Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Examen Final Ciencias 2013-1
Examen Final Ciencias 2013-1
= 63 . 631
2
y y
i
y
85 . 182
2
=
i
e . Encontrar el coeficiente de determinacin R
2
.
(c) Suponga que un modelo de regresin simple tiene cantidades R
2
= 0.791, STC =
552.36 y N = 20. Encuentre
2
Supongamos que est estimando un modelo de regresin lineal simple.
(a) Si se multiplican todos los valores de x por 10, pero no los valores de y, que ocurre
con los valores de los parmetros
2 1
, ? Qu sucede con las estimaciones de mnimos
cuadrados b1 y b2? Qu sucede con la varianza del trmino de error?
(b) Supongamos que est estimando un modelo de regresin lineal simple. Si se
multiplican todos los valores de y por 10, pero no los valores de x con ocurre con los
valores de los parmetros
2 1
, ? Qu sucede con las estimaciones de mnimos
cuadrados b1 y b2? Qu sucede con la varianza del trmino de error?
EJERCICIOS DE COMPUTADORA
1. Las tres primeras columnas del archivo wa-wheat (hoja 6 del libro excel), contiene
observaciones sobre el rendimiento de trigo en el oeste de los condados de Australia de
Northampton, Valle de Chapman, y Mullewa respectivamente. Hay 48 observaciones
anuales correspondientes a los aos 1950-1997. Para la comarca del Valle Chapman,
considere las tres ecuaciones
t t
t t
t t
e t y
e t Log y
e t y
+ + =
+ + =
+ + =
2
1 0
1 0
2 1
) (
(a) Estime con MCO cada una de las tres ecuaciones.
(b) Tomando en consideracin (i) las grficas de las ecuaciones ajustadas, (ii) las
6
grficas de los residuos, (iii) las pruebas de normalidad de los errores y (iv) los valores
del coeficiente de determinacin R
2
, cul ecuacin piensa que es preferible? Explique.
2. Para cada una de las tres funciones en ejercicio anterior (1).
(a) Encuentre el valor pronosticado para el trigo cuando t = 49.
(b) Encuentre las estimaciones de las pendientes dy
t
/dt en el punto t = 49.
(c) Hallar las estimaciones de las elasticidades (dy
t
/dt)(t/y
t
) en el punto t = 49.
(d) Comente sobre las estimaciones que obtuvo en las partes (b) y (c). Cul es su
importancia?
3. Cunto afecta la educacin a los salarios? El archivo de datos cps contiene 1000
observaciones de las tasas salariales por hora, educacin y otras variables de la
Encuesta de Poblacin Actual (CPS) 1997.
(a) Construya histogramas de las variables WAGE y de su logaritmo In(WAGE). Cul
parece ms normalmente distribuida?
(b) Estime la regresin lineal e EDUC WAGE + + =
2 1
y la regresin log-lineal
e EDUC WAGE Log + + =
2 1
) ( Cul es el rendimiento estimado de la rentabilidad de
la educacin en cada modelo? Es decir, por un ao adicional de educacin, qu
porcentaje de aumento promedio en el salario el trabajador puede esperar?
(c) Construya histogramas de los residuos de los modelos lineales y log-lineal en (b), y
la prueba de Jarque-Bera de normalidad. Algn conjunto de residuos parece ms
compatible con la normalidad que otro?
(d) Compare el R
2
del modelo lineal con el R
2
"generalizado" para el modelo log-lineal.
Qu modelo se ajusta mejor a los datos?
(e) Grafique los residuales mnimos cuadrados de cada modelo contra EDUC. Observa
algn patrn?
(f) Usando cada modelo, predecir el salario de un trabajador con 16 aos de educacin.
Compare estas predicciones con el salario medio real de los trabajadores de la muestra
con 16 aos de educacin.
(g) En base a los resultados obtenidos en los incisos (a) - (f), que forma funcional
usara? Explique.
7
Ms inferencia en el modelo estadstico lineal general
Ejercicios
1. Cuando se utilizan N = 40 observaciones para estimar el modelo
i i i i
e z x y + + + =
3 2 1
se obtiene SEC = 979.830 y 45222 . 13 =
y
. Encuentre:
(a) R
2
.
(b) El valor del estadstico la nula Ho: 0
3 2
= = Rechaza la hiptesis nula?
2. Considere de nuevo el modelo en el ejercicio anterior (1). Despus de aumentar este
modelo con los cuadrados y cubos de las estimaciones
3 2
,
i i
y y , se obtiene
SEC=696.5357U. Use RESET para probar especificacin incorrecta.
3. Considere el modelo
i i i i
e x x y + + + =
3 3 2 2 1
y asuma que de la aplicacin de
mnimos cuadrados para 20 observaciones de estas variables se obtienen los resultados
siguientes:
(
(
(
=
(
(
(
=
(
(
(
\
|
=
|
|
\
|
=
i
i
i
i
i
i
P
PIB
x
P
EE
y y .
Se sospecha que la e
i
puede ser heteroscedastico con una varianza relacionada con xi.
(a) Por qu podra la sospecha acerca de heterocedasticidad ser razonable?
(b) Estime la ecuacin utilizando mnimos cuadrados, grafique la funcin de mnimos
cuadrados y los residuales. Hay alguna evidencia de heteroscedasticidad?
(c) Pruebe de la existencia de heterocedasticidad mediante una prueba de White.
(e) Estime de nuevo a la ecuacin bajo el supuesto de que ( )
i i
x e Var
2
= . Reporte los
resultados. Construya un intervalo de confianza de 95% para
2
.
9
AUTOCORRELACION
EJERCICIOS
1. Considere el modelo de error AR(1):
t t t
v e e + =
1
, donde v
t
es ruido blanco. Dado
que ) var( ) var(
1
=
t t
e e pruebe que
2
2
2
1
=
v
e
. Tambin muestre que ( )
2
1 e t t
e e E =
y ( )
2 2
2
e t t
e e E =
.
2. Considere el modelo
t t t
v e e + =
1
. Asuma que 9 . 0 = y 1
2
=
v
. Cul es
(i) la correlacin entre
1
y
t t
e e ,
(ii) la correlacin entre
4
y
t t
e e ,
(iii) la vananza
2
e
.
EJERCICIOS DE CMPUTACIN
1. Para investigar la relacin entre la oferta de empleo (JV) y la tasa de desempleo (U),
un investigador establece el modelo
t t t
e U JV + + = ) log( ) log(
2 1
y asume que e
t
son
variables aleatorias independientes N (0, 1).
a) Utilice los datos en el archivo vacan.xls (hoja 14 archivo excel) para encontrar las
estimaciones de mnimos cuadrados para
2 1
y . Construya un intervalo de confianza
del 95% para
1
.
(b) Utilice una prueba de multiplicadores de Lagrange para probar errores AR(l). A la
luz de este resultado, qu se puede decir acerca de los supuestos originales para el error
e
t
: qu se puede decir sobre el intervalo de confianza para
2
encontrado en (a)?
(c) Estime de nuevo el modelo suponiendo que los errores siguen un modelo de error
AR(1). Encuentre un nuevo intervalo de confianza del 95% para
2
y comente sobre
los resultados, especialmente en relacin con sus respuestas para la parte (a). Los
residuos de este modelo muestran alguna evidencia de autocorrelacin?