UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

FACULTAD DE CIENCIAS ECONOMICAS

Curso: Econometría I
Profesora: Mg. Beatriz Castañeda S.

Práctica 3

1. Con el objeto de determinar si existen o no diferencias en las calificaciones obtenidas por

hombres y mujeres en una determinada asignatura, a partir de 25 observaciones se estimó el
modelo:
Nota = 1+ 2 Pc + 3 Sexo + ut
donde PC es el promedio de prácticas y la variable sexo toma el valor 1 si se trata de una mujer
y 0 para un varón. Los resultados de la estimación fueron los siguientes

Nota = 5 + 0.75 Pc + 1.5 Sexo + et R²= 0.72

Sβ 1.2 0.15 0.35
Interprete los resultados y analice si hay diferencias entre varones y mujeres

Xt
2. Si en el modelo Yt = α + β Xt + δ Zt + ut se cumple que   constante,
Zt
¿Qué parámetros se puede estimar?

3. En el modelo de regresión lineal múltiple Yt = β0 + β1 X1t + β2 X2t + β3 X3t + ut

se verifica que X1t = 3 X3t.
Indique que parámetros son estimables:
a) Cuando no se dispone de información a priori sobre los coeficientes, y
b) Cuando se sabe que β3 = 2

4. Una empresa textil se plantea el estudiar las variables que le permitan modelizar su
función de beneficios. Con este fin registra 64 observaciones trimestrales relativas a los
beneficios obtenidos (Y), el precio medio del producto (X1), la calidad del producto
(X2), la presión fiscal (X3) y los gastos en publicidad (X4). Asimismo, se sospecha que
la relación entre estas variables puede especificarse a través de distintas estructuras. Por
lo cual se ha estimado 3 modelos
Modelo 1
Yt = 17 + 0.25 X1t +0.13 X2t – 0.25 X3t + 0.17 X4t + e ; t: 1980-T1 a 1995-T4
SCE= 250

Modelo 2
Yt = 14 + 1.25D2t +6.46 D3t -2.3D4t +0.86 X1t +0.25 X2t – 0.18 X3t + 0.34 X4t + e ;
t: 1980-T1 a 1995-T4
Se= 2.05
Donde D jt  
1 si la observación pertenece al trimestre j

0 en caso contrario
Modelo 3
Yt = 12 + 0.27 X1t +0.15 X2t – 0.12 X3t + 0.17 X4t + e ; t: 1980-T1 a 1989-T4
R²=0.98 S 2  130 .42
y
 Yt = 15 + 0.32 X1t +0.16 X2t – 0.34 X3t + 0.21 X4t + e ; t: 1990-T1 a 1995-T4
SCE= 130.64
a) Indique que estructura postula cada modelo.
b) Con la información disponible haga los análisis pertinentes y determine cuál es la
estructura apropiada.

5. Se ha estimado el siguiente modelo para las importaciones en función del consumo y

las exportaciones
a) Analice el cumplimiento del supuesto de normalidad y la existencia de quiebre
estructural.
b) De haber incumplimiento de algún supuesto proponga un modelo alternativo que
mejore la explicación de las importaciones en el periodo 1971 -1997, especifique
con detalle el modelo.

Dependent Variable: IMPORT

Method: Least Squares
Date: 06/18/15 Time: 23:15 Sample (adjusted): 1971 1997
Included observations: 27 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

C -5442255. 1167971. -4.659580 0.0001

CONSUMO 0.812180 0.271779 2.988380 0.0066
CONSUMO(-1) -0.501693 0.271568 -1.847395 0.0776
EXPORT 0.645595 0.114394 5.643612 0.0000

R-squared 0.968259 Mean dependent var 7126477.

Adjusted R-squared 0.964118 S.D. dependent var 3903921.
S.E. of regression 739498.0 Akaike info criterion 30.00128
Sum squared resid 1.26E+13 Schwarz criterion 30.19326
Log likelihood -401.0173 Hannan-Quinn criter. 30.05837
F-statistic 233.8684 Durbin-Watson stat 0.186250
Prob(F-statistic) 0.000000

Empirical Distribution Test for RESID

Hypothesis: Normal
Date: 06/18/15 Time: 23:17 Sample (adjusted): 1971 1997
Included observations: 27 after adjustments

Method Value Adj. Value Probability

Kolmogorov (D+) 0.101263 0.540472 0.5575

Kolmogorov (D-) 0.151799 0.810199 0.2691
Kolmogorov (D) 0.151799 0.810199 0.5276
Kuiper (V) 0.253062 1.365859 0.3098
Cramer-von Mises (W2) 0.135429 0.125935 0.4395
Watson (U2) 0.115034 0.114770 0.2060
Anderson-Darling (A2) 0.846403 0.846403 0.4487
 0 2.0

-2,000,000
1.5

-4,000,000
1.0
-6,000,000
0.5
-8,000,000

0.0
-10,000,000

-12,000,000 -0.5
76 78 80 82 84 86 88 90 92 94 96 76 78 80 82 84 86 88 90 92 94 96

Recursiv e C(1) Estimates Recursiv e C(2) Estimates

± 2 S.E. ± 2 S.E.

0.4 2

0.0
1

-0.4
0
-0.8

-1
-1.2

-1.6 -2
76 78 80 82 84 86 88 90 92 94 96 76 78 80 82 84 86 88 90 92 94 96

Recursiv e C(3) Estimates Recursiv e C(4) Estimates

± 2 S.E. ± 2 S.E.

6. Con la data del archivo wage2.wf1 estime el modelo para explicar los ingresos mensuales (wage) en
función de educ (los años de educación), age (la edad en años),married (ser casado: 1=casado, 0=no
casado)
a) Interprete los resultados
b) analice la multicolinealidad y la normalidad de las perturbaciones.
c) De tener algún incumplimiento en el ítem b, evalúe la pertinencia de incluir a las variables IQ
(coeficiente de inteligencia) y urban (Urbana: 1=labora en zona urbana, 0=Labora en zona no urbana)
d) De persistir el incumplimiento, estime el modelo para la variable ln(wage) y haga el análisis de sus
resultados.