Tarea 4 - Colaborativo

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ECBTI – ECONOMETRIA
PERIODO ACADÉMICO 2022 - IV
ECONOMETRIA
TAREA 4 - ELECCIÓN BINARIA, INDEPENDIENTES CUALITATIVAS Y MIXTOS
GRUPO
105010_17
PRESENTADO POR:
MARIA ALEJANDRA SANTOFIMIO OSPINA CC: 1.110.536.922

BELKY XILENA MOLINA GIRALDO CC: 1.006.430.812
TUTOR
JUAN DAVID PULIDO

PERIODO ACADÉMICO
2022 – IV
1
INTRODUCCIÓN
2
SOLUCIÓN DE LA ACTIVIDAD
1. Leer comprensivamente las lecturas propuestas en la bibliografía,

especialmente, el capítulo 7 de Wooldridge (2010) y el capítulo 9de
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.
Los economistas utilizan una variedad de métodos para analizar la economía.

Analizar la economía implica mirar variables cuantitativas y cualitativas. Las
variables cualitativas ayudan a explicar las tendencias económicas al explorar los
efectos de las variables económicas en la sociedad. Por el contrario, las variables
cuantitativas ayudan a tomar decisiones económicas informadas al proporcionar
datos sobre el estado actual de la economía.
El campo de la economía se centra en comprender cómo la sociedad gestiona los

recursos y toma decisiones con respecto al dinero. Como resultado, los
economistas realizan análisis económicos para informar las decisiones
relacionadas con la política fiscal. Estos términos colectivamente incluyen el
estudio de la economía, que es una ciencia social que usa información y lógica
para resolver problemas y crear soluciones. En general, el estudio de la economía
se centra en el impacto de las variables cuantitativas en la sociedad. Las variables
cualitativas son importantes en este contexto, ya que ayudan a determinar la mejor
manera de administrar los recursos y tomar decisiones con respecto al dinero.
Por lo tanto, los economistas primero deben recopilar la mayor cantidad de

información posible antes de hacer suposiciones. Por ejemplo, pueden recopilar
datos de encuestas y entrevistas para comprender cómo se siente la gente con
respecto a diferentes variables económicas, como las tasas de inflación o las
tasas de interés. También pueden recopilar datos de sus gobiernos locales,
estatales y nacionales para comprender cómo la política fiscal afecta el
crecimiento económico y la economía en general. Después de recopilar esta
información, los economistas pueden hacer estimaciones informadas sobre qué
variables económicas tienen un impacto positivo o negativo en la sociedad.
Desde el principio de los tiempos, los seres humanos han utilizado el análisis
cualitativo para explorar las relaciones entre las variables económicas. Los
investigadores cualitativos estudian aspectos cualitativos tales como cómo se
sienten, piensan y se comportan las personas en diferentes situaciones
3
económicas. Por ejemplo, si un economista realiza una encuesta sobre cómo se

siente la gente acerca de las altas tasas de inflación, descubrirá que algunas
personas están contentas con las altas tasas de inflación y otras no. De esta
manera, el estudio de la economía se basa en el análisis cualitativo, ya que
investiga cómo se sienten las personas en diferentes circunstancias económicas.
Por el contrario, las variables cuantitativas ayudan a tomar decisiones económicas
informadas al proporcionar datos sobre el estado actual de la economía.
Los economistas utilizan una variedad de métodos para analizar la economía. En

general, el campo de la economía se enfoca en comprender cómo la sociedad
administra los recursos y toma decisiones con respecto al dinero. Desde el
principio de los tiempos, los seres humanos han utilizado el análisis cualitativo
para explorar las relaciones entre las variables económicas, como la deflación
frente a las tasas de inflación, y las variables cuantitativas, como el producto
interno bruto o las tasas de interés. El análisis cualitativo es crucial en la creación
de soluciones para administrar recursos y tomar decisiones informadas con
respecto al dinero; por lo tanto, es esencial que los economistas comprendan este
campo.
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 es considerado un modelo de probabilidad, en

donde la variable dependiente Y toma valores entre 0 y 1 para denotar la
característica de una variable cualitativa, normalmente el uso de modelos
econométricos que se aplican a este tipo de elecciones tiende a ser modelos logit,
probit
Al aplicar los modelos de elección binaria a su vez se calcula la probabilidad de

éxito 1 o de fracaso 0 y por ende la explicación e interpretación de los resultados
suele ser de mayor cuidado.
c) Explicar en máximo dos párrafos qué es una variable explicadora binaria,

cuándo se usa y cómo se interpretan sus coeficientes.
Estas variables normalmente suelen aparecer con frecuencia en modelos

empíricos, toman valores 0 y 1 y se denominan variables ficticas o dummys, se
utilizan con el fin de explicar las variables cualitativas y se utilizan para identificar
las categorías a las que pertenecen las observaciones, sus coeficientes en general
4
no dependen de sus propios valores, sino también del valor de la variable que
tiene impacto dentro de la probabilidad.
2. Resolver los ejercicios de Wooldridge (2010): 7.4, 7.9, C7.5C7.7, C7.8 y

C7.10.
7.4. Una ecuación que explica el sueldo de los presidentes de consejos de

administración es
Los datos que se emplearon son los del archivo CEOSAL1.RAW, donde finance,
consprod y utility son variables binarias que corresponden a las industrias
financiera, de productos de consumo y de servicios. La industria que se ha omitido
es la del transporte.
i) Calcule la diferencia porcentual aproximada entre los sueldos estimados

de las industrias de servicios y de transporte, manteniendo sales y roe
constantes. ¿Es esta diferencia estadísticamente significativa al nivel de
significancia de 1%?
5
−0,283∗100=−28,3 %
−28,3 %=diferencia porcentual
−0,283 / 0.99=−2,85
−2,85=t statistic
ii) Emplee la ecuación (7.10) para obtener una diferencia porcentual exacta entre
los sueldos estimados de las industrias de servicios y de transporte, y compare el
resultado con el obtenido en el inciso i).
6
100∗[ exp(' β 1)−1 ]
100∗[ exp (−.283 )−1 ] =−24,64 %
El resultado es –24,64% lo que quiere decir que la estimación es menor

comparado con la diferencia porcentual del inciso i).
iii) ¿Cuál es la diferencia porcentual aproximada entre los sueldos estimados de la

industria de productos de consumo y en el sector financiero? Dé una ecuación que
permita probar si esta diferencia es estadísticamente significativa.
.181−.158=.023
.023∗100=2,3 %
2,3 %=diferencia porcentual
La ecuación estimada para obtener el error estándar de la diferencia:
7
log ( salary ) =β 0+ β1 los ( sales ) + β 2 roe+ δ 1 consprod+ δ2 utility +δ 3 trans+u
trans es una variable dummy, el grupo base es financiero y el coeficiente δ 1 mide

la diferencia entre la industria de productos de consumo y el sector financiero,
puede usar el t_statistic en consprod.
7.9. Sea d una variable binaria y sea z una variable cuantitativa. Considere el
modelo
esta es la versión general de un modelo con una interacción entre una variable
binaria y una variable cuantitativa. [La ecuación (7.17) es un ejemplo.]
i) Como no se altera nada, haga el error igual a cero, u=0. Entonces, cuando d=0
la relación entre y y z puede expresarse mediante la función f 0 ( z )= β0 + β 1 z . Escriba
la misma relación para el caso en que d=1, donde, en el lado izquierdo debe usar
f 1 ( z ) para denotar la función lineal de z.
u=0 y d=0
y=β 0 + δ 0 d + β 1 z +δ 1 d∗z+u
y=f 0 ( z )=β 0 + β 1 z
u=0 y d=1
y=f 1 ( z ) =β 0+ δ 0 + β 1 z + δ 1 z
y=f 1 ( z ) =( β 0+ δ 0 )+ ( β 1+ δ 1 ) z
ii) Suponiendo que δ 1 ≠ 0 (lo que significa que las dos rectas no son paralelas),
¿ ¿ ¿
muestre que el valor z ¿ para el que f 0 ( z )=f 1 ( z ) es z =−δ 0 / δ 1 . Este es el punto en
8
el que se interceptan las dos rectas [como en la figura 7.2(b)]. Argumente que z ¿
es positivo si y sólo si δ 0 y δ 1tienen signos contrarios.
y=f 0 ¿
β 0 + β 1 z∗¿ (β 0+ δ 0 )+( β 1 +δ 1) z∗¿
0=δ 0+ δ1 z∗¿
z∗¿−(δ ¿ ¿ 0/ δ 1) ¿
z* es positivo si δ 0 y δ 1 tienen signos negativos.
iii) Empleando los datos del archivo TWOYEAR.RAW, puede estimarse la

ecuación siguiente:
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.
z∗¿−(δ ¿ ¿ 0/ δ 1) ¿
totcoll=−(−0.357/0.030)=11,9
z* = totcoll
δ 0 = -.357
δ 1 = .030, r
Resultado es de 11,9 años que sería el valor igual para hombres y para mujeres.
9
iv) Con base en la ecuación del inciso iii), ¿es realmente posible que las mujeres
logren suficientes años de universidad de manera que sus ingresos estén al nivel
de los de los hombres? Explique.
Los años estimados de universidad en los que las mujeres alcanzan a los hombres
son altos, lo que implica que el salario para las mujeres es menor que para los
hombres.
C7.5. En el problema 4.2 al modelo que explica el sueldo de los CEO se

agregó el rendimiento de las acciones de una empresa, ros, el cual resultó
ser no significativo. Ahora, defina una variable binaria, rosneg, que sea igual
a uno si ros 0 e igual a cero si ros 0. Utilice CEOSAL1. RAW para estimar
el modelo
Analice la interpretación y la significancia estadística de ˆβ 3 .
De acuerdo con los coeficientes se puede decía que los CEO con ros negativo
tienen 22,5% menor ganancia que los demás.
10
C7.7 Para este ejercicio utilice los datos del archivo WAGE1.RAW.
i) Utilice la ecuación (7.18) para estimar la diferencia entre los géneros cuando
educ12.5. Compare con la diferencia estimada cuando educ 0.
Como resultado de las operaciones se tiene que:
Diferencia estimada cuando educ es = 0: .22
Diferencia entre los géneros cuando educ es= 12.5: .29
11
ii) Corra la regresión usada para obtener (7.18), pero con female(educ 12.5) en
vez de femaleeduc. ¿Cómo interpreta ahora el coeficiente de female?
Cuando se reemplaza a female por female educ, se obtiene un valor negativo del
28% que, al toarlo como año base de escolaridad se representaría un 12,5.
iii) En el inciso ii), ¿es el coeficiente de female estadísticamente significativo?

Compare con (7.18) y comente.
Al comprar ambas variables, se tiene que estadísticamente los valores

representados en el inciso ii, presentan un nivel significativo; mientras que el inciso
i no presenta dicho nivel, puesto que su variabilidad es mayor al encontrar el inciso
ii.
C7.8
Para este ejercicio utilice los datos del archivo LOANAPP.RAW. La variable
binaria a explicar es approve, que es igual a uno si a un individuo se le aprueba el
12
préstamo hipotecario. La variable explicativa clave es white, una variable binaria

igual a uno si el solicitante es blanco.
En esta base de datos, los demás solicitantes son negros e hispanos. Para probar
si hay discriminación en el mercado de préstamos hipotecarios, puede emplearse
un modelo de probabilidad lineal:
i) Si existe discriminación contra las minorías y se han controlado los factores

adecuados, ¿cuál es el signo de B1?
Cuando se presentan casos de discriminación, se verán reflejados en los datos, lo

que hará que la variable White sea mayor que 0, esto permitiría ver como las
personas blancas tienen ventaja al obtener un préstamo, por lo tanto el signo B1,
sería mayor que 0.
ii) Regrese approve sobre white y dé los resultados en la forma habitual. Interprete
el coeficiente de white ¿es estadísticamente significativo? ¿Es grande en sentido
práctico?
13
Los resultados apuntaron a que tenemos una variable de White equivalente a un

0.20 (20%) lo que nos da una representación de la diferencia clara entre los
procesos de obtención de un préstamo, ya en 20% tenemos que es más probable
que le den el préstamo a alguien blanco, ya que su porcentaje fue claro y
significativo.
iii) Agregue, como controles, las variables hrat, obrat, loanprc, unem, male,
married, dep, sch, cosign, chist, pubrec, mortlat1, mortlat2 y vr. ¿Qué ocurre con el
coeficiente de white? ¿Sigue habiendo evidencias de discriminación contra las
personas que no son blancas?
En este caso tenemos una tasa de 12%, con tendencia a seguir siendo
significativa y reflejando una clara ventaja a todas las personas blancas cuando
obtienen el crédito.
14
iv) Ahora permita que el efecto de la raza interactúe con la variable que mide otras
obligaciones como porcentaje del ingreso (obrat). ¿Es significativo este término de
interacción?
La variable White, demuestra que según la raza, y haciendo referencia al mayor

ingreso, las personas blancas tendrán una ventaja sobre las personas de color, ya
que se demuestra un mayor porcentaje.
v) Utilizando el modelo del inciso (iv), ¿qué efecto tiene ser blanco sobre la
probabilidad de aprobación cuando obrat 32, que es aproximadamente el valor
medio en la muestra? Obtenga un intervalo de confianza de 95% para este efecto.
15
Esta variable, presenta un resultado igual a 32, por lo que se continúa

demostrando su ventaja sobre las otras.
C7.10 Para este ejercicio emplee los datos del archivo NBASAL.RAW.
i)Estime el modelo de regresión lineal que relaciona puntos por juego (points) con
experiencia en la liga (exper) y posición (defensa, delantero o centro —guard,
forward, center—). Incluya experiencia en forma cuadrática y como grupo base
use center. Dé los resultados en la forma habitual.
2
puntos=4.76+1.28 exper−.072 exper +2.31 guard +1.54 foward
( 1.18 ) ( .33 )( .024 )( 1.00 )( 1.00 )
2 2
n=269 , R =.091 , R =.077 .
ii) En el inciso i), ¿por qué no incluye las tres variables binarias para las
posiciones?
Esto no es necesario, puesto que las categorías de los jugadores se presentan de

manera individual y, en caso de querer unirlas podría tomarse de manera en la
que todos los participantes pertenecen a todas, por lo que el resultado obtenido
será ireal.
iii) Permaneciendo experiencia constante, ¿anota más un defensa que un centro?

¿Cuánto más? ¿Es estadísticamente significativa esta diferencia?
16
Al presentar ambas variables constantes, basados en la experiencia, nos

demuestra que con un resultado del 2.3, un jugador centro anotaría más;
estadísticamente este valor nos muestra una diferencia de 0, lo que nos da como
resultado 5%, lo cual podemos tomar como diferencia significativa.
iv) Ahora a la ecuación agregue el estado civil (marr 1 si es casado). Manteniendo

constantes la posición y la experiencia, ¿son más productivos los jugadores
casados (de acuerdo con los puntos por juego)?
Al agregar la variable se obtiene un mismo valor en .58. esto indica que, si un

jugador está casado y está en el promedio, tiende a realizar un 0,5 más
anotaciones en cada partido, por lo que se puede interpretar en la realidad como
una anotación más en cada dos partidos, pero no es posible considerar esta
variable como algo que influya en su desempeño ya que se tiene una estimación
de .43, lo que indica que dichos datos no son lo suficientemente significativos,
para lograr determinar que al estar casados se pueda tomar como ventaja
estratégica para realizar más anotaciones.
v) Agregue interacciones del estado civil con las dos variables de experiencia. En
este modelo ampliado, ¿hay una fuerte evidencia de que el estado civil tenga
algún efecto sobre los puntos por juego?
Si tomamos dos variables a consideración marr * experr y damos otra elevando al

cuadrado la variable experr tenemos los siguientes resultados
F= 1,44
p= .23
al tener esta información como base, el campo del estado civil presenta
variaciones, sin embargo, no presenta prueba solida que permita concluir que el
estado civil aumenta el rendimiento de los jugadores y presenta diferencias
positivas o negativas en las anotaciones de un partido.
vi) Estime el modelo del inciso iv) pero use las asistencias por juego (assists)
como variable dependiente. ¿Hay alguna diferencia notable con el inciso iv)?
Analice.
Si tenemos la experiencia y la posición se puede llegar a ver una evidencia de las

asistencias como variables claras y dependientes que, tiene un valor de .322, en
esta parte se presenta un aumento significativo en las asistencias, haciendo que el
valor de p aumente a .15 lo que se considera una evidencia más clara, sin
17
embargo, continúa siendo insuficiente para mantenerse como uno de las mayores
asistencias presentadas.
3. Plantear un modelo de regresión (fórmula matemática) donde se

establezcan y se describan las variables que van a incluir y definir la base
de datos que se ajusta mejor al análisis que se realizara en la próxima
fase.
Se propone un modelo de regresión lineal múltiple basado en siete indicadores de

desarrollo de Colombia, lo que permitirá estimar el PIB, para este se espera que
se presente un comportamiento lineal conforme avanza el tiempo, lo que hará que
la balanza comercial presente mayores niveles productivos y económicos; para
ello se describen las variables a implementar:
VARIABLE CODIGO DESCRIPCION
x1 TM.TAX.MRCH.IP.ZS Participación de líneas

arancelarias con
máximos internacionales,
todos los productos (%)
x2 DT.NFL.PNGC.CD PNG, bancos

comerciales y otros
acreedores (FLN, US$ a
precios actuales)
x3 CM.MKT.LDOM.NO Compañías nacionales

que cotizan en Bolsa,
total
x4 NV.AGR.TOTL.CN Agricultura, valor

agregado (UMN a
precios actuales)
x5 FP.CPI.TOTL.ZG Inflación, precios al

consumidor (% anual)
x6 NY.ADJ.AEDU.CD Ahorro ajustado: gasto

en educación (US$
actuales)
18
x7 BX.TRF.CURR.CD Recibos de ingresos

secundarios (balanza de
pagos, US$ a precios
actuales)
Por otra parte, con el objetivo de poder estimar el PIB en un año específico, es
necesario que el año sea una de las variables del modelo de regresión, de este
modo, se añade una octava variable independiente, la cual será denominada
como YEAR con identificador correspondiente a 𝑥8. Siguiendo lo anterior, el
modelo de regresión lineal múltiple propuesto para el tratamiento de los datos,
está dado por:
Con el fin de estimar el PIB de un año especifico, se debe añadir una nueva
variable independiente, la cual se denominará YEAR y se identificará como x 8; por
lo que teniendo en cuenta esto, el modelo de regresión lineal múltiple se
presentará de la siguiente manera:
PIB=a0 +a 1 x 1+ a2 x 2 +a 3 x 3 +a 4 x 4 + a5 x 5 +a 6 x 6 +a 7 x 7 +a 8 x 8
donde a i ∈{0,1,2,3,4,5,6,7,8 } corresponde a cada uno de los coeficientes o

constantes de cada una de las variables de estimación del modelo de regresión
propuesto.
La elección de este modelo de regresión de basa en diferentes factores. En

primera instancia, se considera importante que sea múltiple debido a que el PIB es
un indicador económico que depende de diversas variables en el mercado
nacional y su interacción con el mercado internacional, de este modo, el PIB
considera variables como las exportaciones, el consumo final y la formación bruta
de capital de importaciones, las cuales están asociadas a cada una de las 8
variables seleccionadas para el modelo.
Según la interacción del mercado y la dinámica del comercio nacional e
internacional, es posible indicar que este modelo es el que mejor se ajusta a los
datos, puesto que se han presentado aumentos constantes durante los últimos
años de dichos indicadores. Con este, se busca modelar el crecimiento del PIB
según los movimientos financieros y la interacción de los mismos con la economía
colombiana.
19
REFERENCIAS BIBLIOGRAFICAS
Gujarati, D. (2009) Econometrics, (5.a ed.), Ed. Mc Graw Hill. Capítulo 9 Obtenido
de http://www.ebooks7-24.com.bibliotecavirtual.unad.edu.co/?il=279&pg=1
Gujarati, D. (2009) Econometrics, (5.a ed.), Ed. Mc Graw Hill. Capítulo 9 Obtenido
de http://www.ebooks7-24.com.bibliotecavirtual.unad.edu.co/?il=279&pg=1
Wooldrige, J. (2010). Introducción a la Econometría: Un enfoque moderno, (4a.

ed.), Ed. Parafino. Cap. 7. Recuperado
https://drive.google.com/drive/folders/1n7JQSvJVlWHwYd_cE45P0I7uiYfWr
3fM?usp=sharing
Wooldrige, J. (2010). Introducción a la Econometría: Un enfoque moderno, (4a.

ed.), Ed. Parafino. Cap. 7. Recuperado
https://drive.google.com/drive/folders/1n7JQSvJVlWHwYd_cE45P0I7uiYfWr
3fM?usp=sharing
20

Tarea 4 - Colaborativo

Cargado por

Copyright:

Formatos disponibles

Tarea 4 - Colaborativo

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tarea 4 - Colaborativo

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

TAREA 4 - ELECCIÓN BINARIA, INDEPENDIENTES CUALITATIVAS Y MIXTOS

MARIA ALEJANDRA SANTOFIMIO OSPINA CC: 1.110.536.922

JUAN DAVID PULIDO

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

1. Leer comprensivamente las lecturas propuestas en la bibliografía,

a) Redactar en máximo dos páginas un ensayo breve en que se explique por

Los economistas utilizan una variedad de métodos para analizar la economía.

El campo de la economía se centra en comprender cómo la sociedad gestiona los

Por lo tanto, los economistas primero deben recopilar la mayor cantidad de

económicas. Por ejemplo, si un economista realiza una encuesta sobre cómo se

Los economistas utilizan una variedad de métodos para analizar la economía. En

b) Explicar en máximo dos párrafos que es un modelo de elección binaria, y

Un modelo de elección binaria es considerado un modelo de probabilidad, en

Al aplicar los modelos de elección binaria a su vez se calcula la probabilidad de

c) Explicar en máximo dos párrafos qué es una variable explicadora binaria,

Estas variables normalmente suelen aparecer con frecuencia en modelos

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

7.4. Una ecuación que explica el sueldo de los presidentes de consejos de

i) Calcule la diferencia porcentual aproximada entre los sueldos estimados

−28,3 %=diferencia porcentual

100∗[ exp(' β 1)−1 ]

100∗[ exp (−.283 )−1 ] =−24,64 %

El resultado es –24,64% lo que quiere decir que la estimación es menor

iii) ¿Cuál es la diferencia porcentual aproximada entre los sueldos estimados de la

2,3 %=diferencia porcentual

La ecuación estimada para obtener el error estándar de la diferencia:

log ( salary ) =β 0+ β1 los ( sales ) + β 2 roe+ δ 1 consprod+ δ2 utility +δ 3 trans+u

trans es una variable dummy, el grupo base es financiero y el coeficiente δ 1 mide

β 0 + β 1 z∗¿ (β 0+ δ 0 )+( β 1 +δ 1) z∗¿

z* es positivo si δ 0 y δ 1 tienen signos negativos.

iii) Empleando los datos del archivo TWOYEAR.RAW, puede estimarse la

donde todos los coeficientes y desviaciones estándar se han redondeado a dos

C7.5. En el problema 4.2 al modelo que explica el sueldo de los CEO se

Analice la interpretación y la significancia estadística de ˆβ 3 .

Como resultado de las operaciones se tiene que:

Diferencia estimada cuando educ es = 0: .22

Diferencia entre los géneros cuando educ es= 12.5: .29

iii) En el inciso ii), ¿es el coeficiente de female estadísticamente significativo?

Al comprar ambas variables, se tiene que estadísticamente los valores

préstamo hipotecario. La variable explicativa clave es white, una variable binaria

i) Si existe discriminación contra las minorías y se han controlado los factores

Cuando se presentan casos de discriminación, se verán reflejados en los datos, lo

Los resultados apuntaron a que tenemos una variable de White equivalente a un

La variable White, demuestra que según la raza, y haciendo referencia al mayor

Esta variable, presenta un resultado igual a 32, por lo que se continúa

Esto no es necesario, puesto que las categorías de los jugadores se presentan de

iii) Permaneciendo experiencia constante, ¿anota más un defensa que un centro?

Al presentar ambas variables constantes, basados en la experiencia, nos

iv) Ahora a la ecuación agregue el estado civil (marr 1 si es casado). Manteniendo

Al agregar la variable se obtiene un mismo valor en .58. esto indica que, si un

Si tomamos dos variables a consideración marr * experr y damos otra elevando al

Si tenemos la experiencia y la posición se puede llegar a ver una evidencia de las

3. Plantear un modelo de regresión (fórmula matemática) donde se

Se propone un modelo de regresión lineal múltiple basado en siete indicadores de

VARIABLE CODIGO DESCRIPCION

x1 TM.TAX.MRCH.IP.ZS Participación de líneas

x2 DT.NFL.PNGC.CD PNG, bancos