Professional Documents
Culture Documents
Nom
bres:
-Juan Pablo
Cova
-Camila Villalobos
Ayudante:
José Rojas
Profesor:
R
odrigo Aranda
(El práctico lo realizamos en conjunto con los compañeros Luis Felipe Villanueva y Estefanye
Lucero)
Pregunta 2
a)
Source | SS df MS
--------------------------------------------------------
Model | .103792841 2 .05189642
Residual | .002869448 27 .000106276
--------------------------------------------------------
Total | .106662288 29 .00367801
Number of obs = 30
F( 2, 27) = 488.32
Prob > F = 0.0000
R-squared = 0.9731
Adj R-squared = 0.9711
Root MSE = .01031
b)
(1) lnp = 0
(2) lny = 0
F ( 2, 27) = 488.32
Prob > F = 0.0000
Test (lnp)
(1) lnp = 0
F ( 1, 27) = 8.68
Prob > F = 0.0066
Test lny
(1) lny = 0
| lnp lny
--------------------------------
lnp | 1.0000
lny | 0.8691 1.0000
Existe una alta correlación entre lny y lnp, lo que nos haría
sospechar de la existencia de multicolinealidad, pero esto no
significaría mayor problema.
DW:
chi2(5) = 6.48
Prob > chi2 = 0.2619
c)
1 1 1
c = β1 + β 2 p + β 3 y
• Modelo 2 (1948-1962):
2 2 2
c = γ 1 + γ 2 p+ γ 3 y
c = α1 + α 2 p + α3 y
• Ho: β1 = γ 1 = α1 ; β 2 = γ 2 = α 2 ; β 3 = γ 3 = α 3
• H1: al menos uno de los parámetros difiere entre las
submuestras
2) Construir el estadístico:
( SRCR − SRCNR ) / k
Fc = ~ F* ( k;n -2k ) (1 − α )
SRCNR / ( n − 2k )
3) Calcular:
Fc =
( 28,76 −13,97 ) / 3 ~ F* ( 0.95 )
( 3;24 )
13,97 / ( 30 − 6 )
∴F c =8,45
4) Obtener:
5) Comparar y concluir:
Pregunta 3
Comente:
R.- Falso;
Puesto que si la cuasi-multicolinealidad está estrictamente
asociada a la base de datos utilizada, aun cuando los estimadores
OLS sigan siendo MELI, esta afectara la significancia de los
parámetros estimados, dado que los errores estándares de los
estimadores son por lo general altos y, como consecuencia de ello,
los test-t serán bajos y posiblemente insignificantes. Ello es fácil de
entender si recordamos que las varianzas y covarianzas de los
estimadores OLS, para un modelo de dos variables explicativas,
pueden expresarse como:
( )
var βˆ 2 = x
σ2
∑ x 22,i (1 − r232 )
( )
var βˆ 3 =
σ2
∑ x (1 − r )
2
3,i
2
23
( )
cov βˆ 2 , βˆ3 =
− r23σ 2
(1 − r ) ∑ x
2
23
2
2 ,i ∑x 2
3, i
Pregunta 4
• Modelo 1 (hombres):
• Modelo 2 (mujeres):
• Ho: θ₀ = γ₀ = α ; θ₁ = γ₁ = β
• H1: al menos uno de los parámetros difiere entre las
submuestras
7) Construir el estadístico:
8) Calcular:
9) Obtener:
• Ho: θ₀ = γ₀ = δ₀ = α ; θ₁ = γ₁ = δ₁ = β
• H1: al menos uno de los parámetros difiere entre las
submuestras
2) Construir el estadístico:
3) Calcular:
4) Obtener:
5) Comparar y concluir: