Curso : Econometría (Vespertino)

Semestre : 1º 2019
Profesor : Mauricio Leiva

PAUTA - CERTAMEN Nº2

1.- (30 ptos) Suponga que un grupo de investigadores desea estudiar el gasto es salud
anual en adultos mayores. Para esto se encuestaron a 2.494 personas. Los resultados de
la investigación son los siguiente:

ln#𝐺𝑎𝑠𝑡𝑜𝑆 * 𝑎𝑙𝑢𝑑. = 6,7720 + 0,3596𝑁𝑟𝑜𝐸𝑛𝑓 + 0,0418𝐸𝑑𝑢𝑐 − 0,0908𝐹𝑎𝑚𝑖𝑙𝑖𝑎

(0,9385) (0,01626) (0,00596) (0,02066)

𝑅J = 0,1834; 𝑅J 𝐴𝑗𝑢𝑠𝑡 = 0,1824; 𝑁 = 2.494

𝑆𝑅𝐶 = 2493,6592

Donde, ln(𝐺𝑎𝑠𝑡𝑜𝑆𝑎𝑙𝑢𝑑): representa el logaritmo del gasto en salud anual en USD por
individuo. 𝑁𝑟𝑜𝐸𝑛𝑓: Número de enfermedades crónicas. 𝐸𝑑𝑢𝑐: Refleja los años de
educación. 𝐹𝑎𝑚𝑖𝑙𝑖𝑎: Tamaño de la familia (Nro de miembros del hogar). Los valores
entre paréntesis reflejan los errores estándar de los coeficientes.

a) (10 pts) Interprete los coeficientes asociadas a las variables 𝑁𝑟𝑜𝐸𝑛𝑓, 𝐸𝑑𝑢𝑐 y
𝐹𝑎𝑚𝑖𝑙𝑖𝑎.
R:
𝑵𝒓𝒐𝑬𝒏𝒇: Por cada enfermedad crónica adicional, en promedio el gasto anual
por adulto mayor en salud aumentará en 35,96%
𝑬𝒅𝒖𝒄: Ante un aumento del nivel educacional (1 año adicional de escolaridad),
el gasto anual en salud por adulto aumenta en 4,18% en promedio.
𝑭𝒂𝒎𝒊𝒍𝒊𝒂: Por cada miembro adicional de la familia, en promedio el gasto anual
por adulto mayor en salud disminuye en un 9, 08%.

b) (10 pts) Explique por qué el 𝑅J 𝐴𝑗𝑢𝑠𝑡 es diferente al 𝑅J . Además, justifique cuál
sería una mejor medida de bondad de ajuste.
R:
El 𝑹𝟐 𝑨𝒋𝒖𝒔𝒕 es diferente al 𝑹𝟐 dado que el primero considera y ajusta por el
número de variables. Se puede demostrar que el 𝑹𝟐 aumenta de “forma
artificial” al aumentar el número de parámetros, no necesariamente reflejando
un mejor ajuste.
Al considerar dicho ajuste, una mejor medida de bondad de ajuste es el
𝑹𝟐 𝑨𝒋𝒖𝒔𝒕, el cual, además es comparable entre diferentes modelos (que puedan
contener más o menos variables).

c) (10 pts) Se sospecha la presencia de Heterocedasticidad provocada por la variable

𝐸𝑑𝑢𝑐, que captura los años de educación. Utilizando el test de Goldfeld-Quant
determine la presencia o no de heterocedasticidad. Se extrajeron de la muestra 500
observaciones de en medio. Luego se obtuvieron los siguientes resultados: SRC
 de muestra inferior = 954,286782. SRC de la muestra superior = 1042,77982. F
tabulado al 5% de significancia = 2,6139.
R:
El test de Goldfeld-Quant se construye sobre la base de la comparación de la
variabilidad o varianza derivada de dos modelos a través de un test F. Se tiene la
siguiente hipótesis:
𝑯𝟎 : 𝝈𝟐𝒖 = 𝝈𝟐𝟏 = ⋯ = 𝝈𝟐𝒏
𝑯𝑨 : 𝝈𝟐𝒖 < 𝝈𝟐𝟏 < ⋯ < 𝝈𝟐𝒏

El estadístico de prueba es:

𝑺𝑪𝑹𝟐 /𝒈𝒍.
𝑭𝒄 =

𝑺𝑪𝑹𝟏 /𝒈𝒍.
donde el numerador contiene el SRC mayor y gl. representa los grados de libertad.
Reemplazando, se tiene:
𝟏𝟎𝟒𝟐, 𝟕𝟕𝟗𝟖𝟐
𝑭𝒄 =
𝟗𝟓𝟒, 𝟐𝟖𝟔𝟕𝟖𝟐
𝑭𝒄 =1,093

Dado que 𝑭𝒄 < 𝑭𝒕 , NO se rechaza 𝑯𝟎 al 5% de significancia. No se rechaza la

hipótesis nula de homocedasticidad.

2.- (25 puntos) En una investigación se realizó la siguiente estimación:

ln#𝑆𝑎𝑙𝑎 t 𝑟𝑖𝑜𝑠. = 7,059 + 0,147 𝐸𝑑𝑢𝑐 + 0,049𝐸𝑥𝑝𝑒𝑟𝑖𝑒𝑛𝑐𝑖𝑎 − 0,201𝑀𝑢𝑗𝑒𝑟

(0,135) (0,008) (0,007) (0,036)

𝑅J = 0,179; 𝑛 = 1801
𝑐𝑜𝑣#𝛽|} , 𝛽|J . = −1,5447337

Donde los valores entre paréntesis representan los errores estándar. La variable Salarios,
captura los salarios por hora en miles de pesos. Educ representa los años formales de
educación que recibió el individuo. La variable Experiencia refleja los años de
experiencia en el mercado laboral. Finalmente, Mujer es una variable dicotómica que
toma el valor 1 si el individuo es “mujer” y 0 si es “hombre”.

a) (5 pts) Determine la significancia individual de los parámetros asociados a las

variables Experiencia y Mujer.
R:
𝑯𝟎 : 𝜷𝟏 = 𝟎
𝑯𝟏 : 𝜷𝟏 ≠ 𝟎

Estadístico calculado:
t 𝟏 − 𝜷𝟏
𝜷
𝒕𝒄 =
𝒆𝒆#𝜷 t 𝟏.
 t𝟏 − 𝟎
𝜷
𝒕𝒄 =
t 𝟏.
𝒆𝒆#𝜷
t𝟏
𝜷
𝒕𝒄 =
t 𝟏.
𝒆𝒆#𝜷

𝑬𝒙𝒑𝒆𝒓𝒊𝒆𝒏𝒄𝒊𝒂:
𝟎, 𝟎𝟒𝟗
𝒕𝒄 =
𝟎. 𝟎𝟎𝟕

𝒕𝒄 = 𝟕

Dado que |𝒕𝒄 | > 𝒕𝒕 , se rechaza la hipótesis nula, por lo que se concluye que el
parámetro asociado a la variable 𝑬𝒙𝒑𝒆𝒓𝒊𝒆𝒏𝒄𝒊𝒂 es estadísticamente significativo
al 5%.

𝑴𝒖𝒋𝒆𝒓:
𝟎, 𝟐𝟎𝟏
𝒕𝒄 = −
𝟎. 𝟎𝟑𝟔

𝒕𝒄 = −𝟓, 𝟓𝟖𝟑𝟑

Dado que |𝒕𝒄 | > 𝒕𝒕 , se rechaza la hipótesis nula, por lo que se concluye que el
parámetro asociado a la variable 𝑴𝒖𝒋𝒆𝒓 es estadísticamente significativo al 5%.

b) (10 pts) Interprete adecuadamente, en términos económicos, el parámetro

asociado a la variable Educ y Mujer.
R:
𝑬𝒅𝒖𝒄: Por cada año adicional de escolaridad, el salario promedio aumenta en
14,7%.
𝑴𝒖𝒋𝒆𝒓: Si la persona es mujer, en promedio los salarios son un 20,1% menores
con respecto a la situación base (con respecto a los hombres).

c) (10pts) Determine si el coeficiente asociado a la variable Educ es igual al de

Experiencia. Determinar al 5% de significancia.
R:

𝑯𝟎 : 𝜷𝟏 = 𝜷𝟐 ⇒ 𝜷𝟏 − 𝜷𝟐 = 𝟎

𝑯𝟏 : 𝜷𝟏 ≠ 𝜷𝟐 ⇒ 𝜷𝟏 − 𝜷𝟐 ≠ 𝟎

Para determinar si el coeficiente asociado a 𝑬𝒅𝒖𝒄 es igual al de

𝑬𝒙𝒑𝒆𝒓𝒊𝒆𝒏𝒄𝒊𝒂, es decir 𝑯𝟎 : 𝜷𝟏 = 𝜷𝟐 , se utiliza el siguiente estadístico:

t𝟏 − 𝜷
#𝜷 t 𝟐 . − (𝜷𝟏 − 𝜷𝟐 )
𝒕𝒄 =
𝒆𝒆(𝜷t𝟏 − 𝜷t 𝟐)
 t𝟏 − 𝜷
Donde: 𝒆𝒆#𝜷 t 𝟐 . = ˆ𝐯𝐚𝐫#𝜷
t 𝟏 . + 𝐯𝐚𝐫#𝜷
t 𝟐 . − 𝟐𝐜𝐨𝐯(𝜷
t 𝟏, 𝜷
t 𝟐 )

Por lo tanto, se tiene el estadístico:

t𝟏 − 𝜷
#𝜷 t 𝟐 . − (𝜷𝟏 − 𝜷𝟐 )
𝒕𝒄 =
t 𝟏 . + 𝐯𝐚𝐫#𝜷
ˆ𝐯𝐚𝐫#𝜷 t 𝟐 . − 𝟐𝐜𝐨𝐯(𝜷
t 𝟏, 𝜷
t 𝟐 )

Reemplazando valores entregados de la estimación:

(𝟎, 𝟏𝟒𝟕 − 𝟎, 𝟎𝟒𝟗) − (𝟎)

𝒕𝒄 =
Ž(𝟎, 𝟎𝟎𝟖)𝟐 + (𝟎, 𝟎𝟎𝟕)𝟐 − 𝟐(−𝟏, 𝟓𝟒𝟒𝟕𝟑𝟑𝟕)
𝟎, 𝟎𝟗𝟖
𝒕𝒄 =
√ 𝟑, 𝟎𝟗𝟎

𝟎, 𝟎𝟗𝟖
𝒕𝒄 =
𝟏, 𝟕𝟓𝟖
𝒕𝒄 = 𝟎, 𝟎𝟓𝟓𝟕

El resultado anterior debe ser comparado con el t tabulado (al 5% de

significancia), es decir 𝒕𝒕 = 𝟏, 𝟗𝟔.
Dado que en este caso |𝒕𝒄 | < 𝒕𝒕 , es decir 𝟎, 𝟎𝟓𝟓𝟕 < 𝟏, 𝟗𝟔: NO se rechaza con
un 5% de significancia estadística la hipótesis nula. Por lo que existiría
evidencia estadística (al 5% de significancia) para no rechazar que el
coeficiente asociado a 𝑬𝒅𝒖𝒄 sea igual al de 𝑬𝒙𝒑𝒆𝒓𝒊𝒆𝒏𝒄𝒊𝒂.

3.- (25 ptos) Responda correctamente a los siguientes ejercicios. Justifique e interprete
adecuadamente.

a) (15pts) Con la información sobre ingreso personal y los ahorros personales, para
EE.UU durante el periodo 1970-1995. Se ha estimado una función que relaciona los
ahorros (Y) con el ingreso personal disponible IPD (X). como se sabe que en 1982
EE.UU experimentó una recesión, se determinaron las siguientes regresiones con el
fin de establecer si la relación entre dichas variables se vio afectada por la recesión:

• Periodo 1970-1981: 𝑌‘’ = 1,0161 + 0,0803𝑋’ ; 𝑛 = 12; 𝑆𝐶𝑅 = 1785,032

• Periodo 1982-1995: 𝑌‘’ = 153,4947 + 0,0148𝑋’ ; 𝑛 = 14; 𝑆𝐶𝑅 = 10005,22
• Periodo 1970-1995: 𝑌‘’ = 62,4226 + 0,037𝑋’ ; 𝑛 = 26; 𝑆𝐶𝑅 = 23248,30

Determine si la relación entre ahorros e ingreso disponible se vio afectada por la recesión.
Realice sus cálculos al 5% de significancia estadística (Nota 𝐹(J;JJ;”.”•) = 3,443).
R:
𝑯𝟎 : 𝐍𝐨 𝐡𝐚𝐲 𝐜𝐚𝐦𝐛𝐢𝐨 𝐞𝐬𝐭𝐫𝐮𝐜𝐭𝐮𝐫𝐚𝐥
Para analizar si existió cambio estructural entre los 2 periodos, se utilizará el test de
chow. El estadístico es:

(𝑺𝑹𝑪𝑹 − 𝑺𝑹𝑪𝑵𝑹 )/𝒌

𝑭𝒄 =
(𝑺𝑹𝑪𝑵𝑹 )/(𝒏 − 𝒔𝒌)

Donde:

• 𝑺𝑹𝑪𝑹 = 𝟐𝟑𝟐𝟒𝟖, 𝟑𝟎
• 𝑺𝑹𝑪𝑵𝑹 = 𝑺𝑹𝑪𝟏 + 𝑺𝑹𝑪𝟐
• 𝑺𝑹𝑪𝑵𝑹 = 𝟏𝟕𝟖𝟓, 𝟎𝟑𝟐 + 𝟏𝟎𝟎𝟎𝟓, 𝟐𝟐 = 𝟏𝟏𝟕𝟗𝟎, 𝟐𝟓𝟐

Reemplazando en el estadístico F, se tiene:

(𝟐𝟑𝟐𝟒𝟖, 𝟑𝟎 − 𝟏𝟏𝟕𝟗𝟎, 𝟐𝟓𝟐)/𝟐

𝑭𝒄 =
(𝟏𝟏𝟏𝟕𝟗𝟎, 𝟐𝟓𝟐)/(𝟐𝟔 − 𝟐 ∗ 𝟐)

(𝟏𝟏𝟒𝟓𝟖, 𝟎𝟒𝟖)/𝟐
𝑭𝒄 =
(𝟏𝟏𝟕𝟗𝟎, 𝟐𝟓𝟐)/(𝟐𝟐)

𝟓𝟕𝟐𝟗, 𝟎𝟐𝟒
𝑭𝒄 =
𝟓𝟑𝟓, 𝟗𝟐

𝑭𝒄 = 𝟏𝟎, 𝟔𝟗

Los grados de libertad: 𝑭𝒕 ~[𝒌; (𝒏 − 𝒔𝒌)] lo que implica 𝑭𝒕 ~[𝟐; 𝟐𝟐] = 𝟑, 𝟒𝟑 al 5%

de significancia estadística.

Finalmente se tiene que el estadístico calculado es mayor que el tabulado al 5% de

significancia, por lo que se rechaza la hipótesis nula. Como conclusión con una
confianza del 95% SI existe evidencia estadística de cambio estructural entre los
periodos señalados anteriormente.

b) (10pts) Considere los datos que relacionan el precio de venta de las casas (PVC) y sus
respectivos metros cuadrados (MC) para el periodo 1998 – 2010 (trimestres), en la
ciudad de Concepción. Se estimó el siguiente modelo:
• 𝑃𝑉𝐶¨ = 1,43 + 3,42𝑀𝐶¨
• 𝜌 = 0,183
• 𝑑𝑖 = 1,493
• 𝑑𝑠 = 1,578
• 𝑅J = 0,82

Determine si existe autocorrelación en el modelo (posiva o negativa), de acuerdo al test

de durbin-watson (5% de significancia). En caso de existir, proponga alguna solución.
R:
𝒅𝒘 = 𝟐(𝟏 − 𝝆)
𝒅𝒘 = 𝟐(𝟏 − 𝟎, 𝟏𝟖𝟑)
𝒅𝒘 = 𝟏, 𝟔𝟒𝟑

Dado que dw es mayor a 𝒅𝒔 y menor a 𝟒 − 𝒅𝒊, de acuerdo al test de durbin watson,

con un 5% de significancia, podemos concluir que no existe autocorrelación.

4.- (20 ptos) Con respecto a la ruptura de supuestos del modelo clásico de regresión lineal.
Explique las consecuencias estadísticas sobre las propiedades del estimador MCO en los
siguientes casos, además proponga soluciones según se pide en cada caso:

a) (10 ptos) Cuando se tiene el problema de multicolinealidad perfecta. Además,

proponga dos soluciones para corregir.
R:
Al estimar un modelo de regresión lineal ante multicolinealidad perfecta no habría
forma de analizar la influencia de las variables que presentan este problema. Por
ejemplo, se tendría:
-=𝜷
𝜶 t 𝟐𝒊 + 𝝀𝜷
t 𝟑𝒊

Esto quiere decir que no se puede obtener una solución única para los coeficientes
de regresión individual. Pero si se puede obtener una solución para la combinación
lineal de estos coeficientes (𝜶). Además, las variazas y los errores estándar de los
estimadores serán infinitos.
La literatura plantea algunas reglas prácticas para solucionar este problema:
1.- Mayor número de observaciones.
2.- Información a priori, modelo restringido.
3.-Eliminación de variables y el sesgo de especificación

b) (10 ptos) Cuando la varianza de los errores del modelo no es constante, es decir, se
viola el supuesto de homocedasticidad. Proponga una solución cuando la varianza es
conocida.
R:
Al estimar por MCO con presencia de heterocedasticidad, se tendrán intervalos de
confianza que serán grandes, por lo que, es probable que las pruebas t y F den
resultados imprecisos. Esto ya que la varianza de los parámetros estimados no será
mínima.
En resumen, si se insiste en los procedimientos de prueba usuales a pesar de la
presencia de heterocedasticidad, las conclusiones de inferencia que se obtengan
pueden ser muy equivocadas.
Para solucionar la heterocedasticidad cuando la varianza es desconocida se puede
aplicar el método de Mínimos Cuadrados Ponderados. Con este método se puede
demostrar que los estimadores vuelven a ser MELI.