• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 1
  • Tagged with
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
1

Modelos de regressão bivariada: uma aplicação em equações mincerianas de rendimento / Bivariate regression models: an application to mincerian earnings equations

Cunha, Danúbia Rodrigues da 08 February 2018 (has links)
Submitted by Franciele Moreira (francielemoreyra@gmail.com) on 2018-03-28T12:09:11Z No. of bitstreams: 2 Dissertação - Danúbia Rodrigues da Cunha - 2018.pdf: 7944363 bytes, checksum: f0229888d666e1d8367f8c31ee27a238 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2018-03-29T11:30:21Z (GMT) No. of bitstreams: 2 Dissertação - Danúbia Rodrigues da Cunha - 2018.pdf: 7944363 bytes, checksum: f0229888d666e1d8367f8c31ee27a238 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-03-29T11:30:21Z (GMT). No. of bitstreams: 2 Dissertação - Danúbia Rodrigues da Cunha - 2018.pdf: 7944363 bytes, checksum: f0229888d666e1d8367f8c31ee27a238 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2018-02-08 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / In this work, bivariate regression models based on the bivariate normal, t and Birnbaum-Saunders distributions are used to analyze labor market data. In special, the objective is to model the dependent variable of the Mincerian earnings equation separately, namely, the variable hourly earnings (which is obtained by dividing gross monthly earnings by hours worked) is modeled in two parts, earnings and hours worked. The bivariate regression models are used to model these two parts in order to try to capture the correlation between them and the different effects, that is, remuneration or premium for labor effort, and the labor supply or the time that the worker offers to the market. In order to accomplish this, data from the Brazilian National Household Sample Survey (PNAD) for the years 2013, 2014 and 2015 are used. The parameters of the models are estimated using the maximum likelihood method. The results show that the bivariate regression model based on the bivariate t distribution has the best fit for the data, and that the presence of correlation between earnings and hours worked indicates that the bivariate model is more adequate than the univariate model. / Nessa dissertação, modelos de regressão bivariada baseados nas distribuições bivariadas normal, t e Birnbaum-Saunders são usados para analisar dados do mercado de trabalho. Em especial, o objetivo é modelar a variável dependente da equação de rendimento minceriana de forma separada, ou seja, o rendimento-hora é modelado em duas partes, rendimento e horas trabalhadas. Os modelos de regressão bivariada são utilizados para modelar essas duas partes de forma a tentar captar a correlação entre elas e os distintos efeitos, ou seja, remuneração ou prêmio pelo esforço desprendido pela mão de obra, e oferta de trabalho ou o tempo que o trabalhador disponibiliza ao mercado. Para tal, usa-se dados da Pesquisa Nacional por Amostra de Domicílios (PNAD) para os anos de 2013, 2014 e 2015. Os parâmetros dos modelos são estimados usando o método da máxima verossimilhança. Os resultados mostram que o modelo de regressão bivariada baseada na distribuição bivariada t tem o melhor ajuste para os dados, e que a presença de correlação entre rendimento e horas trabalhadas indica que o modelo bivariado é mais adequado que o univariado.

Page generated in 0.0942 seconds