Documente Academic
Documente Profesional
Documente Cultură
Carrera de Economía
Econometría 1
Lic. Julio Humérez Quiroz
1. En base a los datos del archivo <Multicolinealidad.wf1> genere tres nuevas variables que sean una
combinación
a. Genere las variables:
𝑋2𝑖 = 2 − 0,32𝑋1𝑖 + 𝑢2𝑖
𝑋3𝑖 = 1,3𝑋2𝑖
𝑋4𝑖 = 0,85𝑋1𝑖 𝑢4𝑖
Donde 𝑢2𝑖 y 𝑢4𝑖 son procesos ruido blanco con distribución normal estándar.
b. Realice un gráfico de puntos de las interacciones entre todas las 𝑋𝑗𝑖 para j=1, 2, 3, 4.
¿Qué nos sugieren estas gráficas?
c. Estime 3 modelos los siguientes 3 modelos: (En el informe reporte solamente los parámetros
estimados y las desviaciones estándar con la notación regular)
𝑌𝑖 = 𝛽11 + 𝛽12 𝑋1𝑖 + 𝛽12 𝑋4𝑖 + 𝜀1𝑖 (1)
𝑌𝑖 = 𝛽21 + 𝛽22 𝑋1𝑖 + 𝛽23 𝑋2𝑖 + 𝜀2𝑖 (2)
𝑌𝑖 = 𝛽31 + 𝛽32 𝑋1𝑖 + 𝛽33 𝑋3𝑖 + 𝜀2𝑖 (3)
¿Tienen coherencia los test de significancia individual y global para cada modelo?
d. En el tercer modelo reemplace 𝑋1𝑖 por 𝑋2𝑖 ¿El nuevo modelo propuesto, se puede estimar? ¿Por
qué?
2. Para evaluar la factibilidad de un salario anual garantizado (impuesto sobre la renta negativo),
Rand Corporation valoró en un estudio la respuesta de la oferta de trabajo (horas promedio de
trabajo) ante un incremento de los salarios por hora.* Los datos de tal estudio se obtuvieron de
una muestra nacional de 6 000 familias cuyo jefe (varón) ganaba menos de 15 000 dólares al año.
Los datos se dividieron en 39 grupos demográficos para su análisis. En vista de que para cuatro
grupos demográficos había datos faltantes respecto de algunas variables, los datos de la tabla se
refieren sólo a 35 de esos grupos. La base de datos está en el archivo <Rand Corporation.wf1>
a. Realice la regresión de las horas promedio trabajadas durante un año sobre las variables
suministradas en la tabla e interprete su regresión.
b. ¿Existe evidencia de multicolinealidad en los datos? ¿Cómo sabe?
c. Calcule las medidas del factor inflacionario de la varianza (VFI) y de la TOL para las diversas
regresoras.
d. Si existe un problema de multicolinealidad, ¿qué acciones correctivas, si acaso hay alguna,
tomaría?
e. ¿Qué sugiere este estudio sobre la viabilidad de un impuesto sobre la renta negativo?
3. El archivo <CEOSAL2.wf1> contiene datos de 177 CEO (directores generales) y puede utilizarse
para examinar los efectos del desempeño de la empresa sobre el sueldo de los CEO.
a. Estime un modelo que relacione el sueldo anual (salary) con las ventas de la empresa (sales) y el
precio de mercado (mktval). Use el tipo de modelo que tiene elasticidad constante para ambas
variables independientes. Escriba los resultados en forma de ecuación.
b. Añada profits (utilidades de la empresa) al modelo del inciso (a). ¿Por qué esta variable no puede
incluirse en forma logarítmica?. ¿Diría usted que estas variables de desempeño de la empresa
explican la mayor parte de la variación en sueldos de los CEO?
c. Añada la variable ceoten (antigüedad del CEO en el puesto) al modelo del inciso (b). ¿Cuál es el
rendimiento porcentual estimado por un año más de permanencia del CEO en la empresa,
manteniendo constantes los otros factores?
d. Encuentre el coeficiente de correlación muestral entre las variables log(mktval) y profits. ¿Estas
variables están fuertemente correlacionadas? ¿Que indica esto sobre los estimadores de MCO?
e. Analice los indicadores de multicolinealidad del modelo. ¿Llega a las mismas conclusiones que en
el inciso anterior?
5. El archivo <CARS.wf1> contiene información sobre los automóviles de pasajeros nuevos vendidos
en Estados Unidos como función de diversas variables.
a. Desarrolle un modelo lineal o log-lineal apropiado para estimar una función de demanda de
automóviles en Estados Unidos.
b. Si decide incluir todas las regresoras dadas en la base de datos como variables explicativas,
¿espera encontrar el problema de multicolinealidad? ¿Por qué?
c. Si espera lo anterior, ¿cómo resolvería el problema? Plantee los supuestos claramente y muestre
todos los cálculos de manera explícita.
8. En base a la base de datos <HPRICE.wf1> considere las variables Price , lotsize, sqrft, bdrms y
estime:
a. El modelo 𝑝𝑟𝑖𝑐𝑒 = 𝛽0 + 𝛽1 𝑙𝑜𝑡𝑠𝑖𝑧𝑒 + 𝛽2 𝑠𝑞𝑟𝑓𝑡 + 𝛽3 𝑏𝑑𝑟𝑚𝑠 + 𝑢 reportando los parámetros
estimados y errores estándar.
b. El modelo log(𝑝𝑟𝑖𝑐𝑒) = 𝛽0 + 𝛽1 log(𝑙𝑜𝑡𝑠𝑖𝑧𝑒) + 𝛽2 log(𝑠𝑞𝑟𝑓𝑡) + 𝛽3 𝑏𝑑𝑟𝑚𝑠 + 𝑢 reportando los
parámetros estimados y errores estándar.
c. Realice un análisis gráfico de las variables en busca de heteroscedasticidad para cada modelo ¿Cuál
de ellas parece presentar este problema?
d. Realice la prueba de heteroscedasticidad de White para ambos modelos, compare los resultados.
¿Cambian las conclusiones?
9. Reestimar los modelos del ejercicio 8 en los incisos a y b pero esta vez considerando los errores
estándar robustos a la heteroscedasticidad ¿Cambian los resultados? ¿Por qué?
𝑌 = 𝛽0 + 𝛽1 𝑋 + 𝑢
donde Y = inventarios y X = ventas, ambas medidas en miles de millones de dólares.
14. Utilice la información de la base de datos <Chicken.wf1> Supongamos que la verdadera función
de demanda es:
log(𝑌) = 𝛽0 + 𝛽1 log(𝑋2 ) + 𝛽2 log(𝑋3 ) + 𝛽3 log(𝑋6 ) + 𝑢
Pero se considera la siguiente relación
log(𝑌) = 𝛽0 + 𝛽1 log(𝑋2 ) + 𝛽2 log(𝑋3 ) + 𝑣
a. Realice la prueba RESET y ML de errores de especificación, sobre el segundo modelo.
b. Suponga que 𝛽 ̂3 de la primera relación no resulta estadísticamente significativa ¿Indica esto que
haya errores de especificación en mi segunda relación?
̂3 resulta no significativa, ¿Indica que no se debe introducir el precio de uno o más productos
c. Si 𝛽
sustitutos como argumento en la función de demanda?
15. Utilizando el archivo <CEOSAL2.wf1> cree la variable binaria, rosneg que sea igual a uno si ros<0
e igual a cero si ros>0.
a. Estime el modelo
log(𝑠𝑎𝑙𝑎𝑟𝑦) = 𝛽0 + 𝛽1 log(𝑠𝑎𝑙𝑒𝑠) + 𝛽2 𝑟𝑜𝑒 + 𝛽3 𝑟𝑜𝑠𝑛𝑒𝑔 + 𝑢
b. Analice la significancia estadística del parámetro para rosneg
c. Aplique la prueba RESET ¿Cuáles son sus conclusiones?
d. Realice una prueba RESET pero esta vez robusta a la heteroscedasticidad, ¿los resultados cambian
en comparación al inciso anterior?
16. Para este ejercicio utilice los datos del archivo <jtrain.wf1>
17. Para esta pregunta utilice los datos del archivo <MURDER.wf1> del año 1993, aunque primero
necesitara obtener la tasa rezagada de homicidios, llámesele mrdrte-1.
a. Corra la regresión del mrdrte sobre exec, unem (ejecuciones por pena de muerte en los últimos
tres años y tasa de desempleo, respectivamente). ¿Cuáles son el coeficiente y el estadístico t de
exec? ¿Proporciona esta regresión evidencia de un efecto disuasivo de la pena capital?
b. Compare el valor de exec de Texas con los otros estados y con el promedio de las observaciones.
A la regresión del inciso a) agregue una variable binaria para Texas. ¿Es su estadístico t
inusualmente grande? De acuerdo con esto, ¿parece que Texas sea “una observación aberrante
”?
c. A la regresión del inciso a) agregue la tasa rezagada de homicidios. ¿Qué sucede con Bexec estimado
y con su significancia estadística?
d. De acuerdo con la regresión del inciso c), ¿parece que Texas sea una observación aberrante?
e. ¿Qué efecto tiene sobre Bexec estimado eliminar Texas de la regresión?
NOTA IMPORTANTE:
La práctica debe ser entregada en las ternas ya conformadas, presentando un solucionario por
grupo. La presentación de este solucionario debe tener 2 partes. Primera parte: solucionario a
mano donde se presenten solo las respuestas a las preguntas de manera clara y directa (dejando los
cuadros de estimación, gráficas y otros elementos para los archivos wf1); la segunda parte será un
CD con los archivos Eviews con todas las operaciones realizadas para resolver cada ejercicio, estos
deben estar claramente identificados por la siguiente numeración, por ejemplo para el ejercicio 1,
el archivo desarrollado se llamará <ejercicio_1.wf1>. Dentro de este documento deben estar los
objetos que se utilizaron para resolver cada inciso con el nombre claramente identificado, por
ejemplo para el inciso b del ejercicio 1 debe haber una gráfica con el nombre “inciso_b”.