Log-linearization bias: estimating returns to education through quantile regression
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Outros Autores: | , , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Economia Aplicada |
Texto Completo: | https://www.revistas.usp.br/ecoa/article/view/147299 |
Resumo: | The present study proposes to estimate returns to education on Brazilian workers' wages through quantile regression. OLS estimation of log-linearized Mincer (1974) equation, which is traditionally present in literature, can generate a specification bias resulting from Jensen’s inequality. Median estimates, as wellas the mean of quantile coefficients, presented lower coefficients than OLS estimates, indicating a possible superestimation on education returns in the mean. Ultimately, we observed that education generates bigger wage gains for upper income quantiles. |
id |
USP-21_2abc6949db220cb8dedbb93c81d9aeda |
---|---|
oai_identifier_str |
oai:revistas.usp.br:article/147299 |
network_acronym_str |
USP-21 |
network_name_str |
Economia Aplicada |
repository_id_str |
|
spelling |
Log-linearization bias: estimating returns to education through quantile regressionViés da log-linearização: estimando o retorno da educação através de regressões quantílicasreturns to educationlog-linearizationquantile regressionretornos à educaçãolog-linearizaçãoregressões quantílicasThe present study proposes to estimate returns to education on Brazilian workers' wages through quantile regression. OLS estimation of log-linearized Mincer (1974) equation, which is traditionally present in literature, can generate a specification bias resulting from Jensen’s inequality. Median estimates, as wellas the mean of quantile coefficients, presented lower coefficients than OLS estimates, indicating a possible superestimation on education returns in the mean. Ultimately, we observed that education generates bigger wage gains for upper income quantiles.O artigo estima o retorno da educação sobre o salário dos trabalhadores no Brasil através de regressões quantílicas. A estimação por mínimos quadrados ordinários da equação de Mincer (1974) log-linearizada pode gerar um viés de especificação resultado da desigualdade de Jensen. As estimativas para a mediana, bem como para a média dos quantis (regressão quantílica), apresentaram coeficientes menores que as estimativas por mínimos quadrados ordinários, indicando uma possível superestimação do retorno da educação na média. Por fim, foi observado que a educação gera maiores ganhos salariais para os quantis superiores de renda.Universidade de São Paulo, FEA-RP/USP2022-03-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://www.revistas.usp.br/ecoa/article/view/14729910.11606/1980-5330/ea147299Economia Aplicada; Vol. 26 No. 1 (2022); 101-116Economia Aplicada; Vol. 26 Núm. 1 (2022); 101-116Economia Aplicada; v. 26 n. 1 (2022); 101-1161980-53301413-8050reponame:Economia Aplicadainstname:Universidade de São Paulo (USP)instacron:USPporhttps://www.revistas.usp.br/ecoa/article/view/147299/181893Copyright (c) 2022 Economia Aplicadahttp://creativecommons.org/licenses/by-nc/4.0info:eu-repo/semantics/openAccessSouza, Wallace Patrick Santos de FariasFigueiredo, Erik AlencarAnnegues, Ana CláudiaStampe, Marianne Zwilling2022-05-12T15:57:57Zoai:revistas.usp.br:article/147299Revistahttps://www.revistas.usp.br/ecoaPUBhttps://www.revistas.usp.br/ecoa/oai||revecap@usp.br1980-53301413-8050opendoar:2023-09-13T12:17:12.260470Economia Aplicada - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Log-linearization bias: estimating returns to education through quantile regression Viés da log-linearização: estimando o retorno da educação através de regressões quantílicas |
title |
Log-linearization bias: estimating returns to education through quantile regression |
spellingShingle |
Log-linearization bias: estimating returns to education through quantile regression Souza, Wallace Patrick Santos de Farias returns to education log-linearization quantile regression retornos à educação log-linearização regressões quantílicas |
title_short |
Log-linearization bias: estimating returns to education through quantile regression |
title_full |
Log-linearization bias: estimating returns to education through quantile regression |
title_fullStr |
Log-linearization bias: estimating returns to education through quantile regression |
title_full_unstemmed |
Log-linearization bias: estimating returns to education through quantile regression |
title_sort |
Log-linearization bias: estimating returns to education through quantile regression |
author |
Souza, Wallace Patrick Santos de Farias |
author_facet |
Souza, Wallace Patrick Santos de Farias Figueiredo, Erik Alencar Annegues, Ana Cláudia Stampe, Marianne Zwilling |
author_role |
author |
author2 |
Figueiredo, Erik Alencar Annegues, Ana Cláudia Stampe, Marianne Zwilling |
author2_role |
author author author |
dc.contributor.author.fl_str_mv |
Souza, Wallace Patrick Santos de Farias Figueiredo, Erik Alencar Annegues, Ana Cláudia Stampe, Marianne Zwilling |
dc.subject.por.fl_str_mv |
returns to education log-linearization quantile regression retornos à educação log-linearização regressões quantílicas |
topic |
returns to education log-linearization quantile regression retornos à educação log-linearização regressões quantílicas |
description |
The present study proposes to estimate returns to education on Brazilian workers' wages through quantile regression. OLS estimation of log-linearized Mincer (1974) equation, which is traditionally present in literature, can generate a specification bias resulting from Jensen’s inequality. Median estimates, as wellas the mean of quantile coefficients, presented lower coefficients than OLS estimates, indicating a possible superestimation on education returns in the mean. Ultimately, we observed that education generates bigger wage gains for upper income quantiles. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-03-01 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://www.revistas.usp.br/ecoa/article/view/147299 10.11606/1980-5330/ea147299 |
url |
https://www.revistas.usp.br/ecoa/article/view/147299 |
identifier_str_mv |
10.11606/1980-5330/ea147299 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://www.revistas.usp.br/ecoa/article/view/147299/181893 |
dc.rights.driver.fl_str_mv |
Copyright (c) 2022 Economia Aplicada http://creativecommons.org/licenses/by-nc/4.0 info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Copyright (c) 2022 Economia Aplicada http://creativecommons.org/licenses/by-nc/4.0 |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade de São Paulo, FEA-RP/USP |
publisher.none.fl_str_mv |
Universidade de São Paulo, FEA-RP/USP |
dc.source.none.fl_str_mv |
Economia Aplicada; Vol. 26 No. 1 (2022); 101-116 Economia Aplicada; Vol. 26 Núm. 1 (2022); 101-116 Economia Aplicada; v. 26 n. 1 (2022); 101-116 1980-5330 1413-8050 reponame:Economia Aplicada instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Economia Aplicada |
collection |
Economia Aplicada |
repository.name.fl_str_mv |
Economia Aplicada - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
||revecap@usp.br |
_version_ |
1800221695932366848 |