Title: | Bases for alternative nonparametric mincer function |
Other Titles: | Bases para una alternativa noparamétrica de la función de mincer |
Authors: | Sacoto Molina, Matias Nicolas Brondino, Alejandro |
metadata.dc.ucuenca.correspondencia: | ale_brondino@hotmail.com. matias.sacoto@ucuenca.edu.ec |
metadata.dc.ucuenca.nombrerevista: | Economía y Política |
Keywords: | Economia Inferencia Estadistica Econometria Funcion Mincer |
Issue Date: | Jan-2017 |
metadata.dc.ucuenca.paginacion: | Páginas 29-43 |
metadata.dc.description.numberSequence: | número 25 |
metadata.dc.identifier.doi: | http://dx.doi.org/10.25097/rep.n25.2017.02 |
Publisher: | Universidad de Cuenca |
metadata.dc.description.city: | Cuenca |
metadata.dc.type: | Article |
Abstract: | This work undertakes a nonparametric regression in order to assess the viability of this technique in modeling
a simplified Mincer Function of earnings applied to the NBA players’ wages. The main advantages of using this
technique is that it does not rely on assumptions and the statistical inference is not sensitive to distributions
disturbances due to violations of the assumptions. The results of the nonparametric estimation are compared
to a classical OLS regression. We found evidence that the OLS estimator did not fulfilled the assumptions that
this method requires, therefore, the statistical inference form this estimation could lead to wrong conclusions
(due to lack of efficiency), unless some correction that solves the violation to the assumptions is applied to
the model. On the other hand, the confidence intervals obtained from the nonparametric regression are more
accurate and less sensitive to variability and magnitude of the variables. Consequently, the nonparametric
estimation would be an alternative to model the behaviour of the wages avoiding strong assumptions that
could lead to wrong statistical inference conclusions. |
Description: | Este trabajo realiza una regresión no paramétrica con el fin de probar la viabilidad de esta técnica para modelar
una versión simplificada de la función de ganancias de Mincer aplicada a los salarios de los jugadores de
la NBA. Las principales ventajas del uso de esta técnica es que no se basa en supuestos y la inferencia
estadística no es sensible a perturbaciones de distribuciones debido a violaciones de estos supuestos. Los
resultados de la estimación no paramétrica se comparan con una regresión OLS clásica. Se encontró evidencia
de que la regresión OLS no cumplió con los supuestos que este método requiere, por lo tanto, inferencia
estadística en base a esta regresión podría llevar a establecer conclusiones incorrectas (debido a la ineficiencia
del estimador), a menos que se apliquen las correcciones al modelo que permitan solucionar los problemas
con los supuestos. Por otro lado, los intervalos de confianza obtenidos de la regresión no paramétrica son más
precisos y menos sensibles a la variabilidad y magnitud de las variables. En consecuencia, la estimación no
paramétrica sería una alternativa para modelar el comportamiento de los salarios evitando supuestos muy
estrictos que potencialmente conducirán a conclusiones de inferencia estadística erróneas. |
URI: | http://dspace.ucuenca.edu.ec/handle/123456789/30157 |
Appears in Collections: | No. 25 (enero junio 2017)
|
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.