Introducción

En el presente informe se describe y detalla el análisis que nos permitirá explicar de qué
manera depende el ​salario del ​nivel educativo​, el principal objetivo es poder analizar
qué tan grande es el impacto del nivel educativo en el salario de las personas. El método
que usaremos para la estimación del salario dado el nivel educativo de las personas es el
de mínimos cuadrados ordinarios MCO. Hemos hecho una regresión lineal con las
variables Dummy correspondientes. Y usando logaritmo natural en la variable
dependiente Ahe para flexibilizar el modelo y que la interpretación del resultado se adapte
a la realidad. La regresión nos permitiría aclarar la siguiente hipótesis:

“​Las personas que han alcanzado un nivel educativo mayor tienen un salario
significativamente más alto que quienes sólo completaron la secundaria”.

1
 Datos

Los datos analizados corresponden a 65.000 hogares en EE.UU. tomados al azar, este
set de datos fue entregado por la oficina de Estadísticas Laborales del Departamento de
Trabajo, todos estos serán procesados a través del software Stata para obtener nuestro
modelo de estudio, el cual cuenta con 15.316 observaciones de las cuales 7606
corresponden al año 1992 y 7711 del año 2008. La encuesta realizada cada mes de
marzo es más detallada que en otros meses y hace preguntas sobre los ingresos durante
el año anterior. El archivo CPS92_08 contiene los datos de 1992 y 2008 (de las encuestas
de marzo de 1993 y 2009). Estos datos son para trabajadores a tiempo completo,
definidos como trabajadores con más de 35 horas por semana durante al menos 48
semanas en el año anterior. Los datos se proporcionan a los trabajadores cuyo mayor
logro educativo es (1) un diploma de escuela secundaria y (2) un título de bachiller. Para
una mejor interpretación de los datos se agregan las variables lahe, dyear y fbach.

En donde las variables se definen de la siguiente manera:

[​ahe] = Ganancias promedio por hora de trabajo

[bachelor] =
{ 1 si la persona ha logrado una licenciatura 0 si la persona completó solo la secundaria

[female] = {1 si la persona es mujer 0 si la persona es hombre

[dyear] = {1 si el año es 1992 0 si el año es 2008

[age] = Edad de la persona

[Lahe] = Logaritmo natural de la Ganancias promedio por hora de trabajo

[year] = Año.

fbach =
{1 si la persona es mujer y logró una licenciatura 0 si la persona es hombre y logró una l

2
 RESULTADOS EMPÍRICOS

Cuadro 1: Estadísticas Descriptivas

Con el siguiente cuadro podemos concluir que la muestra es aleatoria. ​Se generan una
serie de variables en base a las originales para ajustar el modelo y generar mejores
resultados. En el caso de lahe para flexibilizar el modelo y poder ver el impacto porcentual
en el salario, dyear me permite ver los cambios en el ingreso según el año ya sea 1992 o
2008 y fbach es una interacción para saber el impacto en el sueldo si la persona es mujer
y además tiene una licenciatura.

3
A continuación se realizan las pruebas para ver cuál de todos los modelos brinda más
información considerando que en r1 la variable dependiente ahe está en nivel mientras
que en r2 y r3 ahe se encuentra en logaritmo natural, además en r3 se agrega la variable
fbach. Después de estimar los resultados y observando el R2 Ajustado el modelo que
explica más es el r3 con un R2 ajustado de 33,584712%, con el cual trabajaremos a partir
de ahora.

Se realiza un Test de significancia del 5% para evaluar las variables y Usando stata
podemos rápidamente identificar que las variables son estadísticamente significativas (las
cuales se rechazan la hipótesis nula H0: βx=0 H1: βx≠0). P-vaue<α.

4
HOMOCEDASTICIDAD

Se rechaza la hipótesis nula, el modelo presenta heterocedasticidad, se procede a

corregir.

RESULTADO, INTERPRETACIÓN Y CONCLUSIÓN

5
Después de ajustar el modelo eliminando la heterocedasticidad procedemos a analizar
nuestra estimación, se observa el p-value en todas las variables es 0,00. Un pequeño
p - valor (por lo general inferiores o iguales a 0,05) indica una fuerte evidencia en contra de
la hipótesis nula, por lo que se rechaza la hipótesis nula y se concluye que todas las
variables son significativas para el modelo.

Ahora procedemos a interpretar nuestras variables notando que la variable dependiente

se encuentra en logaritmo para flexibilizar el modelo y lograr una mejor interpretación:

B0: ​Sueldo ganado por hora de trabajo para una persona que tiene nivel educativo
secundaria, es hombre, cero edad y periodo cero.

B1: Todo el resto constante si la persona ha logrado una licenciatura gana

aproximadamente 37,2% más por hora de trabajo que alguien que solo ha completado
solo la secundaria.

B2: ​Todo el resto constante si la persona es mujer en promedio gana 20,9% menos por
hora de trabajo que los hombres.

B3: Todo el resto contante aumentar un año más de edad, la persona gana
aproximadamente 2,7% más.

B4: Todo el resto constante en promedio una mujer que ha logrado una licenciatura gana
7,3% más que una que no.

6
B5: Todo el resto constante en promedio las personas encuestadas en el año 1992
ganaron 43,7% menos que las encuestadas en 2008.

Con todos esos resultados se puede concluir y responder la hipótesis planteada al

principio y es que Las personas que han alcanzado un nivel educativo mayor tienen un
salario de 37,2% más alto que quienes sólo completaron la secundaria.

Pero también nos sirvió para ver las diferencias de sueldo entre mujeres y hombres
siendo este inferior para las mujeres en un 20,9%.