Econometra I

Relacin de Ejercicios
Octubre de 2004

Ejercicios de introduccin al MCO

Ejercicio 1.1. Dado el modelo de regresin

yi = 0 + 1 xi + i ,
demuestra, sin utilizar el lgebra matricial, que
b1 = Sxy ,
b0 = y
b1 x,

Sx2

donde Sxy y Sx2 son la covarianza y varianza muestrales, y donde y y x son

las medias muestrales.
Ejercicio 1.2. Un alumno utiliza una muestra de N observaciones para
estimar por MCO el modelo
yi = 0 + 1 xi + i ,
N
P

xi yi

N
P

x2i

obteniendo los siguientes resultados i=1N = 20, i=1N = 10, y = 8, x = 3,

b = 4,
b = 1. Te parecen coherentes sus resultados?

1
0

Ejercicio 1.3. La curva de Engel de gastos relaciona los gastos de un consumidor en un bien y su ingreso total. Sea Y el gasto en un bien, y X el
ingreso del consumidor; considere los siguientes modelos:
Yt = 1 + 2 Xt + t
Yt = 1 + 2 (1/Xt ) + t
ln Yt = 1 + 2 ln Xt + t
ln Yt = 1 + 2 (1/Xt ) + t
Yt = 1 + 2 ln Xt + t
Interprete los coeficientes de cada modelo, averiguando en cada modelo
cul es la pendiente y cul la elasticidad.
1

1 EJERCICIOS DE INTRODUCCIN AL MCO

Ejercicio 1.4. Demuestra que en el modelo de regresin

yi = 0 + 1 xi + i ,
se cumple que la recta de regresin MCO pasa siempre por el punto (x, y).
Ejercicio 1.5. Considera el modelo de regresin
yi = 0 + 1 xi + i ,
donde yi = yi y y xi = xi x. Demuestra que la recta de regresin MCO
pasa por el origen de coordenadas.
Ejercicio 1.6. Demuestra que en el modelo de regresin con N observaciones
yi = 1 x1i + 1 x2i + i ,
se cumple que
Ser cierto

N
P

x2i ei = 0,
i=1
N
P
ei = 0?
que
i=1

donde ei son los residuos de la regresin MCO.

Ejercicio 1.7. Se ha estimado, mediante MCO y usando datos del ao 2001,

el siguiente modelo economtrico que relaciona los gastos de 200 familias en
vivienda (Y , medida en miles de euros) con el ingreso familiar (X, medida
en miles de euros)
yi = 0 + 1 xi + i ,
b0 = 30 y
b1 = 2. Para el ao 2002 el gobierno
obteniendo las estimaciones
ha dado una subvencin de 1000 euros a todas las familias. Cmo afectar
b ? Justifique detalladamente su respuesta.
b y
esta medida a
0
1

Ejercicio 1.8. Se intentan estimar los gastos en vivienda (variable Y , medida en miles de euros) de 200 familias. Para ello se proponen dos modelos
alternativos: en el primer modelo se relacionan los gastos en vivienda con el
ingreso familiar (variable X, medida en miles de euros)
yi = 0 + 1 xi + i ,
b = 30 y
b = 0.5. En el segundo modobteniendo las estimaciones MCO
0
1
elo se relacionan los gastos en vivienda con el ingreso familiar disponible
(variable z, medida en miles de euros) que se define como el ingreso familiar
menos un 10% que se dedica al pago de impuestos
yi = 0 + 1 zi + i .
Conteste a las siguientes preguntas:

1 EJERCICIOS DE INTRODUCCIN AL MCO

b 1 ? Justifique
1. Cul ser el valor de la estimacin MCO de
b0 y
detalladamente su respuesta.

2. Si el ingreso de una familia es de 10000 euros, para qu modelo la

prediccin puntual del gasto en vivienda es mayor? Por qu?

Ejercicio 1.9. Utilizando datos anuales del perodo 1970-2002 se ha estimado la siguiente regresin lineal que explica el precio de la vivienda en
Espaa (variable yt , en euros) en funcin del suelo urbanizable (variable xt ,
en m2 ):
ybt = 23000 0.005xt ; R2 = 0.35.

Si hubisemos estimado la ecuacin en dlares, es decir, multiplicando los

precios de la vivienda (Yt ) por 1.2, cmo habran cambiado la constante,
la pendiente, y el R2 del modelo?
Ejercicio 1.10. Sea el modelo
yi = 0 + 1 xi + i ,
donde el coeficiente de determinacin es R2 . Ahora se propone el modelo
alternativo
yi = 0 + 1 xi + i ,
donde yi y xi son una transformacin lineal de las variables originales, es
decir yi = a1 + a2 yi y xi = b1 + b2 xi . Para este segundo modelo, se obtiene
el coeficiente de determinacin R2 Qu relacin existe entre R2 y R2 ? y
entre los coeficientes de regresin de los dos modelos?
Ejercicio 1.11. Considere la regresin por MCO de las N observaciones de
la variable Y sobre las N observaciones de las k variables explicativas representadas en la matriz X. Considere ahora una transformacin de las variables explicativas originales Z = XP donde P es una matriz (k x k) determinista y no singular (por tanto, existe inversa de ella y de su transpuesta).
Se pide:
1. Demuestre que los residuos de la regresin de Y sobre X y los de la
regresin de Y sobre Z son iguales.
2. Qu consecuencias tiene la aplicacin del resultado anterior para los
cambios de unidades en las variables explicativas?
Ejercicio 1.12. Para estimar el coeficiente del modelo
yi = xi + i ,
se propone un estimador b
= xy . Suponiendo que las perturbaciones i siguen
una distribucin normal y cumplen los supuestos del modelo lineal clsico,
calcule la esperanza y la varianza del estimador propuesto.

1 EJERCICIOS DE INTRODUCCIN AL MCO

Ejercicio 1.13. Para estimar el coeficiente 1 del modelo

yi = 0 + 1 xi + i ,
se propone un estimador
P
(xi x) yi
b
.
= P
(xi x)2

Suponiendo que las perturbaciones i siguen una distribucin normal y

cumplen los supuestos del modelo lineal clsico, calcule la distribucin, la
esperanza y la varianza del estimador propuesto.
Ejercicio 1.14. Propn un estimador mnimo cuadrtico para 1 en el siguiente modelo:
yi = 1 x2i + i
Comprueba si es insesgado y el valor de su varianza, sabiendo que la perturbacin aleatoria sigue los supuestos del modelo lineal clsico.
Ejercicio 1.15. Para estimar el valor de 1 en el modelo economtrico sin
trmino constante
yi = 1 xi + i ,
se emplea el estimador b
, definido como
P 2
x yi
b
= P i3 .
xi

Si suponemos que las perturbaciones aleatorias (i ) verifican los supuestos

del modelo lineal clsico, se desea saber:
1. Es el estimador b
un estimador insesgado de 1 ?

2. Cul ser la varianza del estimador b

? Ser ptima?

3. Suponga que le comunican que la varianza de las perturbaciones (var(i ))

es igual a 10 para todas las observaciones. Piensa que dejaran de verificarse los supuestos del modelo lineal clsico? Cunto valdra ahora
la esperanza de b
? Y su varianza?

Ejercicio 1.16. En un modelo de regresin

yi = 0 + 1 xi + i ,
donde i N (0, 2 ), cul es la varianza muestral de los residuos MCO ei ?
Es insesgada? Propn un estimador insesgado de la varianza basado en la
varianza muestral.

1 EJERCICIOS DE INTRODUCCIN AL MCO

Ejercicio 1.17. Sea el modelo lineal clsico, expresado matricialmente como

Y = X + ,

donde N 0, 2 I . Se sabe que Y y Yb se distribuyen como una normal.

1. Encuentra las expresiones de la esperanza y la varianza de Y .

2. Encuentra las expresiones de la esperanza y la varianza de Yb .

Ejercicio 1.18. Supongamos un sencillo ejercicio terico: estimar el modelo yi = 0 + 1 xi + i con slo dos observaciones. Demuestra que los
residuos MCO son cero. Qu implica este resultado para el coeficiente de
determinacin? Comenta detalladamente los resultados obtenidos.
Ejercicio 1.19. Dado el siguiente modelo de regresin mltiple:
Yi = 0 + 1 X1i + ... + k Xki + i
si se rompe uno de los supuestos del modelo lineal clsico: E(i ) = K,
siendo K una constante distinta de cero Qu consecuencias tiene sobre la
estimacin MCO de los parmetros del modelo?
Ejercicio 1.20. Sea el modelo:
Yi = 0 + 1 Xi + i ; i = 1, 2, ...N
donde E(i ) = 2+2Xi , cumplindose el resto de hiptesis clsicas del modelo
de regresin. Calcular el sesgo de los estimadores MCO de 0 y 1 .
Ejercicio 1.21. Dado el siguiente modelo de regresin simple con n observaciones
yi = 0 + 1 xi + i
conteste a las siguientes preguntas:
1. Si se incumple uno de los supuestos del modelo lineal clsico, E (i ) =
2, qu consecuencias tendr sobre la sesgadez de los estimadores MCO
de 0 y 1 ?
2. Cmo cambiara su respuesta si E (i ) = 2xi ?
Ejercicio 1.22. Dado el siguiente modelo:
yi = 0 + 1 x1i + ... + k xki + i ,
donde las perturbaciones i siguen una distribucin normal y cumplen los
supuestos del modelo lineal clsico. Demuestre que en el contraste de significatividad conjunta, la estimacin ybi del modelo restringido coincide con la
media aritmtica de las observaciones de la variable y.

1 EJERCICIOS DE INTRODUCCIN AL MCO

Ejercicio 1.23. Un estadstico que permite realizar el contraste de significatividad conjunta en un modelo con trmino constante y k variables
explicativas es:
(SCER SCE)/k
,
F =
SCE
n(k+1)

donde SCE es la suma de los cuadrados de los errores.

1. Encuentra la relacin matemtica que liga el coeficiente R2 con dicho
estadstico.
2. Sabiendo que hemos obtenido, del contraste global de significatividad,
que el estadstico F = 43, 25, que el modelo tiene 2 variables explicativas, y que se emplearon en la estimacin 20 observaciones, cunto
valdr el R2 ?
Ejercicio 1.24. Un grupo de alumnos de 4o de ADE propone el siguiente
modelo para estudiar la demanda regional de CDs:
yt = 0 + 1 x1t + 2 x2t + t
siendo y la demanda en miles de unidades, x1 la renta, x2 el precio medio
de un CD y t N (0, 2 ). Con los 23 datos de una muestra trimestral
(1998.1-2003.3) los alumnos obtienen:

17.49 1.73 7.58

132.19
(X 0 X)1 = 1.73
0.79 1.84 (X 0 Y ) = 901.09
7.58 1.84 5.21
510.03
X
X
ST C =
(yt y)2 = 362.48
SCE =
e2i = 3.35
Utilizando la informacin proporcionada, se pide:

1. Estimar por MCO los parmetros del modelo, e interpretar los resultados obtenidos.
2. Contrastar la significatividad global del modelo
3. Contrastar la significatividad individual de todas las variables explicativas Est de acuerdo con la especificacin del modelo?
4. A partir del primer trimestre de 2001 se increment notablemente el
gasto en publicidad de los CDs. Por ello, un alumno propone estimar
una funcin de demanda distinta para cada submuestra. Sabiendo
que SCE(1998.12000.4) = 2.10, y que SCE(2001.12003.3) = 1.15, est
de acuerdo con la propuesta de este alumno? Razone su respuesta.

1 EJERCICIOS DE INTRODUCCIN AL MCO

5. Otro compaero del grupo propone estimar el siguiente modelo

yt = 0 + 1 x1t + 2 x2t + 3 x3t + t ;

t N (0, 2 )

que incluye tambin una variable x3 para recoger el precio medio de los
videos. Sabiendo que una vez estimado el nuevo modelo SCE = 1.85
contraste cul de los dos modelos es mejor.
Ejercicio 1.25. Tomando una muestra de observaciones correspondientes
a 20 perodos sucesivos de las variables C (consumo de alimentos), Y (renta
disponible) y P (precios medios de los alimentos) se ha estimado por MCO
la funcin
ct = 0 + 1 yt + 2 pt + t .
Los resultados de la estimacin han sido
b
ct = 1.40 + 0.19 yt 0.24 2 pt ,
(0.52)

(0.01)

(0.07)

20
X

et = 0.92,

R2 = 0.99.

t=1

donde los nmeros entre parntesis son las desviaciones tpicas estimadas
de los coeficientes. Siempre trabajando al 5%, contesta a las siguientes
preguntas
1. Realiza un contraste de la significatividad global de los coeficientes.
2. Realiza un contraste de la significatividad individual de los coeficientes.
3. Contrasta si el consumo autnomo de alimentos es positivo.
4. Construye un intervalo de confianza para la estimacin de los coeficientes.
Ejercicio 1.26. Un director trata de estimar la produccin de su empresa
en funcin del nmero de trabajadores. Este hombre sabe que es el cuarto
director desde 1950, por lo que cree que los parmetros estimados podran
variar segn el director. Para ello realiza una estimacin para todo el perodo
de vida de la empresa (1950-98) y obtiene una varianza de los errores estimada de 6.25. Tambin realiza una estimacin por separado para cada
uno de los tres directores anteriores, que dirigieron la empresa en 1950-60
el primero, 1960-75 el segundo y 1975-98 el ltimo. La varianza estimada
de los errores fue de 3.22, 5.21 y 6.50 respectivamente. Qu estimacin
debera elegir el director?
Ejercicio 1.27. Se quiere contrastar la hiptesis de que en dos ciudades,
A y B, a igual nmero de aos de estudio corresponden salarios iguales. Se
sabe que la relacin nmero de aos de estudio, X, salario percibido, Y ,
obedece al modelo:

2 EJERCICIOS PARA EVIEWS

Yi = Xi + i
Con el fin de contrastar esta hiptesis se han entrevistado 10 individuos
en cada ciudad. Los datos obtenidos son:
Ciudad
A:
P 2
P
P
=
55
Xi Yi = 228.8
X
i
P
P X2i = 385
Yi = 32.7
Yi = 136.09 NA = 10
Ciudad B:
P
P 2
P
Xi Yi = 1004.2
P X2i = 385
P Xi = 55
Yi = 2619.47 NA = 10
Yi = 143.7
Se puede rechazar la hiptesis de que los niveles de salarios son iguales
para las dos ciudades?

Ejercicios de introduccin al MCO para resolver

con Eviews

Ejercicio 2.1. El director de marketing de la empresa Noname s.a. se ha

propuesto investigar si realmente el gasto en publicidad le lleva a un aumento
en las ventas. Para ello ha recogido datos de la variable Y (volumen de ventas
en miles de euros) y la variable X (gasto en publicidad en miles de euros)
en las cuatro sucursales de su empresa. Pretende estimar un modelo lineal
con constante, es decir
yi = 0 + 1 xi + i .
Los valores de esas variables son
Sucursal xi yi
1
2
3
4

0
1
4
5

2
1
3
2

1. Razona la presencia del trmino constante.

2. Encuentra las ecuaciones normales de la recta de regresin.
3. Estima los parmetros 0 y 1 .
4. Cunto aumentarn las ventas si aumentamos el gasto de publicidad
en 1000 euros?
5. Si pretende abrir una nueva sucursal para la que gastar 7000 euros
en publicidad, cul ser la prediccin de las ventas para esa sucursal?

2 EJERCICIOS PARA EVIEWS

Ejercicio 2.2. Considera el modelo

yi = 0 + 1 x1i + 2 x2i + i ,
donde yi es la cantidad consumida de alimentos en la regin i, x1i es la renta
disponible de la regin i, y x2i es el precio del producto. Se tiene informacin
para 8 regiones:
Regin
yi x1i x2i
Extremadura
Baleares
Murcia
Asturias
Andaluca
Galicia
Valencia
Catalua

5
43
30
24
30
65
57
90

3
5
6
6
5
9
10
12

5
2
6
7
4
3
7
6

b Yb , e, s2 .
Determina qu valen en este ejemplo X, X 0 X, X 0 Y . Calcula ,

Ejercicio 2.3. Se quiere estimar una ecuacin de demanda de tomates a

partir del modelo de regresin
yi = 0 + 1 xi + i ,
donde y es la cantidad demandada de tomates en cada regin y x es el precio
medio para cada regin. Se dispone de 12 observaciones corte transversal
para ambas variables, que se recogen en la siguiente tabla
y 55 70 90 100 90 105 80 110 125 115 130 130
x 100 90 80 70 70 70 70 65
60
60
55
50
1. Estima los parmetros del modelo mediante el mtodo MCO.
2. Estima insesgadamente la varianza de los errores.
3. Estima la matriz de varianzas y covarianzas de los parmetros estimados.
4. Calcula el coeficiente de determinacin y el corregido.
Ejercicio 2.4. La empresa Uabes s.a. se dedica a construir edificios para
una determinada Universidad. Hasta ahora ha construido 8 edificios, para
los cuales el nmero de metros cuadrados construidos y de horas de trabajo
empleadas han sido

2 EJERCICIOS PARA EVIEWS

Edificio
1
2
3
4
5
6
7
8

horas de trabajo
7400
9800
4600
12200
14000
8200
5800
17000

10

metros cuadrados
4000
6000
2000
8000
10000
5000
3000
12000

La empresa se plantea construir un nuevo edificio de 14000 m2 . La hora

de trabajo le cuesta a la empresa 1100 euros. Sabiendo que el resto de costes
distintos al laboral, le suponen un 20% de los costes derivados del trabajo,
determinar cual es el presupuesto mnimo que aceptara1 .
Ejercicio 2.5. Una empresa desea estimar las ventas (variable y) en funcin
del gasto en publicidad (variable x1 ) y de los beneficios (variable x2 ) usando
el modelo de regresin
yi = 0 + 1 x1i + 2 x2i + i .
Para estimar este modelo recoge los siguientes datos de sus 8 sucursales
sucursal

1
10
1
0

2
25
3
-1

3
32
4
0

4
43
5
1

5
58
7
-1

6
62
8
0

y
x1
x2
Calcula (trabaja con un del 5%):

7
67
10
-1

8
71
10
2

1. La estimacin MCO de los parmetros del modelo.

2. La estimacin insesgada de la varianza de las perturbaciones.
3. El coeficiente de determinacin simple y el corregido.
4. El contraste de significatividad global de los coeficientes.
5. Los contrastes de significatividad individual de los coeficientes.
6. El contraste de la hiptesis nula H0 : 0 = 1 = 2 = 0.
7. El contraste de la hiptesis nula H0 : 1 = 10 2 .
Ejercicio 2.6. Se pretende estimar el nmero de vehculos que posee cada
familia (variable Y ) en funcin del tamao de la familia (variable X) usando
el modelo de regresin
yi = 0 + 1 xi + i .
1

El presupuesto mnimo al que estara dispuesta a construir el nuevo edificio, sera

aquel que le permitiese cubrir los costes totales

3 MS EJERCICIOS DE INTRODUCCIN AL MCO

11

Para ello se obtienen los datos de una encuesta a 5 familias:

familia

y
1.2 1.7 2.0 2.1 2.2
x1
1
2
3
4
5
Realiza las siguientes operaciones (con = 5%)
1. La estimacin MCO de los parmetros del modelo.
2. La estimacin insesgada de la varianza de las perturbaciones.
3. El coeficiente de determinacin y el corregido.
4. El contraste de significatividad global de los coeficientes.
5. Los contrastes de significatividad individual de los coeficientes.
6. El contraste de la hiptesis nula H0 : 1 = 1.
7. Contrastar si el parmetro 1 es mayor que 1.
8. Construir un intervalo para la estimacin de 0 y 1 .
9. Cuntos vehculos estimas que tendr una familia de 7 personas?

Ms ejercicios de Introduccin al MCO

Ejercicio 3.1. Se quiere estimar un modelo que relaciona las ventas de una
empresa (variable V ) con el precio de su producto (variable P ) y el gasto
de publicidad anual (variable G). Para ello, se han recogido datos para los
ltimos diez aos. Se proponen los siguientes modelos:
vt = 0 + 1 pt + 2 gt + t ,
vt = 0 + 1 pt + t ,

SEC = 405,

ST C = 1500

SEC = 1185.

Calcula el coeficiente de determinacin de ambos modelos. Comenta los

resultados. Cmo se explicara este resultado? Realice un contraste para
determinar si la variable G es relevante en el modelo.
Ejercicio 3.2. Se sabe que en el modelo:
Yi = 0 + 1 X1i + 2 X2i + i
el coeficiente de correlacin entre las variables explicativas, X1 y X2 , es
cero. Por tanto, alguien sugiere estimar los siguientes modelos de regresin
simple:
Yi = 0 + 1 X1i +

Yi = 0 + 1 X2i + i
b y
b ? Justifique su respuesta.
Ser
b1 =
b1 =
1
2

3 MS EJERCICIOS DE INTRODUCCIN AL MCO

12

Ejercicio 3.3. Dado el siguiente modelo de regresin lineal:

Yi = 0 + 1 X1i + 2 X2i + i
un investigador especifica errneamente el siguiente modelo:
Yi = 0 + 1 X1i + i
1. Calcule el estimador MCO de 0 , 1 y de 2 .
2. Evale el sesgo en el estimador de los parmetros 0 y 1 .
3. Es el estimador de 2 sesgado? Razone su respuesta
4. Suponiendo que las variables X1i y X2i fueran ortogonales, cambia la
respuesta a los apartados b. y c.?
Ejercicio 3.4. Supongamos que el modelo verdadero que explica el comportamiento de la variable y en funcin de la variable x es
yi = 0 + 1 xi + i ,
pero por error estimamos el modelo
yi = 0 + 1 xi + 2 x2i + i .
Es cierto que la estimacin de 2 ser cero?
Ejercicio 3.5. Suponga que el verdadero modelo es:
Yi = 0 + 1 X1i + i

(1)

pero, por error, aadimos una variable irrelevante (X2 ) al modelo (irrelevante en el sentido que el verdadero coeficiente 2 de la variable X2 es
cero), y estimamos
Yi = 0 + 1 X1i + 2 X2i + i

(2)

Conteste verdadero o falso a las siguientes afirmaciones, justificando detalladamente su respuesta:

1. El R2 del modelo (2) es mayor que el del modelo (1).
2. Las estimaciones de 0 y de 1 obtenidas de (2) son insesgadas.
3. La inclusin de la variable irrelevante (X2 ) no afecta a la varianza de
b .
b y de

0
1

3 MS EJERCICIOS DE INTRODUCCIN AL MCO

13

Ejercicio 3.6. Dado el siguiente modelo:

Yi = 0 + 1 X1i + 2 X2i + i
en el que la perturbacin cumple los supuestos del modelo clsico. Explique qu problemas se pueden presentar a la hora de estimar los parmetros
del modelo en cada una de las situaciones siguientes, referidas a caractersticas de los datos:
1. X2i = + X1i
2. X2i = + X1i + i , donde es una perturbacin aleatoria, y se sabe
que el R2 de esta regresin es 0.87.
3. X2i = + X1i + Zi
Ejercicio 3.7. La variable Y viene explicada por el siguiente modelo:
Yi = 1 X1i + 2 X2i + i
Para estimar este modelo se dispone de una muestra de datos en la que
se cumple que X1i = X2i . Se pide:
1. Demuestre que con la informacin disponible no se puede estimar el
modelo propuesto.
2. Dada la imposibilidad de estimar los parmetros, se decide eliminar la
variable X2 y estimar:
Yi = 1 X1i + i
Cul sera la esperanza de
b1?

Ejercicio 3.8. Considere el siguiente modelo:

IM Pt = 0 + 1 P REt + 2 P REt1 + 3 P REt + t
donde: IM P son las importaciones espaolas procedentes de los pases
de la OCDE
P RE es un ndice de precios relativos, indicador de la competitividad
P RE son las primeras diferencias de la variable precios relativos
Este modelo postula entonces que las importaciones del perodo t estn
en funcin de los precios relativos del perodo t y del perodo (t-1), como
tambin de la variacin en los precios relativos entre estos perodos.

3 MS EJERCICIOS DE INTRODUCCIN AL MCO

14

1. Suponiendo que usted tiene la informacin necesaria para estimar el

modelo anterior, tendra xito en estimar todos los coeficientes para
este modelo? Por qu s o por qu no?
2. Si no es ste el caso, qu coeficientes se pueden estimar?
3. Suponiendo que la variable P REt1 estuviera ausente del modelo,
sera su respuesta al apartado a. la misma?, por qu?
4. Es posible predecir?
Ejercicio 3.9. Deseamos estimar el volumen de ventas anual de una empresa (V ) en funcin del nmero anual de trabajadores (T ), la inversin
realizada en ese ao (I), y las subvenciones recibidas para ese ao (S). Usando datos de los ltimos 64 aos obtenemos los siguientes resultados en
una estimacin MCO:
Vbt = 7.79 + 0.06 Tt + 1.08 It + 0.40 St ,
(8.95)

(1.00)

(2.17)

(0.63)

donde los valores en parntesis son las desviaciones tpicas de los parmetros
estimados. El coeficiente de determinacin corregido del modelo es 0.952.
Qu problemas tiene la estimacin? Cmo los resolvera?
Ejercicio 3.10. Tenemos la siguiente estimacin
ybi = 32.10 + 0.76 x1i + 0.31 x2i ,
(3.60)

(2.10)

(2.80)

donde los valores entre parntesis son las desviaciones tpicas estimadas de
los parmetros. Adems, disponemos de la siguiente informacin
N = 25,

SCE = 0.43,

ST C = 12.3.

Detectar si el modelo anterior tiene problemas de multicolinealidad y proponer una solucin al problema.
Ejercicio 3.11. La siguiente ecuacin se ha utilizado tradicionalmente para
explicar los salarios de los individuos:
Sali = 1 + 2 Edadi + 3 Expi + 4 Educi + i ; i = 1, ..., N
donde: Sal es el salario en trminos reales, Edad es la edad, Exp son los
aos de experiencia, y Educ son los aos de educacin.
1. Un econmetra dispone de una muestra de datos con la que pretende
llevar a cabo la estimacin. El conjunto de datos incluye salarios, edad
y aos de educacin de cada individuo, pero no hay ninguna medida
directa de la experiencia. Para estimar la ecuacin, el econmetra mide

3 MS EJERCICIOS DE INTRODUCCIN AL MCO

15

la experiencia por los aos de experiencia potencial (P Exp). P Exp

es el mximo nmero de aos de experiencia desde que el individuo
complet su educacin, suponiendo que comenz los estudios con 6
aos, y se define del siguiente modo:
P Expi = Edadi Educi 5
Explica por qu no puede estimar los parmetros de la ecuacin de
salarios. Da una explicacin intuitiva y otra matemtica.
2. Otro investigador dispone de una muestra de 100 datos que s incluye
los aos de experiencia de los individuos. Utilizando estos datos para
estimar el modelo de salarios ha obtenido los siguientes resultados (en
parntesis las desviaciones tpicas de los coeficientes):

di = 9.6 + 0.25 Edadi + 0.45 Expi + 1.25 Educi ;

Sal
(3.2)

(0.21)

(1.23)

(1.03)

R2 = 0.77 (3)

Realice los contrastes de significatividad individual y global y comente

los resultados obtenidos. Encuentra algn problema en la estimacin?
A qu se debe? Proponga alguna solucin.
Ejercicio 3.12. El nmero de horas de lectura al da (y) de las personas se
piensa que depende de su nivel de estudios. Para contrastarlo se dispone de
una nuestra de N individuos, agrupados en tres clases: Grupo I, Grupo
II y Grupo III, en funcin de que tengan un nivel de estudios superior,
medio, o bajo. Seguidamente se definen las tres variables ficticias E1 , E2 , y
E3 , donde

1 si el individuo pertenece al grupo j

Ej =
0 si el individuo no pertenece a ese grupo,
valiendo j = 1, 2 3. Al estimar el modelo por MCO, se obtiene:
ybi = 10E1i + 5E2i + 2E3i .

Demuestre a partir de este resultado, que el nmero medio de horas de

lectura al da en cada uno de los grupos de individuos es precisamente 10, 5
y 2 horas respectivamente.
Ejercicio 3.13. Se desea estimar el siguiente modelo
yt = 0 + 1 xt + t ,
donde las variables xt e yt se refieren a los precios de los hoteles y al nivel
de ocupacin hotelera para el trimestre t, respectivamente. La variable t

3 MS EJERCICIOS DE INTRODUCCIN AL MCO

16

cumple los supuestos clsicos. Como sabes, puede ser conveniente discriminar entre datos de temporada alta respecto a aquellos de temporada baja.
Para tener en cuenta este problema, se definen las ficticias
DAt que vale 1 si el trimestre t se corresponde con temporada alta y
0 en otro caso.
DBt que vale 1 si el trimestre t se corresponde con temporada baja y
0 en otro caso.
Para llevar a cabo la estimacin del modelo anterior se proponen las
siguientes alternativas
Alternativa 1 : yt = 0 + 1 xt + 3 DAt + 4 DBt + t .
Alternativa 2 : yt = 0 + 1 DAt + 1 xt + t .
Alternativa 3 : yt = 1 DAt + 2 DBt + 1 xt + t .
1. Cree que hay alguna propuesta incorrecta?
2. Se sabe que los coeficientes 0 y 1 de la alternativa 2 estn relacionados con los coeficientes 1 y 2 de la alternativa 3. Encuentre esa
relacin lineal e interprete econmicamente los resultados.
3. Cul ser la relacin entre los coeficientes 1 y 1 de las alternativas
2 y 3? Qu interpretacin te sugiere?
Ejercicio 3.14. La cantina de la facultad nos ha pedido que estudiemos la
evolucin de sus ganancias. Considerando que la nica variable explicativa
cuantitativa sera la renta mensual de sus clientes, describa detalladamente
cmo estudiara si afecta a esta relacin:
1. El hecho de estar en poca de exmenes
2. El hecho de ser profesor o alumno
Ejercicio 3.15. Imagina que somos propietarios de una empresa de helados
y que queremos estimar las ventas de ese producto en funcin del nmero de
trabajadores y del gasto en publicidad, segn un modelo lineal sin trmino
constante. Para ello se dispone de datos trimestrales para los ltimos diez
aos. Responde a las siguientes preguntas:
1. Crees que deberamos incluir alguna variable ficticia? Si tu respuesta
es afirmativa, introduce una ficticia para cada estacin del ao.
2. Describe el significado de los coeficientes de las ficticias.
3. Explica cmo contrastaras si se produce un efecto estacional.

3 MS EJERCICIOS DE INTRODUCCIN AL MCO

17

Ejercicio 3.16. La librera de la facultad nos ha contratado para que le

hagamos un estudio sobre el gasto mensual que hacen los alumnos en peridicos. La intuicin nos dice que el gasto de cada alumno puede depender
de su renta mensual, del nivel de estudios (licenciatura-doctorado), la edad
y el sexo (hombre-mujer). Se piensa que el impacto del nivel de estudios
sobre el gasto afecta a la pendiente de la renta, mientras que el impacto del
sexo afecta al trmino constante del modelo.
1. Explique cmo contrastar si el nivel de estudios afecta al gasto en
peridicos.
2. Explique cmo contrastar si el sexo es una variable que influya en lo
que un alumno gasta en peridicos.
Ejercicio 3.17. Suponiendo que el salario de los trabajadores ms cualificados de una empresa viene determinado por la siguiente ecuacin:
Yi = 0 + 1 D1i + 2 D2i + 3 (D1i D2i ) + 4 Xi + i
siendo: Y : salario anual
X: aos de experiencia en la empresa
D1: variable ficticia
que toma valor 1 si es licenciado y 0 si es diplomado
D2: variable
ficticia que toma valor 1 si es hombre y 0 si es mujer.
1. Qu significado tienen los coeficientes 1 y 2 ?
2. El trmino (D1i D2i ) representa el efecto de interaccin, cmo interpreta su coeficiente?
3. Si 3 = 0, podramos decir que la diferencia salarial entre hombres y
mujeres es independiente del nivel de estudios?
4. Si 3 6= 0 implica eso que la diferencia de salarios entre licenciados
y diplomados depende de si el individuo es hombre o mujer? En caso
afirmativo, qu parmetros del modelo recogen la diferencia salarial
entre licenciados y diplomados en el caso de los hombres?, y en el de
las mujeres?
5. Suponga que dispone de datos sobre los trabajadores de una empresa
durante un intervalo de tiempo. Un anlisis de los mismos indica que
los hombres ganan ms que las mujeres, que los licenciados ganan ms
que los diplomados, y que la discriminacin salarial entre hombres y
mujeres es mayor a menor nivel de estudios. Si estimamos el modelo
b2 y
b3 ?
b1 y
qu signos esperara para los parmetros

3 MS EJERCICIOS DE INTRODUCCIN AL MCO

18

Ejercicio 3.18. Queremos estimar el siguiente modelo:

yi = 0 + 1 x1i + 2 x2i + i
para lo que se recogen 40 datos. Como en el ao correspondiente a la
observacin nmero 20 hay un cambio estructural en la economa que, se
tiene la sospecha de que el parmetro 1 puede ser distinto en el primer y
segundo perodo. Describe detalladamente cmo realizaras el contraste.
Ejercicio 3.19. El siguiente modelo representa la funcin de exportaciones
de la economa espaola (Y ) durante el perodo (1970-2002):
(1)

(1)

Yt = 0 + 1 X1t + 2 X2t + t ,
Yt =

(2)
0 + 1 X1t

(2)
+ 2 X2t

t = 1970, ..., 1985

+ t ,

t = 1986, ..., 2002

siendo X1 el tipo de cambio, y X2 la renta extranjera.

1. Describa detalladamente dos procedimientos distintos para contrastar:
(1)

(2)

(1)

(2)

H0 : 1 = 1 , 2 = 2
HA : no H0

2. Suponiendo que acepte la hiptesis nula del primer apartado, cmo

especificara el modelo?
Ejercicio 3.20. Estamos interesados en comparar las medias de una variable en dos grupos diferentes. Se dispone de los dos modelos siguientes:
Yi = 1 + 2 D2i + i
Yi = 1 D1i + 2 D2i + i
siendo:
D1i =
D2i =

1 si las observaciones pertenecen al grupo 1

0 en otro caso
1 si las observaciones pertenecen al grupo 2
0 en otro caso

Si suponemos que se cumplen todas las hiptesis habituales del modelo lineal
clsico,
c = y y
c = y y , siendo y y y las medias
1. Demuestre que
1
1
2
2
1
2
1
muestrales de los valores de la variable y para cada uno de los dos
subgrupos.
c2 = y2
2. Demuestre que
c1 = y1 y

4 EJERCICIOS DE ESTIMACIN POR MCG

19

Ejercicios de Estimacin por MCG

Ejercicio 4.1. Considera el siguiente modelo:

yi = 0 + 1 xi + ui ,
donde i = 1, ..., N .
1. Escribe el modelo en lgebra matricial, para todas las observaciones,
denominando U al vector de perturbaciones del modelo.
2. Escribe la matriz de covarianzas de U . Qu elemento es el (2, 2) de
esta matriz? Cul es el elemento (1, N ) de esta matriz?
3. Cmo ser esta matriz si suponemos que var(ui ) = 2xi , pero que no
hay autocorrelacin?
4. Cmo ser esta matriz si se supone ui = i + bi1 , donde i
N (0, 2 )?
Ejercicio 4.2. Tenemos el siguiente modelo Y = X + U , donde Y y U
son vectores de dimensin (N 1), X es una matriz de dimensin (N k),
y donde es un vector (k 1).
1. Suponiendo que U N (0, 2 I), qu dimensin tiene la matriz I?,
son homocedsticas las perturbaciones?, cmo interpretas el parmetro
e0 e
es insesgado (e son los
2 ? Demuestra que el estimador s2 = Nk
residuos de la estimacin por MCO).
2. Suponiendo que U N (0, 2 ), donde 6= I, son homocedsticas
las perturbaciones?, cmo interpretas el parmetro 2 ? Demuestra
e0 e
es sesgado.
que el estimador s2 = Nk
Ejercicio 4.3. La estimacin MCO del modelo de regresin
yt = 0 + 1 xt + ut ,
b = 0.5. Suponiendo que tanto las observaciones de x y
b =1y
ha sido
0
1
de y se multiplican por 10, obtener la nueva estimacin. Supone esto que
el modelo es ms heterocedstico?
Ejercicio 4.4. Considera el modelo
Y = X + U, donde U N (0, 2 ).
1. Transforma el modelo en otro con perturbaciones homocedsticas. Escribe el nuevo modelo tanto en notacin matricial como escalar.

4 EJERCICIOS DE ESTIMACIN POR MCG

20

2. Demuestra que la aplicacin de MCG al modelo original coincide con

la aplicacin de MCO al modelo transformado.
3. Encuentra una estimacin insesgada de 2 .
Ejercicio 4.5. Considera el modelo
Ct = 0 + 1 P NBt + 2 Dt + Ut ,
donde Ct es el consumo del perodo t, P N Bt es el Producto nacional Bruto
del perodo t, y Dt son los gastos en defensa del perodo t. Para estimar los
parmetros 0 , 1 , y 2 , se estiman los siguientes modelos:
bt = 26.19 + 0.62 P N Bt 0.44 Dt , R2 = 0.9
C
(2.7)

bt
C
P N Bt

= 25.90
(2.2)

(0.006)

(0.07)

1
Dt
+ 0.62 0.43
, R2 = 0.8
P N Bt (0.006) (0.06) P N Bt

Qu supuesto sobre los errores habrn hecho los autores de las estimaciones
anteriores?
Ejercicio 4.6. Considera el modelo
yt = 0 + 1 xt + ut ,
donde los errores estn independientemente distribuidos, con media 0 y varianza 2t .
1. Explica cmo estimar los parmetros del modelo, suponiendo que 2t =
xt , siendo una constante positiva de valor conocido.
2. Contesta a la pregunta anterior suponiendo ahora que 2t = a + bxt ,
siendo a y b constantes positivas de valor conocido.
3. Contesta a las dos preguntas anteriores, suponiendo que , a y b son
ahora constantes positivas desconocidas.
Ejercicio 4.7. Suponiendo el modelo
yt = 0 + 1 xt + 2 wt + ut ,
donde ut N (0, 2 ) y donde xt y wt son deterministas. Un investigador cree
errneamente que var(ut ) = 2x2t , por lo que transforma el modelo y aplica
MCO al modelo transformado. Qu propiedades tendr este estimador?

4 EJERCICIOS DE ESTIMACIN POR MCG

21

Ejercicio 4.8. Un econmetra trata de estimar el consumo regional en funcin de la renta. Para ello toma datos de 10 regiones y propone el siguiente
modelo
Ci = 0 + 1 Ri + Ui ,
donde Ci y Ri son el consumo y la renta medios de cada regin. El investigador supone que el consumo por individuo tiene una varianza constante 2
y aplica MCO al modelo propuesto. Ha realizado bien la estimacin? En
caso de que tu respuesta sea negativa, propn una alternativa.
Ejercicio 4.9. Considere el modelo yi = xi + ui , con var(ui ) = (kxi )2 .
Prueba que el estimador MCG de es igual al promedio muestral del cociente xyii . Halle su varianza.
Ejercicio 4.10. Considere el siguiente modelo de regresin simple:
Yi = 0 + 1 Xi + ui
ui N (0, 2 )
i = 1, ...., n

Utilizando una muestra, (yi , xi ), de datos agregados,

x1 = X1
y1 = Y1
y2 = Y1 + Y2
x2 = X1 + X2
y3 = Y1 + Y2 + Y3 x3 = X1 + X2 + X3
............................. .............................
yn = Y1 + ... + Yn xn = X1 + ... + Xn
halle el estimador ELIO de 1 .
Ejercicio 4.11. Sea el siguiente modelo lineal sin trmino constante y un
solo regresor:
yt = xt + ut
E(ut ) = 0, V (ut ) = 2 zt
donde zt es una variable conocida.
1. Obtener la expresin analtica del estimador MCG.
2. Qu ocurrira si se estimase el modelo por MCO y se utilizase s2 (X 0 X)1
como matriz de varianzas-covarianzas estimada del estimador MCO?
(s2 es el estimador MCO de la varianza de las perturbaciones, s2 =
e0 e
Nk ).
Ejercicio 4.12. Para estimar la relacin entre las ventas (variable yi ) y los
gastos en publicidad (variable xi ) de una cadena de tiendas se propone el

5 ALGUNAS CUESTIONES DE VERDADERO O FALSO

22

siguiente modelo lineal con constante para n observaciones, cuya expresin

matricial es:
Y = X + ,
donde N (0, V )
Conteste a las siguientes preguntas, justificando detalladamente sus respuestas:
1. Si suponemos V = 9I, siendo I la matriz identidad (n n), calcule la
esperanza y la varianza de la estimacin MCO de . Cree que hay
homocedasticidad?
2. Si suponemos ahora:

V =

9x21

0
..

9x2n

calcule la esperanza y la varianza de la estimacin MCO de . Habr

heterocedasticidad? Si es as, halle el estimador MCG de y calcule
su esperanza y su varianza.
Ejercicio 4.13. Dado el siguiente modelo:
Yi = 1 + 2 Xi + i
donde E (ui ) = 0 y V ar (ui ) = 2 Xi2
1. Halle los estimadores MCO y MCG de 1 y 2 , son insesgados? Demustrelo.
2. Si E (ui ) = 5, son ahora los estimadores MCG de 1 y 2 insesgados?
y los estimadores MCO? Demustrelo.

Algunas cuestiones de Verdadero o Falso

Cuestin 5.1. En el modelo lineal clsico, el supuesto de normalidad no

es necesario si el objetivo es meramente la estimacin.
Cuestin 5.2. En un modelo de regresin lineal clsico la suma de residuos
mnimo cuadrticos siempre es cero.
Cuestin 5.3. Bajo los supuestos clsicos, los estimadores MCO son ELIO,
independientemente de que las perturbaciones del modelo posean una distribucin normal o no.
Cuestin 5.4. El supuesto hecho en el modelo lineal clsico de que la matriz
de regresores X es determinista es condicin necesaria y suficiente para que
los estimadores MCO sean insesgados.

5 ALGUNAS CUESTIONES DE VERDADERO O FALSO

23

Cuestin 5.5. En el modelo lineal clsico con constante el coeficiente de

determinacin corregido es siempre mayor que cero.
Cuestin 5.6. En el modelo de regresin lineal clsico:

= X +

N (0, 2 I)
las distribuciones de los residuos MCO y de las perturbaciones coinciden.
Cuestin 5.7. En el modelo economtrico
yi = 0 + 1 xi + i ,
donde t N (, 2 ) con 6= 0, la estimacin MCO de 0 es sesgada pero
no la de 1 .
Cuestin 5.8. La estimacin MCO de 1 en dos modelos distintos de la
forma:
Yi = 1 X1i + 2 X2i + i
Yi = 1 X1i + i
es igual siempre y cuando X1 y X2 sean ortogonales, es decir, cuando
P
N
i=1 X1i X2i = 0.

Cuestin 5.9. El estimador de mnimos cuadrados restringidos de un modelo economtrico lineal clsico normal es siempre ms eficiente que el estimador de mnimos cuadrados ordinarios.
Cuestin 5.10. Suponga que se desea desarrollar un modelo que explique
la conducta del ahorro agregado como una funcin de los tipos de inters.
En ese caso, ser mejor obtener una muestra correspondiente a un perodo
de tipos de inters fluctuantes que otra correspondiente a un perodo de
tipos de inters estables.
Cuestin 5.11. La multicolinealidad fuerte (no exacta) se debe a una mala
especificacin del modelo.
Cuestin 5.12. La existencia de multicolinealidad aumenta el riesgo de no
rechazar hiptesis falsas en los contrastes.
Cuestin 5.13. El factor comn a la mayora de las soluciones a la multicolinealidad es tratar de encontrar un estimador de los parmetros del modelo
con menor varianza que el de MCO, posiblemente en el grupo de estimadores
sesgados.

5 ALGUNAS CUESTIONES DE VERDADERO O FALSO

24

Cuestin 5.14. En un modelo de regresin lineal general, el coeficiente

de determinacin, R2 , nunca puede ser alto si todos los parmetros son
individualmente no significativos porque, en este caso, un gran porcentaje de
la variacin de la variable endgena queda sin explicar y el R2 ser pequeo.
Cuestin 5.15. La llamada trampa de las ficticias afecta a las ficticias
aditivas, pero nunca a las ficticias multiplicativas.
Cuestin 5.16. Omitir variables relevantes tiene efectos ms perjudiciales
sobre la estimacin que incluir variables irrelevantes.
Cuestin 5.17. La influencia del error de especificacin provocado por la
omisin de variables relevantes sobre el contraste de hiptesis lineales es
nula.
Cuestin 5.18. En presencia de heterocedasticidad, la estimacin MCO de
los parmetros del modelo y de su varianza son insesgadas. No obstante,
este estimador no es eficiente.
Cuestin 5.19. Si utilizamos datos de corte transversal para estimar un
modelo que explique el comportamiento del consumo en funcin de la renta
de los individuos, probablemente los errores sern heterocedsticos, y por
tanto los estimadores MCO sern sesgados.
Cuestin 5.20. Cuando no se conoce nada sobre la heterocedasticidad, en
base a los resultados de White, est justificado utilizar MCO para estimar
los del modelo, y como estimador consistente de la matriz de varianzasb
covarianzas de :
b = (X 0 X)1 X 0 diag(e2 )X(X 0 X)1
Vb ()
i

Cuestin 5.21. Las soluciones a la heterocedasticidad pasan por construir

un nuevo estimador, MCG, que mejore la eficiencia del estimador MCO, ya
que, en presencia de este problema el estimador MCO sigue siendo insesgado,
pero ya no es el de mnima varianza. Este procedimiento requiere, como
mnimo, conocer cul o cules son las causas del problema.
Cuestin 5.22. En un modelo donde detectamos heterocedasticidad, el
estimador MCGF es siempre preferible al estimador propuesto por White.
Cuestin 5.23. En presencia de autocorrelacin, para establecer intervalos
de confianza, y para evaluar hiptesis se debe utilizar MCG y no MCO, a
pesar de que los estimadores MCO son insesgados.
Cuestin 5.24. Cuando la fuente de autocorrelacin en los errores es la
omisin de variables relevantes, los estimadores MCO son ineficientes e insesgados.

5 ALGUNAS CUESTIONES DE VERDADERO O FALSO

25

Cuestin 5.25. Los contrastes de autocorrelacin de Durbin-Watson y de

Breusch-Godfrey no resultan apropiados porque se basan en los residuos
de la estimacin por MCO, que por las caractersticas del modelo estn
sesgados.