Beruflich Dokumente
Kultur Dokumente
SANTO DOMINGO
(UASD)
FACULTAD DE ECONOMIA Y CIENCIAS SOCIALES
PRIMERA PRACTICA
Econometría
MAESTRO
Francisco Ramírez
ALUMMNO
Mat. 100152275
27/09/2019
Econometría Práctica I
Ejercicio 4: Sea niños la cantidad de hijos que ha tenido una mujer, y educ los años
de educación que tiene esta mujer. Un modelo sencillo para relacionar fertilidad
con años de educación es: niños = β0 +β1educ+u donde u es el error no observado.’
4.1 ¿Qué tipo de factores son los contenidos en u? ¿Es posible que estos factores
están correlacionados con el nivel de educación?
4.1.1 Los factores que pueden estar contenido en U son los siguientes: nivel de
ingresos , antecedentes familiares, sector de residencia, acceso al sistema
de salud, etc.
bd<-read.csv(C:/Users/Mayelin Adriana/Downloads/401K.csv)
PTC<-sum(sumMrate)/1534
summary(P5)
stargazer(modelo1,type = "text" )
#Determine la prate que se predice para mrate = 3.5. ¿Es razonable esta predicción?
Explique qué ocurre aquí.
#¿Qué tanto de la variación en prate es explicada por mrate? En su opinión, ¿es mucho?
#respuesta: la variacion en prate depende mucho de que tanto pueda cambiar mrate,
#Ejercicio 6. Un problema de interés para los funcionarios de salud(y para otros)es
determinar los efectos que el fumar durante el embarazo tiene sobre la salud
infantil. Una medida de la salud infantil es el peso al nacer; un peso demasiado
bajo puede ubicar al niño en riesgo de contraer varias enfermedades. Ya que es
probable que otros factores que afectan el peso al nacer están correlacionados con
fumar, deben considerarse. Por ejemplo, un nivel de ingresos más alto en general
da como resultado el acceso a mejores cuidados prenatales y a una mejor nutrición
de la madre. Una ecuación que reconoce estos factores es:
#bwght = β0 +β1cigs+β2faminc+u
# ¿Cree que cigs y faminc están correlacionados? Explique por qué la correlación
puede ser positiva o negativa.
#Respuesta: si están correlaciona, la correlacion puede ser positiva porque a medida que
aumente los ingresos de una persona mayor seria la demanda de cigs. Puede ser
negativa por que pudiera ver otro factores que influya en la demanda del cigs.
#Ahora, calcule la ecuación con y sin faminc utilizando los datos del archivo
BWGHT.CSV. Dé los resultados en forma de ecuación incluyendo el tamaño de la
muestra y la R cuadrada. Explique sus resultados enfocándose en si el añadir
faminc modifica de manera sustancial el efecto esperado de cigs sobre bwght.
#creando dataset.
data<-read.csv(C:/Users/Mayelin Adriana/Downloads/BWGHT.csv)
data<-BWGHT
#creando variables.
pesolb<-data$bwght
cigarros<-data$cigs
faminc1<-data$faminc
modelomw<-lm(pesolb~cigarros+faminc1)
modelomw2<-lm(data$bwght~data$cigs+data$faminc)
modelomw3<-lm(data$bwght~data$cigs)
#viendo los resultados del Modelomw2 con faminc
summary(modelomw2)
stargazer(modelomw2,type = "text")
#Ejercicio 7 El modelo siguiente puede usarse para estudiar si los gastos de
campaña afectan los resultados de las elecciones:
#respuesta: manteniendo todas las variables constantes por cada unidad de incremento
en expendA se espera que el porcentaje de los votos en (voteA) aumente en β1%.
data1<-read.csv(C:/Users/Mayelin Adriana/Downloads/VOTE1.csv
data1<-VOTE1
#crear variables
votoA<- data1$VOTEA
gastoA<-data1$EXPENDA
gastoB<-data1$EXPENDB
Ep<-data1$PRTYSTRA
#crear modelo
modeloE1<-lm(votoA~gastoA+gastoB+Ep)
modeloE2<-
lm(data1$VOTEA~data1$EXPENDA+data1$EXPENDB+data1$PRTYSTRA)
summary(modeloE2)
stargazer(modeloE2,type = "text")
#para β0: se estima que el porcentaje de votos promedio del partido A es de 33.26%,
cuando el gasto del partido A, el partido B y el porciento de votos del partido A en las
pasadas elecciones son igual a cero simultáneamente.
#para β1: manteniendo las demás variables constates, se espera que por cada unidad de
incremento en el gasto del partido A el porcentaje de los votosA aumenten en promedio
a 0.035%
#para β2: manteniendo las demás variables constantes, se espera que por cada unidad de
incremento en el gasto del partido B el porcentaje de los votosA disminuye en promedio
a 0.035%
#para β3: manteniendo las demasvariabes contantes, se espera que por cada por ciento
de votos obtenidos en la eleccion pasada, el porcentaje de los votos del partido A
aumente en promedio 0.34%
#Ejercicio 8 Para este ejercicio emplee los datos del archivo WAGE2.CSV.
Considere la ecuación estándar para salario
bs2<-read.csv(C:/Users/Mayelin Adriana/Downloads/WAGE2.csv)
sal<- WAGE2
#para β1: manteniendo las demas variables constantes, se espera que por cada año de
educacion de un individuo el salario sea mayor.
#para β2: manteniendo las demas variables constantes, se espera que por cada año de
experiencia de un individuo el salario aumenta.
#para β3: manteniendo las demas variables constantes, se espera que por cada año de
trabajo en la empresa el salario de un individuo aumente.
#crear variables
salario<-sal$WAGE
educacion<-sal$EDUC
expe<-sal$EXPER
ae<-sal$TENURE
#crear modelo
modeloW<-lm(salario~educacion+expe+ae)
modeloM<-lm(sal$WAGE~sal$EDUC+sal$EXPER+sal$TENURE)
summary(modeloM)
stargazer(modeloM,type = "text")
#para β1: manteniendo las demás variables constante, se estima que por cada año de
educacion de un individuo el salario aumenta en promedio 74.4%.
#para β2: manteniendo las demás variables constante, se estima que por cada año de
experiencia de un individuo el salario aumenta en promedio 14.8%
#para β3: manteniendo las demás variables constante, se estima que por cada año de
trabajo en la empresa, el salario aumenta en promedio 8.2%