¿Hasta cuándo vale la pena estudiar?
Equipo 2
2026-09-01
Introducción y planteamiento del problema
La percepción de la población mexicana con respecto a sus ingresos y calidad de vida delata una distancia con la narrativa recientemente adoptada. Aunque el incremento del salario mínimo ha mostrado avances en la redistribución de ingresos, siguen existiendo factores, como la educación, que afectan el ingreso por hora percibido en la principales ciudades de México.
El cuestionamiento sobre de la utilidad obtenida al profesionalizarse mediante la continuación de los estudios en un mercado laboral competitivo y las barreras de entrada a grados de educación superior, sugieren la pregunta: ¿hasta cuándo vale la pena estudiar?
Metodología
Se va a determinar la respuesta a la pregunta a través de la indagación de datos y creación de gráficas relevantes. Tomando los datos del 2005 al 2025 de la Encuesta Nacional de Ocupación y Empleo (ENOE) brindado por la Institución Nacional de Estadistica y Geografía (INEGI), utilizaremos gráficas de barras y caja y bigote para mostrar promedios de ingreso dependiendo de los años de estudio.
Se va a también comparar el impacto que tiene la informalidad en tal aspecto al igual que una regresión lineal para crear un modelo representativo entre ambas variables aplicando también la diferencia a través de los años para ver la evolución de la relación.
Por último, se van a integrar dummies de las 3 ciudades más importantes en México para dar un contexto de como cambia la dinámica dentro de un entorno urbano en comparación del ambiente promedio en México.
1. Carga de librerias
library(tidyverse)
library(readr)
library(ggplot2)
library(dplyr)
library(stargazer)2. Carga de datos
data <- read_rds("~/R studio/Clase de ciencia de datos M Rob/Actividad de ENOE/full_data_h.rds")3. Filtrar Base de Datos y Crear Dummys
datos_finales <- data %>%
filter(
cd_a %in% c(1, 2, 3),
hrsocup >= 1,
hrsocup <= 144
) %>%
# 2. Eliminar observaciones con datos faltantes en tus variables
filter(
if_all(
c("ln_ing_x_hrs", "exp", "eda", "cs_p13_1", "emp_ppal",
"anio_enc", "hrsocup", "exp2", "anios_esc", "ingocup", "nivel_educ_2"),
~ !is.na(.x)
)
) %>%
# 3. Dummies y factores
mutate(
# Pasamos primero a texto explícito "Informalidad" / "Formalidad"
informalidad_txt = if_else(emp_ppal == 1, "Informalidad", "Formalidad"),
inform = factor(
informalidad_txt,
levels = c("Formalidad", "Informalidad")
),
ciudad = relevel(factor(cd_a, levels = c(1, 2, 3), labels = c("CDMX", "Guadalajara", "Monterrey")), ref = "Monterrey"),
anio = relevel(factor(anio_enc), ref = "2005")
) %>%
# 4. Seleccionar solo las variables de interés
select(
ln_ing_x_hrs, exp, eda, cs_p13_1, emp_ppal, inform,
anio_enc, anio, hrsocup, exp2, anios_esc, ingocup,
nivel_educ_2, cd_a, ciudad
)# Confirmar el nuevo tamaño de muestra por nivel educativo
datos_finales %>% count(nivel_educ_2)## # A tibble: 5 × 2
## nivel_educ_2 n
## <fct> <int>
## 1 Secundaria o menos 220639
## 2 Preparatoria 84074
## 3 Normal_tecnica 20102
## 4 Profesional 67539
## 5 Maestria_Doctorado 6123# El mismo diagnóstico de celdas vacías que antes
tabla_anio_nivel <- datos_finales %>%
count(nivel_educ_2, anio_enc) %>%
pivot_wider(names_from = anio_enc, values_from = n, values_fill = 0)
tabla_anio_nivel %>%
rowwise() %>%
mutate(anios_vacios = sum(c_across(-nivel_educ_2) == 0)) %>%
select(nivel_educ_2, anios_vacios)## # A tibble: 5 × 2
## # Rowwise:
## nivel_educ_2 anios_vacios
## <fct> <int>
## 1 Secundaria o menos 0
## 2 Preparatoria 0
## 3 Normal_tecnica 0
## 4 Profesional 0
## 5 Maestria_Doctorado 0Confirmar las variables dummys.
Recordamos que se observa solo el nivel, el nivel 1 es la variable 0.
levels(datos_finales$inform)## [1] "Formalidad" "Informalidad"levels(datos_finales$ciudad)## [1] "Monterrey" "CDMX" "Guadalajara"levels(datos_finales$anio)## [1] "2005" "2006" "2007" "2008" "2009" "2010" "2011" "2012" "2013" "2014"
## [11] "2015" "2016" "2017" "2018" "2019" "2020" "2021" "2022" "2023" "2024"
## [21] "2025"4. Gráfico Para ver
datos_finales <- datos_finales %>%
filter(anios_esc != 99, exp >= 0)
vars_continuas <- c("ln_ing_x_hrs", "exp", "eda", "cs_p13_1", "emp_ppal","anio_enc", "hrsocup", "exp2", "anios_esc", "ingocup")
datos_long <- datos_finales %>%
select(cd_a, all_of(vars_continuas)) %>%
pivot_longer(cols = all_of(vars_continuas), names_to = "variable", values_to = "valor")
datos_long <- datos_long %>%
mutate(ciudad = case_when(
cd_a == 1 ~ "Ciudad de Mexico",
cd_a == 2 ~ "Guadalajara",
cd_a == 3 ~ "Monterrey",
TRUE ~ NA_character_
))
ggplot(datos_long, aes(x = valor, color = ciudad, fill = ciudad)) +
geom_density(alpha = 0.2) +
facet_wrap(~ variable, scales = "free") +
labs(color = "Ciudad", fill = "Ciudad")
## 5.Variables Numéricas
vars_numericas <- datos_finales %>%
select(where(is.numeric), -c(emp_ppal, cd_a, anio_enc)) %>%
colnames()
vars_numericas## [1] "ln_ing_x_hrs" "exp" "eda" "cs_p13_1" "hrsocup"
## [6] "exp2" "anios_esc" "ingocup"resumen_numerico <- datos_finales %>%
select(all_of(vars_numericas)) %>%
pivot_longer(everything(), names_to = "variable", values_to = "valor") %>%
group_by(variable) %>%
summarise(
n = sum(!is.na(valor)),
n_na = sum(is.na(valor)),
media = mean(valor, na.rm = TRUE),
de = sd(valor, na.rm = TRUE),
min = min(valor, na.rm = TRUE),
mediana = median(valor, na.rm = TRUE),
max = max(valor, na.rm = TRUE)
) %>%
arrange(variable)
resumen_numerico## # A tibble: 8 × 8
## variable n n_na media de min mediana max
## <chr> <int> <int> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 anios_esc 397787 0 10.0 3.95 0 9 24
## 2 cs_p13_1 397787 0 3.86 1.84 0 3 9
## 3 eda 397787 0 39.2 13.8 15 38 98
## 4 exp 397787 0 23.2 14.8 0 21 92
## 5 exp2 397787 0 758. 875. 0 441 8464
## 6 hrsocup 397787 0 47.5 14.8 1 48 144
## 7 ingocup 397787 0 10406. 10716. 18.2 7995. 1034787.
## 8 ln_ing_x_hrs 397787 0 3.76 0.685 -1.76 3.69 9.21resumen_numerico %>%
filter(variable %in% vars_numericas) %>%
ggplot(aes(x = variable, y = media)) +
geom_col(fill = "#ADD8E6") +
geom_errorbar(aes(ymin = media - de, ymax = media + de), width = 0.3) +
facet_wrap(~variable, scales = "free", ncol = 3) +
labs(title = "Media ± desviación estándar por variable clave", x = NULL, y = NULL) +
theme(axis.text.x = element_blank(), axis.ticks.x = element_blank())
Distribuciones de variables clave
#vars_clave <- c("eda", "anios_esc", "hrsocup", "exp", "ingocup", "ing_x_hrs")
datos_finales %>%
select(all_of(vars_numericas)) %>%
pivot_longer(everything(), names_to = "variable", values_to = "valor") %>%
ggplot(aes(valor)) +
geom_histogram(bins = 40, fill = "#154360", color = "white") +
facet_wrap(~variable, scales = "free") +
labs(x = NULL, y = "Frecuencia", title = "Distribución de variables numéricas clave")
6. Variables Categóricas
vars_categoricas <- c("nivel_educ_2", "inform")
for (v in vars_categoricas) {
cat("\n---", v, "---\n")
print(datos_finales %>% count(.data[[v]], sort = TRUE) %>% mutate(pct = round(100 * n / sum(n), 1)))
}##
## --- nivel_educ_2 ---
## # A tibble: 5 × 3
## nivel_educ_2 n pct
## <fct> <int> <dbl>
## 1 Secundaria o menos 220561 55.4
## 2 Preparatoria 83946 21.1
## 3 Profesional 67158 16.9
## 4 Normal_tecnica 20012 5
## 5 Maestria_Doctorado 6110 1.5
##
## --- inform ---
## # A tibble: 2 × 3
## inform n pct
## <fct> <int> <dbl>
## 1 Formalidad 217894 54.8
## 2 Informalidad 179893 45.2datos_finales %>%
select(all_of(vars_categoricas)) %>%
mutate(across(everything(), as.character)) %>%
pivot_longer(everything(), names_to = "variable", values_to = "categoria") %>%
ggplot(aes(categoria)) +
geom_bar(fill = "#154360") +
facet_wrap(~variable, scales = "free") +
labs(x = NULL, y = "Frecuencia", title = "Frecuencias de variables categóricas") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
## 7. Gráficos Exploratorios
Distribución de ingreso por nivel educativo
# Quitar los outliers
datos_finales %>%
filter(ingocup < quantile(ingocup, 0.99, na.rm = TRUE)) %>%
ggplot(aes(nivel_educ_2, ingocup, fill = nivel_educ_2)) +
geom_boxplot(outlier.shape = NA) +
coord_cartesian(ylim = c(0, 40000)) +
labs(title = "Ingreso por nivel educativo", x = NULL, y = "Ingreso de ocupación") +
theme(axis.text.x = element_text(angle = 30, hjust = 1), legend.position = "none")+
scale_fill_brewer(palette = "Blues")
A lo largo de estas graficas podemos entender una tesis sencilla del aumento del ingreso medio dependiendo del nivel de estudio, esto con las cajas podemos entender las distribuciones y sus niveles que entran como outliers
Correlaciones entre variables numéricas clave
vars_cor <- c("eda", "anios_esc", "exp", "hrsocup", "ingocup", "ln_ing_x_hrs")
mat_cor <- datos_finales %>%
select(all_of(vars_cor)) %>%
cor(use = "pairwise.complete.obs")
mat_cor## eda anios_esc exp hrsocup ingocup
## eda 1.00000000 -0.13392088 0.96452874 -0.06343715 0.05984766
## anios_esc -0.13392088 1.00000000 -0.39077051 -0.05677729 0.34650210
## exp 0.96452874 -0.39077051 1.00000000 -0.04379974 -0.03671051
## hrsocup -0.06343715 -0.05677729 -0.04379974 1.00000000 0.05419240
## ingocup 0.05984766 0.34650210 -0.03671051 0.05419240 1.00000000
## ln_ing_x_hrs 0.07223592 0.40195250 -0.03997434 -0.39051185 0.67681883
## ln_ing_x_hrs
## eda 0.07223592
## anios_esc 0.40195250
## exp -0.03997434
## hrsocup -0.39051185
## ingocup 0.67681883
## ln_ing_x_hrs 1.00000000mat_cor %>%
as.data.frame() %>%
rownames_to_column("var1") %>%
pivot_longer(-var1, names_to = "var2", values_to = "correlacion") %>%
ggplot(aes(var1, var2, fill = correlacion)) +
geom_tile() +
geom_text(aes(label = round(correlacion, 2)), size = 3) +
scale_fill_gradient2(low = "steelblue", mid = "white", high = "firebrick", midpoint = 0) +
labs(title = "Matriz de correlación", x = NULL, y = NULL) +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
Ingreso medio por años de escolaridad
medias_escolaridad <- datos_finales %>%
filter(!is.na(ingocup), ingocup > 0, !is.na(anios_esc)) %>%
group_by(anios_esc) %>%
summarise(ingreso_medio = mean(ingocup, na.rm = TRUE))
medias_escolaridad %>% filter(anios_esc<99) %>%
ggplot(aes(x = anios_esc, y = ingreso_medio)) +
geom_col(fill = "skyblue") +
labs(
title = "Ingreso promedio por años de escolaridad (ENOE)",
x = "Años de escolaridad",
y = "Ingreso promedio"
) +
theme_minimal()
Cuando hacemos una gráfica demostrando el ingreso promedio por años de escolaridad, se puede como no hay mucho incremento cuando uno cumple los primeros 12 años de escolaridad (llegando hasta la preparatoria). Hay un incremento más notable al cumplir la licenciatura y cuando uno ya avanza a maestría y doctorado, los incrementos en salario promedio son bastante notables. Se podría decir que casi parece una función exponencial.
Lo que se resalta, de manera preocupante, es como realmente no hay mucha ganancias al cumplir 12 años de escolaridad en comparación a no hacerlo de plano. Claro, relativamente hablando es casi el doble pero no se compara al avance que se toma ya en años posteriores de escolaridad.
Posible indicador de como México se esta convirtiendo en una sociedad más especializada que demanda cada vez más un mayor grado de educación como minimo.
Grafica de disperción con linea de tendencia
data <- datos_finales %>%
filter(hrsocup > 0, hrsocup <= 84) %>%
mutate(rango_horas = cut(hrsocup,
breaks = c(0, 20, 34, 40, 48, 84),
labels = c("1-20", "21-34", "35-40", "41-48", "49+"),
include.lowest = TRUE))
ggplot(data, aes(x = rango_horas, y = ln_ing_x_hrs, fill = rango_horas)) +
geom_boxplot() +
scale_fill_brewer(palette = "Blues") +
theme(legend.position = "none") +
labs(x = "Rango de horas trabajadas", y = "ln_ing_x_hrs")
Con la finalidad de entender si el ingreso está relacionado de alguna forma con las horas trabajadas se construyó esta gráfica utilizando la variable logarítmica de ingreso por hora para evitar sesgos importantes. A través de esta gráfica podemos descubrir que las horas trabajadas no explican directamente el ingreso de las personas puesto que la media a través de los intervalos no aumenta conforme aumentan las horas trabajadas. Sin embargo es importante recalcar se debe realizar una filtración extra en los datos puesto que presenta outliers importantes que se deben analizar.
Boxplot de formalidad e informalidad
datos_finales %>%
filter(eda >= 15, eda <= 70) %>%
ggplot(aes(eda, hrsocup, colour = inform)) +
stat_summary() +
scale_colour_manual(values = c("#85C1E9", "#154360")) +
labs(
x = "edad",
y = "horas ocupadas",
title = "Horas ocupadas por edad e informalidad"
)
Se observa una brecha estable en la horas ocupadas por edad entre los trabajos formales e informales, la cual se amplia con la edad. Así mismo, se destaca que las horas trabajadas aumentan rápidamente al inicio de la curva, cuando las personas jóvenes se introducen en el mercado laboral. Se puede ver que la curva pasa por un punto de inflexión un poco antes de los 50 años y las horas trabajadas disminuyen. Se resalta que después de los 75 años existen observaciones con barras de error más amplias, existe una mayor variabilidad.
Ingreso por hora dependiendo el nivel educativo y la informalidad
datos_finales %>%
filter(ln_ing_x_hrs < quantile(ln_ing_x_hrs, 0.99, na.rm = TRUE)) %>%
ggplot(aes(nivel_educ_2, ln_ing_x_hrs, colour = inform)) +
geom_boxplot() +
scale_colour_manual(values = c("#85C1E9", "#154360")) +
labs(x = "nivel educativo", y = "LN (Ingreso por hora)")
En todos los niveles educativos se observa que la mediana del logaritmo natural del ingreso por hora, en la formalidad es ligeramente mayor al sector informal. Además se observa que las medianas en ambos sectores formales e informales generan mayor ingreso por hora a mayor grado de escolaridad, es decir en ambos sectores existe un retorno educativo. Se destaca que los datos atípicos hacia valores máx extremos a la baja se concentran en el nivel educativo de secundario o menos. Así mismo, se observa como la brecha entre las medianas de los sectores es mayor en niveles educativos altos. Se utilizó el logaritmo de ingreso por hora para reducir el sesgo de cola hacia la derecha.
8. Regresiones de Mincer
modelos_por_nivel <- datos_finales %>%
group_by(nivel_educ_2) %>% # crea subgrupos por nivel educativo
group_map(~ lm(
ln_ing_x_hrs ~ inform + exp + exp2 + ciudad + anio + hrsocup,
data = .x
)) # corre una regresión por subgrupo
# Nombrar cada modelo según su nivel educativo real
# (más seguro que levels(as.factor(...)) porque usa el mismo agrupamiento)
niveles_orden <- group_keys(datos_finales %>% group_by(nivel_educ_2))$nivel_educ_2
names(modelos_por_nivel) <- niveles_orden
niveles_orden # imprime el orden real -> confirma que coincide con tu lista:## [1] Secundaria o menos Preparatoria Normal_tecnica Profesional
## [5] Maestria_Doctorado
## 5 Levels: Secundaria o menos Preparatoria Normal_tecnica ... Maestria_Doctorado#1- secundaria o menos
#2- preparatoria
#3- normal técnica
#4- profesional
#5- posgrados
# Revisar cada modelo individualmente
summary(modelos_por_nivel[[1]])##
## Call:
## lm(formula = ln_ing_x_hrs ~ inform + exp + exp2 + ciudad + anio +
## hrsocup, data = .x)
##
## Residuals:
## Min 1Q Median 3Q Max
## -4.7545 -0.2641 -0.0150 0.2571 4.7943
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 4.329e+00 5.998e-03 721.735 < 2e-16 ***
## informInformalidad -9.741e-02 2.168e-03 -44.933 < 2e-16 ***
## exp 2.301e-02 2.241e-04 102.687 < 2e-16 ***
## exp2 -3.748e-04 3.503e-06 -106.976 < 2e-16 ***
## ciudadCDMX -2.257e-01 2.551e-03 -88.467 < 2e-16 ***
## ciudadGuadalajara -6.340e-02 2.675e-03 -23.704 < 2e-16 ***
## anio2006 8.711e-03 5.235e-03 1.664 0.0961 .
## anio2007 -4.516e-03 5.265e-03 -0.858 0.3911
## anio2008 -2.720e-02 5.348e-03 -5.086 3.67e-07 ***
## anio2009 -7.795e-02 5.520e-03 -14.119 < 2e-16 ***
## anio2010 -1.180e-01 5.541e-03 -21.297 < 2e-16 ***
## anio2011 -1.599e-01 6.964e-03 -22.958 < 2e-16 ***
## anio2012 -1.585e-01 6.235e-03 -25.418 < 2e-16 ***
## anio2013 -1.471e-01 5.835e-03 -25.205 < 2e-16 ***
## anio2014 -1.750e-01 5.851e-03 -29.910 < 2e-16 ***
## anio2015 -1.682e-01 5.919e-03 -28.424 < 2e-16 ***
## anio2016 -1.767e-01 6.053e-03 -29.185 < 2e-16 ***
## anio2017 -1.840e-01 6.224e-03 -29.560 < 2e-16 ***
## anio2018 -1.872e-01 6.261e-03 -29.892 < 2e-16 ***
## anio2019 -1.818e-01 6.493e-03 -27.992 < 2e-16 ***
## anio2020 -2.117e-01 7.228e-03 -29.286 < 2e-16 ***
## anio2021 -1.873e-01 6.475e-03 -28.934 < 2e-16 ***
## anio2022 -1.664e-01 6.821e-03 -24.395 < 2e-16 ***
## anio2023 -1.097e-01 6.618e-03 -16.577 < 2e-16 ***
## anio2024 -5.465e-02 6.896e-03 -7.925 2.30e-15 ***
## anio2025 -5.738e-02 1.000e-02 -5.735 9.75e-09 ***
## hrsocup -1.535e-02 6.962e-05 -220.520 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.4857 on 220534 degrees of freedom
## Multiple R-squared: 0.2583, Adjusted R-squared: 0.2582
## F-statistic: 2954 on 26 and 220534 DF, p-value: < 2.2e-16summary(modelos_por_nivel[[2]])##
## Call:
## lm(formula = ln_ing_x_hrs ~ inform + exp + exp2 + ciudad + anio +
## hrsocup, data = .x)
##
## Residuals:
## Min 1Q Median 3Q Max
## -4.3594 -0.2989 -0.0383 0.2608 3.8654
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 4.601e+00 1.066e-02 431.729 < 2e-16 ***
## informInformalidad -1.365e-01 3.705e-03 -36.839 < 2e-16 ***
## exp 2.928e-02 4.482e-04 65.329 < 2e-16 ***
## exp2 -4.853e-04 9.744e-06 -49.800 < 2e-16 ***
## ciudadCDMX -2.140e-01 4.282e-03 -49.976 < 2e-16 ***
## ciudadGuadalajara -7.798e-02 4.829e-03 -16.148 < 2e-16 ***
## anio2006 -1.222e-02 1.044e-02 -1.171 0.242
## anio2007 -1.193e-02 1.036e-02 -1.151 0.250
## anio2008 -4.779e-02 1.046e-02 -4.570 4.87e-06 ***
## anio2009 -9.978e-02 1.062e-02 -9.394 < 2e-16 ***
## anio2010 -1.458e-01 1.044e-02 -13.959 < 2e-16 ***
## anio2011 -1.785e-01 1.262e-02 -14.147 < 2e-16 ***
## anio2012 -2.002e-01 1.134e-02 -17.661 < 2e-16 ***
## anio2013 -1.833e-01 1.069e-02 -17.146 < 2e-16 ***
## anio2014 -2.320e-01 1.078e-02 -21.521 < 2e-16 ***
## anio2015 -2.279e-01 1.085e-02 -21.008 < 2e-16 ***
## anio2016 -2.331e-01 1.072e-02 -21.754 < 2e-16 ***
## anio2017 -2.616e-01 1.084e-02 -24.131 < 2e-16 ***
## anio2018 -2.545e-01 1.087e-02 -23.408 < 2e-16 ***
## anio2019 -2.625e-01 1.108e-02 -23.697 < 2e-16 ***
## anio2020 -3.005e-01 1.205e-02 -24.945 < 2e-16 ***
## anio2021 -2.925e-01 1.091e-02 -26.805 < 2e-16 ***
## anio2022 -2.566e-01 1.097e-02 -23.391 < 2e-16 ***
## anio2023 -1.876e-01 1.075e-02 -17.454 < 2e-16 ***
## anio2024 -1.458e-01 1.085e-02 -13.435 < 2e-16 ***
## anio2025 -1.103e-01 1.479e-02 -7.460 8.76e-14 ***
## hrsocup -1.759e-02 1.243e-04 -141.546 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.5095 on 83919 degrees of freedom
## Multiple R-squared: 0.2791, Adjusted R-squared: 0.2789
## F-statistic: 1250 on 26 and 83919 DF, p-value: < 2.2e-16summary(modelos_por_nivel[[3]])##
## Call:
## lm(formula = ln_ing_x_hrs ~ inform + exp + exp2 + ciudad + anio +
## hrsocup, data = .x)
##
## Residuals:
## Min 1Q Median 3Q Max
## -5.7471 -0.3115 -0.0289 0.2878 3.8092
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 4.716e+00 1.994e-02 236.517 < 2e-16 ***
## informInformalidad -1.957e-01 8.247e-03 -23.729 < 2e-16 ***
## exp 2.738e-02 9.468e-04 28.923 < 2e-16 ***
## exp2 -4.693e-04 1.839e-05 -25.516 < 2e-16 ***
## ciudadCDMX -1.648e-01 8.524e-03 -19.337 < 2e-16 ***
## ciudadGuadalajara -2.017e-02 1.006e-02 -2.004 0.0450 *
## anio2006 -2.649e-02 1.727e-02 -1.534 0.1251
## anio2007 7.461e-04 1.755e-02 0.043 0.9661
## anio2008 -4.202e-02 1.770e-02 -2.374 0.0176 *
## anio2009 -1.140e-01 1.818e-02 -6.268 3.73e-10 ***
## anio2010 -1.433e-01 1.814e-02 -7.898 2.98e-15 ***
## anio2011 -1.458e-01 2.472e-02 -5.898 3.75e-09 ***
## anio2012 -1.566e-01 2.233e-02 -7.012 2.43e-12 ***
## anio2013 -1.873e-01 2.003e-02 -9.354 < 2e-16 ***
## anio2014 -2.613e-01 2.039e-02 -12.814 < 2e-16 ***
## anio2015 -1.867e-01 2.045e-02 -9.129 < 2e-16 ***
## anio2016 -2.208e-01 2.114e-02 -10.442 < 2e-16 ***
## anio2017 -2.354e-01 2.210e-02 -10.650 < 2e-16 ***
## anio2018 -2.401e-01 2.266e-02 -10.597 < 2e-16 ***
## anio2019 -2.755e-01 2.555e-02 -10.782 < 2e-16 ***
## anio2020 -2.686e-01 2.758e-02 -9.739 < 2e-16 ***
## anio2021 -2.022e-01 2.380e-02 -8.496 < 2e-16 ***
## anio2022 -1.727e-01 2.514e-02 -6.870 6.60e-12 ***
## anio2023 -1.836e-01 2.514e-02 -7.303 2.93e-13 ***
## anio2024 -1.278e-01 2.492e-02 -5.128 2.95e-07 ***
## anio2025 -1.642e-01 3.923e-02 -4.187 2.84e-05 ***
## hrsocup -1.960e-02 2.611e-04 -75.060 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.5213 on 19985 degrees of freedom
## Multiple R-squared: 0.2852, Adjusted R-squared: 0.2843
## F-statistic: 306.7 on 26 and 19985 DF, p-value: < 2.2e-16summary(modelos_por_nivel[[4]])##
## Call:
## lm(formula = ln_ing_x_hrs ~ inform + exp + exp2 + ciudad + anio +
## hrsocup, data = .x)
##
## Residuals:
## Min 1Q Median 3Q Max
## -5.0520 -0.4217 -0.0418 0.3938 4.2731
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 5.443e+00 1.430e-02 380.693 < 2e-16 ***
## informInformalidad -3.799e-01 5.948e-03 -63.863 < 2e-16 ***
## exp 2.404e-02 6.519e-04 36.878 < 2e-16 ***
## exp2 -4.242e-04 1.415e-05 -29.971 < 2e-16 ***
## ciudadCDMX -1.832e-01 6.015e-03 -30.463 < 2e-16 ***
## ciudadGuadalajara -1.509e-01 6.552e-03 -23.033 < 2e-16 ***
## anio2006 -3.607e-03 1.328e-02 -0.272 0.785925
## anio2007 -8.905e-03 1.346e-02 -0.661 0.508393
## anio2008 -4.483e-02 1.361e-02 -3.295 0.000984 ***
## anio2009 -1.280e-01 1.424e-02 -8.989 < 2e-16 ***
## anio2010 -1.705e-01 1.419e-02 -12.014 < 2e-16 ***
## anio2011 -2.692e-01 1.938e-02 -13.891 < 2e-16 ***
## anio2012 -2.618e-01 1.623e-02 -16.136 < 2e-16 ***
## anio2013 -2.701e-01 1.503e-02 -17.974 < 2e-16 ***
## anio2014 -2.837e-01 1.529e-02 -18.560 < 2e-16 ***
## anio2015 -2.706e-01 1.505e-02 -17.972 < 2e-16 ***
## anio2016 -3.055e-01 1.503e-02 -20.324 < 2e-16 ***
## anio2017 -3.706e-01 1.536e-02 -24.133 < 2e-16 ***
## anio2018 -3.513e-01 1.576e-02 -22.287 < 2e-16 ***
## anio2019 -3.609e-01 1.559e-02 -23.157 < 2e-16 ***
## anio2020 -3.312e-01 1.652e-02 -20.052 < 2e-16 ***
## anio2021 -3.382e-01 1.479e-02 -22.871 < 2e-16 ***
## anio2022 -3.936e-01 1.491e-02 -26.400 < 2e-16 ***
## anio2023 -3.086e-01 1.451e-02 -21.266 < 2e-16 ***
## anio2024 -2.669e-01 1.457e-02 -18.311 < 2e-16 ***
## anio2025 -2.624e-01 2.056e-02 -12.766 < 2e-16 ***
## hrsocup -2.119e-02 1.846e-04 -114.800 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.6507 on 67131 degrees of freedom
## Multiple R-squared: 0.2427, Adjusted R-squared: 0.2424
## F-statistic: 827.5 on 26 and 67131 DF, p-value: < 2.2e-16summary(modelos_por_nivel[[5]])##
## Call:
## lm(formula = ln_ing_x_hrs ~ inform + exp + exp2 + ciudad + anio +
## hrsocup, data = .x)
##
## Residuals:
## Min 1Q Median 3Q Max
## -3.2493 -0.4294 -0.0131 0.4198 3.3925
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 5.828e+00 5.329e-02 109.369 < 2e-16 ***
## informInformalidad -2.669e-01 2.760e-02 -9.670 < 2e-16 ***
## exp 1.269e-02 2.823e-03 4.495 7.10e-06 ***
## exp2 -1.464e-04 5.819e-05 -2.516 0.01188 *
## ciudadCDMX -1.507e-01 2.143e-02 -7.034 2.23e-12 ***
## ciudadGuadalajara -2.723e-01 2.401e-02 -11.342 < 2e-16 ***
## anio2006 2.451e-02 4.630e-02 0.529 0.59658
## anio2007 4.514e-02 4.673e-02 0.966 0.33416
## anio2008 -8.974e-02 4.725e-02 -1.899 0.05759 .
## anio2009 -1.277e-01 4.945e-02 -2.583 0.00983 **
## anio2010 -2.302e-01 5.072e-02 -4.538 5.78e-06 ***
## anio2011 -2.853e-01 6.888e-02 -4.142 3.49e-05 ***
## anio2012 -3.015e-01 5.742e-02 -5.251 1.57e-07 ***
## anio2013 -2.658e-01 5.290e-02 -5.025 5.19e-07 ***
## anio2014 -3.888e-01 5.489e-02 -7.083 1.57e-12 ***
## anio2015 -3.283e-01 5.586e-02 -5.877 4.40e-09 ***
## anio2016 -3.586e-01 5.664e-02 -6.332 2.59e-10 ***
## anio2017 -3.903e-01 5.554e-02 -7.027 2.34e-12 ***
## anio2018 -4.237e-01 5.867e-02 -7.222 5.76e-13 ***
## anio2019 -4.432e-01 5.583e-02 -7.939 2.40e-15 ***
## anio2020 -4.348e-01 5.314e-02 -8.182 3.37e-16 ***
## anio2021 -4.661e-01 5.042e-02 -9.246 < 2e-16 ***
## anio2022 -5.717e-01 5.460e-02 -10.470 < 2e-16 ***
## anio2023 -4.130e-01 5.153e-02 -8.015 1.31e-15 ***
## anio2024 -3.782e-01 4.927e-02 -7.675 1.91e-14 ***
## anio2025 -4.145e-01 6.592e-02 -6.288 3.44e-10 ***
## hrsocup -1.484e-02 6.574e-04 -22.572 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.6868 on 6083 degrees of freedom
## Multiple R-squared: 0.1686, Adjusted R-squared: 0.1651
## F-statistic: 47.45 on 26 and 6083 DF, p-value: < 2.2e-16# Chequeo rápido: ¿algún modelo perdió coeficientes por colinealidad?
sapply(modelos_por_nivel, function(m) length(coef(m)))## Secundaria o menos Preparatoria Normal_tecnica Profesional
## 27 27 27 27
## Maestria_Doctorado
## 27length(coef(modelos_por_nivel[[5]])) # o el índice que corresponda a Maestría/Doc## [1] 27length(coef(modelos_por_nivel[[1]])) # compara contra un modelo con muestra grande## [1] 27Tabla de Regresiones
niveles_anio <- levels(datos_finales$anio) # incluye la base en la posición 1
anio_base <- niveles_anio[1]
anios_dummy <- niveles_anio[-1] # todos menos el año base
stargazer(
modelos_por_nivel,
type = "text",
title = "Regresiones Mincerianas Salariales con Efectos Fijos Explícitos",
column.labels = c("Secundaria/Menos", "Preparatoria", "Normal/Técnica",
"Profesional", "Maestría/Doc"),
dep.var.labels = "Logaritmo del Ingreso por Hora",
covariate.labels = c(
"Informalidad (1 = Sí)",
"Experiencia laboral",
"Experiencia²",
"CDMX (Base: Monterrey)",
"Guadalajara (Base: Monterrey)",
paste0("Año ", anios_dummy, " (Base: ", anio_base, ")"),
"Horas trabajadas a la semana"
),
digits = 3,
star.cutoffs = c(0.05, 0.01, 0.001)
)##
## Regresiones Mincerianas Salariales con Efectos Fijos Explícitos
## ============================================================================================================================================================================
## Dependent variable:
## ----------------------------------------------------------------------------------------------------------------------------------------------
## Logaritmo del Ingreso por Hora
## Secundaria/Menos Preparatoria Normal/Técnica Profesional Maestría/Doc
## (1) (2) (3) (4) (5)
## ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------
## Informalidad (1 = Sí) -0.097*** -0.136*** -0.196*** -0.380*** -0.267***
## (0.002) (0.004) (0.008) (0.006) (0.028)
##
## Experiencia laboral 0.023*** 0.029*** 0.027*** 0.024*** 0.013***
## (0.0002) (0.0004) (0.001) (0.001) (0.003)
##
## Experiencia² -0.0004*** -0.0005*** -0.0005*** -0.0004*** -0.0001*
## (0.00000) (0.00001) (0.00002) (0.00001) (0.0001)
##
## CDMX (Base: Monterrey) -0.226*** -0.214*** -0.165*** -0.183*** -0.151***
## (0.003) (0.004) (0.009) (0.006) (0.021)
##
## Guadalajara (Base: Monterrey) -0.063*** -0.078*** -0.020* -0.151*** -0.272***
## (0.003) (0.005) (0.010) (0.007) (0.024)
##
## Año 2006 (Base: 2005) 0.009 -0.012 -0.026 -0.004 0.025
## (0.005) (0.010) (0.017) (0.013) (0.046)
##
## Año 2007 (Base: 2005) -0.005 -0.012 0.001 -0.009 0.045
## (0.005) (0.010) (0.018) (0.013) (0.047)
##
## Año 2008 (Base: 2005) -0.027*** -0.048*** -0.042* -0.045*** -0.090
## (0.005) (0.010) (0.018) (0.014) (0.047)
##
## Año 2009 (Base: 2005) -0.078*** -0.100*** -0.114*** -0.128*** -0.128**
## (0.006) (0.011) (0.018) (0.014) (0.049)
##
## Año 2010 (Base: 2005) -0.118*** -0.146*** -0.143*** -0.170*** -0.230***
## (0.006) (0.010) (0.018) (0.014) (0.051)
##
## Año 2011 (Base: 2005) -0.160*** -0.178*** -0.146*** -0.269*** -0.285***
## (0.007) (0.013) (0.025) (0.019) (0.069)
##
## Año 2012 (Base: 2005) -0.158*** -0.200*** -0.157*** -0.262*** -0.301***
## (0.006) (0.011) (0.022) (0.016) (0.057)
##
## Año 2013 (Base: 2005) -0.147*** -0.183*** -0.187*** -0.270*** -0.266***
## (0.006) (0.011) (0.020) (0.015) (0.053)
##
## Año 2014 (Base: 2005) -0.175*** -0.232*** -0.261*** -0.284*** -0.389***
## (0.006) (0.011) (0.020) (0.015) (0.055)
##
## Año 2015 (Base: 2005) -0.168*** -0.228*** -0.187*** -0.271*** -0.328***
## (0.006) (0.011) (0.020) (0.015) (0.056)
##
## Año 2016 (Base: 2005) -0.177*** -0.233*** -0.221*** -0.306*** -0.359***
## (0.006) (0.011) (0.021) (0.015) (0.057)
##
## Año 2017 (Base: 2005) -0.184*** -0.262*** -0.235*** -0.371*** -0.390***
## (0.006) (0.011) (0.022) (0.015) (0.056)
##
## Año 2018 (Base: 2005) -0.187*** -0.255*** -0.240*** -0.351*** -0.424***
## (0.006) (0.011) (0.023) (0.016) (0.059)
##
## Año 2019 (Base: 2005) -0.182*** -0.263*** -0.275*** -0.361*** -0.443***
## (0.006) (0.011) (0.026) (0.016) (0.056)
##
## Año 2020 (Base: 2005) -0.212*** -0.301*** -0.269*** -0.331*** -0.435***
## (0.007) (0.012) (0.028) (0.017) (0.053)
##
## Año 2021 (Base: 2005) -0.187*** -0.292*** -0.202*** -0.338*** -0.466***
## (0.006) (0.011) (0.024) (0.015) (0.050)
##
## Año 2022 (Base: 2005) -0.166*** -0.257*** -0.173*** -0.394*** -0.572***
## (0.007) (0.011) (0.025) (0.015) (0.055)
##
## Año 2023 (Base: 2005) -0.110*** -0.188*** -0.184*** -0.309*** -0.413***
## (0.007) (0.011) (0.025) (0.015) (0.052)
##
## Año 2024 (Base: 2005) -0.055*** -0.146*** -0.128*** -0.267*** -0.378***
## (0.007) (0.011) (0.025) (0.015) (0.049)
##
## Año 2025 (Base: 2005) -0.057*** -0.110*** -0.164*** -0.262*** -0.415***
## (0.010) (0.015) (0.039) (0.021) (0.066)
##
## Horas trabajadas a la semana -0.015*** -0.018*** -0.020*** -0.021*** -0.015***
## (0.0001) (0.0001) (0.0003) (0.0002) (0.001)
##
## Constant 4.329*** 4.601*** 4.716*** 5.443*** 5.828***
## (0.006) (0.011) (0.020) (0.014) (0.053)
##
## ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------
## Observations 220,561 83,946 20,012 67,158 6,110
## R2 0.258 0.279 0.285 0.243 0.169
## Adjusted R2 0.258 0.279 0.284 0.242 0.165
## Residual Std. Error 0.486 (df = 220534) 0.509 (df = 83919) 0.521 (df = 19985) 0.651 (df = 67131) 0.687 (df = 6083)
## F Statistic 2,954.281*** (df = 26; 220534) 1,249.661*** (df = 26; 83919) 306.750*** (df = 26; 19985) 827.477*** (df = 26; 67131) 47.449*** (df = 26; 6083)
## ============================================================================================================================================================================
## Note: *p<0.05; **p<0.01; ***p<0.001