Tarea 4 - Elección Binaria, Independientes Cualitativas y Mixtos

Andrea Galeano Mira 1044101972

Derlis Sierra Arrieta 1038094979

Maritza Verona Santana 1026137865

Grupo 105010_5

Tutor

Jimmy Alexander Pineda Muñoz

Universidad Nacional abierta y a distancia – UNAD

Escuela de Ciencias Administrativas, Contables, Económicas y de Negocios ECACEN

Economía

Octubre 2022
 Introducción.

En esta actividad estudiaremos la importancia de las variables cualitativas ya que nos

reflejan atributos que son de interés en el momento de estudiar nuestro modelo económico,
además podremos aprender a incluir las variables binarias para hacer un análisis más
completo.

La importancia de saber plantear un buen modelo económico es fundamental para

nuestro desarrollo laboral, pues la econometría nos permite medir esas relaciones causales,
de mostrar cómo funciona la economía o de hacer predicciones acerca del futuro.
 a) ¿Por qué es importante la información en variables cualitativas en el análisis
económico?

En el análisis económico cuando hablamos de variables cuantitativas nos referimos aquellas

a las cuales se les asignan valores numéricos o argumentos determinados para hallar
conclusiones por medio de los resultados numéricos encontrados a través del desarrollo de
distintos procesos econométricos o contables. Las variables cualitativas explican las
cualidades que describen a los individuos que se están estudiando, determinan datos como
sexo, religión, nacionalidad, nivel de estudio, genero, entre otras, en las variables
cualitativas también se incluyen eventos naturales como cambios de clima, terremotos,
sequias, deslizamientos, también describe acontecimientos históricos como las guerras y
externalidades que pueden afectar nuestro modelo, un claro ejemplo es el análisis que
podemos realizar para determinar los cambios que se están presentando acusa de la guerra
entre Ucrania y Rusia, la pandemia por el COVID-19, las protestas que se presentaron
durante el año 2020, los cambios climáticos extremos que se han presentado no solo en
Colombia, en países de Europa la sequía trae consecuencias para la economía mundial,
todas estas variables mencionadas son variables cualitativas.

En la gran mayoría de modelos econométricos se componen de factores cuantitativos, un

ejemplo puede ser el estudio del consumo en una muestra determinada, donde se incluyen
variables como el ingreso, el nivel de gastos, la inflación y hasta el nivel de desempleo las
cuales se representan en valores numéricos y son fundamentales para el análisis, pero hay
ocasiones donde no es posible calcular estas variables, también el modelo puede incluir
variables como los gustos, los sectores económicos, género que son variables cualitativas.

En los modelos econométricos también podemos encontrar los variables cualitativas que
toman el valor de cero y uno, que son llamados valores binarios, esto conduce a modelos de
regresión con interpretación de parámetros muy definidas.

Es de vital importancia identificar el tipo de variables en el momento de analizar un modelo

econométrico, debemos saber si son de carácter cuantitativo o cualitativo y su relevancia
dentro del campo estudiado, ya que estas variables nos muestran diferentes factores, en el
caso de un modelo empresarial puede ayudarnos a identificar factores como la producción,
administración y de mercadeo más otros ramos que pueden dar resultados positivos o
negativos a dicho estudio. Si bien es cierto que los datos matemáticos y financieros siempre
son indicadores que los analistas utilizan para el hecho de evaluar oportunidades de
inversión de negocios, también hay datos cualitativos sobre la calidad de un negocio que
también pueden brindar información muy valiosa y especifica que sirva como base para
tomar la decisión correcta prescindible sobre todo en esta época de fin de año que se hacen
estudios para realizar el presupuesto de la empresa para el próximo año.  Esto se logra
debido a que en este tipo de investigación el analista o investigador va al campo de acción
con la mente abierta, aunque esto no significa que no lleve consigo un basamento
conceptual, como muchos piensan. El hecho de tener mente abierta hace posible
redireccionar la investigación en ese momento y captar otros tipos de datos que en un
principio no se habían pensado. En otras palabras, la variable cualitativa reconoce que la
propia evolución del fenómeno investigado puede propiciar una redefinición y a su vez
nuevos métodos para comprenderlo.

En los métodos de variable cualitativos los investigadores no sólo tratan de describir los
hechos sino de comprenderlos mediante un análisis exhaustivo y diverso de los datos y
siempre mostrando un carácter creativo y dinámico.

En los métodos de variable cualitativos los investigadores no sólo tratan de describir los
hechos sino de comprenderlos mediante un análisis exhaustivo y diverso de los datos y
siempre mostrando un carácter creativo y dinámico.

Lo antes expuesto se puede comprobar en la definición de investigación cualitativa dada

por Rojo Pérez: La investigación cualitativa es un tipo de investigación formativa que
cuenta con técnicas especializadas para obtener respuesta a fondo acerca de lo que las
personas piensan y sienten. Su finalidad es proporcionar una mayor comprensión acerca del
significado de las acciones de los hombres.
 b) Explicar en máximo dos párrafos que es un modelo de elección binaria, y qué
implica que la variable explicada sea cualitativa.

Un modelo econométrico de elección binaria es una regresión donde la variable

independiente es una variable aleatoria que toma los valores de cero y uno, ejemplo ser
hombre o ser mujer, graduarse o no, tener un empleo o no, para todos estos casos se puede
denotar y=1 “éxito” o y=0 “fracaso”, este r

esultado puede ser explicado por otras variables independientes, incluyendo la variable de
error que recoge las desviaciones del modelo.

En algunas ocasiones, la variable dependiente no es dicotómica, sino multicotómica. Un

ejemplo sencillo puede ser un modelo para elegir medio de transporte (coche, tren o
autobús) en función de características individuales. En estos casos no es posible aplicar los
modelos Logit y Probit binomiales anteriores aunque hay una extensión directa bajo el
supuesto de que la distribución de la variable dependiente es multinomial (Logit
multinomiales). Por otro lado, hay otros casos en que la variable dependiente es de carácter
ordinal. Por ejemplo, imaginemos que se quiere modelizar el grado de aceptación de un
producto y las alternativas que se establecen son: malo, aceptable, bueno o muy bueno.
Como es obvio, existe un orden establecido en los valores de la variable (aunque no son
cuantitativos). Este modelo puede estudiarse mediante una extensión de los modelos de
utilidad aleatoria vistos en el apartado anterior, donde el cambio de los valores de la
variable dependiente (por ejemplo: de bueno a muy bueno) se produce cuando el índice no
observable Y* supera un determinado umbral que también habrá que estimar como un
parámetro más del modelo. Para estimar este tipo de modelos se suele suponer una
distribución normal y se les denomina Probit Ordered.
 c) Explicar en máximo dos párrafos qué es una variable explicadora binaria,
cuándo se usa y cómo se interpretan sus coeficientes.

la variable explicativa binaria es la variable clasificadora dentro de un modelo de regresión

lineal, que utilizamos para catalogar las observaciones, además nos indicarían las
diferencias o variables numéricas, igual debemos tener presente que esto también
dependerá del coeficiente de determinación real, pues no indicara si las dos variables son
dependientes y refleja la permisividad del ajuste del modelo a la variable que pretende
explicar y solucionar.Esta se utiliza cuando se requiera clasificar las diferentes
observaciones de una muestra en dos o más categorías o grupos en función de una
característica determinada.

Para el caso de los coeficientes de una variable explicativa binaria, estos nos indicarían las
diferencias o características numéricas entre las variables utilizadas dentro del modelo de
regresión, lo anterior teniendo en cuenta que esto depende de que sea coeficiente de
determinación
Ejercicios:

la diferencia aproximada de un solo coeficiente de la utilidad multiplicadapor 100 o sobre

2.3 % qu se puede estimar para obtener seria log ( salary)= β0 + β1(logsales) + β0roe

donde trans es variable ficticia para la industria del transporte. Ahora, la base grupo es
finance , por lo que el coeficiente mide directamente la diferencia entre los productos de
consumo y las industrias y podemos utilizar la estadística t en consprod.
En términos de significancia, es significativo a niveles superiores al 5%, dadas las variables
independientes, los CEO que tuvieron rendimientos de las acciones de las empresas
negativas, ganan en promedio 22,6% menos que los demás CEO.
La diferencia estimada cuando la variable independiente educ=12,5 es -0,296 y cuando
educ=0 es -0,227.
El coeficiente female: Es el efecto estimado cuando el nivel de educación es de 12,5 años
de escolaridad.

Efectivamente en el inciso ii el coeficiente female es significativo, mientras que en la

ecuación 7,18 no lo era.
Se esperaría que el B1 (White) sea positivo si existe discriminación. Es decir, ser blanco
afecta positivamente la posibilidad que le puedan otorgar el préstamo.

Podemos evidenciar que la variable White equivalente a 0.20 (20%) representa realmente
una gran diferencia en el proceso de obtención del préstamo concediendo esta un aumento
del 20% de posibilidad de obtención, por lo que este es un valor grande y significativo.
En este caso, pasamos a una tasa de 12%. Sigue siendo significativa y refleja una ventaja
para los blancos en la obtención del crédito, aunque no en la misma medida del caso
anterior.
Con base en la variable White obrat, confirmamos que la raza en lo que respecta al
porcentaje de ingresos representa una ventaja si se trata de personas blancas, ya que según
la muestra tienen un mayor porcentaje de ingresos y el mismo es significativo.

El efecto de ser blanco cuando la variable obra es igual a 32, es que seguiría siendo
ventajoso para la obtención de la aprobación del préstamo.
Inciso i)

Para el caso d = 0 la función ƒ0(z) es:

y = β0 + δ0d + β1z + δ1d*z + u

y = β0 + δ0(0) + β1z + δ1(0)*z + (0)

y = β0 + β1z ; entonces ƒ0(z) = β0 + β1z

Para el caso d = 1 la función ƒ1(z) es:

y = β0 + δ0d + β1z + δ1d*z + u

y = β0 + δ0(1) + β1z + δ1(1)*z + (0)

y = β0 + δ0 + β1z + δ1*z

y = ( β0 + δ0 ) + ( β1 + δ1 ) z ; entonces ƒ1(z) = ( β0 + δ0 ) + ( β1 + δ1 ) z
Inciso ii)

Suponiendo que δ1 ≠ 0 (lo que significa que las dos rectas no son paralelas), muestre que el
valor z* para el que ƒ0(z) = ƒ1(z) es z* = δ0/ δ1. Este es el punto en el que se interceptan
las dos rectas [como en la figura 7.2(b)]. Argumente que z* es positivo si y sólo si δ0 y δ1
tienen signos contrarios.

Matemáticamente, si ƒ0(z) = ƒ1(z), entonces:

β0 + β1z = ( β0 + δ0 ) + ( β1 + δ1 ) z

β0 + β1z - β0 - δ0 = β1 z + δ1 z

- δ0 = β1 z - β1z + δ1 z

- δ0 = δ1 z

z^* = (- δ_0 )/δ1

Matemáticamente, z* siempre será positivo si δ0 y δ1 tienen signos contrarios ya que el

signo (-) de la expresión hace que los signos contrarios lleven a un resultado positivo
siempre.

iii) Empleando los datos del archivo TWOYEAR.RAW, puede estimarse la ecuación
siguiente:

log (wage)=2.289−.357 female+.50totcoll+.030 female∗totcoll

(0.011) (.015)(.003) (.005)

n=6,763 , R

2=.202

donde todos los coeficientes y desviaciones estándar se han redondeado a dos cifras
decimales. Empleando esta ecuación, encuentre un valor de totcoll, tal que los valores que
se predicen para log(wage) sean iguales para hombres y para mujeres.
Este modelo representa una relación entre el salario por hora (wage) y dos variables
dicotómicas: el género (female) y total de los años de universidad (totcoll).

El valor de totcoll para el que los valores que se predicen para log(wage) sean iguales para
hombres y para mujeres se puede obtener matemáticamente como se muestra a
continuación:

log (wage)=2.289−.357 female+.50totcoll+.030 female∗totcoll

¿ Entonces:

log(wage ) paralas mujeres es

log (wage

) f =2.289−.357 (1)+.50totcoll+.030 (1)∗totcoll

log (wage
^

) f =1.932+.50totcoll +.030totcoll

log (wage) f =1.932+0.53totcoll

¿y

log (wage) paraloshombres es

log( wage)m=

2.289−.357(0)+.50totcoll+.030(0)∗totcoll

log (wage) m=2.289+.50totcoll

Para que^

log( wage) f =

log( wage) m

¿1.932+.53totcoll=2.289+.50 totcoll

.53totcoll=2.289−1.932+.50totcoll

.53totcoll−.50totcoll=2.289−1.932

.03totcoll=0,357

totcoll=

0,357

.03

totcoll¿=11.9
El valor de totcoll para el que los valores que se predicen para log(wage) sean iguales para
hombres y para mujeres es totcoll* = 11.9 iv). Como se observa en el planteamiento del
ejercicio, el modelo estima que los interceptos y las pendientes (los rendimientos de la
educación de mujeres y hombres) son distintas para las respectivas rectas, las cuales llegan
a un punto de totcoll donde se cruzan los valores de ingreso predicho para ambos géneros
en función de los años de universidad. Si los rendimientos de la educación en las mujeres
son mayor a los rendimientos de la educación en los hombres, es posible que las que las
mujeres logren suficientes años de universidad de manera que sus ingresos estén al nivel de
los de los hombres. Para el caso planteado en el inciso

iii), es claro que sólo después de una buena cantidad de años de educación superior (11,9
años) las mujeres alcanzan en salario a los hombres, esto en términos prácticos implica
niveles educativos superiores tipo doctorado, lo cual dice mucho de la dificultad de las
mujeres para alcanzar a los hombres en el valor de su remuneración.

Points =4.76+1.2806 [expert]-0.072 [expersq]+2.3146 [guard]+1.544[forward]

N=269 R 2 AJUSTADA =0.077

Según STATA center se omite por problemas de colinealidad

Incluir 3 variables binarias para las posiciones seria redundanre , esto daria como resultado
la generación de una trampa binaria .Cada jugador se presenta en una de las res categorias
y la interceptacion general es la inerseccion de los centros .

De acuerdo a la pregunta se estima que un defensa realice 2.31 puntos por cada juego ,
esto generaria una experiencia constante .
Bueno respecto a la pregunta anterior cuando es agregada una variable en estado civil
[mar] a la anterior regresion , tendra un coeficiente dado de 0.584 , asi se establece que de
acuerdo con un jugador en estado civil de casado anota poco más de medio punto en un
partido , esto siendo constantes en la posicion y experiencia . Esto quiere decir desde mi
punto de vista que un jugador casado de acuerdo con el analisis y las cifras no se concluiria
que es mas productvo .
Al añadir las interleraciones del estado covil con las dos variales de expriencia :[marr =-
2.53] [mar expertsq = -0.09] generan signos diferentes en los terminos que involucran
marr . Por ende no se evidencia y no se logra comprobar que l estado civil afecte de
alguna manera los puntos de juego .
3. Plantear un modelo de regresión (formula matemática) donde se establezcan y se
describan las variables que van a incluir y definir la base de datos que se ajusta mejor
al análisis que se realizara en la próxima fase.
Para el estudio del consumo de la carne encuestaremos a 30 familias del departamento de
Antioquia y analizaremos las siguientes variables

Ccr = Consumo de carnes rojas. (Dependiente)

Variables explicativas

Pc = Precio de la carne roja

If = Ingreso familiar para a la comprar de alimentos

Pref = Preferencias sobre el consumo de la carne: calificando del 1 al 10 que tan importante
es comer una fracción de carne al menos en una de sus comidas diarias.

Ph = precio del huevo: ya que es considerado como un producto relacionado o un bien

sustituto.

Pe = Precio del carnes frías o embutidos: ya que es considerado como un producto

relacionado o un bien sustituto.

Ve = Vegetariano: esta será una variable binaria, definiéndonos si en la familia existe al

menos un individuo que se vegetaría 1 = Si y 0 = No.
 Conclusiones

Después del desarrollo de esta fase, pudimos comprender que las variables cualitativas
son relevantes para explicar el comportamiento de la variable endógena que nos interesa.
Estas variables cualitativas reflejan características, atributos o decisiones de los items que
sean de nuestro interés, ya sean, individuos, países o empresas.

Por otro lado las variables binarias nos ayudaran a explicar el comportamiento de unga
variable dependiente que es cualitativa, estas variables toman los valores de 0 o 1.