BRONDINO, Alejandro    SACOTO MOLINA, Matías Nicolás. Bases for alternative nonparametric Mincer function. []. , 25, pp.21-35.   06--2017. ISSN 2477-9075.  https://doi.org/10.25097/rep.n25.2017.02.

^a

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.

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.

: .

        · | |     · |     · ( pdf )