Documente Academic
Documente Profesional
Documente Cultură
PRÁCTICA 3 – SOLUCIONARIO
1. Los siguientes datos nos dan información acerca de la esperanza de vida al nacer (E) y la
renta per-cápita (R) de distintos países.
Solución
a) Plantear el modelo, la matriz de observaciones X y la prueba estadística, para
determinar si la relación de E en R es distinta en Europa y en América del Sur.
Sugerencia: considere el modelo más general.
puesto que necesitamos introducir una variable dummy (cualitativa) para poder
evaluar con el modelo el efecto del continente de residencia en la esperanza de
vida
Continente: Europa=1, América del Sur=0
- La matriz de observaciones para X será:
Ecometría I UNMSM-FCE
1 12400 1 12400
1 5360 1 5360
1 11420 1 11420
1 4800 1 4800 Europa
1 9050 1 9050
1 4280 1 4280
1 2190 1 2190
1 1410 0 0
1 1870 0 0
1 4100 0 0 América
del Sur
1 1120 0 0
1 7390 0 0
Dependent Variable: E
Method: LeastSquares
Date: 05/29/11 Time: 19:56
Sample: 1 12
Includedobservations: 12
1
Ecometría I UNMSM-FCE
EstimationCommand:
=========================
LS E C R CONTINENTE CONTINENTE*R
EstimationEquation:
=========================
E = C(1) + C(2)*R + C(3)*CONTINENTE + C(4)*CONTINENTE*R
SubstitutedCoefficients:
=========================
E = 62.1772383986 + 0.00151754613008*R + 9.65323681627*CONTINENTE -
0.00112993656451*CONTINENTE*R
*Ahora, aplicamos la prueba para el análisis del efecto del continente sobre la esperanza
de vida al nacer:
Usando E-views
Wald Test:
Equation: Untitled
Al 5% el X2tab = 5.99, y el X2cal = 12.37, X2cal> X2tab, por lo que se rechaza la hipótesis nula, y
diríamos que existen dos procesos generadores de datos uno para Europa y otro para
América del Sur.
2
Ecometría I UNMSM-FCE
En donde interpretamos
^β 1 = 62,18 : la esperanza de vida autónoma en América del Sur.
^β 3 = 9,65 es el efecto diferencial de vivir en Europa, por tanto los habitantes de Europa
tendrán una esperanza de vida autónoma de 71,83, esto es, 9,63 años más en promedio
para los que nacen en Europa frente a los que nacen en América del Sur.
3
Ecometría I UNMSM-FCE
2. Para estimar el modelo yi = 1 + 2 x2i +3 x3i + i se dispone de dos muestras de tamaño 100 y
300, en las que los productos cruzados de las variables son:
Solución:
a) Obtenga las estimaciones MCO de los coeficientes para cada una de las dos
submuestras.
¿ T =100
100 0 100 −100
[
X ' X= 0 200 0 X ' Y = −200
100 0 300 400 ] [ ]
0.015 0 0.005
(X' X) =
−1
[ 0
0.005
0.005
0 ]
0
0.005
^β=( X ' X )−1 X ' Y
Y i=−3.5−X 1 i +2.5 X 2 i
4
Ecometría I UNMSM-FCE
¿ T =300
300 100 400 100
[
X ' X= 100 200 0 X ' Y = −300
400 0 800 800 ] [ ]
0.02
−0.01 −0.01
−1
( X ' X ) = −0.01
[ 0.01
]
0.005
−0.01 0.005 0.00625
^β=( X ' X )−1 X ' Y
[
^β= −0.01 0.01 0.005 −300
−0.01 0.005 0.00625 800 ][ ]
−3
[]
^β= 0
2.5
Y i=−3+2.5 X 2 i
b) Contraste la hipótesis nula de que los coeficientes son iguales en las dos muestras.
H0 : B1 = B2 H1 : B1 ≠ B2
Modelo restringido
Yt = β1 + β2 X1t + β3 X2t + εt
[
X´X = 100 400 0
500 0 1100 ] [ ]
X`Y = −500
1200
YÝ = 6000
n = n1 + n2 = 400
5
Ecometría I UNMSM-FCE
−2.75
B=
[ ]
−0.576
2.375
Yt = β11 + β21 X1t + β31 X2t + β12 + β22 X2t + β32 X2t + εt
Construimos la estadística F:
H 0 : σ 12 =σ 22 H 0 : σ 12 ≠σ 22
σ 21 4.6392
F= 2 → F (n −1 , n −1 ) F= =0.59
σ2 1 2
7.7441
6
Ecometría I UNMSM-FCE
F(99 ,299)
Se postula el modelosiguiente:
Ln Importacionest = 1 + 2 ln PNBt + 3 ln IPCt + i
a) Estímense los parámetros de este modelo utilizando la información dada en la
tabla.
b) ¿Se sospecha que hay multicolinealidad en los datos?
c) Examínese la naturaleza de la multicolinealidad utilizando el índice de
condicionamiento.
Solución:
a) Estímense los parámetros de este modelo utilizando la información dada en la tabla.
Estimation Command:
=====================
LS LOG(IMPORT) C LOG(PNB) LOG(IPC)
Estimation Equation:
7
Ecometría I UNMSM-FCE
=====================
LOG(IMPORT) = C(1) + C(2)*LOG(PNB) + C(3)*LOG(IPC)
Substituted Coefficients:
=====================
LOG(IMPORT) = -2.267798333 + 3.174538406*LOG(PNB) - 1.895557849*LOG(IPC)
Dependent Variable: LOG(IMPORT)
Method: Least Squares
Date: 05/28/11 Time: 19:31
Sample: 1970 1983
Included observations: 14
Variable Coefficient Std. Error t-Statistic Prob.
C -2.267798 1.052171 -2.155352 0.0541
LOG(PNB) 3.174538 0.763627 4.157186 0.0016
LOG(IPC) -1.895558 0.934364 -2.028715 0.0674
R-squared 0.972523 Mean dependent var 11.73367
Adjusted R-squared 0.967527 S.D. dependent var 0.672834
S.E. of regression 0.121246 Akaike info criterion -1.194583
Sum squared resid 0.161706 Schwarz criterion -1.057642
Log likelihood 11.36208 F-statistic 194.6681
Durbin-Watson stat 1.313299 Prob(F-statistic) 0.000000
b.1. Observamos una relación lineal directa entre PNB e IPC, por el método Gráfico:
8
Ecometría I UNMSM-FCE
8.2
8.0
7.8
7.6
LPNB
7.4
7.2
7.0
6.8
4.6 4.8 5.0 5.2 5.4 5.6 5.8
LIPC
Ln PNBt = θ1 + θ2 Ln IPCt
LIPC LPNB
LIPC 1.000000 0.994035
LPNB 0.994035 1.000000
Podemos observar que la relación que existe entre las variables IPC y PNB son altas, es decir que
una variación en IPC modifica considerablemente a PNB, estos resultados nos indican de que
existe multicolinealidad.
R− λI =0
1 O.994035
[O .994035 1 ] [1λ 1λ ] [00 ]
- =
1−λ 0.994035
[0.994035 1−λ ] [00 ]
=
9
Ecometría I UNMSM-FCE
( 1−λ )2 = 0.9881055812
λ2 −2 λ+0 . 0118944188=0
λ1 1.994035116 λ1
[] [
λ2
= 0.00596488392 ] IC= √ λ 2 = 18.2837554
Yt = + 1 D1 + 2 D2 + 3 D3 + 4 D4 + X1 +t
Donde Di es una variable ficticia que toma el valor 1 en el trimestre i-ésimo y 0 en los
demás.
a) Indicar que parámetros son estimables y cuales no.
b) Un investigador pone la restricción = 0 y otro impone la restricción 4 = 0,
¿Serán las estimaciones 1 diferentes en ambos casos?¿Por qué?
c) Suponer que = 0 y que Xt es una variable que tiene la siguiente pauta
estacional Xt = 1, 2, 3, 4 ; si t es del primer, segundo, tercer o cuarto trimestre
respectivamente, ¿Puede estimarse ?
10
Ecometría I UNMSM-FCE
Yt = 1 D1 + 2 D2 + 3 D3 + 4 D4 + X1 +t (M1)
Luego las estimaciones de 1 serán diferentes para ambos modelos, ya que en el modelo
M1 éste es el valor autónomo, mientras que en el modelo M2 mide el efecto diferencial
en el promedio de Y al pasar del 4to al 1er trimestre, el valor autónomo en el modelo M2
será α + 1
c) Suponer que α= 0 y que X t es una variable que tiene la siguiente pauta estacional
X t = 1, 2, 3, 4; si t es del primer, segundo, tercer o cuarto trimestre
respectivamente, ¿Puede estimarseβ?
1 0 0 0 1
[ ]
0 1 0 0 2
0 0 1 0 3
0 0 0 1 4
1 0 0 0 1
X=
0 1 0 0 2
0 0 1 0 3
0 0 0 1 4
. .. . .. . . . .. . .. .
0 0 0 1 4
5. Los parámetros del siguiente modelo de regresión han sido estimados por MCO
utilizando datos trimestrales de los años comprendidos entre 1968 y 1986 (ambos
inclusive):
11
Ecometría I UNMSM-FCE
SOLUCIÓN
a) ¿Cuál sería el contraste que realizarías? Explica claramente cuál es la hipótesis
nula a contrastar y el mecanismo de contraste.
Planteamiento de la hipótesis:
Ho : B1 = B2 H 1 : B1≠B 2
12
Ecometría I UNMSM-FCE
F0.95(3,70) =2.73
Para este caso lo mejor sería utilizar variables dummy, ya que en el análisis de quiebre
estructural, nos permitirá analizar la estabilidad de cada parámetro de modo
independiente.
La especificación sería
13
Ecometría I UNMSM-FCE
14
Ecometría I UNMSM-FCE
F0.95(9,64) = 2.03
6. Se seleccionaron al azar 17 personas que ejercen una misma profesión, de las que se
obtuvo la siguiente información sobre salarios y años de experiencia según sexo:
Hombre Mujer
Sueldo (wi) Experiencia (xi) Sueldo (wi) Experiencia (xi)
1.65 2 1.98 5
1.52 1 2.14 7
1.91 6 2.61 13
2.46 10 3.1 15
2.64 8 3.38 19
3.14 13 3.5 25
3.32 16 3.6 27
3.61 30 3.65 20
3.64 31
Sum w = 23.89 Sum x = 117 Sum w =23.96 Sum x =131
Sum w2 =68.87 Sum x2 =2491 Sum w = 74.88 Sum x2 = 2583
2
Solución:
a) Especifique un modelo explicativo de la determinación del salario de esta profesión
introduciendo al sexo como factor explicativo.
W = C + B2*D1 + B3*E
15
Ecometría I UNMSM-FCE
Sample: 1 17
Included observations: 17
B2 = - 0.097488, es en cuanto disminuye el salario promedio por ser varón frente a ser mujer (efecto
diferencial del género)
W = C + B2*E + B3*E*D1 +e
Dependent Variable: W
Method: Least Squares
Date: 05/27/11 Time: 17:23
Sample: 1 17
Included observations: 17
16
Ecometría I UNMSM-FCE
17