26 de agosto de 2013

Econometra III
Raymundo M. Campos Vzquez
Agosto-Diciembre 2013
PROBLEM SET 1

Problema 1

1. Regstrate en el INEGI en la seccin de acceso a microdatos. Analiza todas las bases de datos
que estn disponibles en esta seccin.
2. Baja a tu disco duro externo los datos de la ENIGH. De ser posible todas las ENIGH y trabaja
con las ENIGH desde 1992. Pero en clase slo utilizaremos las ENIGHS 1996, 2006, 2008,
2010, 2012.
3. Baja a tu disco duro externo los datos de la ENOE. En clase slo utilizaremos las ENOES:
2005, 2008, 2010, 2013, 2 trimestre.
4. Asegrate de leer la organizacin de la ENIGH y ENOE.
5. Convierte la ENIGH y ENOE a formato STATA. Si no tienes StatTransfer busca la ayuda en
Stata para transformar los datos (checa el comando odbc).
6. En Stata lee (y comprende) el help de los siguientes comandos: use, merge, collapse, append,
table, sum, reg, reshape, ivreg, ivreg2. Asimismo analiza la discusin en Stata sobre los pesos
(weights) para generalizar los resultados a toda la poblacin. En particular utilizaremos fweight
y aweight.
7. Lee (y entiende) los captulos 1-3 del libro de Cameron y Trivedi. Microeconometrics using
Stata. Necesitars entender este material para poder contestar las preguntas 4 y 5 abajo.
Tambin sera benfico que al menos le echars un ojo al Cap. 12 Secciones 1 a 5, y asegurarte
que entiende cmo realizar pruebas estadsticas. No me detendr a explicar pruebas estadsticas,
t o F.

Problema 2

1. Visita el sitio http://www.bdsocial.inmujeres.gob.mx y describe dos bases de datos que te sirvan
para alguna (o algunas) pregunta de investigacin de inters. No se puede utilizar ENIGH,
ENE/ENOE, ENNVIH, Censo.

Problema 3

Measurement Error y Pruebas F.
En el modelo
Y = o + |X + c
1. Analiza el caso cuando la variable X est medida con error, y la variable dependiente no est
medida con error. Es decir, X = X * + u donde u N(0,
u
). Es el estimador b de OLS
insesgado y consistente? Describe todos los pasos y explica tu respuesta.


2. Analiza el caso cuando la variable Y est medida con error, y la variable independiente no est
medida con error. Es decir, Y = Y * + u donde u N(0,
u
). Es el estimador b de OLS
insesgado y consistente? Es el estimador OLS eficiente? Describe todos los pasos y explica tu
respuesta.
Partiendo del supuesto que la estimacin Y* = o + |X + c(1) cumple con los supuestos de Gauss-
Markov. Se toma al error de medicin como la diferencia entre el valor observado y el valor real: u = y
y*(2). Para obtener un modelo estimable, se despeja y* = y - u, y se sustituye en la ecuacin (1).
Reordenando y despejando se obtiene:
y - u = o + |X + c
y = o + |X + c + u(3)
El trmino de error es c + u. Como o + |X son observados, este modelo puede estimarse por OLS.
Dado que el modelo original satisface los supuestos de Gauss Markov, c tiene media cero y no est
correlacionado con X. Por tanto, es natural suponer que el error de medicin tenga media cero. Si no es
as, es estimador estar sesgado del intercepto o.
El supuesto usual es que el error de medicin de y es estadsticamente independiente de cada una de las
variables explicativas. Si esto es as, los estimadores OLS son insesgados y consistentes y los
procedimientos usuales de inferencia de OLS (estadsticos t, F, ML) son vlidos.
Si c + u no estn correlacionados, entonces la Var (c + u) =
c
+
u
>
c
. Esto significa que el error
de medicin en la variable dependiente da como resultado una mayor varianza de los estimadores de
OLS. Lo importante es que, si el error de medicin no est relacionado con las variables
independientes, entonces el estimador por OLS tiene buenas propiedades, esto es, un error de medicin
en la variable dependiente puede causar sesgo por OLS en el caso de que est relacionado
sistemticamente con la variable explicativa. De lo contrario, si el error de medicin es slo un error
aleatorio asociado al reporte de los datos que es independiente de la variable explicativa, entonces el
OLS es perfectamente apropiado

3.