Modelo mincer
Pam brolie
2023-07-08
1. Estimación del modelo de Mincer
La ecuación de ingresos propuesto por Mincer (1974), conocida también en la literatura económica como “La Función de Ingresos Minceriana”, es una función en el que los ingresos de los individuos (salarios) varían linealmente con el tiempo invertido en educación, la experiencia laboral y esta última en su forma cuadrática.
El modelo a estimar es el siguiente
wage = beta_0 + (beta_1 * educ) + (beta_2 * exper) + (beta_3 * expersq) + error
donde:
tenure =
wage = salario, medido en pesos mexicanos.
educ = educación, medido en número de años
exper = experiencia laboral, medido en número de años
expersq = experiencia laboral al cuadrado, medido en número de años
2. Análisis estadístico con R
install.packages('moments')## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.3'
## (as 'lib' is unspecified)install.packages('lmtest')## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.3'
## (as 'lib' is unspecified)install.packages('car')## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.3'
## (as 'lib' is unspecified)install.packages('stargazer')## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.3'
## (as 'lib' is unspecified)install.packages('corrplot')## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.3'
## (as 'lib' is unspecified)2.2. Usando las librerías
library(moments)
library(lmtest)## Loading required package: zoo##
## Attaching package: 'zoo'## The following objects are masked from 'package:base':
##
## as.Date, as.Date.numericlibrary(car)## Loading required package: carDatalibrary(stargazer)##
## Please cite as:## Hlavac, Marek (2022). stargazer: Well-Formatted Regression and Summary Statistics Tables.## R package version 5.2.3. https://CRAN.R-project.org/package=stargazerlibrary(corrplot)## corrplot 0.92 loaded2.3 Utilizando la base de datos:
base <- read.csv("mmincer.csv")
attach(base)2.4 Seleccionando las variables del modelo
base1=data.frame(wage, educ,exper,expersq, tenure)
base1## wage educ exper expersq tenure
## 1 3.10 11 2 4 0
## 2 3.24 12 22 484 2
## 3 3.00 11 2 4 0
## 4 6.00 8 44 1936 28
## 5 5.30 12 7 49 2
## 6 8.75 16 9 81 8
## 7 11.25 18 15 225 7
## 8 5.00 12 5 25 3
## 9 3.60 12 26 676 4
## 10 18.18 17 22 484 21
## 11 6.25 16 8 64 2
## 12 8.13 13 3 9 0
## 13 8.77 12 15 225 0
## 14 5.50 12 18 324 3
## 15 22.20 12 31 961 15
## 16 17.33 16 14 196 0
## 17 7.50 12 10 100 0
## 18 10.63 13 16 256 10
## 19 3.60 12 13 169 0
## 20 4.50 12 36 1296 6
## 21 6.88 12 11 121 4
## 22 8.48 12 29 841 13
## 23 6.33 16 9 81 9
## 24 0.53 12 3 9 1
## 25 6.00 11 37 1369 8
## 26 9.56 16 3 9 3
## 27 7.78 16 11 121 10
## 28 12.50 16 31 961 0
## 29 12.50 15 30 900 0
## 30 3.25 8 9 81 1
## 31 13.00 14 23 529 5
## 32 4.50 14 2 4 5
## 33 9.68 13 16 256 16
## 34 5.00 12 7 49 3
## 35 4.68 12 3 9 0
## 36 4.27 16 22 484 4
## 37 6.15 12 15 225 6
## 38 3.51 4 39 1521 15
## 39 3.00 14 3 9 3
## 40 6.25 12 11 121 0
## 41 7.81 12 3 9 0
## 42 10.00 12 20 400 5
## 43 4.50 14 16 256 0
## 44 4.00 11 45 2025 12
## 45 6.38 13 11 121 4
## 46 13.70 15 20 400 13
## 47 1.67 10 1 1 0
## 48 2.93 12 36 1296 2
## 49 3.65 14 9 81 2
## 50 2.90 12 15 225 1
## 51 1.63 12 18 324 0
## 52 8.60 16 3 9 2
## 53 5.00 12 15 225 5
## 54 6.00 12 7 49 7
## 55 2.50 12 2 4 0
## 56 3.25 15 3 9 0
## 57 3.40 16 1 1 1
## 58 10.00 8 13 169 0
## 59 21.63 18 8 64 8
## 60 4.38 16 7 49 0
## 61 11.71 13 40 1600 20
## 62 12.39 14 42 1764 5
## 63 6.25 10 36 1296 8
## 64 3.71 10 13 169 0
## 65 7.78 14 9 81 3
## 66 19.98 14 26 676 23
## 67 6.25 16 7 49 4
## 68 10.00 12 25 625 3
## 69 5.71 16 10 100 5
## 70 2.00 12 3 9 2
## 71 5.71 16 3 9 0
## 72 13.08 17 17 289 2
## 73 4.91 12 17 289 8
## 74 2.91 12 20 400 34
## 75 3.75 12 7 49 0
## 76 11.90 13 24 576 19
## 77 4.00 12 28 784 0
## 78 3.10 12 2 4 1
## 79 8.45 12 19 361 13
## 80 7.14 18 13 169 0
## 81 4.50 9 22 484 5
## 82 4.65 16 3 9 1
## 83 2.90 10 4 16 0
## 84 6.67 12 7 49 5
## 85 3.50 12 6 36 2
## 86 3.26 12 13 169 3
## 87 3.25 12 14 196 0
## 88 8.00 12 14 196 4
## 89 9.85 8 40 1600 24
## 90 7.50 12 11 121 7
## 91 5.91 12 14 196 6
## 92 11.76 14 40 1600 39
## 93 3.00 12 1 1 0
## 94 4.81 12 2 4 0
## 95 6.50 12 4 16 1
## 96 4.00 9 19 361 1
## 97 3.50 13 1 1 0
## 98 13.16 12 34 1156 22
## 99 4.25 14 5 25 2
## 100 3.50 12 3 9 0
## 101 5.13 15 6 36 6
## 102 3.75 12 14 196 0
## 103 4.50 12 35 1225 12
## 104 7.63 12 8 64 4
## 105 15.00 14 7 49 7
## 106 6.85 15 11 121 3
## 107 13.33 12 14 196 11
## 108 6.67 12 35 1225 10
## 109 2.53 12 46 2116 0
## 110 9.80 17 7 49 0
## 111 3.37 11 45 2025 12
## 112 24.98 18 29 841 25
## 113 5.40 12 6 36 3
## 114 6.11 14 15 225 0
## 115 4.20 14 33 1089 16
## 116 3.75 10 15 225 0
## 117 3.50 14 5 25 0
## 118 3.64 12 7 49 2
## 119 3.80 15 6 36 1
## 120 3.00 8 33 1089 12
## 121 5.00 16 2 4 1
## 122 4.63 14 4 16 0
## 123 3.00 15 1 1 0
## 124 3.20 12 29 841 0
## 125 3.91 18 17 289 3
## 126 6.43 16 17 289 3
## 127 5.48 10 36 1296 3
## 128 1.50 8 31 961 30
## 129 2.90 10 23 529 2
## 130 5.00 11 13 169 1
## 131 8.92 18 3 9 3
## 132 5.00 15 15 225 0
## 133 3.52 12 48 2304 1
## 134 2.90 11 6 36 0
## 135 4.50 12 12 144 0
## 136 2.25 12 5 25 0
## 137 5.00 14 19 361 5
## 138 10.00 16 9 81 3
## 139 3.75 2 39 1521 13
## 140 10.00 14 28 784 11
## 141 10.95 16 23 529 20
## 142 7.90 12 2 4 0
## 143 4.72 12 15 225 1
## 144 5.84 13 5 25 0
## 145 3.83 12 18 324 2
## 146 3.20 15 2 4 2
## 147 2.00 10 3 9 0
## 148 4.50 12 31 961 4
## 149 11.55 16 20 400 5
## 150 2.14 13 34 1156 15
## 151 2.38 9 5 25 0
## 152 3.75 12 11 121 0
## 153 5.52 13 31 961 3
## 154 6.50 12 8 64 5
## 155 3.10 12 2 4 2
## 156 10.00 14 18 324 5
## 157 6.63 16 3 9 0
## 158 10.00 16 3 9 2
## 159 2.31 9 4 16 1
## 160 6.88 18 4 16 4
## 161 2.83 10 1 1 0
## 162 3.13 10 1 1 0
## 163 8.00 13 28 784 5
## 164 4.50 12 47 2209 4
## 165 8.65 18 13 169 1
## 166 2.00 13 2 4 6
## 167 4.75 12 48 2304 2
## 168 6.25 13 6 36 5
## 169 6.00 13 8 64 0
## 170 15.38 13 25 625 21
## 171 14.58 18 13 169 7
## 172 12.50 12 8 64 1
## 173 5.25 12 19 361 10
## 174 2.17 13 1 1 4
## 175 7.14 12 43 1849 5
## 176 6.22 12 19 361 9
## 177 9.00 12 11 121 5
## 178 10.00 14 43 1849 4
## 179 5.77 10 44 1936 3
## 180 4.00 12 22 484 11
## 181 8.75 16 3 9 2
## 182 6.53 16 3 9 2
## 183 7.60 12 41 1681 11
## 184 5.00 14 5 25 0
## 185 5.00 12 14 196 11
## 186 21.86 12 24 576 16
## 187 8.64 12 28 784 8
## 188 3.30 12 25 625 8
## 189 4.44 12 3 9 0
## 190 4.55 12 11 121 0
## 191 3.50 12 7 49 6
## 192 6.25 16 9 81 2
## 193 3.85 16 5 25 0
## 194 6.18 14 9 81 3
## 195 2.91 11 1 1 0
## 196 6.25 16 2 4 1
## 197 6.25 12 13 169 0
## 198 9.05 12 10 100 2
## 199 10.00 17 5 25 3
## 200 11.11 12 30 900 8
## 201 6.88 12 31 961 19
## 202 8.75 16 1 1 2
## 203 10.00 8 9 81 0
## 204 3.05 12 10 100 0
## 205 3.00 12 38 1444 0
## 206 5.80 12 19 361 6
## 207 4.10 16 5 25 0
## 208 8.00 12 26 676 2
## 209 6.15 12 35 1225 12
## 210 2.70 9 2 4 0
## 211 2.75 13 1 1 2
## 212 3.00 16 19 361 10
## 213 3.00 14 3 9 2
## 214 7.36 8 36 1296 24
## 215 7.50 14 29 841 24
## 216 3.50 13 1 1 2
## 217 8.10 12 38 1444 3
## 218 3.75 18 1 1 2
## 219 3.25 9 29 841 0
## 220 5.83 8 36 1296 15
## 221 3.50 8 4 16 0
## 222 3.33 12 45 2025 4
## 223 4.00 14 22 484 3
## 224 3.50 12 20 400 4
## 225 6.25 16 5 25 0
## 226 2.95 8 15 225 2
## 227 5.71 13 10 100 2
## 228 3.00 9 3 9 0
## 229 22.86 16 16 256 7
## 230 9.00 12 38 1444 1
## 231 8.33 15 33 1089 26
## 232 3.00 11 2 4 0
## 233 5.75 14 6 36 5
## 234 6.76 12 19 361 3
## 235 10.00 12 29 841 0
## 236 3.00 12 2 4 0
## 237 3.50 18 3 9 1
## 238 3.25 12 4 16 0
## 239 4.00 12 10 100 1
## 240 2.92 12 4 16 0
## 241 3.06 12 14 196 10
## 242 3.20 12 15 225 5
## 243 4.75 12 19 361 0
## 244 3.00 14 17 289 0
## 245 18.16 16 29 841 7
## 246 3.50 12 2 4 0
## 247 4.11 14 5 25 0
## 248 1.96 11 38 1444 3
## 249 4.29 12 3 9 0
## 250 3.00 10 47 2209 0
## 251 6.45 12 7 49 6
## 252 5.20 6 47 2209 13
## 253 4.50 13 23 529 2
## 254 3.88 12 12 144 3
## 255 3.45 10 11 121 0
## 256 10.91 12 25 625 23
## 257 4.10 14 6 36 0
## 258 3.00 13 3 9 1
## 259 5.90 12 14 196 7
## 260 18.00 18 13 169 0
## 261 4.00 12 9 81 0
## 262 3.00 12 1 1 0
## 263 3.55 12 6 36 0
## 264 3.00 12 11 121 1
## 265 8.75 12 47 2209 44
## 266 2.90 8 49 2401 6
## 267 6.26 13 37 1369 17
## 268 3.50 13 2 4 0
## 269 4.60 14 7 49 0
## 270 6.00 12 22 484 8
## 271 2.89 10 8 64 0
## 272 5.58 16 1 1 1
## 273 4.00 12 43 1849 6
## 274 6.00 16 2 4 2
## 275 4.50 12 2 4 1
## 276 2.92 14 1 1 3
## 277 4.33 18 1 1 0
## 278 18.89 17 26 676 20
## 279 4.28 13 1 1 1
## 280 4.57 14 37 1369 7
## 281 6.25 15 12 144 4
## 282 2.95 14 41 1681 23
## 283 8.75 12 24 576 1
## 284 8.50 8 38 1444 26
## 285 3.75 12 18 324 0
## 286 3.15 12 26 676 1
## 287 5.00 8 45 2025 2
## 288 6.46 12 27 729 0
## 289 2.00 9 2 4 0
## 290 4.79 12 41 1681 8
## 291 5.78 16 11 121 4
## 292 3.18 12 5 25 0
## 293 4.68 16 3 9 1
## 294 4.10 12 3 9 2
## 295 2.91 12 4 16 0
## 296 6.00 13 21 441 13
## 297 3.60 10 34 1156 26
## 298 3.95 6 49 2401 6
## 299 7.00 12 6 36 5
## 300 3.00 12 26 676 9
## 301 6.08 16 9 81 0
## 302 8.63 12 23 529 9
## 303 3.00 8 33 1089 2
## 304 3.75 12 5 25 2
## 305 2.90 6 49 2401 7
## 306 3.00 4 48 2304 0
## 307 6.25 11 35 1225 31
## 308 3.50 11 23 529 2
## 309 3.00 7 26 676 1
## 310 3.24 12 16 256 0
## 311 8.02 18 23 529 3
## 312 3.33 12 36 1296 8
## 313 5.25 16 4 16 0
## 314 6.25 12 10 100 0
## 315 3.50 14 18 324 2
## 316 2.95 12 3 9 1
## 317 3.00 10 7 49 0
## 318 4.69 10 7 49 7
## 319 3.73 9 33 1089 2
## 320 4.00 10 34 1156 12
## 321 4.00 12 8 64 0
## 322 2.90 12 17 289 1
## 323 3.05 12 2 4 0
## 324 5.05 10 5 25 0
## 325 13.95 16 41 1681 16
## 326 18.16 16 35 1225 28
## 327 6.25 16 11 121 4
## 328 5.25 12 4 16 0
## 329 4.79 12 12 144 3
## 330 3.35 7 35 1225 0
## 331 3.00 8 33 1089 0
## 332 8.43 16 8 64 6
## 333 5.70 16 2 4 0
## 334 11.98 18 8 64 10
## 335 3.50 13 29 841 1
## 336 4.24 10 14 196 5
## 337 7.00 16 26 676 3
## 338 6.00 14 11 121 3
## 339 12.22 16 10 100 2
## 340 4.50 12 13 169 0
## 341 3.00 9 23 529 20
## 342 2.90 11 1 1 2
## 343 15.00 11 35 1225 31
## 344 4.00 12 5 25 2
## 345 5.25 11 13 169 11
## 346 4.00 12 22 484 3
## 347 3.30 12 21 441 9
## 348 5.05 12 19 361 0
## 349 3.58 12 13 169 0
## 350 5.00 14 15 225 5
## 351 4.57 14 3 9 0
## 352 12.50 18 6 36 2
## 353 3.45 12 6 36 5
## 354 4.63 12 16 256 1
## 355 10.00 12 31 961 2
## 356 2.92 11 1 1 0
## 357 4.51 12 5 25 2
## 358 6.50 17 3 9 0
## 359 7.50 16 11 121 0
## 360 3.54 13 6 36 7
## 361 4.20 13 11 121 3
## 362 3.51 12 7 49 2
## 363 4.50 14 5 25 0
## 364 3.35 14 5 25 4
## 365 2.91 11 2 4 2
## 366 5.25 10 44 1936 7
## 367 4.05 8 44 1936 25
## 368 3.75 14 13 169 0
## 369 3.40 12 26 676 15
## 370 3.00 10 2 4 1
## 371 6.29 17 10 100 3
## 372 2.54 9 2 4 0
## 373 4.50 12 35 1225 0
## 374 3.13 12 6 36 5
## 375 6.36 14 8 64 1
## 376 4.68 16 1 1 0
## 377 6.80 12 14 196 10
## 378 8.53 10 14 196 6
## 379 4.17 0 22 484 10
## 380 3.75 14 8 64 4
## 381 11.10 15 1 1 4
## 382 3.26 16 15 225 5
## 383 9.13 12 14 196 12
## 384 4.50 11 37 1369 10
## 385 3.00 11 1 1 1
## 386 8.75 12 4 16 4
## 387 4.14 13 29 841 0
## 388 2.87 12 45 2025 8
## 389 3.35 13 22 484 0
## 390 6.08 16 42 1764 10
## 391 3.00 15 9 81 0
## 392 4.20 16 8 64 0
## 393 5.60 15 31 961 15
## 394 10.00 12 24 576 24
## 395 12.50 18 16 256 5
## 396 3.76 6 6 36 0
## 397 3.10 6 14 196 0
## 398 4.29 12 47 2209 25
## 399 10.92 12 34 1156 5
## 400 7.50 16 6 36 2
## 401 4.05 9 7 49 4
## 402 4.65 12 27 729 2
## 403 5.00 11 24 576 5
## 404 2.90 10 18 324 0
## 405 8.00 12 12 144 3
## 406 8.43 8 27 729 3
## 407 2.92 9 49 2401 0
## 408 6.25 17 4 16 0
## 409 6.25 16 24 576 2
## 410 5.11 11 3 9 0
## 411 4.00 10 2 4 0
## 412 4.44 8 29 841 11
## 413 6.88 13 34 1156 21
## 414 5.43 14 10 100 3
## 415 3.00 13 5 25 0
## 416 2.90 11 2 4 0
## 417 6.25 7 39 1521 21
## 418 4.34 16 5 25 2
## 419 3.25 12 14 196 2
## 420 7.26 13 8 64 2
## 421 6.35 14 10 100 1
## 422 5.63 16 2 4 2
## 423 8.75 14 9 81 3
## 424 3.20 11 1 1 0
## 425 3.00 8 45 2025 1
## 426 3.00 14 33 1089 3
## 427 12.50 17 21 441 18
## 428 2.88 10 2 4 0
## 429 3.35 12 9 81 1
## 430 6.50 12 33 1089 2
## 431 10.38 18 16 256 2
## 432 4.50 14 10 100 0
## 433 10.00 18 9 81 8
## 434 3.81 12 8 64 1
## 435 8.80 16 9 81 1
## 436 9.42 14 23 529 0
## 437 6.33 12 23 529 8
## 438 4.00 9 22 484 18
## 439 2.90 12 37 1369 0
## 440 20.00 12 22 484 4
## 441 11.25 17 28 784 25
## 442 3.50 12 14 196 0
## 443 6.00 15 19 361 4
## 444 14.38 17 10 100 9
## 445 6.36 16 25 625 0
## 446 3.55 12 21 441 0
## 447 3.00 15 32 1024 0
## 448 4.50 16 21 441 10
## 449 6.63 12 36 1296 0
## 450 9.30 15 2 4 2
## 451 3.00 12 11 121 0
## 452 3.25 12 40 1600 2
## 453 1.50 12 11 121 1
## 454 5.90 12 9 81 7
## 455 8.00 16 23 529 4
## 456 2.90 11 1 1 0
## 457 3.29 14 30 900 13
## 458 6.50 14 41 1681 33
## 459 4.00 13 6 36 0
## 460 6.00 14 11 121 0
## 461 4.08 12 43 1849 17
## 462 3.75 12 39 1521 2
## 463 3.05 8 50 2500 24
## 464 3.50 12 26 676 20
## 465 2.92 3 51 2601 30
## 466 4.50 11 3 9 9
## 467 3.35 15 3 9 1
## 468 5.95 11 15 225 9
## 469 8.00 12 17 289 6
## 470 3.00 4 36 1296 0
## 471 5.00 9 31 961 9
## 472 5.50 12 9 81 4
## 473 2.65 12 42 1764 10
## 474 3.00 11 3 9 0
## 475 4.50 12 37 1369 14
## 476 17.50 16 23 529 22
## 477 8.18 13 21 441 5
## 478 9.09 15 11 121 12
## 479 11.82 16 35 1225 13
## 480 3.25 12 42 1764 0
## 481 4.50 12 3 9 0
## 482 4.50 12 13 169 0
## 483 3.71 9 14 196 7
## 484 6.50 10 14 196 11
## 485 2.90 12 39 1521 1
## 486 5.60 11 11 121 8
## 487 2.23 8 28 784 3
## 488 5.00 6 18 324 0
## 489 8.33 16 6 36 2
## 490 2.90 12 26 676 1
## 491 6.25 12 21 441 6
## 492 4.55 16 34 1156 2
## 493 3.28 12 17 289 2
## 494 2.30 10 2 4 0
## 495 3.30 13 5 25 0
## 496 3.15 13 1 1 0
## 497 12.50 14 40 1600 30
## 498 5.15 16 39 1521 21
## 499 3.13 10 1 1 1
## 500 7.25 12 14 196 5
## 501 2.90 12 2 4 2
## 502 1.75 11 2 4 1
## 503 2.89 0 42 1764 0
## 504 2.90 5 34 1156 0
## 505 17.71 16 10 100 3
## 506 6.25 16 4 16 3
## 507 2.60 9 4 16 0
## 508 6.63 15 21 441 3
## 509 3.50 12 31 961 3
## 510 6.50 12 20 400 14
## 511 3.00 12 36 1296 1
## 512 4.38 13 7 49 0
## 513 10.00 12 15 225 0
## 514 4.95 7 25 625 17
## 515 9.00 17 7 49 0
## 516 1.43 12 17 289 0
## 517 3.08 12 3 9 1
## 518 9.33 14 12 144 11
## 519 7.50 12 18 324 5
## 520 4.75 13 47 2209 1
## 521 5.65 12 2 4 0
## 522 15.00 16 14 196 2
## 523 2.27 10 2 4 0
## 524 4.67 15 13 169 18
## 525 11.56 16 5 25 1
## 526 3.50 14 5 25 42.5 Gráfica de correlación
plot(base1)
Las variables salario y educación tienen una relación relativamente positiva, con las variables restantes no se logra ver una relación.
2.6 Tabla de correlación
mcor<-round(cor(base1),2)
upper<-mcor
upper[upper.tri(mcor)]<-""
upper<-as.data.frame(upper)
upper## wage educ exper expersq tenure
## wage 1
## educ 0.41 1
## exper 0.11 -0.3 1
## expersq 0.03 -0.33 0.96 1
## tenure 0.35 -0.06 0.5 0.46 1Las variables salario y educacion es un poco mala ya que esta por debajo de uno pero si estan relacionadas, la variable de experiencia aun es menor por la cual tiene una relacion positiva y la variable experq tiene una correlación casi neutra.
Tabla de correlación 2
correlacion<-round(cor(base1), 1)
corrplot(correlacion, method="number", type="upper")
2.7 Regresiones
reg1<- lm ( wage ~ educ + exper + expersq + tenure, base)
stargazer( reg1,type = 'text')##
## ===============================================
## Dependent variable:
## ---------------------------
## wage
## -----------------------------------------------
## educ 0.556***
## (0.051)
##
## exper 0.205***
## (0.036)
##
## expersq -0.004***
## (0.001)
##
## tenure 0.161***
## (0.021)
##
## Constant -3.420***
## (0.718)
##
## -----------------------------------------------
## Observations 526
## R2 0.343
## Adjusted R2 0.338
## Residual Std. Error 3.005 (df = 521)
## F Statistic 67.951*** (df = 4; 521)
## ===============================================
## Note: *p<0.1; **p<0.05; ***p<0.01summary(reg1)##
## Call:
## lm(formula = wage ~ educ + exper + expersq + tenure, data = base)
##
## Residuals:
## Min 1Q Median 3Q Max
## -8.259 -1.844 -0.465 1.126 14.200
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -3.4198670 0.7175124 -4.766 2.44e-06 ***
## educ 0.5564740 0.0505889 11.000 < 2e-16 ***
## exper 0.2051075 0.0359866 5.700 2.01e-08 ***
## expersq -0.0042021 0.0007821 -5.373 1.17e-07 ***
## tenure 0.1614708 0.0211388 7.639 1.06e-13 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 3.005 on 521 degrees of freedom
## Multiple R-squared: 0.3428, Adjusted R-squared: 0.3378
## F-statistic: 67.95 on 4 and 521 DF, p-value: < 2.2e-16Si la educación aunmenta en un año hay un incremento en el salario de 0.595. Si la experiencia aumenta en un año, entonces hay un incremento del salario de 0.268. Si la experienciaq aumenta en 1 año donde hay exceso de experiencia, el salario disminuiria en 0.005. R2: No hay tanta precisión en el modelo, ya que hay una relación de 26.9% entre las variables.
2.9 Multicolinealidad: VIF
vif(reg1)## educ exper expersq tenure
## 1.140644 13.866460 13.492686 1.355685En la variable educacion esta moderadamente correlacionado, la variable experiencia y experiencia al cuadrado estan altamente correlacionadpos
2.10 Heteroscedasticidad: Prueba de Breusch-Pagan
bptest(reg1)##
## studentized Breusch-Pagan test
##
## data: reg1
## BP = 53.885, df = 4, p-value = 5.561e-11Se rechaza la hipotesis nula porque su p-value es 4.77e que es menor a 0.05 y existe heteroscedasticidad
2.11 Autocorrelación: Prueba de Durbin Watson
dwtest(reg1)##
## Durbin-Watson test
##
## data: reg1
## DW = 1.8037, p-value = 0.01181
## alternative hypothesis: true autocorrelation is greater than 0Se rechaza la hipotesis nula porque su p-value y existe autocorelacion
2.12 Normalidad: Prueba de Shapiro
resid = reg1$residuals
shapiro.test(resid)##
## Shapiro-Wilk normality test
##
## data: resid
## W = 0.90394, p-value < 2.2e-16La hipotesis nula se rechaza por su p-value y los residuos no tienen una distribution normal