Digamos que quieres estimar el retorno a la educación.
Modelo 1 (sin registro) : suponer que la DGP lo es:
$$w_{i} = \alpha + \beta x_{i} + \zeta_{i} + e_{i}$$
donde $x$ son los años de escolaridad, $\zeta_{i}$ es la heterogeneidad no observada (por ejemplo, la capacidad de captura), y $e$ es un error idiosincrásico. Además, el salario se mide en dólares por hora.
Pregunta 1 Como la variable dependiente es el salario por hora, ¿implica esto que $\alpha, \zeta_{i}$ , $e_{i}$ ¿también están en el salario por hora? Lo mismo para el compuesto $\beta x_{i}$ ? Si este es el caso, entonces $\beta$ -- El rendimiento de la educación se define como el salario por hora, por año de experiencia.
Modelo 2 (log) : suponer que la DGP lo es:
$$\ln{w_{i}} = \alpha + \beta x_{i} + \zeta_{i} + e_{i}$$
donde el salario, $x$ , $\zeta_{i}$ y $e$ son los definidos anteriormente.
Según las respuestas a esta pregunta La transformación logarítmica de una variable es adimensional. En consecuencia, $\ln{w_{i}}$ es adimensional. Pregunta 2 Esto implica que $\alpha, \zeta_{i}$ y $e_{i}$ ¿también son adimensionales? ¿Es el compuesto $\beta x_{i}$ ¿sin dimensiones? Si es así, la dimensión de $\beta$ es "1 sobre años de experiencia"(!). Cómo es entonces que podemos interpretar $\beta$ como el % de cambio en el salario tras un año más de educación?