Modelo de Minser
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:
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
Modelo 1
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('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)
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)
La grafica nos muestra una correlación positiva en los datos de las variables salario y educación tienden a incrementarse juntas, mientras que los datos como el salario y la experiencia laboral, el salario y la experiencia laboral al cuadrado son insuficiente dentro del modelo de analisis grafico para determinar si existe correlación, debido a este motivo no hay una linea clara de tendencia.
2.6 Tabla de correlación 1
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 12.6.1 Tabla de correlación 2
correlacion<-round(cor(base1), 1)
corrplot(correlacion, method="number", type="upper")
En la tabla podemos identificar que en las tres variables independientes se tiene una correlación neutra.
2.7 Regresiones
reg1<- 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-16Y = - 3.964890 + 0.595343 + 0.268287 - 0.004612
Al analizar los datos de forma individual podemos constatar que cada uno es un dato significativo (datos >0.05%), asi mismo en conjunto los datos son significativos para el modelo, por lo cual se RHo y el modelo se acepta.
El R2 nos muestra que el modelo explica el 26.9% de los datos por lo que para ajustarlo es necesario agregar mas variables, esto se se puede deber a la falta de variables significativas.
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-08p-value = 2.622e-08 < 0.05 RHo
La forma lineal no es la correcta, por lo cual el modelo puede contener errores.
2.9 Multicolinealidad: VIF
vif(reg1)## educ exper expersq
## 1.129103 13.133957 13.429089El modelo nos indica que el dato de educación esta moderadamente correlacionado, mientras que los datos de experiencia laboral y experiencia laboral al cuadrado están altamente correlacionados.
2.10 Heteroscedasticidad: Prueba de Breusch-Pagan
bptest(reg1)##
## studentized Breusch-Pagan test
##
## data: reg1
## BP = 46.353, df = 3, p-value = 4.77e-10p-value = 4.77e-10 < 0.05 RHo
En el modelo existe heteroscedasticidad
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 0p-value = 0.01952 < 0.05 RHo
El modelo tiene problemas de autocorrelación, por lo cual es necesario realizar un correctivo de variables o aumento de las mismas. Ha no existe autocorrelación negativa
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-16p-value < 2.2e-16 < 0.05 RHo
Las variables no tienen una distribución normal
Modelo 2
El modelo a estimar es el siguiente
wage = beta_0 + (beta_1 * educ) + (beta_2 * tenure) + (beta_3 * expers) + (beta_4 * expersq) + error
donde:
wage = salario, medido en pesos mexicanos.
educ = educación, medido en número de años
tenure = permanencia, medida en número de años
exper = experiencia laboral, medido en número de años
expersq = experiencia laboral al cuadrado, medido en número de años
2.13 Seleccionando las variables del modelo
base1=data.frame(wage, educ,tenure,exper,expersq)
base1## wage educ tenure exper expersq
## 1 3.10 11 0 2 4
## 2 3.24 12 2 22 484
## 3 3.00 11 0 2 4
## 4 6.00 8 28 44 1936
## 5 5.30 12 2 7 49
## 6 8.75 16 8 9 81
## 7 11.25 18 7 15 225
## 8 5.00 12 3 5 25
## 9 3.60 12 4 26 676
## 10 18.18 17 21 22 484
## 11 6.25 16 2 8 64
## 12 8.13 13 0 3 9
## 13 8.77 12 0 15 225
## 14 5.50 12 3 18 324
## 15 22.20 12 15 31 961
## 16 17.33 16 0 14 196
## 17 7.50 12 0 10 100
## 18 10.63 13 10 16 256
## 19 3.60 12 0 13 169
## 20 4.50 12 6 36 1296
## 21 6.88 12 4 11 121
## 22 8.48 12 13 29 841
## 23 6.33 16 9 9 81
## 24 0.53 12 1 3 9
## 25 6.00 11 8 37 1369
## 26 9.56 16 3 3 9
## 27 7.78 16 10 11 121
## 28 12.50 16 0 31 961
## 29 12.50 15 0 30 900
## 30 3.25 8 1 9 81
## 31 13.00 14 5 23 529
## 32 4.50 14 5 2 4
## 33 9.68 13 16 16 256
## 34 5.00 12 3 7 49
## 35 4.68 12 0 3 9
## 36 4.27 16 4 22 484
## 37 6.15 12 6 15 225
## 38 3.51 4 15 39 1521
## 39 3.00 14 3 3 9
## 40 6.25 12 0 11 121
## 41 7.81 12 0 3 9
## 42 10.00 12 5 20 400
## 43 4.50 14 0 16 256
## 44 4.00 11 12 45 2025
## 45 6.38 13 4 11 121
## 46 13.70 15 13 20 400
## 47 1.67 10 0 1 1
## 48 2.93 12 2 36 1296
## 49 3.65 14 2 9 81
## 50 2.90 12 1 15 225
## 51 1.63 12 0 18 324
## 52 8.60 16 2 3 9
## 53 5.00 12 5 15 225
## 54 6.00 12 7 7 49
## 55 2.50 12 0 2 4
## 56 3.25 15 0 3 9
## 57 3.40 16 1 1 1
## 58 10.00 8 0 13 169
## 59 21.63 18 8 8 64
## 60 4.38 16 0 7 49
## 61 11.71 13 20 40 1600
## 62 12.39 14 5 42 1764
## 63 6.25 10 8 36 1296
## 64 3.71 10 0 13 169
## 65 7.78 14 3 9 81
## 66 19.98 14 23 26 676
## 67 6.25 16 4 7 49
## 68 10.00 12 3 25 625
## 69 5.71 16 5 10 100
## 70 2.00 12 2 3 9
## 71 5.71 16 0 3 9
## 72 13.08 17 2 17 289
## 73 4.91 12 8 17 289
## 74 2.91 12 34 20 400
## 75 3.75 12 0 7 49
## 76 11.90 13 19 24 576
## 77 4.00 12 0 28 784
## 78 3.10 12 1 2 4
## 79 8.45 12 13 19 361
## 80 7.14 18 0 13 169
## 81 4.50 9 5 22 484
## 82 4.65 16 1 3 9
## 83 2.90 10 0 4 16
## 84 6.67 12 5 7 49
## 85 3.50 12 2 6 36
## 86 3.26 12 3 13 169
## 87 3.25 12 0 14 196
## 88 8.00 12 4 14 196
## 89 9.85 8 24 40 1600
## 90 7.50 12 7 11 121
## 91 5.91 12 6 14 196
## 92 11.76 14 39 40 1600
## 93 3.00 12 0 1 1
## 94 4.81 12 0 2 4
## 95 6.50 12 1 4 16
## 96 4.00 9 1 19 361
## 97 3.50 13 0 1 1
## 98 13.16 12 22 34 1156
## 99 4.25 14 2 5 25
## 100 3.50 12 0 3 9
## 101 5.13 15 6 6 36
## 102 3.75 12 0 14 196
## 103 4.50 12 12 35 1225
## 104 7.63 12 4 8 64
## 105 15.00 14 7 7 49
## 106 6.85 15 3 11 121
## 107 13.33 12 11 14 196
## 108 6.67 12 10 35 1225
## 109 2.53 12 0 46 2116
## 110 9.80 17 0 7 49
## 111 3.37 11 12 45 2025
## 112 24.98 18 25 29 841
## 113 5.40 12 3 6 36
## 114 6.11 14 0 15 225
## 115 4.20 14 16 33 1089
## 116 3.75 10 0 15 225
## 117 3.50 14 0 5 25
## 118 3.64 12 2 7 49
## 119 3.80 15 1 6 36
## 120 3.00 8 12 33 1089
## 121 5.00 16 1 2 4
## 122 4.63 14 0 4 16
## 123 3.00 15 0 1 1
## 124 3.20 12 0 29 841
## 125 3.91 18 3 17 289
## 126 6.43 16 3 17 289
## 127 5.48 10 3 36 1296
## 128 1.50 8 30 31 961
## 129 2.90 10 2 23 529
## 130 5.00 11 1 13 169
## 131 8.92 18 3 3 9
## 132 5.00 15 0 15 225
## 133 3.52 12 1 48 2304
## 134 2.90 11 0 6 36
## 135 4.50 12 0 12 144
## 136 2.25 12 0 5 25
## 137 5.00 14 5 19 361
## 138 10.00 16 3 9 81
## 139 3.75 2 13 39 1521
## 140 10.00 14 11 28 784
## 141 10.95 16 20 23 529
## 142 7.90 12 0 2 4
## 143 4.72 12 1 15 225
## 144 5.84 13 0 5 25
## 145 3.83 12 2 18 324
## 146 3.20 15 2 2 4
## 147 2.00 10 0 3 9
## 148 4.50 12 4 31 961
## 149 11.55 16 5 20 400
## 150 2.14 13 15 34 1156
## 151 2.38 9 0 5 25
## 152 3.75 12 0 11 121
## 153 5.52 13 3 31 961
## 154 6.50 12 5 8 64
## 155 3.10 12 2 2 4
## 156 10.00 14 5 18 324
## 157 6.63 16 0 3 9
## 158 10.00 16 2 3 9
## 159 2.31 9 1 4 16
## 160 6.88 18 4 4 16
## 161 2.83 10 0 1 1
## 162 3.13 10 0 1 1
## 163 8.00 13 5 28 784
## 164 4.50 12 4 47 2209
## 165 8.65 18 1 13 169
## 166 2.00 13 6 2 4
## 167 4.75 12 2 48 2304
## 168 6.25 13 5 6 36
## 169 6.00 13 0 8 64
## 170 15.38 13 21 25 625
## 171 14.58 18 7 13 169
## 172 12.50 12 1 8 64
## 173 5.25 12 10 19 361
## 174 2.17 13 4 1 1
## 175 7.14 12 5 43 1849
## 176 6.22 12 9 19 361
## 177 9.00 12 5 11 121
## 178 10.00 14 4 43 1849
## 179 5.77 10 3 44 1936
## 180 4.00 12 11 22 484
## 181 8.75 16 2 3 9
## 182 6.53 16 2 3 9
## 183 7.60 12 11 41 1681
## 184 5.00 14 0 5 25
## 185 5.00 12 11 14 196
## 186 21.86 12 16 24 576
## 187 8.64 12 8 28 784
## 188 3.30 12 8 25 625
## 189 4.44 12 0 3 9
## 190 4.55 12 0 11 121
## 191 3.50 12 6 7 49
## 192 6.25 16 2 9 81
## 193 3.85 16 0 5 25
## 194 6.18 14 3 9 81
## 195 2.91 11 0 1 1
## 196 6.25 16 1 2 4
## 197 6.25 12 0 13 169
## 198 9.05 12 2 10 100
## 199 10.00 17 3 5 25
## 200 11.11 12 8 30 900
## 201 6.88 12 19 31 961
## 202 8.75 16 2 1 1
## 203 10.00 8 0 9 81
## 204 3.05 12 0 10 100
## 205 3.00 12 0 38 1444
## 206 5.80 12 6 19 361
## 207 4.10 16 0 5 25
## 208 8.00 12 2 26 676
## 209 6.15 12 12 35 1225
## 210 2.70 9 0 2 4
## 211 2.75 13 2 1 1
## 212 3.00 16 10 19 361
## 213 3.00 14 2 3 9
## 214 7.36 8 24 36 1296
## 215 7.50 14 24 29 841
## 216 3.50 13 2 1 1
## 217 8.10 12 3 38 1444
## 218 3.75 18 2 1 1
## 219 3.25 9 0 29 841
## 220 5.83 8 15 36 1296
## 221 3.50 8 0 4 16
## 222 3.33 12 4 45 2025
## 223 4.00 14 3 22 484
## 224 3.50 12 4 20 400
## 225 6.25 16 0 5 25
## 226 2.95 8 2 15 225
## 227 5.71 13 2 10 100
## 228 3.00 9 0 3 9
## 229 22.86 16 7 16 256
## 230 9.00 12 1 38 1444
## 231 8.33 15 26 33 1089
## 232 3.00 11 0 2 4
## 233 5.75 14 5 6 36
## 234 6.76 12 3 19 361
## 235 10.00 12 0 29 841
## 236 3.00 12 0 2 4
## 237 3.50 18 1 3 9
## 238 3.25 12 0 4 16
## 239 4.00 12 1 10 100
## 240 2.92 12 0 4 16
## 241 3.06 12 10 14 196
## 242 3.20 12 5 15 225
## 243 4.75 12 0 19 361
## 244 3.00 14 0 17 289
## 245 18.16 16 7 29 841
## 246 3.50 12 0 2 4
## 247 4.11 14 0 5 25
## 248 1.96 11 3 38 1444
## 249 4.29 12 0 3 9
## 250 3.00 10 0 47 2209
## 251 6.45 12 6 7 49
## 252 5.20 6 13 47 2209
## 253 4.50 13 2 23 529
## 254 3.88 12 3 12 144
## 255 3.45 10 0 11 121
## 256 10.91 12 23 25 625
## 257 4.10 14 0 6 36
## 258 3.00 13 1 3 9
## 259 5.90 12 7 14 196
## 260 18.00 18 0 13 169
## 261 4.00 12 0 9 81
## 262 3.00 12 0 1 1
## 263 3.55 12 0 6 36
## 264 3.00 12 1 11 121
## 265 8.75 12 44 47 2209
## 266 2.90 8 6 49 2401
## 267 6.26 13 17 37 1369
## 268 3.50 13 0 2 4
## 269 4.60 14 0 7 49
## 270 6.00 12 8 22 484
## 271 2.89 10 0 8 64
## 272 5.58 16 1 1 1
## 273 4.00 12 6 43 1849
## 274 6.00 16 2 2 4
## 275 4.50 12 1 2 4
## 276 2.92 14 3 1 1
## 277 4.33 18 0 1 1
## 278 18.89 17 20 26 676
## 279 4.28 13 1 1 1
## 280 4.57 14 7 37 1369
## 281 6.25 15 4 12 144
## 282 2.95 14 23 41 1681
## 283 8.75 12 1 24 576
## 284 8.50 8 26 38 1444
## 285 3.75 12 0 18 324
## 286 3.15 12 1 26 676
## 287 5.00 8 2 45 2025
## 288 6.46 12 0 27 729
## 289 2.00 9 0 2 4
## 290 4.79 12 8 41 1681
## 291 5.78 16 4 11 121
## 292 3.18 12 0 5 25
## 293 4.68 16 1 3 9
## 294 4.10 12 2 3 9
## 295 2.91 12 0 4 16
## 296 6.00 13 13 21 441
## 297 3.60 10 26 34 1156
## 298 3.95 6 6 49 2401
## 299 7.00 12 5 6 36
## 300 3.00 12 9 26 676
## 301 6.08 16 0 9 81
## 302 8.63 12 9 23 529
## 303 3.00 8 2 33 1089
## 304 3.75 12 2 5 25
## 305 2.90 6 7 49 2401
## 306 3.00 4 0 48 2304
## 307 6.25 11 31 35 1225
## 308 3.50 11 2 23 529
## 309 3.00 7 1 26 676
## 310 3.24 12 0 16 256
## 311 8.02 18 3 23 529
## 312 3.33 12 8 36 1296
## 313 5.25 16 0 4 16
## 314 6.25 12 0 10 100
## 315 3.50 14 2 18 324
## 316 2.95 12 1 3 9
## 317 3.00 10 0 7 49
## 318 4.69 10 7 7 49
## 319 3.73 9 2 33 1089
## 320 4.00 10 12 34 1156
## 321 4.00 12 0 8 64
## 322 2.90 12 1 17 289
## 323 3.05 12 0 2 4
## 324 5.05 10 0 5 25
## 325 13.95 16 16 41 1681
## 326 18.16 16 28 35 1225
## 327 6.25 16 4 11 121
## 328 5.25 12 0 4 16
## 329 4.79 12 3 12 144
## 330 3.35 7 0 35 1225
## 331 3.00 8 0 33 1089
## 332 8.43 16 6 8 64
## 333 5.70 16 0 2 4
## 334 11.98 18 10 8 64
## 335 3.50 13 1 29 841
## 336 4.24 10 5 14 196
## 337 7.00 16 3 26 676
## 338 6.00 14 3 11 121
## 339 12.22 16 2 10 100
## 340 4.50 12 0 13 169
## 341 3.00 9 20 23 529
## 342 2.90 11 2 1 1
## 343 15.00 11 31 35 1225
## 344 4.00 12 2 5 25
## 345 5.25 11 11 13 169
## 346 4.00 12 3 22 484
## 347 3.30 12 9 21 441
## 348 5.05 12 0 19 361
## 349 3.58 12 0 13 169
## 350 5.00 14 5 15 225
## 351 4.57 14 0 3 9
## 352 12.50 18 2 6 36
## 353 3.45 12 5 6 36
## 354 4.63 12 1 16 256
## 355 10.00 12 2 31 961
## 356 2.92 11 0 1 1
## 357 4.51 12 2 5 25
## 358 6.50 17 0 3 9
## 359 7.50 16 0 11 121
## 360 3.54 13 7 6 36
## 361 4.20 13 3 11 121
## 362 3.51 12 2 7 49
## 363 4.50 14 0 5 25
## 364 3.35 14 4 5 25
## 365 2.91 11 2 2 4
## 366 5.25 10 7 44 1936
## 367 4.05 8 25 44 1936
## 368 3.75 14 0 13 169
## 369 3.40 12 15 26 676
## 370 3.00 10 1 2 4
## 371 6.29 17 3 10 100
## 372 2.54 9 0 2 4
## 373 4.50 12 0 35 1225
## 374 3.13 12 5 6 36
## 375 6.36 14 1 8 64
## 376 4.68 16 0 1 1
## 377 6.80 12 10 14 196
## 378 8.53 10 6 14 196
## 379 4.17 0 10 22 484
## 380 3.75 14 4 8 64
## 381 11.10 15 4 1 1
## 382 3.26 16 5 15 225
## 383 9.13 12 12 14 196
## 384 4.50 11 10 37 1369
## 385 3.00 11 1 1 1
## 386 8.75 12 4 4 16
## 387 4.14 13 0 29 841
## 388 2.87 12 8 45 2025
## 389 3.35 13 0 22 484
## 390 6.08 16 10 42 1764
## 391 3.00 15 0 9 81
## 392 4.20 16 0 8 64
## 393 5.60 15 15 31 961
## 394 10.00 12 24 24 576
## 395 12.50 18 5 16 256
## 396 3.76 6 0 6 36
## 397 3.10 6 0 14 196
## 398 4.29 12 25 47 2209
## 399 10.92 12 5 34 1156
## 400 7.50 16 2 6 36
## 401 4.05 9 4 7 49
## 402 4.65 12 2 27 729
## 403 5.00 11 5 24 576
## 404 2.90 10 0 18 324
## 405 8.00 12 3 12 144
## 406 8.43 8 3 27 729
## 407 2.92 9 0 49 2401
## 408 6.25 17 0 4 16
## 409 6.25 16 2 24 576
## 410 5.11 11 0 3 9
## 411 4.00 10 0 2 4
## 412 4.44 8 11 29 841
## 413 6.88 13 21 34 1156
## 414 5.43 14 3 10 100
## 415 3.00 13 0 5 25
## 416 2.90 11 0 2 4
## 417 6.25 7 21 39 1521
## 418 4.34 16 2 5 25
## 419 3.25 12 2 14 196
## 420 7.26 13 2 8 64
## 421 6.35 14 1 10 100
## 422 5.63 16 2 2 4
## 423 8.75 14 3 9 81
## 424 3.20 11 0 1 1
## 425 3.00 8 1 45 2025
## 426 3.00 14 3 33 1089
## 427 12.50 17 18 21 441
## 428 2.88 10 0 2 4
## 429 3.35 12 1 9 81
## 430 6.50 12 2 33 1089
## 431 10.38 18 2 16 256
## 432 4.50 14 0 10 100
## 433 10.00 18 8 9 81
## 434 3.81 12 1 8 64
## 435 8.80 16 1 9 81
## 436 9.42 14 0 23 529
## 437 6.33 12 8 23 529
## 438 4.00 9 18 22 484
## 439 2.90 12 0 37 1369
## 440 20.00 12 4 22 484
## 441 11.25 17 25 28 784
## 442 3.50 12 0 14 196
## 443 6.00 15 4 19 361
## 444 14.38 17 9 10 100
## 445 6.36 16 0 25 625
## 446 3.55 12 0 21 441
## 447 3.00 15 0 32 1024
## 448 4.50 16 10 21 441
## 449 6.63 12 0 36 1296
## 450 9.30 15 2 2 4
## 451 3.00 12 0 11 121
## 452 3.25 12 2 40 1600
## 453 1.50 12 1 11 121
## 454 5.90 12 7 9 81
## 455 8.00 16 4 23 529
## 456 2.90 11 0 1 1
## 457 3.29 14 13 30 900
## 458 6.50 14 33 41 1681
## 459 4.00 13 0 6 36
## 460 6.00 14 0 11 121
## 461 4.08 12 17 43 1849
## 462 3.75 12 2 39 1521
## 463 3.05 8 24 50 2500
## 464 3.50 12 20 26 676
## 465 2.92 3 30 51 2601
## 466 4.50 11 9 3 9
## 467 3.35 15 1 3 9
## 468 5.95 11 9 15 225
## 469 8.00 12 6 17 289
## 470 3.00 4 0 36 1296
## 471 5.00 9 9 31 961
## 472 5.50 12 4 9 81
## 473 2.65 12 10 42 1764
## 474 3.00 11 0 3 9
## 475 4.50 12 14 37 1369
## 476 17.50 16 22 23 529
## 477 8.18 13 5 21 441
## 478 9.09 15 12 11 121
## 479 11.82 16 13 35 1225
## 480 3.25 12 0 42 1764
## 481 4.50 12 0 3 9
## 482 4.50 12 0 13 169
## 483 3.71 9 7 14 196
## 484 6.50 10 11 14 196
## 485 2.90 12 1 39 1521
## 486 5.60 11 8 11 121
## 487 2.23 8 3 28 784
## 488 5.00 6 0 18 324
## 489 8.33 16 2 6 36
## 490 2.90 12 1 26 676
## 491 6.25 12 6 21 441
## 492 4.55 16 2 34 1156
## 493 3.28 12 2 17 289
## 494 2.30 10 0 2 4
## 495 3.30 13 0 5 25
## 496 3.15 13 0 1 1
## 497 12.50 14 30 40 1600
## 498 5.15 16 21 39 1521
## 499 3.13 10 1 1 1
## 500 7.25 12 5 14 196
## 501 2.90 12 2 2 4
## 502 1.75 11 1 2 4
## 503 2.89 0 0 42 1764
## 504 2.90 5 0 34 1156
## 505 17.71 16 3 10 100
## 506 6.25 16 3 4 16
## 507 2.60 9 0 4 16
## 508 6.63 15 3 21 441
## 509 3.50 12 3 31 961
## 510 6.50 12 14 20 400
## 511 3.00 12 1 36 1296
## 512 4.38 13 0 7 49
## 513 10.00 12 0 15 225
## 514 4.95 7 17 25 625
## 515 9.00 17 0 7 49
## 516 1.43 12 0 17 289
## 517 3.08 12 1 3 9
## 518 9.33 14 11 12 144
## 519 7.50 12 5 18 324
## 520 4.75 13 1 47 2209
## 521 5.65 12 0 2 4
## 522 15.00 16 2 14 196
## 523 2.27 10 0 2 4
## 524 4.67 15 18 13 169
## 525 11.56 16 1 5 25
## 526 3.50 14 4 5 252.14 Gráfica de correlación
plot(base1)
La grafica nos muestra una correlación positiva en los datos de las variables salario y educación los cuales tienden a incrementarse juntas, para los datos de educación y permanencia notamos una correlación negativa, mientras que los datos como el salario y la experiencia laboral, el salario y la experiencia laboral al cuadrado son insuficiente dentro del modelo de analisis grafico para determinar si existe correlación, debido a este motivo no hay una linea clara de tendencia.
2.15 Tabla de correlación
mcor<-round(cor(base1),2)
upper<-mcor
upper[upper.tri(mcor)]<-""
upper<-as.data.frame(upper)
upper## wage educ tenure exper expersq
## wage 1
## educ 0.41 1
## tenure 0.35 -0.06 1
## exper 0.11 -0.3 0.5 1
## expersq 0.03 -0.33 0.46 0.96 12.15.1 Tabla de correlación 2
correlacion<-round(cor(base1), 1)
corrplot(correlacion, method="number", type="upper")
Podemos observar una correlación neutra en las cuatro variables, debido a que no se cuentan con suficientes datos para aumentar o disminur la correlación de los datos.
2.16 Regresiones
reg1<- lm ( wage ~ educ + tenure + exper + expersq, base)
stargazer( reg1,type = 'text')##
## ===============================================
## Dependent variable:
## ---------------------------
## wage
## -----------------------------------------------
## educ 0.556***
## (0.051)
##
## tenure 0.161***
## (0.021)
##
## exper 0.205***
## (0.036)
##
## expersq -0.004***
## (0.001)
##
## 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 + tenure + exper + expersq, 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 ***
## tenure 0.1614708 0.0211388 7.639 1.06e-13 ***
## exper 0.2051075 0.0359866 5.700 2.01e-08 ***
## expersq -0.0042021 0.0007821 -5.373 1.17e-07 ***
## ---
## 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-16Y = - 3.964890 + 0.595343 + 0.1614708+ 0.2051075 - 0.0042021
Al analizar los datos de forma individual podemos encontrar que cada uno es un dato significativo ( >0.05), asi mismo en conjunto los datos son significativos para el modelo, por lo cual se RHo y el modelo se acepta.
El R2 nos muestra que el modelo explica el 34.28% de los datos por lo que para ajustarlo es necesario agregar mas variables.
2.17 Análisis de la forma funcional o especificación del modelo: Prueba LM
resettest(reg1)##
## RESET test
##
## data: reg1
## RESET = 17.414, df1 = 2, df2 = 519, p-value = 4.789e-08p-value = 4.789e-08 < 0.05 RHo
La forma lineal no es la correcta, por lo cual el modelo alternativo puede contener errores.
2.18 Multicolinealidad: VIF
vif(reg1)## educ tenure exper expersq
## 1.140644 1.355685 13.866460 13.492686El modelo nos indica que los dato de educación y permanencia estan moderadamente correlacionados, mientras que los datos de experiencia laboral y experiencia laboral al cuadrado están altamente correlacionados.
2.19 Heteroscedasticidad: Prueba de Breusch-Pagan
bptest(reg1)##
## studentized Breusch-Pagan test
##
## data: reg1
## BP = 53.885, df = 4, p-value = 5.561e-11p-value = 5.561e-11 < 0.05 RHo
En el modelo alternativo aun existe heteroscedasticidad
2.20 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 0p-value = 0.01181 < 0.05 RHo
El modelo alternativo tiene problemas de autocorrelación, por lo cual es necesario realizar un correctivo de variables o aumento de las mismas. Ha no existe autocorrelación negativa
2.21 Normalidad: Prueba de Shapiro
resid = reg1$residuals
shapiro.test(resid)##
## Shapiro-Wilk normality test
##
## data: resid
## W = 0.90394, p-value < 2.2e-16p-value < 2.2e-16 < 0.05 RHo
Las variables no tienen una distribución normal