Abstract

BRONDINO, Alejandro  and  SACOTO MOLINA, Matías Nicolás. Bases para una alternativa noparametrica de la funcion de Mincer. Revista Economía y Política [online]. 2017, n.25, pp.21-35.  Epub Jan 06, 2017. ISSN 2477-9075.  https://doi.org/10.25097/rep.n25.2017.02.

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.

Keywords : econometría no paramétrica; inferencia estadística; estimación no paramétrica; función Mincer; intervalos de confianza.

        · abstract in English     · text in English     · English ( pdf )