Beruflich Dokumente
Kultur Dokumente
1 INTRODUCCIN:
El fin de este trabajo es presentar la cuanta de los determinantes en la
variable empleo, cunto es el impacto que tienen las variables aos de
educacin y edad sobre el empleo.
-
Curso
4
3
4
Cuadro 1.
Max
curso
5
3
4
Aos
educacin
4
8
12
de
o Curso
Operaci
n
3+5=8
(Max.
Cursos en
nivel 21)
Aos
educacin
de
TRABAJ
A
SI
NO
VALOR
1
2
Nuevo
valor
1
0
2 OBJETIVOS
El objetivo del siguiente trabajo es ver la relevancia e impacto que pueda tener
el incremento en alguna de las variables independientes, como ser educacin y
edad para con variable empleo, responder a las preguntas planteadas todo lo
mencionada a travs de los siguientes mtodos:
-
3 MARCO TERICO
Empleo.- Es la situacin laboral en la que se encontraba la persona una
semana antes de la encuesta, divida en si trabaja o no.
Aos de educacin.- Son los aos que la persona se tom en concluir
los estudios hasta el momento de la entrevista, los aos de educacin
que fueron tomados en cuenta son desde el primer curso escolar
(Obviando knder y pre knder) hasta el ltimo grado o curso mayor
conocido, doctorado.
La relacin que se espera de esta variable para con la dependiente
(empleo) es directa con signo positivo, ya que se tiene la premisa que a
mayor educacin mayor ser la probabilidad de obtener empleo.
Edad.- Es la edad de la personas, cumplida hasta el momento de la
encuesta, no se tomaron en cuenta menores de 10 aos, por lo
mencionado en la introduccin.
La relacin esperada de esta variable con la dependiente (edad) es
inversa, ya que a mayor edad, es menor la probabilidad de obtener
empleo.
EM = 0 + 1 E + 2 AE + i
T: Variable empleo medido (0 = No trabaja; 1 = Si trabaja)
E: Edad o Aos cumplidos de la persona, unidad de medida, aos.
0.00
R-squared
0.00
0.00
= 0.031
0.00
0.00
0.00
Mc Fadden R-squared = 0.024
Donde:
Pi =
ez
z
1+ e El modelo ser el siguiente:
L=ln
Pi
=z=0. 414350+ 0.038409AE+ 0.018228E
1Pi
( )
Interceptaciones:
Al igual que en el modelo lineal de probabildiad MLP, Nos indica que
todas las variables independientes son significativas.
0= Si no se tienen aos de educacin y la edad es cero, la
probabilidad de obtener empleo es negativa, al no existir probabilidades
negativas se concluye que es cero, imposible conseguir trabajo sin esas
variables.
1=
e 0.785
Pi =
1+ e 0.785
Concluimos que la probabilidad de obtener empleo al salir de la
universidad y teniendo 30 aos es de 79%.
El Mc fadden R-squared nos indica que el comportamiento o variaciones
que tiene la variable dependientes Trabajo (T) es explicada en apenas un
2.4% por las variables Aos de educacin (AE) y Edad (E).
Pero para ver la bondad del modelo podemos usar el cuadro 2.2. (Ver
anexo 2).
Segn ese cuadro podemos concluir que los ceros (No trabaja) o fracaso,
fue capturado en un 18.18 % mientras que los 1 (Trabaja) o xito, fue
capturado en un 97.83 %, pero el modelo en si tiene una probabilidad
de acertar o captar la respuesta correcta de un 69.09 % y de fracasar en
la captura, deja escapar o no acierta en un 30.91 %, es decir la variable
trabajo puede estar explicada por otras variables en un 30.91%.
O en resumidas cuentas decimos que de todas las predicciones el
69.09% son correctas.
ANEXOS.
1. MLP.
Cuadro 1. Salida de resultados - MLP
Dependent Variable: T
Method: Least Squares
Date: 02/24/16 Time: 08:15
Sample: 1 23979
Included observations: 23979
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
AE
E
0.416324
0.008412
0.004055
0.008615
0.000463
0.000173
48.32411
18.15872
23.47699
0.0000
0.0000
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.031130
0.031049
0.472745
5358.336
-16058.16
385.1786
0.000000
Grafico 1.
TF
1.2
1.0
0.8
0.6
0.4
0.2
0.0
5000
10000
15000
20000
0.639143
0.480259
1.339602
1.340614
1.339930
1.904165
2. LOGIT
3. Cuadro 2.1. Salida de resultados - LOGIT
4.
7.
8.
11.
14.
17.
19.
Dependent Variable: T
5.
Method: ML - Binary Logit (Quadratic hill climbing)
Date: 02/24/16 Time: 08:16
9.
Sample: 1 23979
12.
Included observations: 23979
15.
Convergence achieved after 4 iterations
Covariance matrix computed using second derivatives
20.
21.
22.
23.
25.
26.31.
27.
28.
33.
Coe
32.
zfficie
Std.
Statis
30. Variable
nt
Error
tic
35.
36.
37.
38.
40.
41.46.
42.
43.
48.
0.41
47.
435
0.038
10.76
45. C
0
480
786
51.
0.03
52.
53.
840
0.002
17.76
50. AE
9
162
424
56.
0.01
57.
58.
822
0.000
22.93
55. E
8
795
304
60.
61.
62.
63.
65.
66.
67.
68.
71.
0.02
435
0
72.
Mean
dependent var
75.
0.48
025
9
76.
S.E. of
regression
79.
1.27
622
4
80.
Sum
squared resid
82. Schwarz
criterion
83.
1.27
723
6
84.
Log
likelihood
86. Hannan-Quinn
criter.
87.
1.27
655
2
88.
91.
313
60.2
1
95.
763.
626
Deviance
92.
Restr. log
likelihood
96.
Avg. log
likelihood
6.
10.
13.
16.
18.
24.
29.34.
Pr
ob.
39.
44.
49.
0.0
00
0
54.
0.0
00
0
59.
0.0
00
0
64.
69.73.
0.6
39
14
3
77.
0.4
71
10
5
81.
53
21.
22
5
85.
15
29
8.2
9
89.
30
59
6.5
9
93.
15
68
0.1
1
97.
0.6
98. Prob(LR
statistic)
103.
108.
2
99.
0.00
000
0
104.
109.
114.
865
3
118.
153
26
123.
128.
37
98
7
100.
105.
110.
115.
119.
124.
129.
101.
106.
111.
Total obs
120.
125.
130.
132.
Cuadro 2.2. Prediccin Logit
102.
107.
112.
116.
23
97
9
121.
126.
131.
133.
134.Expectation-Prediction Evaluation for Binary Specification
135.Equation: UNTITLED
136.
137.
138.
140.Date: 02/24/16 Time: 08:32
141.
142.
144.Success cutoff: C = 0.5
145.
146.
148.
149.
150.
151.
152.
153.
155.
156.
157.
158.
159.
160.
163.
Estimated
164.
Constant
162.
Equation
Probability
166.
167.
169.
170.
D
D
D
D
e
e
168.
e
e
p
p
T
p
p
=
=
ot
=
=
165.
0
1
al
0
1
172.
173.
174.
175.
176.
177.
179.
180.187. 181.
182.189. 183.
184.
1
188.
1
186.P(Dep
5
3
9
=1)<=
7
3
0
190.
191.
C
3
3
6
0
0
195.
196.
198.
194.
1
2
197.
1
7
4
2
8
5
0
9
0
6
3
193.P(Dep
8
9
7
5
2
=1)>C
0
3
3
3
6
202.
203.
205.
201.
1
2
204.
1
8
5
3
8
5
6
3
9
6
3
5
2
7
5
2
200.Total
3
6
9
3
6
209.
210.
212.
208.
1
1
1
1
4
6
5
5
9
5
3
207.Correc
7
9
6
211.
2
t
3
3
6
0
6
219.
215.
216.
217.
1
1
9
6
218.
0
214.%
8.
7.
9.
0.
0.
Correc
1
8
0
0
0
t
8
3
9
0
0
221.%
222.
223.
224.
225.
226.
Incorre
8
2.
3
1
0.
139.
143.
147.
154.
161.
171.
T
ot
al
178.
185.
192.
0
199.
2
3
9
7
9
206.
2
3
9
7
9
213.
1
5
3
2
6
220.
6
3.
9
1
227.
3
ct
228.
235.
1.
8
2
229.
236.
1
7
230.
237.
242.
0.
9
1
231.
238.
0
0.
0
0
232.
239.
0
0
233.
240.
6.
0
9
234.
241.
243.
3. PROBIT
244. Cuadro 3.1. Salida de resultados PROBIT
245.Dependent Variable: T
246.
248.Method: ML - Binary Probit (Quadratic hill climbing)
249.Date: 02/24/16 Time: 08:26
250.
252.Sample: 1 23979
253.
255.Included observations: 23979
256.
258.Convergence achieved after 3 iterations
260.Covariance matrix computed using second derivatives
261.
262.
263.
264.
266.
267.
268.
269.
272.
274.
Coe
273.
zfficie
Std.
Statis
271.Variable
nt
Error
tic
276.
277.
278.
279.
281.
282.
283.
284.
287.
289.
0.22
288.
150
0.023
9.562
286.C
5
164
542
292.
0.02
293.
294.
307
0.001
17.80
291.AE
3
296
349
297.
0.01
298.
299.
041
0.000
22.53
296.E
5
462
643
301.
302.
303.
304.
306.
307.
308.
309.
312.
0.02
325
1
313.
Mean
dependent var
315.S.D. dependent
var
316.
0.48
025
9
317.
S.E. of
regression
319.Akaike info
criterion
320.
1.27
766
1
321.
Sum
squared resid
323.Schwarz
criterion
324.
1.27
867
3
325.
Log
likelihood
327.Hannan-Quinn
criter.
328.
1.27
799
0
329.
332.
313
60.2
1
336.
729.
333.
Restr. log
likelihood
337.
Avg. log
likelihood
331.Restr. deviance
335.LR statistic
Deviance
247.
251.
254.
257.
259.
265.
270.
275.
Pr
ob.
280.
285.
290.
0.0
00
0
295.
0.0
00
0
300.
0.0
00
0
305.
310.
314.
0.6
39
14
3
318.
0.4
71
60
1
322.
53
32.
44
2
326.
15
31
5.5
2
330.
30
63
1.0
4
334.
15
68
0.1
1
338.
-
339.Prob(LR
statistic)
344.
349.
373.
167
4
340.
0.00
000
0
345.
350.
355.
865
3
359.
153
26
364.
369.
0.6
38
70
6
341.
346.
351.
356.
360.
365.
370.
342.
347.
352.
Total obs
361.
366.
371.
343.
348.
353.
357.
23
97
9
362.
367.
372.
Cuadro 3.2
374.Expectation-Prediction Evaluation for Binary Specification
375.Equation: UNTITLED
376.
377.
378.
380.Date: 02/24/16 Time: 09:48
381.
382.
384.Success cutoff: C = 0.5
385.
386.
388.
389.
390.
391.
392.
393.
395.
396.
397.
398.
399.
400.
403.
Estimated
404.
Constant
402.
Equation
Probability
406.
407.
409.
410.
D
D
D
D
e
e
408.
e
e
p
p
T
p
p
=
=
ot
=
=
405.
0
1
al
0
1
412.
413.
414.
415.
416.
417.
419.
420.427. 421.
422.429. 423.
424.
1
428.
1
426.P(Dep
0
1
2
=1)<=
7
9
6
430.
431.
C
1
8
9
0
0
435.
436.
438.
434.
1
2
437.
1
7
5
2
8
5
5
1
7
6
3
433.P(Dep
8
2
1
5
2
=1)>C
2
8
0
3
6
442.
443.
445.
441.
1
2
444.
1
8
5
3
8
5
6
3
9
6
3
5
2
7
5
2
440.Total
3
6
9
3
6
449.
450.
452.
448.
1
1
1
1
5
6
5
0
1
1
3
447.Correc
7
2
9
451.
2
t
1
8
9
0
6
459.
455.
456.
457.
1
1
9
6
458.
0
454.%
2.
8.
7.
0.
0.
Correc
3
7
5
0
0
t
8
1
5
0
0
461.%
462.
463.
464.
465.
466.
379.
383.
387.
394.
401.
411.
T
ot
al
418.
425.
432.
0
439.
2
3
9
7
9
446.
2
3
9
7
9
453.
1
5
3
2
6
460.
6
3.
9
1
467.
Incorre
ct
489.
468.
475.
482.
8
7.
6
2
469.
476.
483.
1.
2
9
470.
477.
484.
3
2.
4
5
471.
478.
485.
1
0
0.
0
0
472.
479.
486.
0.
0
0
473.
480.
487.
3
6.
0
9
474.
481.
488.