Beruflich Dokumente
Kultur Dokumente
NOMBRE: ______PAUTA____________________
FIRMA: __________________________________
RUT: __________________________________
̂0 = 𝑦̅ − 𝛽
𝛽 ̂1 𝑥̅ 𝑆𝐸𝐶 𝑆𝑅𝐶
𝑅2 = =1− ̂ 𝟐𝒊
𝑺𝑹𝑪 = ∑ 𝒖
𝑆𝑇𝐶 𝑆𝑇𝐶
Prueba 1
CONCEPTOS
1- (5 pts) “Los estimadores MCO nos garantizan que, al utilizarlos, el promedio de los residuos de nuestra
regresión debe ser cero.” Comente.
2- (5 pts) “Un problema de los estimadores MCO es que, dada la linealidad de los modelos de regresión, no es
posible plantear efectos no-lineales de una variable 𝑥𝑖 sobre una variable 𝑦𝑖 .” Comente.
3- (5 pts) Las siguientes imágenes son gráficos de los residuos de dos modelos de regresión. Cada punto
indica el valor del residuo de cada observación incluida en la regresión. Ambos modelos tienen el mismo
número de observaciones.
Modelo A Modelo B
20 20
15 15
10 10
5 5
–5 –5
– 10 – 10
– 15 – 15
– 20 – 20
En el espacio indicado, comente si la siguiente afirmación es verdadera o falsa, y explique por qué.
“Desde estas imágenes, se puede concluir que el R-cuadrado del modelo A es mayor al R-cuadrado
del modelo B.”
Falso. Los residuos del modelo A tienen mayor dispersión que los residuos del modelo B, por lo
que la Suma de los Residuos al cuadrado del modelo A (llámese SRCA) será mayor que la suma de
los residuos al cuadrado del modelo B (SRCB):
𝑺𝑹𝑪𝑨 > 𝑺𝑹𝑪𝑩
𝑺𝑹𝑪𝑨 𝑺𝑹𝑪𝑩
>
𝑺𝑻𝑪 𝑺𝑻𝑪
𝑺𝑹𝑪𝑨 𝑺𝑹𝑪𝑩
𝟏− < 𝟏−
𝑺𝑻𝑪 𝑺𝑻𝑪
Por lo que:
R2 del modelo A < R2 del modelo B.
Econometría – 1er Sem 2018, Prof. D. Kruger, Prueba 1 Nombre: PAUTA
4- (5 pts) El economista Simon Kuznets propuso que la desigualdad de un país aumenta cuando inicia una
etapa de desarrollo económico, y que después de cierto nivel de desarrollo, la desigualdad empieza a
disminuir. Esta relación puede ser medida con el coeficiente Gini de un país (mayor desigualdad tiene
mayor coeficiente Gini) y el ingreso per cápita. Usted se ha dedicado a recolectar esta información para
todos los países del mundo, y encuentra lo siguiente:
En el espacio indicado, responda por qué esta relación se puede estimar (o no) con un modelo de
regresión lineal simple, y solo si corresponde, proponga la regresión que usted estimaría.
El modelo de regresión lineal debe ser lineal en los parámetros, pero puede incluir términos
cuadráticos (o polinomios mayores) de las variables explicativas. Para estimar la relación
observada en la imagen, usted podría estimar la siguiente regresión:
EJERCICIOS
1. (40 PUNTOS) En Laboratorios Econométricos S.A. hay un equipo de investigadores preocupados por el
rendimiento de los alumnos en las pruebas de Econometría. Con el fin de mejorar las notas de los alumnos,
han desarrollado un medicamento llamado Pastillas de Juanito que permite que los alumnos logren controlar
su estrés y, con esto, mejorar su rendimiento en las pruebas.
Juanito, director del laboratorio, con el fin de evaluar el efecto del medicamento para el día de la
prueba le entregó el medicamento de forma aleatoria a parte de la sección de Econometría donde rinde clases.
Sea 𝑦𝑖 la nota que obtiene el alumno en la prueba de econometría y 𝑥𝑖 una variable dicotómica que
toma valor igual a uno si el individuo consumió el medicamento y cero en caso contrario, el investigador se
propuso estimar el siguiente modelo poblacional:
𝑦𝑖 = 𝛽0 + 𝛽1 𝑥𝑖 + 𝑢𝑖 (ecuación 1)
Para estimar el modelo usted cuenta con una muestra con los siguientes datos:
Individuo X Y
Isidora 1 6
Camila 0 2
Patricio 1 4
Javier 0 2
Juan 0 4
Rosaura 1 5
̂𝒊 = 𝟐 + 𝟑𝒙𝒊
𝒚
b) (8 pts) Encuentre la Suma Explicada de Cuadrados (SEC), la Suma Total de Cuadrados (STC) y finalmente
el 𝑅 2 del modelo. ¿Qué interpretación tendrá el 𝑅 2 para este modelo?
SEC = 9;
STC = 11;
R2 = SEC/STC = 0.82. Es decir, a través del medicamento podemos explicar 82% de la variación en
las notas de la pruebas de econometría.
c) (10 pts) Encuentre una expresión en términos de 𝑦𝑖 𝑥𝑖 , 𝛽̂0 y 𝛽̂1 para los estimadores 𝛿̂0 y 𝛿̂1 que vienen
de la estimación del siguiente modelo:
𝑧𝑖 = 𝛿0 + 𝛿1 𝑥𝑖 + 𝑢𝑖 (ecuación 2)
El modelo (1) estimado es
̂𝟎 + 𝜷
̂𝒊 = 𝜷
𝒚 ̂𝟏 𝒙𝒊
Y que los estimadores MCO de este modelo son:
∑(𝒙𝒊 − 𝒙
̅)𝒚𝒊
̂𝟏 =
𝜷 𝟐
∑(𝒙𝒊 − 𝒙
̅)
̂𝟎 = 𝒚
𝜷 ̂𝟏 𝒙
̅−𝜷 ̅
El modelo (2) estimado es
̂𝟎 + 𝜹
𝒛̂𝒊 = 𝜹 ̂𝟏 𝒙𝒊
Y los estimadores MCO son:
∑(𝒙𝒊 − 𝒙
̅ )𝒛𝒊 ∑(𝒙𝒊 − 𝒙
̅ )(𝜿𝒚𝒊 ) 𝜿 ∑(𝒙𝒊 − 𝒙
̅ )(𝒚𝒊 )
̂𝟏 =
𝜹 = = ̂
= 𝜿𝜷
𝟐 𝟐 𝟏
∑(𝒙𝒊 − 𝒙
̅) ∑(𝒙𝒊 − 𝒙
̅) ̅ )𝟐
∑(𝒙𝒊 − 𝒙
̂𝟎 = 𝒛̅ − 𝜹
𝜹 ̂𝟏 𝒙
̅ = 𝜿𝒚 ̂𝟏 )𝒙
̅̅̅̅ − (𝜿𝜷 ̂𝟏 𝒙
̅ = 𝜿(𝒚̅ − 𝜷 ̂𝟎
̅ ) = 𝜿𝜷
Entonces:
̂ + 𝜿𝜷
𝒛̂𝒊 = 𝜿𝜷 ̂ 𝒙𝒊 = 𝜿(𝜷
̂+ 𝜷̂ 𝒙𝒊 ) = 𝜿𝒚
̂𝒊
𝟎 𝟏 𝟎 𝟏
d) (10 pts) Encuentre una expresión de la Suma total de cuadrados (STC) y la Suma explicada de cuadrados
(SEC) del modelo descrito en la ecuación (2) en términos de las expresiones encontradas en el apartado
b).
Del apartado (b) encontramos las expresiones de STC y SEC para el modelo (1):
̅)𝟐
𝑺𝑻𝑪𝒀 = ∑(𝒚𝒊 − 𝒚 𝑺𝑬𝑪𝒀 = ∑(𝒚 ̅)𝟐
̂𝒊 − 𝒚
𝟐 𝟐
𝑺𝑻𝑪𝒁 = ∑(𝒛𝒊 − 𝒛̅)𝟐 = ∑(𝜿𝒚𝒊 − 𝜿𝒚 ̅)) = ∑ 𝜿𝟐 (𝒚𝒊 − 𝒚
̅̅̅̅) = ∑(𝜿(𝒚𝒊 − 𝒚 ̅)𝟐 = 𝜿𝟐 ∑(𝒚𝒊 − 𝒚
̅)𝟐
𝟐 𝟐
𝑺𝑬𝑪𝒁 = ∑(𝒛̂𝒊 − 𝒛̅)𝟐 = ∑(𝜿𝒚 ̅̅̅̅)𝟐 = ∑( 𝜿(𝒚
̂ 𝒊 − 𝜿𝒚 ̅) )𝟐 = ∑ 𝜿𝟐 (𝒚
̂𝒊 − 𝒚 ̅) = 𝜿𝟐 ∑(𝒚
̂𝒊 − 𝒚 ̂𝒊 − 𝒚
̅)
e) (5 pts) ¿Qué relación hay entre el 𝑅 2 de la ecuación (1) versus el 𝑅 2 de la ecuación (2)? ¿Por qué cree
que se da esta relación? Argumente.
Suma Total de
Source los cuadrados
SS df MS Number of obs = 11,066
F(1, 11064) = 682.42
Explicada
Model 212090.208 1 212090.208 Prob > F = 0.0000
Residual 3438618.63 11,064 310.793441 R-squared
R-cuadrado = 0.0581
Adj R-squared = 0.0580
Total 3650708.84 11,065 329.933017 Root MSE = 17.629
̂0 y 𝛽
a) (15 pts) ¿Qué valores tienen 𝛽 ̂1 ? Interprete cada uno de los coeficientes. Grafique esta relación.
̂𝟎 = 86.4. Un niño con madre sin educación formal (sin escolaridad) tendrá un puntaje
𝜷
predicho en el TVIP de 86.4 puntos.
̂𝟏 = 1.4. Un año adicional de escolaridad de la madre está relacionado con un puntaje TVIP
𝜷
mayor en 1.4 puntos, ceteris paribus.
b) (5 pts) Según el modelo, ¿cuál sería el puntaje en el test TVIP de un niño cuya madre tiene 17 años de
educación?
̂ 𝒊 = 𝟖𝟔. 𝟒 + 𝟏. 𝟒𝒆𝒅𝒖𝒄_𝒎𝒂𝒅𝒓𝒆𝒊
𝒕𝒗𝒊𝒑
̂ = 𝟖𝟔. 𝟒 + 𝟏. 𝟒(𝟏𝟕) = 𝟏𝟏𝟎. 𝟐 𝒑𝒖𝒏𝒕𝒐𝒔
𝒕𝒗𝒊𝒑
Econometría – 1er Sem 2018, Prof. D. Kruger, Prueba 1 Nombre: PAUTA
c) (15 pts) ¿Cuál es el R-cuadrado de esta regresión? Interprete su significado. Discuta por qué podría ser
tan bajo/alto.
𝑺𝑹𝑪 𝟑𝟒𝟑𝟖𝟔𝟏𝟖. 𝟔𝟑
𝑹𝟐 = 𝟏 − =𝟏− ≈ 𝟏 − 𝟎. 𝟗𝟒𝟐 ≈ 𝟎. 𝟎𝟓𝟖
𝑺𝑻𝑪 𝟑𝟔𝟓𝟎𝟕𝟎𝟖. 𝟖𝟒
La variabilidad en escolaridad de las madres de esta muestra explica 5.8% de las diferencias en
los puntajes del test TVIP de sus hijos, lo cual es bajo. El R2 es bajo porque hay muchos otros
factores, tanto del hogar como del niño, que no se están incluyendo en este modelo. Por
ejemplo, el nivel socio-económico, la escolaridad del padre, la composición del hogar, la edad
del niño, entre otros.
d) (5 pts) En esta muestra, las madres tienen en promedio, 11.4 años de escolaridad. Según el modelo,
¿cuál es el puntaje promedio de los niños en el TVIP?
̅, 𝒚
Una de las propiedades de MCO es que el punto El punto (𝒙 ̅) se encuentra en la recta
de regresión. Por lo tanto,
̅̅̅̅̅̅̅ ̅̅̅̅̅̅̅̅̅̅̅̅̅
𝑇𝑉𝐼𝑃 = 8𝟔. 𝟒 + 𝟏. 𝟒 𝒆𝒅𝒖𝒄 𝒎𝒂𝒅𝒓𝒆 = 8𝟔. 𝟒 + 𝟏. 𝟒 (𝟏𝟏. 𝟒)
̅̅̅̅̅̅̅
𝑇𝑉𝐼𝑃 = 𝟏𝟎𝟐. 𝟑𝟔 𝒑𝒖𝒏𝒕𝒐𝒔