Universidad Francisco Marroqun Facultad de Ciencias Econmicas Econometra I Ejercicios de Repaso Instrucciones: Realice lo que se le solicita a continuacin.

Nombre: Carnet: 4/4/2013

1. Dadas las siguientes hiptesis nulas, escriba la manera en que se debera estimar el error estndar, para realizar una prueba t. a. b. c. d. Ho:1=1/22 Ho:1=-42 Ho:1=2+log(24) Ho:21=52

e. Ho:21=-32+ 2. Preguntas directas: a. Por qu en un modelo de regresin mltiple se utiliza el R2 ajustado? b. Por qu agregar una variable irrelevante no produce sesgo sobre mis estimaciones?, Qu efecto produce la variable irrelevante sobre mis estimaciones? c. Describa los supuestos Gauss Markov y sus implicaciones para que los estimadores de OLS sean
MELI (BLUE) d. Qu utilidad tienen las variables dicotmicas?, presente un ejemplo en donde se destaque su importancia.

3. Suponga que el modelo real para estimar los gastos administrativos de una institucin bancaria se encuentra descrito por la siguiente relacin:

Si se estimara un modelo de la siguiente manera:

a. Demuestre el sesgo que tendra ( ). b. Al estimar , el coeficiente se estara sobreestimando o subestimando?.

4. Se obtuvo la siguiente estimacin:

sat es la puntuacin combinada en el examen de admisin (SAT) hsize es la cantidad de alumnos, expresada en cientos, que en la escuela del estudiante terminaron con el bachillerato. female es una variable binaria para gnero femenino black es una variable dicotmica para raza, que es igual a 1 si para negros y 0 para los no negros. a. Existe alguna evidencia de que hsize2 deba incluirse en el modelo?, Cul es su interpretacin? b. Qu interpretacin tiene la constante de la regresin? c. Cmo se interpreta el coeficiente female*black?, Es esta variable significativa? d. Qu sucedera si al modelo anterior se le agrega la variable dicotmica male? e. Cmo se interpretara el coeficiente de la variable hsize, si el modelo se estima con el logaritmo de la variable sat? f. Cmo se interpretara el coeficiente de la variable hsize, si el modelo se estima con el logaritmo de la variable hsize? g. Cmo se interpretara el coeficiente de la variable hsize, si el modelo se estima con el logaritmo de la variable sat y el logaritmo de la variable hsize?

5. Se le presentarn dos distintas estimaciones de un modelo economtrico. A continuacin se le presenta el contexto y se le pide que responda cada una de las preguntas a expuestas. Usted est analizando el mercado de los bienes races. Se ha dado cuenta que, a pesar de la crisis en el sector inmobiliario, es una oportunidad importante para crear valor en el mercado y para su propia billetera. Por tanto, quiere saber qu factores determinan el precio en el mercado de la vivienda. Usted ha propuesto la siguiente especificacin economtrica: ( ) ( )

Para la estimacin se tomaron observaciones del 2002 al 2008 para distintos condados. La variable precio indica el precio de venta de la casa en dlares, ox mide la concentracin de dixido de carbono en el vecindario en partes por 100m, cuartos el nmero de cuartos por vivienda y crimen la cantidad de crmenes per capita cometidos en el vecindario. Los resultados se muestran en las tablas 1 y 2. Tabla 1
Dependent Variable: LOG(PRECIO) Method: Least Squares Sample: 1 39 Included observations: 39 Variable C LOG(OX) CUARTOS R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 9.233737 -0.717673 0.305918 0.513717 0.511784 0.285957 41.13090 83.00929 0.603289 Std. Error 4.851181 0.355248 0.157252 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 9.941057 0.409255 0.339958 0.365016 265.6887 0.000000

Tabla 2
Dependent Variable: LOG(PRECIO) Method: Least Squares Sample: 1 39 Included observations: 39 Variable C LOG(OX) CUARTOS CRIMEN R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 8.958916 -0.454869 0.287695 -0.015400 0.598028 0.595626 0.260247 33.99970 34.83609 0.800572 Std. Error 4.430698 0.214153 0.144504 0.008472 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 9.941057 0.409255 0.153502 0.186914 248.9477 0.000000

Preguntas (no olvide dejar claras sus hiptesis de trabajo y todo clculo utilizado para establecer sus conclusiones): a. Qu modelo le parece ms apropiado y por qu?, utilice un respaldo estadstico En relacin al segundo modelo b. Qu interpretacin tiene cada uno de los coeficientes de la regresin?, Son estadsticamente significativos?

6. Se le presenta el siguiente problema:

Donde wage es el salario por hora, age son los aos de edad, schooling los aos de escolaridad para el sujeto i. Adems, sex es una variable que toma valor de uno si es mujer y de lo contrario toma un valor de cero. Asimismo, blanco es una variable que toma el valor de uno si es blanco y cero de lo contrario. A continuacin se le pide que responda las siguientes preguntas: a. Usted desea plantear la siguiente hiptesis: i. Los coeficientes de las variables mujer y blanco no son significativos de forma conjunta. Plantee la hiptesis y realice la prueba estadstica respectiva. A continuacin se presentan varios resultados de regresiones y utilcelos para realizar su clculo.

Resultados Modelo Estimado 1

Source Model Residual Total ln_ahe age years_ed mujer blanco _cons SS df MS 326.872423 .387168319 .477282935 t 17.12 46.09 -29.21 6.10 19.86 P>|t| 0.000 0.000 0.000 0.000 0.000 Number of obs F( 4, 14488) Prob > F R-squared Adj R-squared Root MSE = = = = = = 14493 844.26 0.0000 0.1890 0.1888 .62223

1307.48969 4 5609.2946 14488 6916.78429 14492 Coef. .0124098 .0855636 -.3025083 .0936735 .7566159

Std. Err. .0007247 .0018564 .0103557 .0153577 .0380986

[95% Conf. Interval] .0109893 .0819248 -.3228067 .0635704 .6819378 .0138303 .0892024 -.2822098 .1237766 .8312939

Modelo Estimado 2
Source Model Residual Total ln_ahe age years_ed mujer blanco SS df MS 19253.8123 .397680494 5.71153258 t 39.65 72.02 -26.52 13.08 P>|t| 0.000 0.000 0.000 0.000 77015.249 4 5761.99268 14489 82777.2417 14493 Coef. .021898 .1078754 -.2760663 .1925704 Number of obs F( 4, 14489) Prob > F R-squared Adj R-squared Root MSE = 14493 =48415.28 = 0.0000 = 0.9304 = 0.9304 = .63062

Std. Err. .0005522 .0014978 .0104082 .0147238

[95% Conf. Interval] .0208156 .1049395 -.2964677 .1637098 .0229805 .1108112 -.2556649 .221431

Modelo estimado 3
Source Model Residual Total ln_ahe age years_ed _cons SS df MS 478.240331 .411339105 .477282935 t 16.48 44.52 19.05 P>|t| 0.000 0.000 0.000 Number of obs F( 2, 14490) Prob > F R-squared Adj R-squared Root MSE = 14493 = 1162.64 = 0.0000 = 0.1383 = 0.1382 = .64136

956.480663 2 5960.30363 14490 6916.78429 14492 Coef. .0123078 .0851361 .7023049

Std. Err. .0007469 .0019121 .0368705

[95% Conf. Interval] .0108438 .0813881 .6300341 .0137718 .0888841 .7745757