 2015 (ver anexo). investigando variables explicativas y formas
funcionales que permitan hacer estimaciones correctas acerca de la variable a
explicar.
Partiremos de la ecuacin original de Mincer mostrada en el punto anterior, y luego
se realizarn distintas estimaciones, manteniendo las variables independientes que
resulten estadsticamente significativas, e introduciendo y probando otras que se
crean relevantes. Finalmente, con todas las variables significativas encontradas, se
establecer una ecuacin de mejor ajuste para explicar la variable dependiente
Ingreso.

14
Facultad de Ingeniera Econmica UNA - Puno

CONSIDERACIONES SOBRE LA VARIABLE DEPENDIENTE:

El nmero de datos que se utilizan es 87, este dato es recabado del nmero de encuestas
que realiz el investigador en su tesis, en donde, una de preguntas al encuestado fue
cules fueron los ingresos que obtuvo durante el ltimo ao? Los mismos pudieron
optar por ubicarse entre las siguientes categoras:

Clases
Menos de s/. 9000
De s/. 9000 a menos de s/. 18000
De s/. 18000 a menos de s/. 27000
De s/. 27000 a menos de s/. 36000
Ms de s/. 36000
La variable a explicar a lo largo de todo el captulo ser el logaritmo natural del
ingreso.
Cabe aclarar por ltimo como limitacin del modelo aqu tratado, que tomar como
categrica a la variable continua ingreso, equivale a suponer que cada individuo
que declara pertenecer a cierta categora posee un ingreso correspondiente al punto
medio de la misma. Esto promedia los verdaderos valores de los estimadores de
las variables, por lo que pueden estar sesgados.

ACLARACIONES PERTINENTES PARA LA INTERPRETACIN DE LOS


RESULTADOS:

a) Variable Logaritmo Natural del Ingreso (ln Yi):

Al utilizar como variable dependiente un logaritmo natural, su coeficiente se


interpreta como el cambio porcentual o relativo por cien en el ingreso ante un
cambio unitario en la variable explicativa. Podemos obtener tambin el cambio
nominal para la variable ingreso tomando el antilogaritmo en base e del ln Y.

15
Facultad de Ingeniera Econmica UNA - Puno
b) Variable Educacin (Si):

Los aos de educacin fueron transformados bajo el siguiente patrn, de acuerdo


a la duracin promedio de las distintas titulaciones, tomando como base a los que
alcanzaron como mximo ttulo el de Licenciado.

Equivalencias de Aos de Educacin

Maximo Ttulo Alcanzado Aos de Educacin Aos de Post-Educ.


Licenciado en Educacin 17 (Si) 0
Especializacin y otros. 18 1
Master o Magster 19 2
Doctorado 21 3

c) Variable Aos de Experiencia Laboral (Xi):

Para el clculo de los aos de Experiencia laboral se utiliz la metodologa


tradicional de computar la frmula:

Xi = Aos de Edad Aos de Educacin 6

ESTIMACIONES:

a) Ecuacin de Partida:

ecuacin (1) Ln Yi = 0 + 1 . Si + 2 . Xi + 3 . X2i + i

Donde:
Ln Yi : Logaritmo natural del Ingreso anual.
Si : Aos de Educacin.
Xi : Aos de Experiencia Laboral.
Con esta metodologa, basada en la Teora del Capital Humano, se sugiere que el
logaritmo de los ingresos sea lineal en la educacin y cuadrtico en la experiencia.
Habiendo anteriormente definido las variables, estamos en condiciones de realizar
una primera estimacin:

16
Facultad de Ingeniera Econmica UNA - Puno
Estimacin N 01
Variable Dependiente: ln Yi
Mtodo: Mnimos Cuadrados Ordinarios
Muestra: 87 observaciones

Variable Coeficiente Desv. Estndar Estadstico t Prob.


C 9.724149 0.161642 60.15861 0.0000
Si 0.305017 0.054651 5.581165 0.0000
Xi 0.037089 0.030547 1.214180 0.2281
Xi2 -0.000388 0.000998 -0.388573 0.6986
R-cuadrado 0.338325 Media de lnYi 10.44069
R-cuadrado ajustado 0.314409 Desv. Estndar de lnYi 0.753069
D.S. regresin 0.623544 Criterio de Akaike 1.938093
Suma Resid. Cuadrt. 32.27103 Criterio de Schwarz 2.051468
Mx. Verosimilitud -80.30704 Estadstico F 14.14643
Durbin-Watson 2.230629 Prob (Estadstico F) 0.000000

Por lo tanto, la ecuacin 1 queda:

Ln Yi = 9,724149 + 0,305017 . Si + 0,037089. Xi - 0,000388. Xi2

El coeficiente estimado de la intercepcin es significativo e indica que un


profesional en educacin de la UNA que haya alcanzado como mximo ttulo el
de Licenciado en educacin y que no tenga experiencia laboral, tiene un ingreso
anual promedio de s/. 8358,45 (dado que 9.724149 es igual al ln Y, si tomamos el
antilogaritmo de Y, encontraremos que Y = 16716,45). En general el trmino de
intercepcin se entiende como el valor promedio del efecto de todas las variables
omitidas en el modelo especificado.
El coeficiente estimado de Si, que representa la tasa de retorno de estudiar 1 ao
ms luego de la licenciatura, es de 30,5 % anual y es significativamente distinto de
cero. Es decir que estudiar un ao ms implica elevar el ingreso anual en ese
porcentaje. En el caso de estudiar 2 aos ms desde la licenciatura, el incremento
porcentual en el ingreso anual sera del 61%. Este es el caso de los que obtuvieron
un Master o Magster como mximo ttulo. Por ltimo, para quienes hicieron un
doctorado, el incremento del ingreso respecto del que mantiene como mximo
nivel el de licenciado es del 122%.
Sin embargo, los coeficientes de experiencia y su cuadrado no son significativos
al nivel del 5% exigido, pero cabe destacar que la experiencia tiene cierta

17
Facultad de Ingeniera Econmica UNA - Puno
importancia estadstica, pues el valor de su estadstico t nos lo indica. Es decir que
un ao ms de experiencia laboral tiene un impacto, pero no demasiado
trascendente sobre el ingreso anual. De todos modos, es posible que la
significancia del coeficiente de la experiencia laboral se haya visto reducida debido
a un problema de omisin de variables.
Respecto del coeficiente R cuadrado, nos dice que las variables educacin y
experiencia laboral estn explicando aproximadamente el 34% de la variabilidad
del logaritmo del ingreso anual.

A modo de ejemplo, esta regresin equivale a suponer que un egresado cuyo


mximo ttulo es el de licenciado, con 2 aos de experiencia laboral, tiene un
ingreso de:
ln Y = 9,724149 + 0,305017. 0 + 0,037089. 2 - 0,000388. 22
ln Y = 9,799879
Y = s/.9.031,56

Supongamos ahora un egresado cuyo mximo ttulo es el de Master o Magster, y


con 5 aos de experiencia laboral, tiene un ingreso de:

ln Y = 9,724149 + 0,305017. 2 + 0,037089. 5 - 0,000388. 52


ln Y = 10,529328
Y = s/. 18.698,33

b) Trmino de interaccin:

Nuestra prxima estimacin contendr el trmino de interaccin entre educacin


y experiencia laboral planteado anteriormente acerca de la Teora del Capital
Humano:

Ecuacin (2) ln Yi = 0 + 1. Si + 2. Xi + 3. Xi2 + 4. Si. Xi + i

Donde:
ln Yi: Logaritmo natural del Ingreso anual.
Si: Aos de Educacin
Xi: Aos de Experiencia Laboral

18
Facultad de Ingeniera Econmica UNA - Puno
Estimacin N 02
Variable Dependiente: ln Yi
Mtodo: Mnimos Cuadrados Ordinarios
Observaciones Incluidas: 87

Variable Coeficiente Desv. Standard Estadstico t Prob.

C 9.482842 0.192463 49.27105 0.0000


Si 0.437380 0.080532 5.431169 0.0000
Xi 0.078523 0.035323 2.223009 0.0290
Xi2 -0.001184 0.001041 -1.137441 0.2587
Si.Xi -0.016250 0.007397 -2.196861 0.0309
R-cuadrado 0.375104 Media de lnYi 10.44069
R-cuadrado ajustado 0.344622 Desv. Estndar de lnYi 0.753069
D.S. regresin 0.609651 Criterio de Akaike 1.903892
Suma Resid. Cuadrt. 30.47726 Criterio de Schwarz 2.045611
Mx. Verosimilitud -77.81932 Estadstico F 12.30548
Durbin-Watson 2.335986 Prob (Estadstico F) 0.000000

Por lo tanto la ecuacin 2 queda:

Ln Yi = 9,482842 + 0,437380 Si+ 0, 078523.Xi-0,001184. Xi 2-0, 01625.Si. Xi

En este nuevo modelo de regresin obtenemos que la Xi es significativa y con


coeficiente positivo. Se puede afirmar a partir de esto que un ao adicional de
experiencia laboral incrementa el ingreso en aproximadamente un 8%.
El coeficiente de la variable Xi2 nuevamente es no significativo.

Se encuentra que el coeficiente de Si . Xi es significativo y negativo, por lo que


para nuestro grupo de anlisis los individuos con mayor educacin obtienen
aportes menores por un ao adicional de experiencia laboral.
El coeficiente R cuadrado increment su valor a 37,5% como se espera al aumentar
variables explicativas.

c) Lugar de residencia:

La variable a evaluar en esta seccin es la influencia del lugar de residencia de los


encuestados, mediante 2 variables dicotmicas.
Primeramente se estim incluyendo las variables DIi (Dummy Interior del Pas),
DBi y Dexti, de lo que se observ que no existe un diferencial de ingreso

19
Facultad de Ingeniera Econmica UNA - Puno
significativo entre los que viven en la Provincia de Puno y los de otras provincias
de la region Puno, por lo que se tomo como base la ciudad de Puno y Juliaca.
Seguimos usando las variables educacin y experiencia laboral debido a su clara
significancia.

Ecuacin (3) ln Yi = 0 + 1 . Si + 2 . Xi + 3.DBi + 4 . DEi + i


Donde:
ln Yi : Logaritmo natural del Ingreso anual.
Si : Aos de Educacin.
Xi : Aos de Experiencia Laboral.
DBi : Dummy lugar de residencia, con valor 1 si el individuo reside en la provincia
de Bs. As y 0 de otro modo.
Dexti : Dummy lugar de residencia, con valor 1 si el individuo reside en el exterior
y 0 de otro modo.

Estimacin N 03
Variable Dependiente: lnYi
Mtodo: Mnimos Cuadrados Ordinarios
Observaciones Incluidas: 87

Variable Coeficiente Desv. Stndar Estadstico t Prob.


C 9.455782 0.124833 75.74759 0.0000
Si 0.212806 0.049479 4.300908 0.0000
Xi 0.038715 0.007880 4.912977 0.0000
DBi 0.509365 0.177324 2.872505 0.0052
Dexti 0.758445 0.141718 5.351803 0.0000
R-cuadrado 0.514822 Media de lnYi 10.44069
R-cuadrado ajustado 0.491155 Desv. Estndar de lnYi 0.753069
D.S. regresin 0.537190 Criterio de Akaike 1.650824
Suma Resid. Cuadrt. 23.66299 Criterio de Schwarz 1.792542
Mx. Verosimilitud -66.81082 Estadstico F 21.75253
Durbin-Watson 2.212851 Prob (Estadstico F) 0.000000

La ecuacin 3 queda:
ln Yi = 9,455782 + 0,212806 . Si + 0,038715.Xi+0.509365.DBi+0,758445 . DEi

20
Facultad de Ingeniera Econmica UNA - Puno
Encontramos que el coeficiente del intercepto es significativo y muy similar al de
las ecuaciones 1 y 2. En la ecuacin 1, el efecto de la variable Lugar de Residencia
era captado por el intercepto, razn por la cual ste tomaba un mayor valor.
Por otro lado el coeficiente de Si tambin es significativo, pero en este caso exhibe
una disminucin en su valor en comparacin con la ecuacin 1, debido a que parte
de lo que sta explica de la variable dependiente est tomada por las variables de
experiencia laboral y de residencia.
En este caso el coeficiente de Xi es significativo, implicando que un ao de
experiencia laboral adicional incrementa el ingreso anual aproximadamente en un
4%.
Respecto de las variables dicotmicas que incorporan el lugar de residencia, la
perteneciente a DBi es significativa e implica que los Profesores que residen en las
zonas fronterizas de la regin puno ganan en promedio aproximadamente un 51%
ms que los que residen en las ciudades cntricas de la regin. Una posible razn
de esto es la diferencia en los salarios promedios, lo cual puede deberse al
diferencial en el costo de vida entre Capital de regin y los lugares alejados de
este.
La variable dicotmica Dexti tambin es significativa y nos dice que los profesores
que residen en el exterior del pas ganan en promedio aproximadamente un 76 %
ms que los que residen en el interior del pas.
El coeficiente R cuadrado se increment notablemente (R2 = 51,48 %) respecto de
la ecuacin 1 debido a la inclusin de ms variables, y a que stas explican mejor
la variabilidad del ingreso anual.

d) Promedio:

Ahora centraremos el anlisis en verificar el efecto del promedio de los


encuestados sobre sus ingresos. Ntese que se trabaj con 73 datos y no sobre el
total de 87 debido a que 14 encuestas fueron omitidas por el investigador porque
se reservaron a dar informe sobre su ingreso. Como consecuencia de ello la
variabilidad de la variable dependiente es diferente, lo que nos puede provocar
algunas modificaciones en los test y/o en el R cuadrado.
De manera anloga en las estimaciones subsiguientes el nmero de observaciones
no ser igual al total de encuestados ya que algunos de stos omitieron responder
sobre las variables explicativas pertinentes.

21
Facultad de Ingeniera Econmica UNA - Puno

Ecuacin (4) ln Yi = 0 + 1 . Si + 2 . Xi + 3 . A i + i

Donde:
ln Yi : Logaritmo natural del Ingreso anual
Si : Aos de Educacin
Xi : Aos de Experiencia Laboral
Ai : Promedio universitario

Estimacin N 04
Variable Dependiente: lnYi
Mtodo: Mnimos Cuadrados Ordinarios
Observaciones Incluidas: 73

Variable Coeficiente Desv. Stndar Estadstico t Prob.


C 8.658911 0.482143 17.95922 0.0000
Si 0.301845 0.061005 4.947909 0.0000
Xi 0.036629 0.010901 3.360098 0.0013
Ai 0.151127 0.068367 2.210533 0.0304
R-cuadrado 0.394053 Media de lnYi 10.39547
R-cuadrado ajustado 0.367708 Desv. Estndar de lnYi 0.778196
D.S. regresin 0.618797 Criterio de Akaike 1.931157
Suma Resid. Cuadrt. 26.42077 Criterio de Schwarz 2.056662
Mx. Verosimilitud -66.48723 Estadstico F 14.95714
Durbin-Watson 2.379994 Prob (Estadstico F) 0.000000

La variable Ai es significativa y su coeficiente es positivo e indica que un punto


ms de promedio eleva el salario en un 15 %.
El coeficiente R2 40 % disminuy respecto de la ecuacin 3 debido bien sea a
que el lugar de residencia es ms importante para explicar el ingreso que el
promedio universitario o a que se disminuy el tamao de la muestra.

e) Sector:

El prximo paso ser detectar la influencia del Sector en el que los profesores
desarrollan su actividad principal sobre el ingreso. En un principio se estableci

22
Facultad de Ingeniera Econmica UNA - Puno
como categora base el sector denominado Otros en el cuestionario, pero slo
los parmetros de la educacin y la experiencia fueron .
De esta forma para la siguiente estimacin se dividieron los grupos entre pblico
y no pblico.

Ecuacin (5) ln Yi = 0 + 1 . Si + 2 . Xi + 3 . DPUi + i

Donde:
ln Yi : Logaritmo natural del Ingreso anual
Si : Aos de Educacin
Xi : Aos de Experiencia Laboral
DPUi : Dummy Sector Pblico, que toma el valor 1 si pertenece al sector pblico
y 0 de otro modo.
Estimacin N 05
Variable Dependiente: lnYi
Mtodo: Mnimos Cuadrados Ordinarios
Observaciones Incluidas: 82

Variable Coeficiente Desv. Stndar Estadstico t Prob.


C 9.874328 0.135026 73.12930 0.0000
Si 0.299941 0.054820 5.471396 0.0000
Xi 0.025767 0.008710 2.958421 0.0041
DPU -0.220221 0.140936 -1.562563 0.1222
R-cuadrado
i 0.351341 Media de lnYi 10.44891
R-cuadrado ajustado 0.326393 Desv. Estndar de lnYi 0.733995
D.S. regresin 0.602416 Criterio de Akaike 1.871813
Suma Resid. Cuadrt. 28.30658 Criterio de Schwarz 1.989214
Mx. Verosimilitud -72.74434 Estadstico F 14.08270
Durban-Watson 2.205292 Prob (Estadstico F) 0.000000

El coeficiente de DPUi no es significativo a los niveles usuales de confianza.


Sin embargo se puede interpretar, con una menor significancia estadstica,
que un profesor que se desempee en su actividad principal en una reparticin
pblica gana en promedio un 22 % menos que quien lo hace en un sector no
pblico. Debiendose a diversas razones, por ejemplo algunos profesores trabajan
en universidades privadas y al mismo tiempo trabajan en instituciones de EBR.
El valor del R cuadrado es menor que el de las anteriores ecuaciones (35 %)

23
Facultad de Ingeniera Econmica UNA - Puno
f) Actividad Secundaria:

La siguiente estimacin establecer si la variable actividad secundaria es


relevante para explicar los ingresos de los profesores, ya que a priori consideramos
que existe un efecto ambiguo, dado que por un lado el mayor nmero de
actividades laborales implicara un mayor ingreso anual, pero por otro lado realizar
ms de una actividad reflejara problemas de posicionamiento o especialidad en un
rea determinada y por lo tanto menores ingresos.

Ecuacin (6) ln Yi = 0 + 1 . Si + 2 . Xi + 3 . SEi + i


Donde:
ln Yi : Logaritmo natural del Ingreso anual.
Si : Aos de Educacin.
Xi : Aos de Experiencia Laboral.
SEi : Dummy actividad secundaria, que toma el valor 1 si realiza una actividad
laboral secundaria, y 0 si es de otro modo.
Estimacin N 06
Variable Dependiente: lnYi
Mtodo: Mnimos Cuadrados Ordinarios
Observaciones Incluidas: 76

Variable Coeficiente Desv. Stndar Estadstico t Prob.


C 9.886854 0.152739 64.73029 0.0000
Si 0.289397 0.057228 5.056935 0.0000
Xi 0.031227 0.008976 3.478902 0.0009
SEi -0.346257 0.143266 -2.416885 0.0182
R-cuadrado 0.375723 Media de lnYi 10.40363
R-cuadrado ajustado 0.349711 Desv. Estndar de lnYi 0.762231
D.S. regresin 0.614667 Criterio de Akaike 1.915724
Suma Resid. Cuadrt. 27.20272 Criterio de Schwarz 2.038394
Mx. Verosimilitud -68.79751 Estadstico F 14.44445
Durbin-Watson 2.162261 Prob (Estadstico F) 0.000000

La estimacin 6 establece que los economistas egresados de la UNA - PUNO que


realizan una actividad laboral secundaria ganan en promedio un 35 % menos que
los que slo se desenvuelven en una nica actividad laboral, ya que su coeficiente
es significativo.

24
Facultad de Ingeniera Econmica UNA - Puno
g) Dummy de educacin:

Continuamos el anlisis ahora modificando la ecuacin original que utilizaba la


variable continua educacin, transformndola en tres variables Dummy,
manteniendo como grupo base los que alcanzaron como mximo ttulo el de
licenciados en economa:

Ecuacin (7) ln Yi = 0 + 1 . Xi + 2 . DEi + 3 . DMAi+ 4 . DDOCi + i


Donde:
ln Yi : Logaritmo natural del Ingreso anual.
Xi : Aos de Experiencia Laboral.
DEi : Dummy Especializacin y Otros, que toma el valor 1 si ese fue el mximo
ttulo alcanzado y 0 de otro modo.
DMAi : Dummy Master o Magster, que toma el valor 1 si ese fue el mximo ttulo
alcanzado y 0 de otro modo.
DDOCi : Dummy Doctorado, que toma el valor 1 si ese fue el mximo ttulo
alcanzado y 0 de otro modo.

Estimacin N 07
Variable Dependiente: lnYi
Mtodo: Mnimos Cuadrados Ordinarios
Observaciones Incluidas: 87

Variable Coeficiente Desv. Stndar Estadstico t Prob.

C 9.731546 0.165316 58.86619 0.0000


DEi -0.147735 0.235625 -0.626993 0.5324
DMAi 0.681856 0.153899 4.430552 0.0000
DDOCi 1.080473 0.229426 4.709462 0.0000
Xi 0.040453 0.029978 1.349423 0.1810
Xi2 -0.000435 0.000979 -0.443698 0.6584
R-cuadrado 0.382353 Media de lnYi 10.44069
R-cuadrado ajustado 0.344226 Desv. Estndar de lnYi 0.753069
D.S. regresin 0.609835 Criterio de Akaike 1.915214
Suma Resid. Cuadrt. 30.12375 Criterio de Schwarz 2.085277
Mx. Verosimilitud -77.31181 Estadstico F 10.02855
Durbin-Watson 2.166129 Prob (Estadstico F) 0.000000

25
Facultad de Ingeniera Econmica UNA - Puno
El resultado indica que todas las variables, salvo DEi ,que representa que el
mximo ttulo alcanzado por el encuestado fue una especializacin u otro
postgrado, son significativas. Estimamos que la no significancia de aquella
variable puede deberse a la mala interpretacin de los encuestados a la pregunta
referida a especializacin.
Por lo tanto la variable DMAi establece que los profesores que obtuvieron ttulo
de Master y/o Magster ganan en promedio un 68% ms que los que alcanzaron
como mximo ttulo el de licenciado. Comparando este resultado con la estimacin
5.1, vemos que anteriormente el rendimiento de estudiar dos aos ms luego de la
licenciatura era del 61% de incremento en el ingreso. Esto se debe a que ahora se
controla el efecto de todas las categoras de post-educacin.
Por otro lado la variable DDOCi nos indica que los egresados que realizaron un
doctorado ganan en promedio un 108 % ms que los que alcanzaron como mximo
ttulo el de licenciado. Destacamos que el efecto aqu es menor al observado en la
estimacin 5.1, donde el valor el coeficiente era de 122%.
Es destacable que el R2 es apenas mayor que el encontrado en la ecuacin 1 donde
la variable educacin se tom como continua, por lo que no existen grandes
diferencias entre regresar el ingreso sobre la educacin de una u otra manera, salvo
las que permiten desagregar entre tipos de ttulos alcanzados.

ELECCIN DE LA ECUACIN DE MEJOR AJUSTE:

Finalmente se corrern dos regresiones con todas las variables significativas


encontradas en las estimaciones anteriores:

Ecuacin (8) Ln Yi = 0 + 1 . DEi + 2 . DMAi + 3 . DDOCi + 4 . Xi +


+5 . DBi +6 . Dexti + 7 . Ai + 8 . SEi + i

Donde:

ln Yi : Logaritmo natural del Ingreso anual.


DEi : Dummy Especializacin y Otros, que toma el valor 1 si ese fue el mximo
ttulo alcanzado y 0 de otro modo.
DMAi : Dummy Master o Magster, que toma el valor 1 si ese fue el mximo
ttulo alcanzado y 0 de otro modo.
DDOCi : Dummy Doctorado, que toma el valor 1 si ese fue el mximo ttulo

26
Facultad de Ingeniera Econmica UNA - Puno
alcanzado y 0 de otro modo.
Xi : Aos de Experiencia Laboral
DBi : Dummy lugar de residencia, con valor 1 si el individuo reside en la
provincia de Bs. As y 0 de otro modo.
Dexti : Dummy lugar de residencia, con valor 1 si el individuo reside en el
Exterior y 0 de otro modo.
Ai : Promedio universitario.
SEi : Dummy actividad secundaria, que toma el valor 1 si realiza otra actividad
laboral y 0 de otro modo.

Estimacin N 08
Variable Dependiente: lnYi
Mtodo: Mnimos Cuadrados Ordinarios
Observaciones Incluidas: 73

Variable Coeficiente Desv. Stndar Estadstico t Prob.


C 8.758002 0.423171 20.69615 0.0000
DEi -0.229026 0.226970 -1.009059 0.3168
DMA 0.416679 0.144408 2.885423 0.0053
DDOCi 0.627982 0.232351 2.702729 0.0088
i
Xi 0.045222 0.011737 3.852976 0.0003
DBi 0.454306 0.180211 2.520962 0.0142
Dext 0.755514 0.157589 4.794197 0.0000
Ai 0.098562 0.058698 1.679146 0.0981
SEi i 0.120153 0.123535 0.972623 0.3345
R-cuadrado 0.564671 Media de lnYi 10.42229
R-cuadrado ajustado 0.502482 Desv. Estndar de lnYi 0.736419
D.S. regresin 0.519433 Criterio de Akaike 1.654490
Suma Resid. Cuadrt. 16.99807 Criterio de Schwarz 1.968252
Mx. Verosimilitud -50.38889 Estadstico F 9.079809
Durbin-Watson 1.954504 Prob (Estadstico F) 0.000000

La ecuacin 8 arroja un R cuadrado elevado (R2 =0,5787) en comparacin al


encontrado en todas las estimaciones anteriores, debido a la incorporacin de las
variables ms relevantes.
Se puede interpretar que si el promedio aumenta en un punto, el ingreso se
incrementa en un 10%. Sin embargo su coeficiente no es significativo a los niveles
usuales de confianza.

27
Facultad de Ingeniera Econmica UNA - Puno
En este caso las variables Especializacin contina siendo no significativa. Sin
embargo ahora observamos que la variable SEi (actividad secundaria), que
anteriormente serva para explicar el logaritmo del ingreso ya no es significativa.
Por esta razn se estimar una ltima ecuacin slo con las variables explicativas
significativas.
Ecuacin de mejor ajuste:

Ecuacin (9) ln Yi= 0 + 1 . DMAi + 2 . DDOCi + 3 . Xi + 4 . DBi +


+5 . Dexti + I

Estimacin N 09.

Variable Dependiente: lnYi


Mtodo: Mnimos Cuadrados Ordinarios
Observaciones Incluidas: 73

Variable Coeficiente Desv. Stndar Estadstico t Prob.


C 9.438252 0.137914 68.43560 0.0000
DMAi 0.512500 0.133861 3.828591 0.0003
DDOCi 0.734539 0.221662 3.313777 0.0015
Xi 0.039880 0.008138 4.900405 0.0000
DBi 0.484538 0.179363 2.701436 0.0087
DEi 0.729083 0.158404 4.602688 0.0000
R-cuadrado 0.528598 Media de lnYi 10.42229
R-cuadrado ajustado 0.493418 Desv. Estndar de lnYi 0.736419
D.S. regresin 0.524143 Criterio de Akaike 1.624512
Suma Resid. Cuadrt. 18.40663 Criterio de Schwarz 1.812769
Mx. Verosimilitud -53.29470 Estadstico F 15.02582
Durbin-Watson 2.085245 Prob (Estadstico F) 0.000000

Ahora el coeficiente de la variable DMAi indica que los egresados que hayan
alcanzado como mximo ttulo un Master o Magster, ganan en promedio
aproximadamente un 51,2 % mas que los que alcanzaron como mximo ttulo el
de licenciado en Educacin y/o Especializacines. Por otro lado el coeficiente de
la variable DDOCi indica que los egresados que hayan alcanzado un doctorado
como mximo ttulo ganan en promedio un 73,45 % ms que los que alcanzaron
como mximo ttulo el de licenciado en Educacin y/o Especializacin. Vemos
que el valor de dicho coeficiente disminuy, y esto se debe a que en esta estimacin
controlamos la variable DEi la cual provocaba una sobreestimacin del mismo.

28
Facultad de Ingeniera Econmica UNA - Puno
La variable experiencia laboral es significativa e indica que un ao ms de
experiencia laboral incrementa el ingreso en un 4% aproximadamente.
El coeficiente de la variable DBi nos dice que los residentes en la capital de Regin
Puno y la ciudad de Juliaca ganan un 48 % ms que los que residen en las
provincias de departamento. El coeficiente estimado de la variable DEi indica que
los profesores que residen fuera del departamento como en cusco (zona el
VRAEM) ganan en promedio un 73% ms que los que residen en las provincias
del departamento, porque segn el ministerio de educacin los mayores sueldos
que el gobierno da esta en estas zonas.
El valor de R cuadrado disminuy respecto de la ecuacin anterior, pero es alto e
indica que las variables independientes explican un 53% de la variabilidad del
logaritmo del ingreso.

Finalmente, cabe mencionar que, para probar sus significancias, se estimaron


regresiones con las variables Sexo del encuestado, Padres profesionales y Edad de
graduacin, todas manteniendo educacin y experiencia laboral, encontrndose
que no son significativas para explicar el ingreso.

TRATAMIENTO DE PROBLEMAS ECONOMTRICOS:

Uno de los problemas ms comunes al utilizar datos de corte transversal es el de


Heterocedasticidad, que se presenta cuando los errores de la ecuacin de regresin
no tienen una varianza constante. Un ejemplo tpico de esto es cuando se regresan
los ingresos de las familias sobre los gastos de consumo, a medida que se
incrementa el ingreso aumenta la variabilidad de la de la funcin de densidad del
gasto, es decir que se encuentran individuos muy diferentes en cuanto a pautas de
consumo.
Las consecuencias de trabajar con errores heterocedsticos en los estimadores de
mnimos cuadrados son las siguientes:

1. Los estimadores siguen siendo insesgados, pero ineficientes.


2. Los estimadores de las varianzas son sesgados, lo que invalida las pruebas de
significancia.

29
Facultad de Ingeniera Econmica UNA - Puno

Para detectar la heterocedasticidad utilizaremos la prueba sugerida por White, que


involucra la regresin de los errores estimados al cuadrado sobre todas las
variables explicativas, sus cuadrados y sus productos cruzados.

La prueba se har para la regresin entre el logaritmo del ingreso regresado en las
variables educacin, experiencia y experiencia al cuadrado, ya que se quiere probar
que la varianza de los errores es homocedstica, es decir que no vara con el
aumento en el nivel de educacin:

Prueba de Heterocedasticidad de White:


Estadstico F 1.176893 Probabilidad 0.327769
R-cuadrado Obs. 5.892290 Probabilidad 0.316841

Variable Dependiente:(residuos ecuacin 1)2


Metod: Mnimos Cuadrados Ordinarios
Observaciones Incluidas: 87
Variable Coeficiente Desv. Estandar Estadistico t Prob.

C -5.639394 9.509739 -0.593012 0.5548


Si 0.734879 1.016490 0.722958 0.4718
Si2 -0.021853 0.027069 -0.807308 0.4219
Xi -0.024391 0.037324 -0.653485 0.5153
Xi2 0.001652 0.002201 0.750522 0.4551
Xi4 -1.12E-06 1.31E-06 -0.856552 0.3942

R-cuadrado 0.370931
0.067727 Media de residuos2
R-cuadrado ajustado 0.010180 Desv. Est. de residuos2 0.456600
D.S. regresin 0.454270 Criterio de Akaike 1.326222
Suma Resid. Cuadrt. 16.71527 Criterio de Schwarz 1.496285
Mx. Verosimilitud -51.69067 Estadstico F 1.176893
Durbin-Watson 1.620184 Prob (Estadstico F) 0.327769

Ninguna de las variables explicativas resulta significativa, as como tampoco sus


cuadrados y productos cruzados. Por lo tanto, el test de White revela que, si existe
heterocedasticidad, al menos no la hay de esta forma.
Probaremos ahora si la educacin tomada en trminos cualitativos provoca
problemas de heterocedasticidad captados por el test, ya que se sospecha una
disminucin en la variabilidad de los errores si el individuo se encuentra en
categoras de educacin altas:

30
Facultad de Ingeniera Econmica UNA - Puno

Prueba de Heterocedasticidad de White:


Estadstico F 2.847025 Probabilidad 0.014525
R-cuadrado Obs. 15.30814 Probabilidad 0.017991

Variable Dependiente: (residuos ecuacin 7)2


Metod: Mnimos Cuadrados Ordinarios
Observaciones Incluidas: 87

Variable Coeficiente Desv. Estndar Variable Coeficiente


C 0.603920 0.126694 4.766770 0.0000
DEi 0.330286 0.149425 2.210380 0.0299
DMAi -0.100976 0.097476 -1.035903 0.3034
DDOCi -0.232815 0.145457 -1.600582 0.1134
Xi -0.052313 0.031649 -1.652909 0.1023
Xi2 0.002255 0.001868 1.207027 0.2310
Xi4 -9.59E-07 1.11E-06 -0.860118 0.3923
R-cuadrado 0.346250
0.175956 Media de residuos2
R-cuadrado ajustado 0.114152 Desv. Est. de residuos2 0.409184
D.S. regresin 0.385122 Criterio de Akaike 1.006527
Suma Resid. Cuadrt. 11.86554 Criterio de Schwarz 1.204933
Mx. Verosimilitud -36.78391 Estadstico F 2.847025
Durbin-Watson 1.731261 Prob (Estadstico F) 0.014525

Se aprecia la presencia de heterocedasticidad, debido a la significancia del


estadstico t perteneciente a la variable especializacin. Sin embargo, la literatura
economtrica advierte de la posible aparicin de heterocedasticidad si la
especificacin utilizada tiene un problema de omisin de variables. Para probar
esta hiptesis se realizar a continuacin el test de White a la ecuacin 9.5
escogida como ecuacin de mejor ajuste:

31
Facultad de Ingeniera Econmica UNA - Puno

Prueba de Heterocedasticidad de White:


Estadstico F 0.860262 Probabilidad 0.541596
R-cuadrado Obs. 6.161939 Probabilidad 0.520973

Variable Dependiente: (residuos ecuacin 7)2


Metod: Mnimos Cuadrados Ordinarios
Observaciones Incluidas: 87
Variable Coeficiente Desv. Estndar Variable Coeficiente

C 0.333290 0.099731 3.341902 0.0013


DEi 0.277078 0.161544 1.715187 0.0902
DMA -0.065820 0.086410 -0.761715 0.4485
DDOCi -0.204011 0.137723 -1.481319 0.1425
i
Xi -0.012011 0.016607 -0.723274 0.4716
Xi2 0.000270 0.000541 0.498979 0.6192
DBi 0.108563 0.112194 0.967636 0.3362
Dext 0.016514 0.089721 0.184056 0.8544
R-cuadrado
i 0.241309
0.070827 Media de residuos2
R-cuadrado ajustado -0.011505 Desv. Est. de residuos2 0.334875
D.S. regresin 0.336796 Criterio de Akaike 0.748767
Suma Resid. Cuadrt. 8.961075 Criterio de Schwarz 0.975517
Mx. Verosimilitud -24.57137 Estadstico F 0.860262
Durbin-Watson 2.048211 Prob (Estadstico F) 0.541596

Debido a que ninguno de los coeficientes es significativo, y desapareci la


significancia de la categora especializacin, se puede afirmar que la ecuacin de
mejor ajuste, en las formas probadas por el test de White, tiene varianza
homocedstica. Se puede decir que desaparece la heterocedasticidad porque ya no
se omite una variable relevante como lo es la residencia. Con esto, los coeficientes
estimados son los mejores estimadores lineales insesgados.
A partir de esta prueba obtenemos el respaldo necesario para asegurar que las
estimaciones realizadas no contienen los tipos de problemas mas frecuentes desde
el punto de vista economtrico.

32
Facultad de Ingeniera Econmica UNA - Puno

5. CONCLUSIN

Los resultados obtenidos nos indica que atraves de la informacin que obtuvo el
investigador en las encuestas, se pudo determinar mediante estadsticos y modelos
economtricos la ponderacin de ingresos segn la actividad de los profesores y
segn el lugar donde laboran.
Toda esta informacin nos permiti realizar estimaciones economtricas mediante
el mtodo de mnimos cuadrados ordinarios, para determinar las variables ms
importantes que explican el ingreso.
Se vio que la realizacin de cualquier tipo de postgrado es importante para
incrementar las posibilidades de obtener mayores ingresos.
Algo que se encontr fue la importancia de vivir en el exterior de la regin Puno
lo cual indica que pueden obtener los ingresos ms altos, sin embargo, esto se
presenta en la mayora de los casos para individuos que realizaron estudios
posteriores a los de la Licenciatura.

33
Facultad de Ingeniera Econmica UNA - Puno

6. BIBLIOGRAFA

GUJARATY, Damodar (1987), Introduccin a la Econometra, trad. por Juan Manuel


Mesa, (Mxico D.F.).
JOHNSTON, Jack, DINARDO, John (1997),Econometric Methods, 4
Edicin, (USA).
MADDALA, G. D. (1996), Introduccin a la Econometra, trad. por Juan Carlos
Jolly Vallejo, 2 Edicin, Mxico.
WALPOLE, Ronald E., MYERS, Raymond H. (1997), Probabilidad y
Estadstica, trad por varios, 4 Edicin, Mxico.
GREENE, William H. (1999), Anlisis Economtrico, trad. por Jos Antonio
Hernndez Snchez, 3 Edicin, Madrid.
UNIVERSIDAD NACIONAL DEL ALTIPLANO, FACULTAD DE
CIENCIAS DE LA EDUCACIN, Plan de Mejora de la Calidad: Seguimiento de
Egresados.

34

Você também pode gostar