Modelo minser
Monserrat
2023-07-08
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:
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 ##2.1 Instalación de librerías
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('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
#crear una base
base1=data.frame(wage, educ,exper,expersq)
base1## wage educ exper expersq
## 1 3.10 11 2 4
## 2 3.24 12 22 484
## 3 3.00 11 2 4
## 4 6.00 8 44 1936
## 5 5.30 12 7 49
## 6 8.75 16 9 81
## 7 11.25 18 15 225
## 8 5.00 12 5 25
## 9 3.60 12 26 676
## 10 18.18 17 22 484
## 11 6.25 16 8 64
## 12 8.13 13 3 9
## 13 8.77 12 15 225
## 14 5.50 12 18 324
## 15 22.20 12 31 961
## 16 17.33 16 14 196
## 17 7.50 12 10 100
## 18 10.63 13 16 256
## 19 3.60 12 13 169
## 20 4.50 12 36 1296
## 21 6.88 12 11 121
## 22 8.48 12 29 841
## 23 6.33 16 9 81
## 24 0.53 12 3 9
## 25 6.00 11 37 1369
## 26 9.56 16 3 9
## 27 7.78 16 11 121
## 28 12.50 16 31 961
## 29 12.50 15 30 900
## 30 3.25 8 9 81
## 31 13.00 14 23 529
## 32 4.50 14 2 4
## 33 9.68 13 16 256
## 34 5.00 12 7 49
## 35 4.68 12 3 9
## 36 4.27 16 22 484
## 37 6.15 12 15 225
## 38 3.51 4 39 1521
## 39 3.00 14 3 9
## 40 6.25 12 11 121
## 41 7.81 12 3 9
## 42 10.00 12 20 400
## 43 4.50 14 16 256
## 44 4.00 11 45 2025
## 45 6.38 13 11 121
## 46 13.70 15 20 400
## 47 1.67 10 1 1
## 48 2.93 12 36 1296
## 49 3.65 14 9 81
## 50 2.90 12 15 225
## 51 1.63 12 18 324
## 52 8.60 16 3 9
## 53 5.00 12 15 225
## 54 6.00 12 7 49
## 55 2.50 12 2 4
## 56 3.25 15 3 9
## 57 3.40 16 1 1
## 58 10.00 8 13 169
## 59 21.63 18 8 64
## 60 4.38 16 7 49
## 61 11.71 13 40 1600
## 62 12.39 14 42 1764
## 63 6.25 10 36 1296
## 64 3.71 10 13 169
## 65 7.78 14 9 81
## 66 19.98 14 26 676
## 67 6.25 16 7 49
## 68 10.00 12 25 625
## 69 5.71 16 10 100
## 70 2.00 12 3 9
## 71 5.71 16 3 9
## 72 13.08 17 17 289
## 73 4.91 12 17 289
## 74 2.91 12 20 400
## 75 3.75 12 7 49
## 76 11.90 13 24 576
## 77 4.00 12 28 784
## 78 3.10 12 2 4
## 79 8.45 12 19 361
## 80 7.14 18 13 169
## 81 4.50 9 22 484
## 82 4.65 16 3 9
## 83 2.90 10 4 16
## 84 6.67 12 7 49
## 85 3.50 12 6 36
## 86 3.26 12 13 169
## 87 3.25 12 14 196
## 88 8.00 12 14 196
## 89 9.85 8 40 1600
## 90 7.50 12 11 121
## 91 5.91 12 14 196
## 92 11.76 14 40 1600
## 93 3.00 12 1 1
## 94 4.81 12 2 4
## 95 6.50 12 4 16
## 96 4.00 9 19 361
## 97 3.50 13 1 1
## 98 13.16 12 34 1156
## 99 4.25 14 5 25
## 100 3.50 12 3 9
## 101 5.13 15 6 36
## 102 3.75 12 14 196
## 103 4.50 12 35 1225
## 104 7.63 12 8 64
## 105 15.00 14 7 49
## 106 6.85 15 11 121
## 107 13.33 12 14 196
## 108 6.67 12 35 1225
## 109 2.53 12 46 2116
## 110 9.80 17 7 49
## 111 3.37 11 45 2025
## 112 24.98 18 29 841
## 113 5.40 12 6 36
## 114 6.11 14 15 225
## 115 4.20 14 33 1089
## 116 3.75 10 15 225
## 117 3.50 14 5 25
## 118 3.64 12 7 49
## 119 3.80 15 6 36
## 120 3.00 8 33 1089
## 121 5.00 16 2 4
## 122 4.63 14 4 16
## 123 3.00 15 1 1
## 124 3.20 12 29 841
## 125 3.91 18 17 289
## 126 6.43 16 17 289
## 127 5.48 10 36 1296
## 128 1.50 8 31 961
## 129 2.90 10 23 529
## 130 5.00 11 13 169
## 131 8.92 18 3 9
## 132 5.00 15 15 225
## 133 3.52 12 48 2304
## 134 2.90 11 6 36
## 135 4.50 12 12 144
## 136 2.25 12 5 25
## 137 5.00 14 19 361
## 138 10.00 16 9 81
## 139 3.75 2 39 1521
## 140 10.00 14 28 784
## 141 10.95 16 23 529
## 142 7.90 12 2 4
## 143 4.72 12 15 225
## 144 5.84 13 5 25
## 145 3.83 12 18 324
## 146 3.20 15 2 4
## 147 2.00 10 3 9
## 148 4.50 12 31 961
## 149 11.55 16 20 400
## 150 2.14 13 34 1156
## 151 2.38 9 5 25
## 152 3.75 12 11 121
## 153 5.52 13 31 961
## 154 6.50 12 8 64
## 155 3.10 12 2 4
## 156 10.00 14 18 324
## 157 6.63 16 3 9
## 158 10.00 16 3 9
## 159 2.31 9 4 16
## 160 6.88 18 4 16
## 161 2.83 10 1 1
## 162 3.13 10 1 1
## 163 8.00 13 28 784
## 164 4.50 12 47 2209
## 165 8.65 18 13 169
## 166 2.00 13 2 4
## 167 4.75 12 48 2304
## 168 6.25 13 6 36
## 169 6.00 13 8 64
## 170 15.38 13 25 625
## 171 14.58 18 13 169
## 172 12.50 12 8 64
## 173 5.25 12 19 361
## 174 2.17 13 1 1
## 175 7.14 12 43 1849
## 176 6.22 12 19 361
## 177 9.00 12 11 121
## 178 10.00 14 43 1849
## 179 5.77 10 44 1936
## 180 4.00 12 22 484
## 181 8.75 16 3 9
## 182 6.53 16 3 9
## 183 7.60 12 41 1681
## 184 5.00 14 5 25
## 185 5.00 12 14 196
## 186 21.86 12 24 576
## 187 8.64 12 28 784
## 188 3.30 12 25 625
## 189 4.44 12 3 9
## 190 4.55 12 11 121
## 191 3.50 12 7 49
## 192 6.25 16 9 81
## 193 3.85 16 5 25
## 194 6.18 14 9 81
## 195 2.91 11 1 1
## 196 6.25 16 2 4
## 197 6.25 12 13 169
## 198 9.05 12 10 100
## 199 10.00 17 5 25
## 200 11.11 12 30 900
## 201 6.88 12 31 961
## 202 8.75 16 1 1
## 203 10.00 8 9 81
## 204 3.05 12 10 100
## 205 3.00 12 38 1444
## 206 5.80 12 19 361
## 207 4.10 16 5 25
## 208 8.00 12 26 676
## 209 6.15 12 35 1225
## 210 2.70 9 2 4
## 211 2.75 13 1 1
## 212 3.00 16 19 361
## 213 3.00 14 3 9
## 214 7.36 8 36 1296
## 215 7.50 14 29 841
## 216 3.50 13 1 1
## 217 8.10 12 38 1444
## 218 3.75 18 1 1
## 219 3.25 9 29 841
## 220 5.83 8 36 1296
## 221 3.50 8 4 16
## 222 3.33 12 45 2025
## 223 4.00 14 22 484
## 224 3.50 12 20 400
## 225 6.25 16 5 25
## 226 2.95 8 15 225
## 227 5.71 13 10 100
## 228 3.00 9 3 9
## 229 22.86 16 16 256
## 230 9.00 12 38 1444
## 231 8.33 15 33 1089
## 232 3.00 11 2 4
## 233 5.75 14 6 36
## 234 6.76 12 19 361
## 235 10.00 12 29 841
## 236 3.00 12 2 4
## 237 3.50 18 3 9
## 238 3.25 12 4 16
## 239 4.00 12 10 100
## 240 2.92 12 4 16
## 241 3.06 12 14 196
## 242 3.20 12 15 225
## 243 4.75 12 19 361
## 244 3.00 14 17 289
## 245 18.16 16 29 841
## 246 3.50 12 2 4
## 247 4.11 14 5 25
## 248 1.96 11 38 1444
## 249 4.29 12 3 9
## 250 3.00 10 47 2209
## 251 6.45 12 7 49
## 252 5.20 6 47 2209
## 253 4.50 13 23 529
## 254 3.88 12 12 144
## 255 3.45 10 11 121
## 256 10.91 12 25 625
## 257 4.10 14 6 36
## 258 3.00 13 3 9
## 259 5.90 12 14 196
## 260 18.00 18 13 169
## 261 4.00 12 9 81
## 262 3.00 12 1 1
## 263 3.55 12 6 36
## 264 3.00 12 11 121
## 265 8.75 12 47 2209
## 266 2.90 8 49 2401
## 267 6.26 13 37 1369
## 268 3.50 13 2 4
## 269 4.60 14 7 49
## 270 6.00 12 22 484
## 271 2.89 10 8 64
## 272 5.58 16 1 1
## 273 4.00 12 43 1849
## 274 6.00 16 2 4
## 275 4.50 12 2 4
## 276 2.92 14 1 1
## 277 4.33 18 1 1
## 278 18.89 17 26 676
## 279 4.28 13 1 1
## 280 4.57 14 37 1369
## 281 6.25 15 12 144
## 282 2.95 14 41 1681
## 283 8.75 12 24 576
## 284 8.50 8 38 1444
## 285 3.75 12 18 324
## 286 3.15 12 26 676
## 287 5.00 8 45 2025
## 288 6.46 12 27 729
## 289 2.00 9 2 4
## 290 4.79 12 41 1681
## 291 5.78 16 11 121
## 292 3.18 12 5 25
## 293 4.68 16 3 9
## 294 4.10 12 3 9
## 295 2.91 12 4 16
## 296 6.00 13 21 441
## 297 3.60 10 34 1156
## 298 3.95 6 49 2401
## 299 7.00 12 6 36
## 300 3.00 12 26 676
## 301 6.08 16 9 81
## 302 8.63 12 23 529
## 303 3.00 8 33 1089
## 304 3.75 12 5 25
## 305 2.90 6 49 2401
## 306 3.00 4 48 2304
## 307 6.25 11 35 1225
## 308 3.50 11 23 529
## 309 3.00 7 26 676
## 310 3.24 12 16 256
## 311 8.02 18 23 529
## 312 3.33 12 36 1296
## 313 5.25 16 4 16
## 314 6.25 12 10 100
## 315 3.50 14 18 324
## 316 2.95 12 3 9
## 317 3.00 10 7 49
## 318 4.69 10 7 49
## 319 3.73 9 33 1089
## 320 4.00 10 34 1156
## 321 4.00 12 8 64
## 322 2.90 12 17 289
## 323 3.05 12 2 4
## 324 5.05 10 5 25
## 325 13.95 16 41 1681
## 326 18.16 16 35 1225
## 327 6.25 16 11 121
## 328 5.25 12 4 16
## 329 4.79 12 12 144
## 330 3.35 7 35 1225
## 331 3.00 8 33 1089
## 332 8.43 16 8 64
## 333 5.70 16 2 4
## 334 11.98 18 8 64
## 335 3.50 13 29 841
## 336 4.24 10 14 196
## 337 7.00 16 26 676
## 338 6.00 14 11 121
## 339 12.22 16 10 100
## 340 4.50 12 13 169
## 341 3.00 9 23 529
## 342 2.90 11 1 1
## 343 15.00 11 35 1225
## 344 4.00 12 5 25
## 345 5.25 11 13 169
## 346 4.00 12 22 484
## 347 3.30 12 21 441
## 348 5.05 12 19 361
## 349 3.58 12 13 169
## 350 5.00 14 15 225
## 351 4.57 14 3 9
## 352 12.50 18 6 36
## 353 3.45 12 6 36
## 354 4.63 12 16 256
## 355 10.00 12 31 961
## 356 2.92 11 1 1
## 357 4.51 12 5 25
## 358 6.50 17 3 9
## 359 7.50 16 11 121
## 360 3.54 13 6 36
## 361 4.20 13 11 121
## 362 3.51 12 7 49
## 363 4.50 14 5 25
## 364 3.35 14 5 25
## 365 2.91 11 2 4
## 366 5.25 10 44 1936
## 367 4.05 8 44 1936
## 368 3.75 14 13 169
## 369 3.40 12 26 676
## 370 3.00 10 2 4
## 371 6.29 17 10 100
## 372 2.54 9 2 4
## 373 4.50 12 35 1225
## 374 3.13 12 6 36
## 375 6.36 14 8 64
## 376 4.68 16 1 1
## 377 6.80 12 14 196
## 378 8.53 10 14 196
## 379 4.17 0 22 484
## 380 3.75 14 8 64
## 381 11.10 15 1 1
## 382 3.26 16 15 225
## 383 9.13 12 14 196
## 384 4.50 11 37 1369
## 385 3.00 11 1 1
## 386 8.75 12 4 16
## 387 4.14 13 29 841
## 388 2.87 12 45 2025
## 389 3.35 13 22 484
## 390 6.08 16 42 1764
## 391 3.00 15 9 81
## 392 4.20 16 8 64
## 393 5.60 15 31 961
## 394 10.00 12 24 576
## 395 12.50 18 16 256
## 396 3.76 6 6 36
## 397 3.10 6 14 196
## 398 4.29 12 47 2209
## 399 10.92 12 34 1156
## 400 7.50 16 6 36
## 401 4.05 9 7 49
## 402 4.65 12 27 729
## 403 5.00 11 24 576
## 404 2.90 10 18 324
## 405 8.00 12 12 144
## 406 8.43 8 27 729
## 407 2.92 9 49 2401
## 408 6.25 17 4 16
## 409 6.25 16 24 576
## 410 5.11 11 3 9
## 411 4.00 10 2 4
## 412 4.44 8 29 841
## 413 6.88 13 34 1156
## 414 5.43 14 10 100
## 415 3.00 13 5 25
## 416 2.90 11 2 4
## 417 6.25 7 39 1521
## 418 4.34 16 5 25
## 419 3.25 12 14 196
## 420 7.26 13 8 64
## 421 6.35 14 10 100
## 422 5.63 16 2 4
## 423 8.75 14 9 81
## 424 3.20 11 1 1
## 425 3.00 8 45 2025
## 426 3.00 14 33 1089
## 427 12.50 17 21 441
## 428 2.88 10 2 4
## 429 3.35 12 9 81
## 430 6.50 12 33 1089
## 431 10.38 18 16 256
## 432 4.50 14 10 100
## 433 10.00 18 9 81
## 434 3.81 12 8 64
## 435 8.80 16 9 81
## 436 9.42 14 23 529
## 437 6.33 12 23 529
## 438 4.00 9 22 484
## 439 2.90 12 37 1369
## 440 20.00 12 22 484
## 441 11.25 17 28 784
## 442 3.50 12 14 196
## 443 6.00 15 19 361
## 444 14.38 17 10 100
## 445 6.36 16 25 625
## 446 3.55 12 21 441
## 447 3.00 15 32 1024
## 448 4.50 16 21 441
## 449 6.63 12 36 1296
## 450 9.30 15 2 4
## 451 3.00 12 11 121
## 452 3.25 12 40 1600
## 453 1.50 12 11 121
## 454 5.90 12 9 81
## 455 8.00 16 23 529
## 456 2.90 11 1 1
## 457 3.29 14 30 900
## 458 6.50 14 41 1681
## 459 4.00 13 6 36
## 460 6.00 14 11 121
## 461 4.08 12 43 1849
## 462 3.75 12 39 1521
## 463 3.05 8 50 2500
## 464 3.50 12 26 676
## 465 2.92 3 51 2601
## 466 4.50 11 3 9
## 467 3.35 15 3 9
## 468 5.95 11 15 225
## 469 8.00 12 17 289
## 470 3.00 4 36 1296
## 471 5.00 9 31 961
## 472 5.50 12 9 81
## 473 2.65 12 42 1764
## 474 3.00 11 3 9
## 475 4.50 12 37 1369
## 476 17.50 16 23 529
## 477 8.18 13 21 441
## 478 9.09 15 11 121
## 479 11.82 16 35 1225
## 480 3.25 12 42 1764
## 481 4.50 12 3 9
## 482 4.50 12 13 169
## 483 3.71 9 14 196
## 484 6.50 10 14 196
## 485 2.90 12 39 1521
## 486 5.60 11 11 121
## 487 2.23 8 28 784
## 488 5.00 6 18 324
## 489 8.33 16 6 36
## 490 2.90 12 26 676
## 491 6.25 12 21 441
## 492 4.55 16 34 1156
## 493 3.28 12 17 289
## 494 2.30 10 2 4
## 495 3.30 13 5 25
## 496 3.15 13 1 1
## 497 12.50 14 40 1600
## 498 5.15 16 39 1521
## 499 3.13 10 1 1
## 500 7.25 12 14 196
## 501 2.90 12 2 4
## 502 1.75 11 2 4
## 503 2.89 0 42 1764
## 504 2.90 5 34 1156
## 505 17.71 16 10 100
## 506 6.25 16 4 16
## 507 2.60 9 4 16
## 508 6.63 15 21 441
## 509 3.50 12 31 961
## 510 6.50 12 20 400
## 511 3.00 12 36 1296
## 512 4.38 13 7 49
## 513 10.00 12 15 225
## 514 4.95 7 25 625
## 515 9.00 17 7 49
## 516 1.43 12 17 289
## 517 3.08 12 3 9
## 518 9.33 14 12 144
## 519 7.50 12 18 324
## 520 4.75 13 47 2209
## 521 5.65 12 2 4
## 522 15.00 16 14 196
## 523 2.27 10 2 4
## 524 4.67 15 13 169
## 525 11.56 16 5 25
## 526 3.50 14 5 252.5 Gráfica de correlación
plot(base1)
# El grafico representa la relación entre el salario y la eduación, se
puede percibir que el resultado es positivo en comparación con la
experiencia que como se muestra en el grafico los resultados son
meramente distribuidos
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
## wage 1
## educ 0.41 1
## exper 0.11 -0.3 1
## expersq 0.03 -0.33 0.96 1Tabla 2
correlacion<-round(cor(base1), 1)
corrplot(correlacion, method="number", type="upper")
2.8 Regresiones
## wage educ exper expersq
## wage 1
## educ 0.41 1
## exper 0.11 -0.3 1
## expersq 0.03 -0.33 0.96 1reg1<- lm ( wage ~ educ + exper + expersq, base)
stargazer( reg1,type = 'text')##
## ===============================================
## Dependent variable:
## ---------------------------
## wage
## -----------------------------------------------
## educ 0.595***
## (0.053)
##
## exper 0.268***
## (0.037)
##
## expersq -0.005***
## (0.001)
##
## Constant -3.965***
## (0.752)
##
## -----------------------------------------------
## Observations 526
## R2 0.269
## Adjusted R2 0.265
## Residual Std. Error 3.166 (df = 522)
## F Statistic 64.109*** (df = 3; 522)
## ===============================================
## Note: *p<0.1; **p<0.05; ***p<0.01summary(reg1)##
## Call:
## lm(formula = wage ~ educ + exper + expersq, data = base)
##
## Residuals:
## Min 1Q Median 3Q Max
## -6.0692 -2.0837 -0.5417 1.2860 15.1363
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -3.964890 0.752153 -5.271 1.99e-07 ***
## educ 0.595343 0.053025 11.228 < 2e-16 ***
## exper 0.268287 0.036897 7.271 1.31e-12 ***
## expersq -0.004612 0.000822 -5.611 3.26e-08 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 3.166 on 522 degrees of freedom
## Multiple R-squared: 0.2692, Adjusted R-squared: 0.265
## F-statistic: 64.11 on 3 and 522 DF, p-value: < 2.2e-16#El coeficiente para la variable educ (0.595) indica que, manteniendo constante la experiencia laboral y la experiencia laboral al cuadrado, un incremento de una unidad en la educación se asocia con un aumento de 0.595 unidades en el salario
#El coeficiente para la variable exper (0.268) indica que, manteniendo constante la educación y la experiencia laboral al cuadrado, un incremento de una unidad en la experiencia laboral se asocia con un aumento de 0.268 unidades en el salario
#El coeficiente para la variable expersq (-0.005) indica que, manteniendo constante la educación y la experiencia laboral, un incremento de una unidad en la experiencia laboral al cuadrado se asocia con una disminución de 0.005 unidades en el salario. El signo negativo sugiere que existe una relación no lineal entre la experiencia laboral y el salario.
#El coeficiente para la constante (-3.965) indica el valor estimado del salario cuando todas las variables independientes son iguales a cero. En este caso, no tiene una interpretación directa, ya que es poco probable que todas las variables independientes sean cero en el contexto del modelo. #Todas las variables son significativas estadísticamente al nivel del 1% (). #En cuanto a las métricas de ajuste del modelo, el R cuadrado (R2) es 0.269, lo que significa que aproximadamente el 26.9% de la variabilidad en el salario puede explicarse por las variables independientes incluidas en el modelo. El R cuadrado ajustado (Adjusted R2) es similar y tiene en cuenta el número de variables independientes y el tamaño de la muestra. El error estándar residual (Residual Std. Error) es 3.166 y representa la estimación de la variabilidad no explicada por el modelo. Por último, la estadística F (F Statistic) evalúa conjuntamente la significancia de todas las variables independientes en el modelo y muestra que el modelo en su conjunto es significativo al nivel del 1% ().
2.8 Análisis de la forma funcional o especificación del modelo: Prueba LM
resettest(reg1)##
## RESET test
##
## data: reg1
## RESET = 18.056, df1 = 2, df2 = 520, p-value = 2.622e-08#se muestra que el estadístico RESET tiene un valor de 18.056. Los grados de libertad asociados son df1 = 2 y df2 = 520. El valor p obtenido es 2.622e-08, lo que indica que es extremadamente pequeño. #Dado que el valor p es menor que el nivel de significancia, hay evidencia estadística para rechazar la hipótesis nula de que el modelo está correctamente especificado.
2.9 Multicolinealidad: VIF
vif(reg1)## educ exper expersq
## 1.129103 13.133957 13.429089#Si hay multicolinealidad
2.10 Heteroscedasticidad: Prueba de Breusch-Pagan
bptest(reg1)##
## studentized Breusch-Pagan test
##
## data: reg1
## BP = 46.353, df = 3, p-value = 4.77e-10#Si hay heterostelasticidad
2.11 Autocorrelación: Prueba de Durbin Watson
dwtest(reg1)##
## Durbin-Watson test
##
## data: reg1
## DW = 1.8211, p-value = 0.01952
## alternative hypothesis: true autocorrelation is greater than 0#El resultado de la prueba muestra que el valor del estadístico de Durbin Watson es 1.8211. Además, se proporciona un valor p asociado de 0.01952 #La hipótesis nula de la prueba de Durbin Watson establece que no hay autocorrelación positiva en los residuos del modelo, es decir, los residuos son independientes entre sí. La hipótesis alternativa sugiere que existe autocorrelación positiva en los residuos.
2.12 Normalidad: Prueba de Shapiro
resid = reg1$residuals
shapiro.test(resid)##
## Shapiro-Wilk normality test
##
## data: resid
## W = 0.89304, p-value < 2.2e-16#El resultado de la prueba, se muestra que el valor del estadístico de Shapiro (W) es 0.89304. Además, el valor p asociado es menor que 2.2e-16, lo cual indica un valor extremadamente pequeño.Hay evidencia estadística suficiente para rechazar la hipótesis nula. Esto sugiere que la muestra de residuos no sigue una distribución normal.