DISTRIBUCIÓN DEL INGRESO SEGÚN GÉNERO UN ENFOQUE SEMIPARAMÉTRICO

• Main Authors: JUANA BRUFMAN, HERIBERTO URBISAIA, LUIS TRAJTENBERG
• Format: Article
• Language: English
• Published: Universidad de Buenos Aires 2012-11-01
• Series: Cuadernos del CIMBAGE
• Online Access: https://ojs.econ.uba.ar/index.php/CIMBAGE/article/view/339
• ISSN: 1666-5112; 1669-1830

En este trabajo se aplican técnicas semiparamétricas para el análisis de la distribución del Ingreso Laboral según género. En un trabajo anterior (Brufman et al, 2006), se relacionaban en forma separada el ingreso con los años de escolaridad y la experiencia laboral, usando una regresión no paramétrica Una limitación seria en esta técnica es que no se extiende bien en el caso de más de dos variables: esta es la conocida “maldición de la dimensionalidad”. En este artículo, se incorporan simultánemaente ambas variables como regresores, por lo que se impone la regresión semiparamétrica. El modelo lineal parcial y = Xβ + m(z)+ε es un ejemplo de un análisis semiparamétrico. La estimación se realiza ajustando y y X no paramétricamente como función de z. Los residuos de la primera estimación se regresan en los de la segunda para obtener OLS β ) . Finalmente se obtiene ( ) z m ajustando no paramétricamente OLS X y β ) − con z. Palabras Clave: superficie de regresión, maldición de la dimensionalidad, modelo lineal parcial, modelo índice. Abstract In this paper, we apply semi-parametric techniques in order to analise the distribution of the income labor by gender. In a preceding analysis (Brufman et al, 2006), in a bivariate dimension, we have related separately Labor income, years of schooling and labor experience, using a nonparametric regression. A serious limitation of this technique is that it does not extend well to more than two variables: this is the well-known course of dimensionality. Now, we include simultaneously both variables as regressors. So, we turn to a semiparametric regression. A partial linear model y = Xβ + m(z)+ε is an example of a semi-parametric analysis. Estimation proceeds by fitting y and X non-parametrically as a function of z. The resulting residualized y is regressed on residualized X to get OLS β ) ; finally m(z) is obtained by fitting OLS X y β ) − non- parametrically with z. Keywords: regression surface, course of dimensionality, partial linear model, index model.