Universidad Carlos III de Madrid

Estadstica II: Introduccion a la Econometra

Examen Final, Convocatoria Ordinaria, Curso 2007-2008.
21 de Junio de 2008
1. (2,5 puntos) Suponga que log(wage) denota el logaritmo del salario mensual, educ los aos de formacin acadmica,
log(exper) el logaritmo de los aos de experiencia profesional y age la edad.
a. (0,5 punto) Utilizando la siguiente ecuacin interprete los coecientes ,
1
, ,
2
:
log(naqc) = ,
0
+ ,
1
cdnc + ,
2
log(exper) + ,
3
aqc + n
Respuesta: Suponemos que la esperanza condicional de los errores dados cdnc y exper es igual a cero. Cuando
la educacin aumenta en un ao, permaneciendo la experiancia y la edad jas, el salario vara en media
un 100 ,
1
% ceteris paribus. Cuando la experiencia aumenta en un uno por ciento, permaneciendo la
educacin y la edad jas, el salario vara en media un ,
2
%.
b. (0,75 puntos) Se estiman los siguientes modelos de regresin por mnimos cuadrados ordinarios:
1. (a)
d
log(naqc) = 6.76 + 0.063
(0:018)
cdnc + 0.11
(0:05)
log(exper)+0.0024
(?????)
age (1)
1
2
= 0.245, oo1 = 3.546, : = 49
d
log(naqc) = 6.85 + 0.063
(0:018)
cdnc + 0.12
(0:047)
log(exper) (2)
1
2
= 0.239, oo1 = 3.572, : = 49
El error estndar del estimador de
^
,
2
es desconocido.
* (0,25 puntos) Contraste que la edad no afecta al salario.
Respuesta: Mediante un contraste de la 1
1 =

1
2
nr
1
2
r

(1 1
2
nr
)
.

: / 1

=

0.245 0.239
1 0.245

.(
45
1
) ' 0.358
que es muy bajo. Por tanto, no podemos rechazar la hiptesis nula.
* (0,25 puntos) Interprete el coeciente de determinacin en (1).
Respuesta: El modelo de regresin ajustado explica un 24,5% de la varianza muestral de log (naqc) .
* (0,25 puntos) Por qu el 1
2
en (1) es mayor que en (2)?
Respuesta: Porque siempre que se introduce una variable explicativa adicional, aunque no sea signi-
cativa y su coeciente es muy pequeo - como ocurre con aqc, el coeciente de determinacin
aumenta.
b. (0,75 puntos) Suponga ahora que se ha estimado la siguiente ecuacin:
d
log(naqc) = ,
0
+ n
El estimador de ,
0
por mnimos cuadrados ordinarios es
^
,
0
= 4, 45, : = 49.
* (0,25) Proporcione una expresin para
^
,
0
en trminos de los datos.
Respuesta:
^
,
0
es la media muestral de log(naqc). Esto es,
^
,
0
=
1
49
49
X
i=1
log(naqc
i
).
No hace falta reproducir la frmula para tener todo el crdito.
1
* (0,25) Qu valor tiene el coeciente de determinacin 1
2
?
Respuesta: 1
2
= 0.
* (0,25) Si la varianza muestral de
d
log(naqc) es igual a 5.25, proporcione un estimador de la varianza de
^
,
0
.
Respuesta:
\ ar

^
,
0

=
\ ar (log (naqc))
:
Por tanto el valor estimado de \ ar

^
,
0

es 5.25.
c. (0,5 puntos) Contraste la hiptesis de que las variables educ, log(exper) y age no afectan conjuntamente al
salario (son conjuntamente no signicativas) al nivel de signicatividad del 5%.
Respuesta:
1 =
1
2
(1 1
2
)
: / 1
/
=
0.245
1 0.245
49 3 1
3
= 4.867 2.81 = 1
(3;45);0:05
Rechazamos el que todas las variables no sean conjuntamente signicativas.
2. (2,5 puntos) Suponga que se quiere evaluar cul es el efecto de una incineradora de basuras sobre los precios de las
casas. La construccin de la incineradora comenz en 1981 y contamos con datos de precios, caractersticas y
distancia a la incineradora de casas vendidas en 1978 (antes de que se empezase a construir) y en 1982 (despus
de que entrase en funcionamiento). Se quiere estudiar si las casas que estaban cerca de la incineradora perdieron
valor respecto a las que estaban alejadas. Con este n, empleando datos de 1982, se estima el siguiente modelo:
1111C1 =
0
+
1
111C + - (1)
donde:
1111C1 : precio de la casa en trminos reales (dlares de 1978)
111C: variable dummy que vale 1 si la casa est cerca de la incineradora (a menos de 3 millas) y 0 en caso
contrario.
Los resultados de la estimacin aparecen en la siguiente salida de GRETL:
SALIDA 1
OLS estimates using the 142 observations 180-321
Dependent variable: rprice
Variable Coecient Std. Error t-statistic p-value
const 101308 3093.03 32.7535 <0.00001***
nearinc -30688.3 5827.71 -5.2659 <0.00001***
Mean of dependent variable = 92662.9
Standard deviation of dep. var. = 34070.6
Sum of squared residuals = 1.36614e+011
Standard error of residuals = 31238
Unadjusted R2 = 0.165325
Adjusted R2 = 0.159363
Degrees of freedom = 140
Log-likelihood = -1670.1
Akaike information criterion = 3344.19
Schwarz Bayesian criterion = 3350.1
Hannan-Quinn criterion = 3346.59
a. (0,5 puntos)Implican los resultados de la anterior estimacin que las viviendas cercanas a la incineradora tienen
un precio ms bajo? Relacione su respuesta con el signo y la signicatividad de los coecientes estimados
en la SALIDA 1.
2
Respuesta: Inferimos, a la vista de la salida de GRETL, que
1
es signicativamente diferente de cero y
negativo. El p-valor del contraste de signicacin es muy pequeo. Conluimos que la evidencia emprica
no contradice el que los precios de las casas cerca de la incineradora son ms bajos en media.
b. (0,5 puntos) Interprete el coeciente de la constante en la SALIDA 1. A la luz de los resultados de la
SALIDA 1, podemos decir que el precio medio de las viviendas en 1982 es de 70619 dlares?
Respuesta: Se estima que las viviendas a ms de tres millas de la incineradora tienen un precio medio de
101308 dlares. Las viviendas a menos de tres millas tienen un precio medio de 30688.3 dlares menos.
Por tanto, el precio medio de las casas en 1982 no es 70619 dlares.
c. (0,5 puntos) Se estima de nuevo el Modelo (1), pero en esta ocasin empleando datos de 1978, obtenindose
los siguientes resultados:
SALIDA 2
OLS estimates using the 179 observations 1-179
Dependent variable: rprice
Variable Coecient Std. Error t-statistic p-value
const 82517.2 2653.79 31.0941 <0.00000***
nearinc -18824.4 4744.59 -3.9675 0.00011***
Mean of dependent variable = 76628
Standard deviation of dep. var. = 30626.4
Sum of squared residuals = 1.53324e+011
Standard error of residuals = 29432
Unadjusted R2 = 0.081671
Adjusted R2 = 0.0764827
Degrees of freedom = 177
Log-likelihood = -2094.87
Akaike information criterion = 4193.73
Schwarz Bayesian criterion = 4200.1
Hannan-Quinn criterion = 4196.32
A la luz de los resultados de la SALIDA 2, se puede concluir que la incineradora se construy en una zona en la
que los precios de las casas eran ms bajos?
d. (1 punto) Suponga que denimos una variable dummy, d78, que toma el valor 1 si la observacin corresponde a
una casa que fue vendida en el ao 1978 y toma el valor 0 si fue vendida en el ao 1982. Estimamos el
siguiente modelo:
1111C1 = ,
0
+ ,
1
111C + c
0
d78 + c
1
(111C d78) + -
* (0,5 puntos) Especique cmo contrastara la hiptesis nula de que las casas vendidas en 1978 y en 1982
siguen la misma funcin de regresin.
Respuesta: Debemos contrastar H
0
: c
0
= c
1
= 0 mediante un contraste de la 1.
* (0,5 puntos) Segn el modelo, escriba el modelo: a) para las viviendas vendidas en 1978 a menos de
300 millas de la incineradora, b) para las viviendas vendidas en 1982 a menos de 300 millas de la
incineradora, c) de las viviendas vendidas en 1978 a ms de 300 millas de la incineradora y c) de las
viviendas vendidas en 1982 a ms de 300 millas de la incienradora. Interprete el parmetro c
1
en la
luz de su respuesta.
Respuesta: Si d78 = 1 y 111C = 1
1111C1 = ,
0
+ ,
1
+ c
0
+ c
1
+ -
Si d78 = 0 y 111C = 1
1111C1 = ,
0
+ ,
1
+ -
Si d78 = 1 y 111C = 0
1111C1 = ,
0
+ ,
1
+ c
0
+ -
3
Si d78 = 0 y 111C = 0
1111C1 = ,
0
+ -
Por tanto c
1
ser la diferencia en una vivienda vendida en 1978 a menos de 300 metros y otra vendida
a ms de 300 metros.
3. (2,5 puntos) Para explicar el efecto de los cursos de adiestramiento de los trabajadores sobre la productividad de
las empresas manufactureras de Michigan, se considera el siguiente modelo:
log (:craj) = ,
0
+ ,
1
/r:c:j + ,
2
log (:a|c:) + ,
3
log (c:j|oj) + n
donde :craj denota una tasa de artculos desechados: el nmero de artculos defectuosos de cada 100 producidos
que deben ser desechados, /r:c:j son las horas anuales de adiestramiento por empleado, :a|c: es el total
facturado al ao (en dlares), y c:j|oj es el nmero de trabajadores en la empresa. La ecuacin estimada es:
d
log(:craj) = 13.72
(4:91)
0.028
(0:019)
/r:c:j 1.21
(0:41)
log(:a|c:) + 1.48
(0:43)
log(c:j|oj)
: = 30, 1
2
= 0.431.
Los errores estndar se encuentran en parntesis.
a. (0,5 puntos) Si los empleados en una empresa son adiestrados 5 horas ms al ao que en otra empresa con
la misma facturacin anual y el mismo nmero de trabajadores, cul es la diferencia estimada entre las
dos empresas en la tasa de artculos desechados :craj?
Respuesta: Un 5 0.028 100 = 14%.
b. (0,5 puntos) Demuestre que el modelo puede reescribirse como
log(:craj) = ,
0
+ ,
1
/r:c:j + ,
2
log

:a|c:
c:j|oj

+ 0
3
log(c:j|oj) + n (1)
en trminos del parmetro 0
3
= ,
2
+ ,
3
. Ayuda: log (r,j) = log (r) log (j) .
c. (1 punto)
* (0,5 puntos) Escriba el modelo en forma reducida bajo la hiptesis nula H
0
: ,
1
= ,
3
. Escriba la
hiptesis nula en trminos del parmetro 0
3
.
Respuesta: El modelo bajo H
0
es
log(:craj) = ,
0
+ ,
1
/r:c:j + ,
2
log

:a|c:
c:j|oj

+ n
Podemos escribir H
0
: 0
3
= 0.
* (0,5 puntos) Explique como contrastar H
0
en la direccin de que H
1
: ,
1
6= ,
3
utilizando el 1
2
en el
modelo restringido y no restringido.
Respuesta: Mediante un contraste de la 1 comparando los 1
20
: del modelo restringido y no restringido.
d. (0,5 puntos) El modelo en su formulacin (1) ha sido estimado como sigue:
d
log(:craj) = 11.74
(4:57)
0.042
(0:019)
/r:c:j 0.951
(0:370)
log(
sales
employ
) + 0.041
(0:205)
log(c:j|oj)
: = 43, 1
2
= 0.31.
Contraste la hiptesis nula H
0
: ,
1
= ,
3
en la direccin H
1
: ,
1
6= ,
3
.
Respuesta: Mediante un contraste de la t
t =
0.041
0.205
= 0.2.
Rechazamos H
0
a cualquier nivel de signicacin habitual.
4
4. (2,5 puntos)La siguiente ecuacin de regresin describe el precio promedio de las viviendas en una localidad en
trminos de la contaminacin :or (concentracin de xido ntrico),
log (jricc) = c
0
+ c
1
log (:or) + n
1
.
Tambin se considera una ecuacin que tiene en cuenta el nmero de habitaciones en la vivienda (roo::):
log (jricc) = ,
0
+ ,
1
log (:or) + ,
2
roo:: + n
2
.
Suponiendo que los errores n
1
no estn correlacionados con log (:or) y n
2
no est correlacionado ni con log (:or)
ni con roo::.
a. (1 punto) Suponiendo que ,
2
6= 0, en que circunstancia ,
1
= c
1
.
Respuesta: Cuando Co (log (:or) , roo::) = 0.
b. (1 punto) En base a una muestra aleatoria se estima las siguiente ecuacines:
d
log (jricc) = 11.71
(0:132)
1.043
(0:078)
log (:or) . (2)
: = 506, 1
2
= 0.264
d
log (jricc) = 9.23
(0:188)
0.718
(0:066)
log (:or) + 0.306
(0:019)
roo::. (3)
: = 506, 1
2
= 0.514
Proporcione una relacin entre los estimadores de c
1
en (2) y de ,
1
en (3).
Respuesta:
^
,
1
= ^ c
1
+
^
,
2
d
Co (log (:or) , roo::)
d
\ ar (log (:or))
.
c. (0,5 puntos) Si la varianza muestral de log (:or) es 0, 75, cul es el valor de la covarianza muestral entre
log (:or) y roo::?
Respuesta:
d
Co (log (:or) , roo::) =
d
\ ar (log (:or))

^
,
1
^ c
1

^
,
2
= 0.75
0.718 + 1.043
0.306
= 0.796.
5