Escuela Superior Politcnica del Litoral Prof: Leonardo Snchez Aragn

Facultad de Ciencias Sociales y Humansticas Octubre 31, 2017

Econometra I Trmino I

TAREA 1

Problema 1
Considere el modelo de regresin lineal simple :
Yi = 1 Xi + ui

a) Obtenga el estimador de Minimos Cuadrados para 1

b) Obtenga la distribucin asinttica de 1 bajo los supuestos (1)-(3). Indique cual es el valor esperado y la
varianza heterocedastica-robusta
c) Obtenga la distribucion muestral exacta de 1 bajo los supueso (1)-(5). Indique cual es el valor esperado
condicional 1 , asi como su varianza homocedastica.
d) Demuestre que para este modelo la igualdad :
SEC SRC
=1
ST C ST C
no se cumple. Encuentre la manera correcta de calcular el valor de R2 para este caso.

Problema 2
Suponga que se tiene el siguiente modelo de regresin (1): Yt = + Xt + ut , t = 1, ..., n, que se estima por MCO.
a) Cul es el R2 de la siguiente regresin?: ut = 0 + 1 Xt + wt . Donde u son los residuos de la regresin (1)
b) Si se hace la siguiente regresin: Yt = 0 + 1 Yt + vt , donde los Y son los valores estimados de Y. Cules son
los valores de los coecientes estimados 0 y 1 ? Cmo se compara el R2 de esta regresin con el R2 de la
regresin (1)?
c) Si se realiza la siguiente regresin: Yt = 0 + 1 ut + t , Cules son los valores de los coecientes estimados 0
y 1 ? Cul es el R2 de esta regresin?

Problema 3
La siguiente informacin se obtiene a partir de 16 observaciones de las variables X e Y:

16
X 16
X 16
X
Yi2 = 526 Xi2 = 657 Xi Yi = 492
i=1 i=1 i=1

16
X 16
X
Yi = 64 Xi = 96
i=1 i=1

a) Encuentre los estimadores MCO para la regresin Yi = 0 + 1 Xi + ui .

b) Calcule el coeciente de determinacin R2 .
c) Pruebe la hipotesis nula 1 = 3
2

d) Construya un intervalo de conanza al 99 % para 1

1
Problema 4
Considere el modelo de regresin lineal simple :
Yi = 0 + 1 Xi + ui

Donde se realizo un cambio de unidades a las variables originales Xi y Yi . Especicamente, las nuevas variables son
Xi = bXi y Yi = aYi , donde a y b son constantes mayores a cero.
a) Obtenga 0 y 1 por MCO para el modelo que relaciona Yi y Xi . Los estimadores deben ser escritos en
funcion de las variables originales Xi y Yi y las constantes a y b. Cmo se relacionan los nuevos estimadores
con aquellos que se obtienen cuando se relacionan las variables originales? Son iguales?
b) Obtenga la varianza de 1 por MCO para el modelo que relaciona Yi y Xi . Como se relacion esta varianza
con la obtendia del modelo original?
Calcule el R2 de la regresion. Como diere de aquel con las varaibles originales?

Problema 5
Considere el modelo de regresin lineal simple :
Yi = 0 + 1 Di + ui

Sea Yi es salario de la persona i, y sea Di igual a 1 si la persona i es mujer, y 0 en caso contrario. Asume que
dispone una muestra aleatoria de {Di , Yi } i = 1, ..., n. Usando la formula M CO para 0 y 1 muestre:
a) 1 es la diferencia entre el salario promedio entre mujeres y hombres.
b) 0 es el salario promedio para hombres.
c) Calcule la varianza homocedasticas para 1
d) Calcule el R2

Problema 6
Poco antes de hacer una presentacin sobre los resultados de testscore vs student-teacher ratio (STR), te das cuenta
de que uno de tus compaeros se olvid de escribir toda la informacin relevante en una de tus diapositivas. Esto
es lo que ves:
testscore = 698,9 1 ST R
(9,47) (0,48)

Los nmeros entre parntesis representan las desviaciones standard de los coecientes. El R2 = 0,051; ESR = 18,6
y n = 420. Adems, el miembro del grupo explica que ejecut la regresin en un programa de hoja de clculo
estndar y que, como resultado, los errores estndar entre parntesis son errores estndar de homoscedasticidad.
a) [10 puntos] Encuentre el valor de 1 .
b) [5 puntos] Interprete el valor obtenido en a).
c) [5 puntos] Calcule el estadstico t para la pendiente. Realice una prueba de dos colas para la H0 : 1 = 0, use
un nivel de conanza del 95 % (1,96 como valor critico).
d) [5 puntos] Le preocupa que su compaero solo le haya dado el resultado de los error estndar homoscedasticos,
en lugar de usar los errores estndar de heterocedasticidad-robustos?

Problema 7
Considere el modelo de regresin simple Yi = 0 + 1 Xi + ui donde Xi > 0 para todo i, y la varianza condicional
es var(ui |Xi ) = Xi2 donde > 0 es una constante conocida.

2
 a) Escribe la regresin ponderada como Yi = 0 X0i + 1 X1i + ui . Cmo construiras Yi , X0i y X1i ?
b) Demuestre que la varianza de ui es homocedastica.
c) Qu coeciente es la interseccin en el modelo de regresin modicado? Cul es la pendiente?
d) Al interpretar los resultados de la regresin, cul de las dos ecuaciones debera usar, el modelo original o el
modicado?

Problema 8
Usted esta intresado en el efecto d ela educacion sobre el salario como se expresa en el sigueinte modelo

salarioi = 0 + 1 Educacioni + ui

Para este problema, asumamos que la verdadera relacion esta dada por

salarioi = 10000 + 1000Educacioni + ui

El modelo indica que el salrio de la persona es USD 10,000 ms 1000 multiplicado por el nmero de aos de educacin
ms el trmino de error. Nuestro objetivo es explorar cuanto vara nuestra estimacin de 1 . Escriba el siguiente
cdigo de stata en un do le. Este simula un conjunto de datos con 100 observaciones. Los valores de educacin
para cada observacin pueden variar en el intervalo 0 a 16 aos. El trmino de rror se distribuye de manera normal
con una desviacin standard de 10,000.

La ltima lnea simula el cdigo 50 veces (el comando reps(50) realiza eso). Los valores de 1 para cada simulacin
son guardados en la variable _b_Ed; los valores de 0 se guardan en la variable _b_cons. Los valores del error
standard para 1 y 0 para cada simulacion son guardados en _se_Ed y _se_cons, respectivamente.
a) Explique por qu los promedios de los coecientes estimados en las mltiples simulaciones son lo que son.
b) Cules son los valores mnimo y mximo de los coecientes estimados en educacin? Explique si estos valores
no concuerdan con nuestra armacin de que las estimaciones de OLS son insesgadas.
c) Vuelva a ejecutar la simulacin con un tamao de muestra mayor en cada simulacin. Especcamente, con-
gure el tamao de muestra a 1,000 en cada simulacin. (Para ello, cambie la lnea obs establecida del cdigo).
Compare la media, el mnimo y el mximo de los coecientes estimados en educacin con los resultados
originales.
d) Vuelva a ejecutar la simulacin con un tamao de muestra ms pequeo en cada simulacin. Especcamente,
establezca el tamao de muestra en 20 en cada simulacin. Compare los promedios, mnimos y mximos de
los coecientes estimados en educacin con los resultados originales.
e) Restablezca el tamao de muestra a 100 y vuelva a ejecutar la simulacin con una desviacin estndar ms
pequea para cada simulacin. Especcamente, establezca SD a 500 para cada simulacin. (Para ello, cambie
la lnea escalar de StdDev del cdigo). Compare la media, el mnimo y el mximo de los coecientes estimados
en educacin con los resultados originales.
f) Manteniendo el tamao de muestra en 100 para cada simulacin, vuelva a ejecutar la simulacin con una
desviacin estndar mayor para cada simulacin. Especcamente, establezca StdDev a 50,000 para cada
simulacin. Compare el promedio, el mnimo y el mximo de los coecientes estimados en educacin con los
resultados originales.

3
Problema 9
En este problema se investiga la relacin entre los ingresos salariales por hora y los aos de educacion, sexo,
experiencia laboral y lugar de vivienda. El archivo de datos cps.xls contiene datos relativos a trabajadores que
fueron encuestados en el 2014. A continuacin se describen los datos
a) Importe los datos de excel a stata, y guardelo como cps.dta
b) Obtenga las estadsticas descriptivas para las variables salario, experiencia, educ y mujer. Explique detalla-
damente.
c) Haga una grca (scatter) entre salario y educ. Comente.
d) Haga una grca (scatter) entre salario y experiencia. Comente.
e) Genere la variable lsalario (logaritmo del salario).
f) Realice las siguientes regresiones (considere solo aquellas personas cuyas edades son mayores o iguales a 30).
Regresion 1: Realice una regresin robusta entre lsalario y educ.
Regresion 2: Realice una regresin robusta entre lsalario y expec.
Regresion 3: Realice una regresin robusta entre lsalario y mujer.
g) Interprete cada uno de los coecientes de las regresiones 1-3.
h) Para cada regresin estimadas, graque la relacin estimada
i) Para cada regresin estimadas, graque los residuos estimadas versus los regresores. Observa alguna relacin
sistemtica?
j) Para cada una de las regresiones estimadas, genere la variables residuos al cuadrado (uhat2), y haga una
grca de uhat2 versus su respectiva regresor.
k) Qu sucede con la signicancia individual de las variables a traves de las 3 regresiones?