Econometria Trabajo11

UNIVERSIDAD NACIONAL DEL ALTIPLANO PUNO
FACULTAD DE INGENIERIA ECONOMICA

ESCUELA PROFESIONAL DE INGENIERIA ECONOMICA
Tabla de contenido
ANÁLISIS EMPIRICO DEL TRABAJO DE LAS MUJERES EN EL MERCADO LABORAL DE PUNO. ............................................... 2
VARIABLES DEL MODELO ................................................................................................................................................................. 4
OBJETIVO ........................................................................................................................................................................................... 5
MODELO DE PROBABILIDAD LINEAL ............................................................................................................................................... 5
PROBLEMAS DEL MODELO DE PROBABILIDAD LINEAL ........................................................................................................... 6
NO NORMALIDAD DE LAS PERTURBACIONES: .................................................................................................................... 6
HETEROCEDASTICIDAD .......................................................................................................................................................... 7
MODELO LOGIT ................................................................................................................................................................................. 8
REGRESIÓN DEL MODELO ........................................................................................................................................................... 8
INTERPRETACIÓN ................................................................................................................................................................... 9
INTERPRETACION DE COEFICIENTES FORMA 1 .................................................................................................................. 9
INTERPRETACIÓN APLICANDO ANTILOGARITMOS FORMA 2 ...........................................................................................10
CLASIFICACION DE OBSERVACIONES CORRECTAS ............................................................................................................... 12
EFECTOS MARGINALES .............................................................................................................................................................. 13
INTERPRETACION DE COEFICIENTES FORMA 3 ................................................................................................................. 14
INTERPRETACION DE LA FORMA 4 ...................................................................................................................................... 16
PROBABILIDAD PARA CADA VARIABLE .................................................................................................................................... 18
MODELO PROBIT ............................................................................................................................................................................ 27
INTERPRETACIÓN .................................................................................................................................................................28
EFECTOS MARGINALES .............................................................................................................................................................28
INTERPRETACIÓNES .............................................................................................................................................................29
TEST DE BONDAD DE AJUSTE DE PEARSON ......................................................................................................................... 30
INTERPRETACIÓN ................................................................................................................................................................ 30
TABLA DE ESTADÍSTICA Y CLASIFICACIÓN ...................................................................................................................... 30
INTERPRETACIÓN .................................................................................................................................................................. 31
TABLA RESUMEN (MPL – LOGIT - PROBIT) .................................................................................................................................32
CONCLUSIONES ........................................................................................................................................................................ 33
ANEXO ............................................................................................................................................................................................... 34
ECONOMETRIA II
DO. ............................................................................................................................................................................................... 34
1
PARTICPACION DE LAS MUJERES EN EL MERCADO LABORAL DE PUNO

Puno reportó una tasa de participación laboral femenina de 32.4 por ciento, una de las
mas bajas de todo el Peru.
Asimismo, la tasa de participación registrada para las mujeres es inferior por más de 30
puntos porcentuales respecto de la tasa de los hombres puneños que fue de 76.6 por ciento
para ese mismo año.
Las horas de trabajo de las mujeres peruanas no solo dependen de los salarios y las
características individuales, sino también de factores relacionados con la estructura del
hogar, que generan incentivos para que las mujeres limiten sus horas de trabajo
remunerado. En este estudio se utiliza el modelo de probabilidad lineal, modelo logit y
probit con 700 de observaciones. Se analizan cohortes de edad de la población femenina
trabajadora y los modelos que mide la sensibilidad de las horas laborales de las mujeres
ante variaciones en el salario y factores relacionados con la estructura del hogar, como la
disponibilidad de ayuda en casa y la presencia de niños. Se encontró que las horas
trabajadas por las mujeres disminuyen con la presencia de niños y de otro adulto varón
que afecta negativamente.
DESCRIPCIÓN: Para el análisis empírico del trabajo de las mujeres en los puestos económicos
del Puno y saber de su dependencia usaremos las variables independientes tales como: niños
menores de 6 años y mayores de 6 años, edad de la mujer, sus años de escolaridad, horas de
trabajo del marido, edad del marido, años de escolaridad del marido, salario por hora del marido,
ingreso familiar, años de escolaridad de la madre de la mujer, años de escolaridad del padre, la
tasa de desempleo y la experiencia laboral; conocidas tambien como variables explicativas.
ECONOMETRIA II
2
DISEÑO DE LA INVESTIGACIÓN
PLANTEAMIENTO DEL PROBLEMA
Actualmente a la mujer se le atribuye su participación en diferentes ámbitos como son: el

proceso económico, político, laboral con el fin de que forme parte activa en todas y cada una de
las decisiones responsabilidades y beneficios del desarrollo en la igualdad de condiciones que el
varón.
Sin embargo, dicha participación se ha visto limitada a partir de las diferencias físicas que existen
entre hombres y mujeres. A lo largo de la historia a la mujer se le ha discriminado y considerado
como una persona inferior al hombre. Es por ello que el tema Equidad de Género deber de ser
reconocido por la sociedad en general. Considerando que género es una categoría construida
socialmente, se aprende a ser hombre o mujer a partir de las características atribuidas
culturalmente y centradas en las diferencias biológicas.
En la construcción de género intervienen varios factores como son: la tradición, las costumbres,
la educación y valores que se reciben en el hogar y de la comunidad, mismos que son parte de
la cultura en la sociedad, lo que determina y da contenido a lo que es considerado socialmente
como el ser mujer y el ser hombre, los roles asignados que se conocen como masculinos y
femeninos son construcciones sociales que pueden cambiar o modificarse.
Cabe mencionar que la equidad de género es la igualdad de oportunidades, reconociendo y

respetando las diferencias, lo que refleja un trato justo y semejante independientemente de
quien se trate.
Gran parte de la identidad de los individuos se forma básicamente en las familias, el entorno
más inmediato donde adquieren o le son asignados valores, hábitos, y costumbres, símbolos con
los que desarrollan actividades, actitudes y conductas, de manera diferenciada a varones y
mujeres en las distintas etapas de su ciclo vital, propiciando con ello relaciones desiguales de
género y de generaciones. Día a día, la percepción sobre el papel que juegan las mujeres en la
sociedad se modifica tanto en el plano internacional como en el nacional, se reconoce que la
mujer, particularmente en las últimas dos décadas tiene cada vez más decidida participación en
el plano económico y político en México, pero también se insiste en que todavía dista mucho de
estar en igualdad de condiciones con respecto al hombre en función de sus correspondientes
responsabilidades y capacidades.
ECONOMETRIA II
3
VARIABLES DEL MODELO
Variable
Dependiente
inlf = 1 si en lab frce, 1999
inlf
Variables
Independientes
kidslt6 =# niños <6 años
NIÑOS <6
NIÑOS ENTRE 6-18
kidsge6 =# niños 6-18
AÑOS
EDAD edad = edad de la mujer en años
educ años de escolaridad de la
EDU mujer
hushrs =horas trabajadas por el
H TRAB MARIDO marido
EDAD MARIDO husage= edad del marido
AÑOS EDU MARIDO huseduc= años de escolaridad del marido
ING MARIDO huswage = salario por hora del marido
INGRESO faminc = ingreso familiar
motheduc = años de escolaridad de la madre de
EDU MADRE MUJER la mujer
fatheduc = años de escolaridad del
EDU PADRE padre
DESEMPLEO desempleo = tasa de desempleo.
EXP exper = (experiencia laboral)
EXPEXP expersq = exper ^ 2 experiencia laboral al cuadrado
ECONOMETRIA II
4
OBJETIVO: El objetivo de este estudio es determinar si la estructura del hogar influye

de alguna manera en las horas que las mujeres destinan al trabajo remunerado en el mercado
laboral.
MODELO DE PROBABILIDAD LINEAL

Source | SS df MS Number of obs = 700
-------------+------------------------------ F( 14, 738) = 23.98
Model | 57.7544793 14 4.12531995 Prob > F = 0.0000
Residual | 126.973276 738 .17205051 R-squared = 0.3126
-------------+------------------------------ Adj R-squared = 0.2996
Total | 184.727756 752 .245648611 Root MSE = .41479
------------------------------------------------------------------------------
inlf | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
NIÑOS<6 | -.2513192 .0329573 -7.63 0.000 -.3160205 -.1866179
NIÑOS 6 | .0114344 .0129079 0.89 0.376 -.0139062 .0367751
EDAD | -.014642 .0043237 -3.39 0.001 -.0231303 -.0061537
EDUCACION | .0344539 .0092668 3.72 0.000 .0162615 .0526463

HORAS MARIDO | -.0001529 .0000305 -5.02 0.000 -.0002128 -.0000931
EDAD MARIDO | -.0031122 .0041814 -0.74 0.457 -.011321 .0050966

EDUCACION MARIDO | -.0068254 .0068577 -1.00 0.320 -.0202884
.0066376
EDAD MUJER | -.0397715 .0063042 -6.31 0.000 -.0521478 -.0273952
INGRESO | .0000138 2.08e-06 6.60 0.000 9.67e-06 .0000179

ECONOMETRIA II
motheduc | .0023156 .0057553 0.40 0.688 -.0089831 .0136143
EDUCACION PAPA| -.0000987 .0054332 -0.02 0.986 -.010765

.0105676
DESEMPLEO | -.0040672 .0050166 -0.81 0.418 -.0139158 .0057814
5
EXP | .0380345 .005555 6.85 0.000 .027129 .04894
expEXP | -.0005937 .000181 -3.28 0.001 -.0009491 -.0002383
_cons | 1.080476 .1771103 6.10 0.000 .7327758 1.428176
------------------------------------------------------------------------------
INTERPRETACIÓN: La variable inlf se encuentra determinado por las

variables kidslt6 kidsge6 age educ hushrs husage huseduc huswage faminc motheduc
fatheduc unem exper expersq en un 31.26% y el 68.74% es determinada por otras
variables no consideradas en el modelo.
PROBLEMAS DEL MODELO DE PROBABILIDAD

LINEAL
NO NORMALIDAD DE LAS PERTURBACIONES:
Skewness/Kurtosis tests for Normality
------- joint ------
Variable | Obs Pr(Skewness) Pr(Kurtosis) adj chi2(2) Prob>chi2
-------------+---------------------------------------------------------------
inlf | 753 0.0021 . . .
NIÑOS 6 | 753 0.0000 0.0000 . 0.0000
kidsge6 | 753 0.0000 0.0005 72.09 0.0000
age | 753 0.0896 0.0000 . 0.0000
educ | 753 0.8120 0.0011 10.12 0.0063
hushrs | 753 0.0000 0.0000 56.75 0.0000
husage | 753 0.4663 0.0000 . 0.0000
huseduc | 753 0.0021 0.0310 12.82 0.0016
huswage | 753 0.0000 0.0000 . 0.0000
faminc | 753 0.0000 0.0000 . 0.0000
motheduc | 753 0.1809 0.6565 1.99 0.3697
fatheduc | 753 0.0266 0.9271 4.91 0.0857
unem | 753 0.0288 0.0000 27.86 0.0000
exper | 753 0.0000 0.0017 . 0.0000
expersq | 753 0.0000 0.0000 . 0.0000

ECONOMETRIA II
Se observa que las variables independientes cm, np, psi presentan problemas de no normalidad
puesto que su probabilidad es baja.
Skewness/Kurtosis tests for Normality
6
------- joint ------
Variable | Obs Pr(Skewness) Pr(Kurtosis) adj chi2(2) Prob>chi2
-------------+---------------------------------------------------------------
residuo | 753 0.1943 0.0000 68.68 0.0000
Dado la probabilidad del chi2 es baja, se puede decir que existe no normalidad en los residuos
HETEROCEDASTICIDAD
Breusch-Pagan / Cook-Weisberg test for heteroskedasticity

Ho: Constant variance
Variables: fitted values of inlf
chi2(1) = 9.51
Prob > chi2 = 0.0020
Dado que la probabilidad no es mayor que el 10%, se concluye que presenta problemas de
heterocedasticidad aparente.
Variable | Obs Mean Std. Dev. Min Max
-------------+--------------------------------------------------------
residuo_e | 753 -.0002882 1.000607 -2.230754 2.516747

ECONOMETRIA II
7
MODELO LOGIT
REGRESIÓN DEL MODELO
Logistic regression Number of obs = 700
LR chi2(14) = 277.81
Prob > chi2 = 0.0000
Log likelihood = -375.96672 Pseudo R2 = 0.2698
------------------------------------------------------------------------------
inlf | Coef. Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
kidslt6 | -1.411555 .2095061 -6.74 0.000 -1.82218 -1.000931
kidsge6 | .0470033 .0770697 0.61 0.542 -.1040506 .1980572
age | -.0869191 .0256789 -3.38 0.001 -.1372487 -.0365894
educ | .2114576 .0561743 3.76 0.000 .101358 .3215573
hushrs | -.000961 .0001928 -4.98 0.000 -.0013389 -.000583
husage | -.0200657 .0246049 -0.82 0.415 -.0682903 .028159
huseduc | -.0401852 .0414688 -0.97 0.333 -.1214626 .0410921
huswage | -.2532318 .0433785 -5.84 0.000 -.3382521 -.1682114
faminc | .0000904 .000015 6.01 0.000 .0000609 .0001199
motheduc | .0050735 .0338434 0.15 0.881 -.0612584 .0714055
fatheduc | .0006479 .0324301 0.02 0.984 -.0629139 .0642097

ECONOMETRIA II
unem | -.0234509 .0297789 -0.79 0.431 -.0818165 .0349146
exper | .2061614 .0336339 6.13 0.000 .1402402 .2720825
expersq | -.0031409 .0010686 -2.94 0.003 -.0052353 -.0010464
_cons | 3.674734 1.079958 3.40 0.001 1.558056 5.791412
8
-----------------------------------------------------------------------------
INTERPRETACIÓN
 Chi cuadrado…277.81 el valor indica que los coeficientes de forma conjunta son
significativos para explicarla probabilidad de las mujeres de estar en el mercado de
trabajo.
 Prob > chi2= 0.00: Indica que podemos rechazar al 1% la hipótesis de que los coeficientes
sean iguales a 0
 Pseudo R2 = 26.98:... indica que aproximadamente que el 27% de la variación de la
variable dependiente puede ser explicada con la variación de las variables
independientes.
INTERPRETACION DE COEFICIENTES FORMA 1
Name Var coeficientes interpretación

kidslt6
-1.411555 Podemos ver si la mujer tiene niños menores de 6 años
el logit estimado disminuye en 1.41 unidades.
kidsge6
.0470033 Podemos ver si la mujer tiene niños mayores de 6 años
el logit estimado aumenta en 0.047 unidades.
age
-.0869191 Cuanto mayor es la edad de la mujer el logit estimado
disminuye en 0.045 unidades
.2114576 Si la mujer tiene un año más de estudio adicional a
educ
diferencia de otras el logit estimado aumenta en 0.21
unidades
-.000961 Si las horas del trabajo del marido incrementa en una
hushrs
hora más el logit estimado disminuye en 0.000961
unidades
husage
-.0200657 Cuanto mayor es la edad del marido el logit estimado
disminuye en 0.02 unidades
huseduc
-.0401852 Si el marido tiene un año más de estudio adicional el logit
estimado disminuye en 0.04 unidades
ECONOMETRIA II
huswage
-.2532318 Si el salario del marido incrementa en una unidad
monetaria el logit estimado disminuye en 0.25 unidades
9
.0000904 Si el ingreso familiar de la mujer incrementa en una

faminc
unidad monetaria el logit estimado aumenta en
0.0000904 unidades
motheduc
.0050735 Si la madre de la mujer tiene un año de escolaridad
adicional el logit estimado aumenta en 0.005 unidades
fatheduc
.0006479 Si el padre de la mujer tiene un año de escolaridad
adicional el logit estimado aumenta en 0.0065 unidades
unem
-.0234509 Si la tasa de desempleo incrementa en una unidad el
logit estimado disminuye en 0.023
exper
.2061614 Si la mujer incrementa su experiencia laboral el logit
estimado aumenta en 0.2 unidades
expersq
-.0031409 Si la mujer incrementa cuadráticamente su experiencia
laboral el logit estimado disminuye en 0.003unidades
INTERPRETACIÓN APLICANDO ANTILOGARITMOS FORMA 2

“𝑒 −1.411555”
0.2437639 Quiere decir que el valor 0.24 indica si la mujer tiene
niños menores de 6 años; su oportunidad de aumentar
kidslt6
sus horas de trabajo disminuye en 0.24 veces a
diferencia de las que no tienen niños menores a 6 años.
1.04812546789 Quiere decir si la mujer tiene niños mayores de 6 su
kidsge6
oportunidad de aumentar sus horas de trabajo aumenta
en 1.05 veces.
0.91675125781 Quiere decir cuanto mayor es la edad de la mujer su
age
oportunidad de aumentar sus horas de trabajo
disminuye en 0.92 veces.
1.23547758027 Quiere decir si la mujer tiene un año más de estudio
educ
adicional a diferencia de otras su oportunidad de
ECONOMETRIA II
aumentar sus horas de trabajo aumenta en 1.24 veces.

0.99903946161 Quiere decir si las horas del trabajo del marido
incrementa en una hora más, la oportunidad de que la
hushrs
mujer aumente sus horas de trabajo disminuye en 0.99
veces. 1
0
0.98013427636 Quiere decir que cuanto mayor es la edad del marido la

husage
oportunidad de que la mujer aumente sus horas de
trabajo es 0.98 veces.
0.96061151742 Quiere decir si el marido tiene un año más de estudio
huseduc
adicional, la oportunidad de que la mujer aumente sus
horas de trabajo disminuye en 0.96 veces.
0.77628791742 Quiere decir si el salario del marido incrementa en una
huswage
unidad monetaria la oportunidad de que la mujer
aumente sus horas de trabajo disminuye en 0.77 veces.
1.00009040409 Quiere decir si el ingreso familiar de la mujer
faminc
incrementa la oportunidad de que la mujer aumente sus
horas de trabajo aumenta en 1.00009 veces.
1.00508639199 Quiere decir si la madre de la mujer tiene un año más de
motheduc
escolaridad adicional la oportunidad de que incremente
sus horas de trabajo aumenta en 1.0050 veces.
1.000064810993 Quiere decir si el padre de la mujer tiene un año de
escolaridad adicional la probabilidad de que la mujer
fatheduc
incremente sus horas de trabajo aumenta en 1.00006
veces.
0.9768219 Quiere decir si la tasa de desempleo incrementa en una
unem
unidad la oportunidad de que la mujer incremente sus
horas de trabajo disminuye en 0.98 veces.
1.22895154077 Quiere decir si la mujer incrementa su experiencia
exper
laboral la oportunidad de que incremente sus horas de
trabajo aumenta en 1.23 veces.
0.99686402746 Quiere decir si la mujer incrementa cuadráticamente su
experiencia laboral la oportunidad de que la mujer
expersq
incremente sus horas de trabajo disminuye en 0.997
veces.
ECONOMETRIA II
1
1
CLASIFICACION DE OBSERVACIONES CORRECTAS

Logistic model for inlf
-------- True --------
Classified | D ~D | Total
-----------+--------------------------+-----------
+ | 346 103 | 449
- | 82 222 | 304
-----------+--------------------------+-----------
Total | 428 325 | 753
Classified + if predicted Pr(D) >= .5
True D defined as inlf != 0
--------------------------------------------------
Sensitivity Pr( +| D) 80.84%
Specificity Pr( -|~D) 68.31%
Positive predictive value Pr( D| +) 77.06%
Negative predictive value Pr(~D| -) 73.03%
--------------------------------------------------
False + rate for true ~D Pr( +|~D) 31.69%
False - rate for true D Pr( -| D) 19.16%
False + rate for classified + Pr(~D| +) 22.94%
False - rate for classified - Pr( D| -) 26.97%

ECONOMETRIA II
--------------------------------------------------
Correctly classified 75.43%
--------------------------------------------------
1
2
Podemos afirmar que en general el modelo provee en 75.43% de las observaciones

correctamente.
EFECTOS MARGINALES
Marginal effects after logit
y = Pr(inlf) (predict)
= .59666824
------------------------------------------------------------------------------
variable | dy/dx Std. Err. z P>|z| [ 95% C.I. ] X
---------+--------------------------------------------------------------------
kidslt6 | -.3396982 .05057 -6.72 0.000 -.438815 -.240581 .237716
kidsge6 | .0113116 .01855 0.61 0.542 -.025056 .047679 1.35325
age | -.0209175 .00617 -3.39 0.001 -.033014 -.008821 42.5378
educ | .0508884 .01349 3.77 0.000 .024443 .077334 12.2869
hushrs | -.0002313 .00005 -4.99 0.000 -.000322 -.000141 2267.27
husage | -.0048289 .00592 -0.82 0.415 -.016435 .006777 45.1208
huseduc | -.0096708 .00997 -0.97 0.332 -.029212 .00987 12.4914
huswage | -.0609416 .01038 -5.87 0.000 -.081288 -.040595 7.48218
faminc | .0000218 .00000 6.06 0.000 .000015 .000029 23080.6
motheduc | .001221 .00814 0.15 0.881 -.014742 .017184 9.251
fatheduc | .0001559 .0078 0.02 0.984 -.015141 .015452 8.80876
unem | -.0056436 .00717 -0.79 0.431 -.019691 .008404 8.62351
exper | .0496138 .00812 6.11 0.000 .033693 .065535 10.6308
expersq | -.0007559 .00026 -2.93 0.003 -.001261 -.000251 178.039
------------------------------------------------------------------------------
ECONOMETRIA II
1
3
INTERPRETACION DE COEFICIENTES FORMA 3

-.3396982 Si la mujer tiene niños menores a 6 años la
probabilidad de que la mujer no incremente sus horas
kidslt6 de trabajo es del 33.97%
.0113116 Si la mujer tiene niños mayores de 6 años la
probabilidad de que la mujer incremente sus horas
kidsge6 de trabajo es del 1.13%
-.0209175 Si la edad de la mujer incrementa en un años más
edad la probabilidad de que no incremente sus horas
age de trabajo es del 2.01%
diferencia de otras la probabilidad de aumente sus
educ horas de trabajo es del 5.09%
-.0002313 Si las horas del trabajo del marido incrementa en una
hora la probabilidad de que la mujer no aumente sus
hushrs horas de trabajo es del 0.2%
-.0200657 Cuanto mayor es la edad del marido la probabilidad
de que la mujer no aumente sus horas de trabajo es
husage del 2%
-.0401852 Si el marido tiene un año más de estudio adicional la
probabilidad de que la mujer no aumente sus horas
huseduc de trabajo es del 4.01%
ECONOMETRIA II
-.2532318 Si el salario del marido incrementa en una unidad

monetaria la probabilidad de que la mujer no aumente
huswage sus horas de trabajo es del 25.32%
1
4
.0000904 Si el ingreso familiar de la mujer incrementa en una

unidad monetaria la probabilidad de que la mujer
faminc aumente sus horas de trabajo es del 0.009%
.0050735 Si la madre de la mujer tiene un año de escolaridad
adicional la probabilidad de que la mujer aumente
motheduc sus horas de trabajo es del 0.5%
.0006479 Si el padre de la mujer tiene un año de escolaridad
adicional la probabilidad de que la mujer aumente
fatheduc sus horas de trabajo es del 0.065%
-.0234509 Si la tasa de desempleo incrementa en una unidad la
probabilidad de que la mujer no aumente sus horas
unem de trabajo es del 2.34%
.2061614 Si la mujer incrementa su experiencia laboral la
probabilidad de que la mujer aumente sus horas de
exper trabajo es del 20.61%
-.0031409 Si la mujer incrementa cuadráticamente su
experiencia laboral la probabilidad de que la mujer no
expersq aumente sus horas de trabajo es del 0.31%
Logistic regression Number of obs = 700
LR chi2(14) = 277.81
Prob > chi2 = 0.0000
------------------------------------------------------------------------------
inlf | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
kidslt6 | .2437638 .05107 -6.74 0.000 .161673 .3675371
kidsge6 | 1.048125 .0807788 0.61 0.542 .9011797 1.219032
age | .9167513 .0235411 -3.38 0.001 .8717534 .9640719
educ | 1.235478 .0694021 3.76 0.000 1.106673 1.379274

ECONOMETRIA II
hushrs | .9990395 .0001926 -4.98 0.000 .998662 .9994171
husage | .9801343 .0241161 -0.82 0.415 .9339893 1.028559
huseduc | .9606115 .0398354 -0.97 0.333 .8856242 1.041948
huswage | .7762879 .0336742 -5.84 0.000 .7130155 .8451751
faminc | 1.00009 .000015 6.01 0.000 1.000061 1.00012
motheduc | 1.005086 .0340156 0.15 0.881 .9405802 1.074017 1

5
fatheduc | 1.000648 .0324511 0.02 0.984 .9390243 1.066316
unem | .9768219 .0290887 -0.79 0.431 .921441 1.035531
exper | 1.228951 .0413344 6.13 0.000 1.15055 1.312695
expersq | .9968641 .0010653 -2.94 0.003 .9947783 .9989541
_cons | 39.43816 42.59154 3.40 0.001 4.749579 327.475
------------------------------------------------------------------------------
INTERPRETACION DE LA FORMA 4
Otra forma de interpretar el logit es a través de ratio
conocido como razón de oportunidad. (0.2437638-1)*100=-
94.893
94.893 Podemos decir que las oportunidades de una mujer que
tenga niños menores a 6 años de aumentar sus horas de
kidslt6 trabajo es del 94.893% menor a diferencia de otras.
4.8125 Podemos decir que las oportunidades de una mujer
que tenga niños mayores a 6 años de aumentar sus
horas de trabajo es del 4.8 % mayor a diferencia de
kidsge6 otras.
-8.32487 Podemos decir que las oportunidades de una mujer
de mayor edad de que aumente sus horas de trabajo
age es del 8.32% menor a diferencia de otras
23.5478 Podemos decir que las oportunidades de una mujer
con un años más de escolaridad de que aumente sus
horas de trabajo es del 23.55% mayor a diferencia
educ de otras
-0.09605 Podemos decir si las horas del trabajo del marido
incrementa las oportunidades de que la mujer
aumente sus horas de trabajo es del 0.09% menor
hushrs a diferencia de otras.
-1.98657 Podemos decir si cuanto mayor es la edad del
ECONOMETRIA II
marido la oportunidad de que la mujer aumente sus

husage horas de trabajo es del 1.99% menor.
-3.93885 Podemos decir si el marido tiene un año más de
estudio adicional, la oportunidad de que la mujer
huseduc aumente sus horas de trabajo es del 3.94% menor. 1
6
-22.37121 Podemos decir si el salario del marido incrementa

en una unidad monetaria la oportunidad de que la
mujer aumente sus horas de trabajo es del 22.37%
huswage menor.
0.009 Podemos decir si el ingreso familiar de la mujer
incrementa la oportunidad de que la mujer aumente
faminc sus horas de trabajo es del 0.009% mayor.
0.5086 Podemos decir si la madre de la mujer tiene un año
más de escolaridad adicional la oportunidad de que
incremente sus horas de trabajo es del 0.51%
motheduc mayor.
0.0648 Podemos decir si el padre de la mujer tiene un año
de escolaridad adicional la probabilidad de que la
mujer incremente sus horas de trabajo es del
fatheduc 0.0648%
-2.31781 Podemos decir si la tasa de desempleo incrementa
en una unidad la oportunidad de que la mujer
unem menor.
1.228951 Podemos decir si la mujer incrementa su
experiencia laboral la oportunidad de que
exper mayor.
0.9968641 Podemos decir si la mujer incrementa
cuadráticamente su experiencia laboral la
oportunidad de que la mujer incremente sus horas
expersq de trabajo es del 0.997% mayor.
El logistic muestra el antilogaritmo del primer modelo estimado (logit inlf kidslt6 kidsge6 age
educ hushrs husage huseduc huswage faminc motheduc fatheduc unem exper expersq).
ECONOMETRIA II
1
7
PROBABILIDAD PARA CADA VARIABLE

+----------+ 23. | .7376121 | 47. | .8919048 |
| prob | 24. | .6679429 | 48. | .9277386 |
|----------| 25. | .4799381 | 49. | .6799128 |
1. | .7160904 | |----------| 50. | .7878653 |
2. | .7468951 | 26. | .8974116 | |----------|
3. | .7293358 | 27. | .5437495 | 51. | .849074 |
4. | .7103665 | 28. | .8834503 | 52. | .6534267 |
5. | .6566154 | 29. | .8308693 | 53. | .9129813 |
|----------| 30. | .687879 | 54. | .4612076 |
6. | .9070895 | |----------| 55. | .8049212 |
7. | .9541449 | 31. | .8276562 | |----------|
8. | .6236811 | 32. | .2466834 | 56. | .9474747 |
9. | .9476798 | 33. | .956589 | 57. | .9362538 |
10. | .9437099 | 34. | .7467191 | 58. | .9788837 |
|----------| 35. | .9589412 | 59. | .8403773 |
11. | .9335134 | |----------| 60. | .3281746 |
12. | .8031582 | 36. | .3278202 | |----------|
13. | .1538577 | 37. | .8836995 | 61. | .9284958 |
14. | .6346741 | 38. | .8775629 | 62. | .7800498 |
15. | .4118821 | 39. | .8798324 | 63. | .3830229 |
|----------| 40. | .985121 | 64. | .692932 |
16. | .760648 | |----------| 65. | .8380108 |
17. | .8795948 | 41. | .0966923 | |----------|

ECONOMETRIA II
18. | .690091 | 42. | .52872 | 66. | .779677 |
19. | .8554134 | 43. | .4816391 | 67. | .7994824 |
20. | .9092522 | 44. | .4667589 | 68. | .7850174 |
|----------| 45. | .8019758 | 69. | .8427753 |
21. | .6663126 | |----------| 70. | .7207054 |
22. | .9336048 | 46. | .5750329 | |----------| 1

8
71. | .889873 | 101. | .7034268 | 131. | .1991405 |
72. | .4422788 | 102. | .9118586 | 132. | .0882337 |
73. | .7572419 | 103. | .2536989 | 133. | .8091846 |
74. | .5132073 | 104. | .9908276 | 134. | .8831487 |
75. | .9032797 | 105. | .6316172 | 135. | .415654 |
|----------| |----------| |----------|
76. | .882684 | 106. | .6686032 | 136. | .2713675 |
77. | .456084 | 107. | .8676373 | 137. | .6046482 |
78. | .9378237 | 108. | .9220067 | 138. | .7882225 |
79. | .3508168 | 109. | .9443457 | 139. | .2106135 |
80. | .3359015 | 110. | .4288501 | 140. | .8459037 |
|----------| |----------| |----------|
81. | .4701672 | 111. | .3601965 | 141. | .7950106 |
82. | .6935607 | 112. | .8058023 | 142. | .9934128 |
83. | .4638415 | 113. | .7504287 | 143. | .9274355 |
84. | .0383267 | 114. | .8505378 | 144. | .7909259 |
85. | .8553447 | 115. | .8963963 | 145. | .4365475 |
|----------| |----------| |----------|
86. | .9648199 | 116. | .671458 | 146. | .4475815 |
87. | .7532074 | 117. | .8367807 | 147. | .6828775 |
88. | .7438828 | 118. | .8490485 | 148. | .9657831 |
89. | .5520627 | 119. | .9456958 | 149. | .5977299 |
90. | .5404583 | 120. | .2758189 | 150. | .9533048 |
|----------| |----------| |----------|
91. | .8508147 | 121. | .6835905 | 151. | .873908 |
92. | .1880682 | 122. | .9153326 | 152. | .7231821 |
93. | .8820478 | 123. | .6391804 | 153. | .7689933 |
94. | .2806107 | 124. | .9133832 | 154. | .6929785 |
95. | .8481772 | 125. | .8750793 | 155. | .6389855 |
|----------| |----------| |----------|
96. | .8522112 | 126. | .8840947 | 156. | .5923539 |

ECONOMETRIA II
97. | .9470225 | 127. | .4121791 | 157. | .1544007 |
98. | .5788788 | 128. | .7185673 | 158. | .958501 |
99. | .6031698 | 129. | .7842175 | 159. | .9294356 |
100. | .7362006 | 130. | .5489771 | 160. | .8635964 |
|----------| |----------| |----------| 1

9
161. | .8928363 | 191. | .6427237 | 221. | .8904071 |
162. | .8327428 | 192. | .649685 | 222. | .664777 |
163. | .9314844 | 193. | .5814301 | 223. | .4448308 |
164. | .5055183 | 194. | .8922452 | 224. | .6742956 |
165. | .821637 | 195. | .7327138 | 225. | .9688755 |
|----------| |----------| |----------|
166. | .5194805 | 196. | .7051986 | 226. | .7791185 |
167. | .9531162 | 197. | .9718172 | 227. | .5087881 |
168. | .8878048 | 198. | .5450993 | 228. | .4409448 |
169. | .516307 | 199. | .8850257 | 229. | .8027771 |
170. | .9110515 | 200. | .6531766 | 230. | .5660281 |
|----------| |----------| |----------|
171. | .4586897 | 201. | .7960394 | 231. | .8692906 |
172. | .7010577 | 202. | .7585137 | 232. | .4221157 |
173. | .906082 | 203. | .9553028 | 233. | .7266981 |
174. | .8555648 | 204. | .4208031 | 234. | .7806891 |
175. | .8310547 | 205. | .9044464 | 235. | .9283032 |
|----------| |----------| |----------|
176. | .2244183 | 206. | .7833427 | 236. | .8099085 |
177. | .8166888 | 207. | .7482374 | 237. | .0941572 |
178. | .8332742 | 208. | .917292 | 238. | .8002315 |
179. | .5792239 | 209. | .6805465 | 239. | .8107214 |
180. | .8726628 | 210. | .8661193 | 240. | .9508088 |
|----------| |----------| |----------|
181. | .8432354 | 211. | .8792233 | 241. | .4997399 |
182. | .7725605 | 212. | .3307076 | 242. | .9621112 |
183. | .8258904 | 213. | .8165091 | 243. | .8544877 |
184. | .7506681 | 214. | .449124 | 244. | .5477403 |
185. | .3692338 | 215. | .8581101 | 245. | .5249334 |
|----------| |----------| |----------|
186. | .6232333 | 216. | .5980982 | 246. | .501726 |

ECONOMETRIA II
187. | .9693064 | 217. | .2260301 | 247. | .7125105 |
188. | .8739272 | 218. | .9166796 | 248. | .7391865 |
189. | .6570161 | 219. | .7875898 | 249. | .7669016 |
190. | .8491164 | 220. | .1852963 | 250. | .8752912 |
|----------| |----------| |----------| 2

0
251. | .5385832 | 281. | .7978835 | 311. | .8618031 |
252. | .2505319 | 282. | .6868881 | 312. | .9257542 |
253. | .7961444 | 283. | .8082036 | 313. | .9559604 |
254. | .7964066 | 284. | .4705406 | 314. | .8864541 |
255. | .7465785 | 285. | .9882988 | 315. | .957144 |
|----------| |----------| |----------|
256. | .1516873 | 286. | .7615371 | 316. | .6321375 |
257. | .2571357 | 287. | .5452752 | 317. | .8399185 |
258. | .4458829 | 288. | .9116972 | 318. | .4110065 |
259. | .3075817 | 289. | .7234076 | 319. | .7801966 |
260. | .8285987 | 290. | .8986724 | 320. | .6661255 |
|----------| |----------| |----------|
261. | .072574 | 291. | .8905599 | 321. | .842216 |
262. | .9247237 | 292. | .8993474 | 322. | .2634786 |
263. | .81825 | 293. | .9797532 | 323. | .4203727 |
264. | .8253044 | 294. | .8796114 | 324. | .9457939 |
265. | .591726 | 295. | .8779086 | 325. | .9501858 |
|----------| |----------| |----------|
266. | .5728371 | 296. | .7554393 | 326. | .4436612 |
267. | .6260512 | 297. | .9482093 | 327. | .3342712 |
268. | .5096362 | 298. | .7107269 | 328. | .7941406 |
269. | .9229505 | 299. | .8541558 | 329. | .8961644 |
270. | .4389477 | 300. | .987677 | 330. | .9359536 |
|----------| |----------| |----------|
271. | .8804595 | 301. | .8783399 | 331. | .9497464 |
272. | .8052382 | 302. | .8385742 | 332. | .9534256 |
273. | .3075971 | 303. | .6147386 | 333. | .7282792 |
274. | .1881696 | 304. | .9548875 | 334. | .7841653 |
275. | .6743788 | 305. | .7033506 | 335. | .3997731 |
|----------| |----------| |----------|
276. | .8655565 | 306. | .5307984 | 336. | .9189794 |

ECONOMETRIA II
277. | .8617752 | 307. | .942107 | 337. | .7683155 |
278. | .3909547 | 308. | .3044174 | 338. | .4451585 |
279. | .9202434 | 309. | .4746604 | 339. | .9689043 |
280. | .9546787 | 310. | .6777465 | 340. | .8065892 |
|----------| |----------| |----------| 2

1
341. | .5657619 | 371. | .8207022 | 401. | .6844325 |
342. | .5715808 | 372. | .6287211 | 402. | .9431223 |
343. | .9331537 | 373. | .8846821 | 403. | .1371983 |
344. | .8897778 | 374. | .8280538 | 404. | .2968856 |
345. | .9296142 | 375. | .5174868 | 405. | .9394567 |
|----------| |----------| |----------|
346. | .6575905 | 376. | .6410077 | 406. | .9298898 |
347. | .9187594 | 377. | .576584 | 407. | .8962274 |
348. | .6972536 | 378. | .8683433 | 408. | .2472277 |
349. | .0666147 | 379. | .4221976 | 409. | .9283618 |
350. | .967836 | 380. | .699835 | 410. | .6891808 |
|----------| |----------| |----------|
351. | .9221088 | 381. | .9102785 | 411. | .9022449 |
352. | .3187794 | 382. | .9277427 | 412. | .1629587 |
353. | .6131244 | 383. | .9445926 | 413. | .9049407 |
354. | .8883749 | 384. | .9460399 | 414. | .8335259 |
355. | .7146414 | 385. | .9409063 | 415. | .6626976 |
|----------| |----------| |----------|
356. | .4407618 | 386. | .9991372 | 416. | .1140676 |
357. | .8886153 | 387. | .6942798 | 417. | .8467808 |
358. | .4602051 | 388. | .7518706 | 418. | .3940771 |
359. | .1631512 | 389. | .9224116 | 419. | .9193669 |
360. | .7558579 | 390. | .8627252 | 420. | .6512902 |
|----------| |----------| |----------|
361. | .844206 | 391. | .2392651 | 421. | .6989977 |
362. | .9328988 | 392. | .9587113 | 422. | .4428643 |
363. | .6463453 | 393. | .5438095 | 423. | .5565434 |
364. | .6319858 | 394. | .5649195 | 424. | .2613947 |
365. | .8439025 | 395. | .8921195 | 425. | .9815804 |
|----------| |----------| |----------|
366. | .4143782 | 396. | .7417908 | 426. | .9651186 |

ECONOMETRIA II
367. | .6729661 | 397. | .5075929 | 427. | .878206 |
368. | .7233884 | 398. | .9656011 | 428. | .7947374 |
369. | .8965817 | 399. | .9235753 | 429. | .1276023 |
370. | .7968531 | 400. | .8491569 | 430. | .163368 |
|----------| |----------| |----------| 2

2
431. | .2864291 | 461. | .430268 | 491. | .6703584 |
432. | .2885114 | 462. | .1172796 | 492. | .7333743 |
433. | .5403793 | 463. | .1616315 | 493. | .3705473 |
434. | .608479 | 464. | .4549286 | 494. | .6599753 |
435. | .5851787 | 465. | .1701349 | 495. | .6010538 |
|----------| |----------| |----------|
436. | .1556649 | 466. | .4112755 | 496. | .3090957 |
437. | .1790481 | 467. | .2624056 | 497. | .0849297 |
438. | .5402429 | 468. | .727556 | 498. | .0350899 |
439. | .3258597 | 469. | .2517779 | 499. | .4215454 |
440. | .8001453 | 470. | .2239917 | 500. | .4319524 |
|----------| |----------| |----------|
441. | .0772933 | 471. | .2255349 | 501. | .1236769 |
442. | .2995792 | 472. | .5524414 | 502. | .8202937 |
443. | .0710589 | 473. | .0796253 | 503. | .618995 |
444. | .0843865 | 474. | .161197 | 504. | .7771651 |
445. | .1379101 | 475. | .9119004 | 505. | .3911149 |
|----------| |----------| |----------|
446. | .2265034 | 476. | .1962562 | 506. | .1226917 |
447. | .0985811 | 477. | .1945615 | 507. | .1381195 |
448. | .2927739 | 478. | .3900237 | 508. | .3628684 |
449. | .16369 | 479. | .2666138 | 509. | .2220089 |
450. | .3367086 | 480. | .3677231 | 510. | .6896693 |
|----------| |----------| |----------|
451. | .582809 | 481. | .4017551 | 511. | .0988627 |
452. | .7540613 | 482. | .4124967 | 512. | .1272126 |
453. | .6726413 | 483. | .2941941 | 513. | .4292078 |
454. | .5969979 | 484. | .0394702 | 514. | .0226288 |
455. | .4330234 | 485. | .0115047 | 515. | .2427868 |
|----------| |----------| |----------|
456. | .3432542 | 486. | .1471827 | 516. | .133823 |

ECONOMETRIA II
457. | .5475907 | 487. | .0325138 | 517. | .5955349 |
458. | .3432146 | 488. | .268241 | 518. | .7890947 |
459. | .1004032 | 489. | .1013055 | 519. | .7054884 |
460. | .3474422 | 490. | .6770533 | 520. | .6943496 |
|----------| |----------| |----------| 2

3
521. | .6163273 | 551. | .15098 | 581. | .2484337 |
522. | .1101566 | 552. | .3183306 | 582. | .7320507 |
523. | .5777743 | 553. | .2478873 | 583. | .6314456 |
524. | .4049 | 554. | .314156 | 584. | .866124 |
525. | .8018555 | 555. | .2879643 | 585. | .1558938 |
|----------| |----------| |----------|
526. | .0960125 | 556. | .6427717 | 586. | .0246183 |
527. | .4506176 | 557. | .5187117 | 587. | .2803159 |
528. | .0960687 | 558. | .788686 | 588. | .3755666 |
529. | .129696 | 559. | .1199489 | 589. | .5818057 |
530. | .650555 | 560. | .4082281 | 590. | .2046015 |
|----------| |----------| |----------|
531. | .0630171 | 561. | .5696741 | 591. | .0570103 |
532. | .8397463 | 562. | .055177 | 592. | .4233946 |
533. | .599959 | 563. | .7059309 | 593. | .0433069 |
534. | .4279768 | 564. | .2048214 | 594. | .0890711 |
535. | .3877325 | 565. | .5785701 | 595. | .5368888 |
|----------| |----------| |----------|
536. | .7590274 | 566. | .4712251 | 596. | .4157788 |
537. | .0971606 | 567. | .0840758 | 597. | .2429497 |
538. | .352544 | 568. | .2399913 | 598. | .3777941 |
539. | .2199382 | 569. | .5097671 | 599. | .8935313 |
540. | .4162776 | 570. | .6483091 | 600. | .2309425 |
|----------| |----------| |----------|
541. | .3676724 | 571. | .4319629 | 601. | .512912 |
542. | .4496165 | 572. | .2276336 | 602. | .1422017 |
543. | .6953527 | 573. | .3131898 | 603. | .2363937 |
544. | .5151699 | 574. | .469525 | 604. | .7023284 |
545. | .4437756 | 575. | .6814132 | 605. | .0193496 |
|----------| |----------| |----------|
546. | .4742645 | 576. | .6071395 | 606. | .5891429 |

ECONOMETRIA II
547. | .278753 | 577. | .2509078 | 607. | .2164446 |
548. | .2321229 | 578. | .3059585 | 608. | .2458763 |
549. | .2552961 | 579. | .3139987 | 609. | .3249173 |
550. | .6250615 | 580. | .0410837 | 610. | .0190148 |
|----------| |----------| |----------| 2

4
611. | .8323134 | 641. | .2224358 | 671. | .4945601 |
612. | .3655127 | 642. | .1262258 | 672. | .625938 |
613. | .3589641 | 643. | .1413322 | 673. | .8187831 |
614. | .6349311 | 644. | .1873252 | 674. | .7866043 |
615. | .4118524 | 645. | .252923 | 675. | .0877707 |
|----------| |----------| |----------|
616. | .5650603 | 646. | .2783492 | 676. | .0853013 |
617. | .2121228 | 647. | .8215984 | 677. | .146773 |
618. | .4621967 | 648. | .1479418 | 678. | .3116458 |
619. | .8816897 | 649. | .7936882 | 679. | .8317373 |
620. | .2368222 | 650. | .0225092 | 680. | .5308962 |
|----------| |----------| |----------|
621. | .0514878 | 651. | .3335815 | 681. | .3660544 |
622. | .5498327 | 652. | .3397036 | 682. | .2226979 |
623. | .213946 | 653. | .2690044 | 683. | .8666369 |
624. | .2145566 | 654. | .364856 | 684. | .439495 |
625. | .4165431 | 655. | .1685305 | 685. | .2172652 |
|----------| |----------| |----------|
626. | .694898 | 656. | .4168353 | 686. | .3655566 |
627. | .1063433 | 657. | .081064 | 687. | .2155725 |
628. | .4320877 | 658. | .1284188 | 688. | .085775 |
629. | .0407541 | 659. | .5318524 | 689. | .0283346 |
630. | .1832252 | 660. | .197788 | 690. | .1916741 |
|----------| |----------| |----------|
631. | .2778195 | 661. | .1112249 | 691. | .367413 |
632. | .1369118 | 662. | .3512103 | 692. | .9065456 |
633. | .6812573 | 663. | .2406088 | 693. | .19937 |
634. | .5132117 | 664. | .1501099 | 694. | .5449287 |
635. | .4397864 | 665. | .8506988 | 695. | .4599349 |
|----------| |----------| |----------|
636. | .128452 | 666. | .4128943 | 696. | .1610516 |

ECONOMETRIA II
637. | .1438798 | 667. | .7460217 | 697. | .7723873 |
638. | .6851702 | 668. | .1545819 | 698. | .7503455 |
639. | .3496667 | 669. | .3510525 | 699. | .5705853 |
640. | .044264 | 670. | .5173729 | 700. | .5755938 |
|----------| |----------| |----------| 2

5
701. | .1762934 | 720. | .799246 | 738. | .8178775 |
702. | .8117417 | |----------| 739. | .5786864 |
703. | .4925659 | 721. | .7921645 | 740. | .5024485 |
704. | .8746654 | 722. | .190731 | |----------|
705. | .8174166 | 723. | .84759 | 741. | .7943946 |
|----------| 724. | .8981405 | 742. | .4802114 |
706. | .3241865 | 725. | .1683459 | 743. | .313431 |
707. | .0665904 | |----------| 744. | .4861062 |
708. | .3131332 | 726. | .1907472 | 745. | .564012 |
709. | .546086 | 727. | .1613014 | |----------|
710. | .2026399 | 728. | .5681897 | 746. | .1779642 |
|----------| 729. | .1003222 | 747. | .1175861 |
711. | .2258975 | 730. | .1984172 | 748. | .3907093 |
712. | .4215843 | |----------| 749. | .4062602 |
713. | .6129394 | 731. | .7022574 | 750. | .3896031 |
714. | .0807692 | 732. | .1902394 | |----------|
715. | .0428734 | 733. | .8568611 | 751. | .5285482 |
|----------| 734. | .8252774 | 752. | .303099 |
716. | .395478 | 735. | .3351845 | 753. | .6705005 |
717. | .3672498 | |----------| +----------+
718. | .3466354 | 736. | .4194076 |
719. | .1123769 | 737. | .6380505 |
ECONOMETRIA II
2
6
MODELO PROBIT
Probit regression Number of obs = 700
LR chi2(14) = 278.49
Prob > chi2 = 0.0000
------------------------------------------------------------------------------
inlf | Coef. Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
kidslt6 | -.8494956 .1222458 -6.95 0.000 -1.089093 -.6098983
kidsge6 | .0268304 .0450793 0.60 0.552 -.0615235 .1151842
age | -.0509112 .0150839 -3.38 0.001 -.0804751 -.0213472
educ | .1240848 .0326463 3.80 0.000 .0600993 .1880703
hushrs | -.0005592 .0001094 -5.11 0.000 -.0007735 -.0003448
husage | -.0119539 .0144534 -0.83 0.408 -.040282 .0163742
huseduc | -.0205314 .0241033 -0.85 0.394 -.067773 .0267102
huswage | -.1452906 .024246 -5.99 0.000 -.1928119 -.0977694
faminc | .0000522 8.39e-06 6.22 0.000 .0000358 .0000686
motheduc | .0023433 .01972 0.12 0.905 -.0363071 .0409938
fatheduc | .0011723 .0189237 0.06 0.951 -.0359175 .0382621
unem | -.0135135 .0175577 -0.77 0.442 -.047926 .020899
exper | .1228508 .0195491 6.28 0.000 .0845353 .1611663
expersq | -.0018874 .0006311 -2.99 0.003 -.0031243 -.0006504
_cons | 2.10504 .6252399 3.37 0.001 .8795918 3.330487

ECONOMETRIA II
------------------------------------------------------------------------------
No puede interpretarse de manera directa, por lo que se proceden las

derivadas de las medidas respectivas de cada variable.
2
7
INTERPRETACIÓN
 Chi cuadrado…278.49 el valor indica que los coeficientes de forma conjunta son
significativos para explicarla probabilidad de las mujeres de estar en el mercado de
trabajo.
 Prob > chi2= 0.00: Indica que podemos rechazar al 1% la hipótesis de que los coeficientes
sean iguales a 0
 Pseudo R2 = 0.2704:... indica que aproximadamente que el 27% de la variación de la
variable dependiente puede ser explicada con la variación de las variables
independientes.
EFECTOS MARGINALES
Marginal effects after probit
y = Pr(inlf) (predict)
= .5940748
------------------------------------------------------------------------------
variable | dy/dx Std. Err. z P>|z| [ 95% C.I. ] X
---------+--------------------------------------------------------------------
kidslt6 | -.3294329 .04746 -6.94 0.000 -.422461 -.236404 .237716
kidsge6 | .0104048 .01749 0.59 0.552 -.02387 .04468 1.35325
age | -.0197433 .00585 -3.38 0.001 -.031202 -.008285 42.5378
educ | .0481199 .01265 3.80 0.000 .023328 .072912 12.2869
hushrs | -.0002169 .00004 -5.12 0.000 -.0003 -.000134 2267.27
husage | -.0046357 .0056 -0.83 0.408 -.01562 .006349 45.1208
huseduc | -.007962 .00934 -0.85 0.394 -.026273 .010349 12.4914
huswage | -.0563435 .00937 -6.01 0.000 -.074706 -.037981 7.48218
faminc | .0000202 .00000 6.26 0.000 .000014 .000027 23080.6
motheduc | .0009087 .00765 0.12 0.905 -.014079 .015897 9.251
fatheduc | .0004546 .00734 0.06 0.951 -.013929 .014838 8.80876

ECONOMETRIA II
unem | -.0052405 .00681 -0.77 0.442 -.018587 .008106 8.62351
exper | .0476413 .00759 6.27 0.000 .032757 .062526 10.6308
expersq | -.0007319 .00025 -2.99 0.003 -.001212 -.000252 178.039
------------------------------------------------------------------------------
2
8
INTERPRETACIÓNES
-.3294329 Si la mujer tiene niños menores a 6 años la probabilidad
kidslt6 de que la mujer no incremente sus horas de trabajo es
del 32.9%
0.0104 Si la mujer tiene niños mayores de 6 años la
kidsge6 probabilidad de que la mujer incremente sus horas de
trabajo es del 1.04%
-.0197433 Si la edad de la mujer incrementa en un años más edad
age la probabilidad de que no incremente sus horas de
educ diferencia de otras la probabilidad de aumente sus
horas de trabajo es del 5.09%
-0.002169 Si las horas del trabajo del marido incrementa en una
hushrs hora la probabilidad de que la mujer no aumente sus
0.0046357 Cuanto mayor es la edad del marido la probabilidad de
husage que la mujer no aumente sus horas de trabajo es del
0.45%
-.007962 Si el marido tiene un año más de estudio adicional la
huseduc probabilidad de que la mujer no aumente sus horas de
-0.0563435 Si el salario del marido incrementa en una unidad
huswage monetaria la probabilidad de que la mujer no aumente
sus horas de trabajo es del 5.63%
ECONOMETRIA II
0.0000202 Si el ingreso familiar de la mujer incrementa en una

faminc unidad monetaria la probabilidad de que la mujer
aumente sus horas de trabajo es del 0.002%
2
9
0.0009087
Si la madre de la mujer tiene un año de escolaridad
motheduc adicional la probabilidad de que la mujer aumente sus
0.0004546 Si el padre de la mujer tiene un año de escolaridad
fatheduc adicional la probabilidad de que la mujer aumente sus
-0.0052505 Si la tasa de desempleo incrementa en una unidad la
unem probabilidad de que la mujer no aumente sus horas de
0.0476413 Si la mujer incrementa su experiencia laboral la
exper probabilidad de que la mujer aumente sus horas de
-0.0007319 Si la mujer incrementa cuadráticamente su experiencia
expersq laboral la probabilidad de que la mujer no aumente sus
TEST DE BONDAD DE AJUSTE DE PEARSON

Probit model for inlf, goodness-of-fit test
number of observations = 753

number of covariate patterns = 753
Pearson chi2(738) = 729.16
Prob > chi2 = 0.5846
INTERPRETACIÓN: los resultados muestran que el modelo se ajusta bastante bien, los patrones
de covarianza son iguales al número de observaciones y la probabilidad de chi2 es mayor al 5%,
por tanto se rechaza la hipótesis nula de que el modelo no se encuentra bien especificado.
TABLA DE ESTADÍSTICA Y CLASIFICACIÓN
ECONOMETRIA II
Muestra un grupo de estadísticas para los datos del modelo luego de haberse realizado una
estimación logística, logit, probit ó ivprobit.
-------- True --------
Classified | D ~D | Total 3
0
-----------+--------------------------+-----------
+ | 346 103 | 449
- | 82 222 | 304
-----------+--------------------------+-----------
Total | 428 325 | 753
Classified + if predicted Pr(D) >= .5
True D defined as inlf != 0
--------------------------------------------------
Sensitivity Pr( +| D) 80.84%
Specificity Pr( -|~D) 68.31%
Positive predictive value Pr( D| +) 77.06%
Negative predictive value Pr(~D| -) 73.03%
--------------------------------------------------
False + rate for true ~D Pr( +|~D) 31.69%
False - rate for true D Pr( -| D) 19.16%
False + rate for classified + Pr(~D| +) 22.94%
False - rate for classified - Pr( D| -) 26.97%
--------------------------------------------------
Correctly classified 75.43%
--------------------------------------------------
INTERPRETACIÓN: La clasificación se muestra por grupos positivos y negativos con cada

una de los índices probabilísticos respectivos, aunque el estadístico más relevante es el que se
muestra al final de tabla, cuyo valor es de 75.43% lo cual es bastante bueno y se determina que
el modelo se encuentra correctamente clasificado.
ECONOMETRIA II
3
1
TABLA RESUMEN (MPL – LOGIT - PROBIT)

--------------------------------------------------------------
Variable | mpl logit probit
-------------+------------------------------------------------
_ |
kidslt6 | -.25131919***
kidsge6 | .01143444
age | -.01464198***
educ | .0344539***
hushrs | -.00015295***
husage | -.00311222
huseduc | -.00682544
huswage | -.03977149***
faminc | .00001376***
motheduc | .0023156
fatheduc | -.00009871
unem | -.0040672
exper | .0380345***
expersq | -.0005937**
_cons | 1.0804759***
ECONOMETRIA II
-------------+------------------------------------------------
inlf |
kidslt6 | -1.4115554*** -.84949558***
kidsge6 | .04700331 .02683039
age | -.08691908*** -.05091117***

3
2
educ | .21145762*** .12408476***
hushrs | -.00096098*** -.00055918***
husage | -.02006567 -.01195389
huseduc | -.04018521 -.0205314
huswage | -.25323177*** -.14529064***
faminc | .00009038*** .00005221***
motheduc | .00507353 .00234333
fatheduc | .00064791 .00117228
unem | -.02345094 -.0135135
exper | .20616136*** .12285078***
expersq | -.00314087** -.00188736**
_cons | 3.6747339*** 2.1050395***
-------------+------------------------------------------------
Statistics |
N | 753 753 753
r2 | .31264646
--------------------------------------------------------------
legend: * p<0.05; ** p<0.01; *** p<0.001
El modelo que mayor se ajusta es el modelo probit teniendo un pseuso R2

de 0.2704 que es en un 27.04% mayor que el de Logit y MLP
CONCLUSIONES
En general, las variables que inciden positivamente en las horas laborales de las mujeres y cuyos
resultados presentan una apropiada robustez estadística son: i)NIÑOS MAYORES DE 6 AÑOS , ii)
EDUCACIÓN, iii) INGRESO FAMILIAR, iv) AÑOS DE ESCOLARIDAD DE LA MADRE DE LA MUJER, v)AÑOS
DE LA ESCOLARIDAD DEL PADRE DE LA MUJER, y la vi) EXPERIENCIA . Por otra parte, los factores
ECONOMETRIA II
que inciden negativamente en las horas de trabajo de las mujeres y tienen consistencia en todas
las regresiones son: i) NIÑOS MENORES DE 6 AÑOS; ii) HORAS TRABAJADAS POR EL MARIDO; iii)
EDAD DEL MARIDO, y iv) EDUCACIÓN DEL MARIDO v) TASA DE DESEMPLEO. Sobre esta base se puede
afirmar que la estructura del hogar es un elemento relevante en la determinación de las horas
que las mujeres destinan al trabajo remunerado y que esto podría relacionarse con el tiempo que
estas destinan a ese tipo de actividades. 3
3
ANEXO
DO. (STATA)
use "C:\Users\fie\Documents\caso 03 1509\datos 03.dta", clear
/// MODELO DE PROBABILIDAD LINEAL////
reg inlf kidslt6 kidsge6 age educ hushrs husage huseduc huswage faminc
motheduc fatheduc unem exper expersq
estimate store mpl
/// no normalidad de las perturbaciones
sktest inlf kidslt6 kidsge6 age educ hushrs husage huseduc huswage
faminc motheduc fatheduc unem exper expersq
sktest residuo
/// prueba de heterocedasticidad de Breus Pagan///
estat hettest
kdensity residuo
predict,r resid
ECONOMETRIA II
histogram residuos
histogram residuos, normal
avplot
//// MODELO LOGIT////

3
4
logit inlf kidslt6 kidsge6 age educ hushrs husage huseduc huswage
// sirve para guardar y utilizar posteriormente//
estimates store logit
// para ver si el modelo prevee las observaciones correctamente//
estat class
findit fitstat
fitstat
sss install fitstat
//EFECTOS MARGINALES
mfx
//Antilogaritmos
logistic inlf kidslt6 kidsge6 age educ hushrs husage huseduc huswage
//// Prediccion para todos y cada uno de los datos (cada caso
específico) Y_estim
predict prob, p
list prob
//// MODELO PROBIT////
probit inlf kidslt6 kidsge6 age educ hushrs husage huseduc huswage
estimates store probit
/// efectos marginales probit///
mfx
estat gof
//// VEREMOS LOS RESULTADOS DE LOS 3 MODELOS////
reg inlf kidslt6 kidsge6 age educ hushrs husage huseduc huswage faminc
motheduc fatheduc unem exper expersq
estimate store mpl
logit inlf kidslt6 kidsge6 age educ hushrs husage huseduc huswage
ECONOMETRIA II
estimates store logit
probit inlf kidslt6 kidsge6 age educ hushrs husage huseduc huswage
estimates store probit

3
5
//// tabla resumen////
estimates table mpl logit probit, star stat (N r2)
ECONOMETRIA II
3
6

Econometria Trabajo11

Cargado por

Copyright:

Formatos disponibles

Econometria Trabajo11

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Econometria Trabajo11

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DEL ALTIPLANO PUNO

FACULTAD DE INGENIERIA ECONOMICA

PARTICPACION DE LAS MUJERES EN EL MERCADO LABORAL DE PUNO

PLANTEAMIENTO DEL PROBLEMA

Actualmente a la mujer se le atribuye su participación en diferentes ámbitos como son: el

Cabe mencionar que la equidad de género es la igualdad de oportunidades, reconociendo y

VARIABLES DEL MODELO

OBJETIVO: El objetivo de este estudio es determinar si la estructura del hogar influye

MODELO DE PROBABILIDAD LINEAL

-------------+------------------------------ F( 14, 738) = 23.98

Model | 57.7544793 14 4.12531995 Prob > F = 0.0000

Residual | 126.973276 738 .17205051 R-squared = 0.3126

-------------+------------------------------ Adj R-squared = 0.2996

Total | 184.727756 752 .245648611 Root MSE = .41479

inlf | Coef. Std. Err. t P>|t| [95% Conf. Interval]

NIÑOS<6 | -.2513192 .0329573 -7.63 0.000 -.3160205 -.1866179

NIÑOS 6 | .0114344 .0129079 0.89 0.376 -.0139062 .0367751

EDAD | -.014642 .0043237 -3.39 0.001 -.0231303 -.0061537

EDUCACION | .0344539 .0092668 3.72 0.000 .0162615 .0526463

EDAD MARIDO | -.0031122 .0041814 -0.74 0.457 -.011321 .0050966

EDAD MUJER | -.0397715 .0063042 -6.31 0.000 -.0521478 -.0273952

INGRESO | .0000138 2.08e-06 6.60 0.000 9.67e-06 .0000179

motheduc | .0023156 .0057553 0.40 0.688 -.0089831 .0136143

EDUCACION PAPA| -.0000987 .0054332 -0.02 0.986 -.010765

DESEMPLEO | -.0040672 .0050166 -0.81 0.418 -.0139158 .0057814

EXP | .0380345 .005555 6.85 0.000 .027129 .04894

expEXP | -.0005937 .000181 -3.28 0.001 -.0009491 -.0002383

_cons | 1.080476 .1771103 6.10 0.000 .7327758 1.428176

INTERPRETACIÓN: La variable inlf se encuentra determinado por las

PROBLEMAS DEL MODELO DE PROBABILIDAD

------- joint ------

Variable | Obs Pr(Skewness) Pr(Kurtosis) adj chi2(2) Prob>chi2

inlf | 753 0.0021 . . .

NIÑOS 6 | 753 0.0000 0.0000 . 0.0000

kidsge6 | 753 0.0000 0.0005 72.09 0.0000

age | 753 0.0896 0.0000 . 0.0000

educ | 753 0.8120 0.0011 10.12 0.0063

hushrs | 753 0.0000 0.0000 56.75 0.0000

husage | 753 0.4663 0.0000 . 0.0000

huseduc | 753 0.0021 0.0310 12.82 0.0016

huswage | 753 0.0000 0.0000 . 0.0000

faminc | 753 0.0000 0.0000 . 0.0000

motheduc | 753 0.1809 0.6565 1.99 0.3697

fatheduc | 753 0.0266 0.9271 4.91 0.0857

unem | 753 0.0288 0.0000 27.86 0.0000

exper | 753 0.0000 0.0017 . 0.0000

expersq | 753 0.0000 0.0000 . 0.0000

------- joint ------

Variable | Obs Pr(Skewness) Pr(Kurtosis) adj chi2(2) Prob>chi2

residuo | 753 0.1943 0.0000 68.68 0.0000

Breusch-Pagan / Cook-Weisberg test for heteroskedasticity

Variable | Obs Mean Std. Dev. Min Max

residuo_e | 753 -.0002882 1.000607 -2.230754 2.516747

Logistic regression Number of obs = 700

Prob > chi2 = 0.0000

Log likelihood = -375.96672 Pseudo R2 = 0.2698

inlf | Coef. Std. Err. z P>|z| [95% Conf. Interval]

kidslt6 | -1.411555 .2095061 -6.74 0.000 -1.82218 -1.000931