Documente Academic
Documente Profesional
Documente Cultură
CON SOLUCIÓN
1
c) ¿Cómo contrastarı́a la hipótesis “La diferencia en el salario medio entre blancos y no
blancos con la misma experiencia laboral es la misma para hombres y mujeres?
SOLUCIÓN:
El coeficiente β3 mide las diferencias salariales entre hombres y mujeres de distinta
raza. Por tanto β3 mide la diferencia en el diferencial salarial por sexo entre individuos
blancos y no blancos y también la diferencia en el diferencial salarial por raza entre
hombres y mujeres.
Observa que si β3 = 0 entonces la diferencia salarial entre hombres y mujeres es la
misma para blancos y no blancos. Por otro lado, también se tiene que la diferencia
salarial entre blancos y no blancos serı́a la misma para hombres que para mujeres.
Tenemos que contrastar si β3 es igual a cero o no:
H0 : β3 = 0
H1 : β3 6= 0
El estadı́stico de contraste es
βb3
t= ∼ tN −5 bajo H0 .
SE(βb3 )
donde bwght es el peso del bebé al nacer en onzas, cigs es el número de cigarrillos diarios
que consumió la madre durante el embarazo, f aminc es la renta de la familia en miles de
dólares, parity es el orden de nacimiento del niño, male es una variable ficticia que vale 1
si el bebé es un varón, white es otra variable ficticia que vale 1 si el bebé es de raza blanca.
Utilizando los datos sobre 1388 nacimientos del fichero BWGHT del libro de Wooldridge
se ha estimado el modelo obteniéndose los siguientes resultados:
log(bwght)
d = 4,66 − 0,0044 cigs + 0,0093 log(f aminc) + 0,016 parity
(0,022) (0,00085) (0,0059) (0,0056)
+0,027 male + 0,055 white
(0,010) (0,013)
2
n = 1388, R = 0,047
2
SOLUCIÓN:
Según la estimación los bebés de raza blanca pesan un 5,5 % más que los bebés de
raza no blanca. Contrastemos si esta diferencia es significativa:
H0 : β5 = 0
H1 : β5 6= 0
βb5
t= ∼ t1388−6 bajo H0
SE(βb5 )
Por tanto, se rechaza la hipótesis nula para todo nivel de significación. Hay evidencias
de que las diferencias en el peso al nacer de bebés de raza blanca y no blanca son
estadı́sticamente significativas.
c) Manteniendo todos los demás factores constantes ¿Pesan más en promedio los niños
que las niñas? ¿Cuánto más? ¿Es esa diferencia estadı́sticamente significativa?
SOLUCIÓN:
Según la estimación los niños pesan un 2,7 % más que las niñas. Contrastemos si esta
diferencia es significativa:
H0 : β4 = 0
H1 : β4 6= 0
βb4
t= ∼ t1382 bajo H0
SE(βb4 )
Por tanto, se rechaza la hipótesis nula para todo nivel de significación mayor que
0,7 %. Para un nivel de significación del 5 % se rechaza la hipótesis nula y por tanto,
hay evidencias de que las diferencias en el peso al nacer de los niños y las niñas son
estadı́sticamente significativas.
3
d ) Manteniendo todos los demás factores constantes ¿Qué diferencia hay en promedio
entre el peso de los varones de raza blanca y de las hembras de raza no blanca?
SOLUCIÓN:
En el modelo la diferencia en el peso entre los varones de raza blanca y las hembras
de raza no blanca es :
Según la estimación la diferencia en el peso entre los niños de raza blanca y las niñas
de raza no blanca es: 0,027 + 0,055 = 0,082. Los niños de raza blanca pesan en
promedio un 8,2 % más que las niñas de raza no blanca.
3. Se desea analizar si existen diferencias en la función de producción entre las empresas del
sector A y las del sector B. Para eso se considera el modelo de regresión
log Yi = β1 Ai + β2 Bi + β3 (Ai ∗ log Li ) + β4 (Bi ∗ log Li ) + β5 (Ai ∗ log Ki ) + β6 (Bi ∗ log Ki ) + ui
donde Yi es la producción, Li es el trabajo y Ki es el capital de la empresa i, y
1 si la empresa i pertenece al sector A
Ai =
0 si la empresa i no pertenece al sector A
1 si la empresa i pertenece al sector B
Bi =
0 si la empresa i no pertenece al sector B
Explique cómo contrastarı́a las siguientes hipótesis:
a) La función de producción es idéntica en los dos sectores.
SOLUCIÓN:
Para que la función de producción sea la misma en los dos sectores debe cumplirse
que β1 = β2 , β3 = β4 y β5 = β6 . Por tanto, debemos realizar el contraste:
H0 : β1 = β2 ; β3 = β4 ; β5 = β6
H1 : β1 6= β2 y/ó β3 6= β4 y/ó β5 6= β6
H0 : β3 = β4 ; β5 = β6
H1 : β3 6= β4 y/ó β5 6= β6
4
c) Los rendimientos a escala de la función de producción son idénticos en los dos sectores.
SOLUCIÓN:
Los rendimientos a escala de la función de producción vienen dados por la suma
de los coeficientes de log(Li ) y log(Ki ). Los rendimientos a escala de la función de
producción para las empresas del sector A son β3 + β5 y para las empresas del sector
B son β4 + β6 . Por tanto, para contrastar si los rendimientos a escala de la función
de producción son idénticos en los dos sectores debemos realizar el contraste:
H0 : β3 + β5 = β4 + β6
H1 : β3 + β5 6= β4 + β6
donde train es una variable binaria con valor 1 si el trabajador participó en el programa.
Pensemos que el término de error contiene caracterı́sticas no observables del trabajador.
Si los trabajadores menos hábiles tienen mayores posibilidades de ser seleccionados para
el programa, y se usa un análisis MCO, ¿qué se puede decir sobre el sesgo probable en el
estimador MCO de β1 ?
SOLUCIÓN:
Dado que los trabajadores menos hábiles tienen mayores posibilidades de ser seleccionados
para el programa la variable train va a estar correlacionada con el error y por tanto, el
estimador MCO de β1 va a estar sesgado. El signo del sesgo va a ser negativo, puesto
que a mayor habilidad esperarı́amos mayor salario, y la correlación entre la habilidad y la
variable train es negativa (menor habilidad mayor probabilidad de ser seleccionado para
el programa), por tanto, el estimador MCO de β1 estará infraestimando el valor real de
β1 , es decir, se estarı́a infraestimando el efecto que el programa tiene el el salario.
H0 : β2 = β3 = 0
H1 : β2 6= 0 y/ó β3 6= 0
cerv = β0 + β1 Renta + u
5
El valor del estadı́stico es
(0,5055 − 0,1355)/2
F = = 11,2235
(1 − 0,5055)/30
H0 : β3 = 0
H1 : β3 < 0
6. a) Estimación
log(salary
d i) = 4,89 + 0,224 log(salesi ) + 0,124 f inancei + 0,239 consprodi
(0,275) (0,032) (0,089) (0,083)
−0,253 utilityi
(0,097)
T = 209, SCR = 44,33
b) El contrate es
H0 : β2 = β3 = β4 = 0
H1 : β2 6= 0 y/ó β3 6= 0 y/ó β4 6= 0
El modelo restringido es
log(salary) = β0 + β1 log(sales) + u
Su estimación es
log(salary
d i) = 4,82 + 0,257 log(salesi )
(0,288) (0,035)
T = 209, SCR = 52,66
6
c) La diferencia porcentual promedio en el salario entre los sectores servicios e industrial
viene dado por el coeficiente β2 y su estimación es del 12,4 %. Para contrastar si esta
diferencia es significativa debemos realizar el siguiente contraste:
H0 : β2 = 0
H1 : β2 6= 0
En este modelo 100 ∗ γ3 mide las diferencias en porcentaje en el salario medio entre
las empresas del sector de bienes de consumo y las del sector financiero, y por tanto,
la hipótesis de que no hay diferencias serı́a γ3 = 0.
La estimación del modelo es
log(salary
d i) = 5,01 + 0,244 log(salesi ) − 0,124 indusi + 0,114 consprodi
(0,277) (0,032) (0,089) (0,091)
−0,477 utilityi
(0,104)
T = 209, SCR = 44,33
colgpa
d = 1,24 − 0,057 hsize + 0,005 hsize2 − 0,013 hsperc +
(0,079) (0,016) (0,002) (0,001)
0,002 sat + 0,155 f emale + 0,169 athlete
(0,0001) (0,018) (0,042)
2
N = 4137 R = 0,293
7
La diferencia estimada en la nota media de la universidad entre los atletas y los que no
lo son es de 0.169 puntos. Para contrastar si esta diferencia es significativa debemos
contrastar si la variable athlete es significativa:
H0 : β6 = 0
H1 : β6 6= 0
El estadı́stico del contraste es
βb6
t= ∼ t4130 bajo H0
SE(βb6 )
b) La estimación es
colgpa
d = 3,05 − 0,053 hsize + 0,005 hsize2 − 0,017 hsperc +
(0,033) (0,018) (0,002) (0,0006)
+0,058 f emale + 0,005 athlete
(0,019) (0,045)
2
N = 4137 R = 0,1885
La diferencia estimada por ser atleta es ahora de 0.005 puntos. Esta diferencia se debe
a que la variable omitida sat es una variable relevante (es significativa) con lo que su
omisión produce un sesgo en los valores estimados y en este caso el sesgo es negativo
(el coeficiente de sat es positivo y la correlación entre sat y athlete es negativa en la
muestra).
c) El modelo que permite que el efecto de ser atleta sobre la nota media difiera en
función del sexo del alumno es
colgpa = β0 +β1 hsize+β2 hsize2 +β3 hsperc+β4 sat+β5 f emale+β6 athlete+β7 (f emale∗athlete)+u
Su estimación es
colgpa
d = 1,24 − 0,057 hsize + 0,005 hsize2 − 0,013 hsperc +
(0,080) (0,016) (0,002) (0,0006)
0,002 sat + 0,155 f emale + 0,167 athlete + 0,008 (f emale ∗ athlete)
(0,0001) (0,018) (0,048) (0,096)
N = 4137 R2 = 0,293
De donde la variable female*athlete no es significativa para un nivel de significación
del 5 % ( el t-ratio es t = 0,08 y su p − valor es 0,936.
d ) El modelo que permite que el efecto de sat sobre la nota media difiera en función del
sexo del alumno es
colgpa = β0 +β1 hsize+β2 hsize2 +β3 hsperc+β4 sat+β5 f emale+β6 athlete+β7 (f emale∗sat)+u
Su estimación es
colgpa
d = 1,26 − 0,057 hsize + 0,005 hsize2 − 0,013 hsperc +
(0,097) (0,016) (0,002) (0,0006)
0,002 sat + 0,102 f emale + 0,168 athlete + 0,00005(f emale ∗ sat)
(0,0001) (0,134) (0,043) (0,0001)
2
N = 4137 R = 0,293
De donde la variable female*sat no es significativa para un nivel de significación del
5 % ( el t-ratio es t = 0,4 y su p − valor es 0,692.
8
8. a) Estimación del modelo sólo para hombres:
sleeph
d = 60,803 − 0,182 totwrkh − 0,218 educ + 0,119 age − 0,0007age2 + 1,006 yngkid
(5,167) (0,024) (0,124) (0,239) (0,0028) (0,984)
N = 400, SCR = 17712,22
sleeph
d = 70,645 − 0,140 totwrkh − 0,170 educ − 0,506 age + 0,006 age2 − 1,971 yngkid
(6,415) (0,028) (0,160) (0,309) (0,004) (1,553)
N = 306, SCR = 15913,49
Cuya estimación es
Donde podemos observar que efectivamente la SCR para toda la muestra es igual a
la suma de las SCR del as estimaciones individuales para hombres y mujeres.
c) Debemos estimar el modelo
9
Cuya estimación es
approve
d = 0,708 + 0,201 white
(0,018) (0,020)
c) El resultado de la estimación es
10
Source SS df MS Number of obs = 1971
F( 16, 1954) = 25.17
Model 36.5318071 16 2.28323794 Prob > F = 0.0000
Residual 177.262206 1954 .090717608 R-squared = 0.1709
Adj R-squared = 0.1641
Total 213.794013 1970 .10852488 Root MSE = .30119
11