Problema de regresión múltiple con interacción y test diagnósticos (sin solución)

 La sintaxis que sigue genera una base con las variables salario_hora, años de educación, años de experiencia laboral y sexo.

**************

clear all

set seed 1500

set obs 500

gen sexo = rbinomial(1, 0.5)

label define sexo 0 "hombre" 1 "mujer"

label values sexo sexo

gen años_educ  = round(rnormal(10, 3))

gen años_experiencia = round(runiform() * 15)

gen salario_hora = 200 + años_educ * 5 + años_exp * 4 + rnormal(0,10) if sexo ==0

replace salario_hora = 150 + años_educ * 5 + años_exp * 1.5 + rnormal(0,10) if sexo ==1

cls

**************

Un investigador sospecha que existe una interacción entre años de experiencia y sexo: o sea que la experiencia no es recompensada de la misma manera en hombres y mujeres.

Se pide:

Halle la ecuación de regresión para estimar el salario hora a partir de las siguientes variables:

1. Sexo
2. Años de educación
3. Años de experiencia
4. Interacción entre años de experiencia y sexo

¿Se puede rechazar la hipótesis nula en esta regresión lineal? Explique.

¿Cuál es la varianza explicada por el modelo?

¿Cuál es la Root MSE? ¿Qué indica este valor?

¿La interacción sexo - años de experiencia se muestra significativa?

¿Cuál es la predicción de salario hora para una mujer con 10 años de educación y 10 de experiencia?

¿Cuál es la predicción de salario hora para un hombre con 10 años de educación?

Los residuos del modelo ¿se muestran normales?

En los test de pos estimación, ¿aparecen outliers? Explique.

¿Se advierte heterocedasticidad o relaciones curvilíneas en los test de post estimación? Explique.