1

Universidad Nacional Autnoma de Mxico

Facultad de Ciencias

Econometra I
Profesor: Michael Rojas Romero
Examen Final

MODELO ESTADISTICO LINEAL GENERAL

EJERCICIOS
1. Use el resultado de la regresin para el modelo de gasto en alimentos que se muestra
en la Figura siguiente:

Modelo 1: MCO, usando las observaciones 1-40
Variable dependiente: y

Coeficiente Desv. Tpica Estadstico t Valor p
const 83,416 43,4102 1,9216 0,06218 *
x 10,2096 2,09326 4,8774 0,00002 ***

Media de la vble. dep. 283,5735 D.T. de la vble. dep. 112,6752
Suma de cuad. residuos 304505,2 D.T. de la regresin 89,51700
R-cuadrado 0,385002 R-cuadrado corregido 0,368818
F(1, 38) 23,78884 Valor p (de F) 0,000019
Log-verosimilitud -235,5088 Criterio de Akaike 475,0176
Criterio de Schwarz 478,3954 Crit. de Hannan-Quinn 476,2389


(a) Construya una estimacin de intervalo de 95% para
1
e interprtelo.

(b) Pruebe la hiptesis nula de que
1
=0 contra la alternativa de que no es cero, al nivel
de significancia de 5% sin utilizar el valor de probabilidad reportado. Cul es su
conclusin?

(c) Haga una grfica que muestre valor de probabilidad 0,0622 reportado en la Figura, el
valor crtico de la distribucin t usado en (b) y cmo el valor p se podra haber utilizado
para responder (b).
2


(d) Pruebe la hiptesis nula de que
1
=0, contra la alternativa de que
1
> 0 al nivel de
5% de significancia. Dibuje un bosquejo de la regin de rechazo y calcule el valor de
probabilidad p. Cul es su conclusin?

(e) Explique las diferencias y similitudes entre el "nivel de significancia" y el "nivel de
confianza".

(f) Los resultados en (d) muestran que estamos confiados de que
1
> 0. Verdadero o
falso? Si es falso, explique.
2. El gerente general de una empresa de ingeniera quiere saber si la experiencia tcnica
de un artista influye en la calidad de su trabajo. Una muestra aleatoria de 24 artistas se
selecciona y sus aos de experiencia laboral y el rating de calidad (segn la evaluacin
de sus supervisores) se registran. Experiencia laboral (EXPER) se mide en aos y rating
de calidad (RATING) toma un valor de 1 a 7, donde 7 = excelente y 1 = deficiente. El
modelo de regresin simple e EXPER RATING + + =
2 1
se propone. Las
estimaciones de mnimos cuadrados del modelo y son los errores estndar de las
estimaciones son
EXPER RATING
) 044 . 0 ( ) 709 . 0 (
076 . 0 204 . 3 + =
(a) Dibuje la funcin de regresin estimada. Interprete el coeficiente de EXPER.

(b) Construya un intervalo de confianza del 95% para
2
, la pendiente de la relacin
entre los rating de calidad y experiencia. En que confa al 95%?

(c) Pruebe la hiptesis nula de que
2
= 0, contra la alternativa de que no es cero,
utilizando una prueba de dos colas y el nivel de significancia de 5%. Qu concluye?

(d) Pruebe la hiptesis nula de que
2
= 0, contra la alternativa de una cola que es
positivo al nivel de significancia de %5. Qu concluye.
(e) Para la prueba del inciso (c), el valor de probabilidad p es 0,0982. Si elegimos la
probabilidad de un error tipo I igual a 0.05, podemos rechazar la hiptesis nula o no,
slo sobre la base de una inspeccin del valor p? Muestre, en un diagrama, como se
calcula este valor p.
3. En un modelo de regresin simple estimado, basado en 24 observaciones, el
parmetro de la pendiente estimada es de 0.310 y el error estndar estimado es de 0.082.
3

(a) Pruebe la hiptesis de que la pendiente es cero contra la alternativa de que no lo es,
con el nivel de 1%.

(b) Pruebe la hiptesis de que la pendiente es cero contra la alternativa de que es
positivo al nivel de la significancia de 1%.

(c) Pruebe la hiptesis de que la pendiente es cero contra la alternativa de que es
negativo al nivel de 5% de significancia. Haga un dibujo que muestre la regin de
rechazo.

(d) Pruebe la hiptesis de que la pendiente estimada es 0.5 contra la alternativa de que
no lo es al nivel de 5% de significancia.

(e) obtenga una estimacin de intervalo de 99% de confianza de la pendiente.

EJERCICIOS EN COMPUTADORA

1. Una compaa de seguros de vida desea analizar la relacin entre la cantidad de
seguros de vida en manos de la familia y el ingreso de la familia. A partir de una
muestra aleatoria de 20 familias, la compaa recoge los datos en el archivo ingseg (hoja
11 del archivo de excel). Los datos estn en unidades de miles de unidades monetarias.

(a) Estime la regresin lineal con INSURANCE como variable e INCOME como
variable independiente. Escriba el modelo ajustado y dibuje un boceto de la
funcin ajustada. Identifique la pendiente estimada y la interseccin en el boceto.
Localice el punto de las medias muestrales en el dibujo.
b) Analice la relacin que se estima en (a). En particular:
(i) Cul es su estimacin de la variacin en el monto del seguro de vida cuando el
ingreso crece en $ 1000? (ii) Cul es el error estndar de la estimacin en (i) y cmo se
utiliza este error estndar para la estimacin de intervalos y pruebas de hiptesis?
(c) Un miembro de la junta directiva afirma que por cada aumento de $ 1000 en
ingresos, el monto del seguro de vida tendra que subir en $ 5000. Elija una hiptesis
alternativa y explique su eleccin. Su relacin estimada apoya esta afirmacin? Utilice
un nivel de significancia de 5%.

(d) Pruebe la hiptesis de que a medida que aumenta el ingreso aumenta la cantidad de
4

seguros de vida en la misma cantidad. Es decir, la hiptesis de que la pendiente de la
relacin es 1.

(e) Redacte un informe breve (200-250 palabras) que resuma sus hallazgos sobre la
relacin entre el ingreso y la cantidad de seguros de vida celebrados.
2. Considere el modelo Asset Pricing Model (CAPM) de la tarea 1.
(a) Pruebe al 5% de nivel de significancia la hiptesis de que cada valor beta del stock
es igual a 1 contra la alterativa de que no es igual a 1. Cul es la interpretacin
econmica de una beta igual a 1?

(b) Pruebe al nivel de 5% de significancia la hiptesis nula de que el valor "beta" de
Mobil-Exxon es mayor o igual a 1 contra la alternativa de que es menos de 1. Cul es
la interpretacin econmica de una beta menor a 1?

(c) Pruebe al nivel de 5% de significancia la hiptesis nula de que el valor "beta" de
Microsoft es menor o igual a uno contra la alternativa de que es mayor que 1. Cul es
la interpretacin econmica de un beta mayor a 1?

(d) Construya una estimacin de intervalo de 95% del beta de Microsoft. Suponga
que usted es un corredor de bolsa. Explique este resultado a un inversor que ha llegado a
usted para pedirle consejo.

(e) Pruebe (a un nivel de significancia del 5%) la hiptesis de que el trmino de
interseccin en el modelo CAPM para cada stock es cero contra la alternativa de que no
lo es. Qu concluye?

3. Qu tanto afecta la experiencia a las tasas de salarios?

El archivo de datos cps (hoja 10 archivo excel) contiene 1000 observaciones sobre las
tasas salariales por hora, experiencia y otras variables de la Encuesta de Poblacin 1997
Actual (CPS).

(a) Estime la regresin lineal e EXPER WAGE + + =
2 1
y analice los resultados. Use
5

del software trama un diagrama de dispersin con el salario en el eje vertical y EXPER
en el eje horizontal. Dibuje un diagrama de dispersin.

(b) Pruebe la significacin estadstica de la pendiente estimada de la relacin al nivel de
5%. Use una prueba de una cola.

Pronstico, bondad de ajuste y problemas de modelizacin
1. a) Supongamos que una regresin simple tiene cantidades ( )

= 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:

(
(
(

=
(
(
(

=
(
(
(

037120 . 0 031223 . 0 0.050301 -

031223 . 0 048526 . 0 019195 . 0
0.050301 - 0.019195 0.21812
) cov( .
7769 . 1
69914 . 0
0.96587
3
2
1
b
b
b
b

b) Hallar estimaciones del intervalo de 95% para
3 2
y .

(c) Use una prueba t para probar la hiptesis 1 : 0
2
H contra la alternativa
1 : 1
2
< H .

(d) Utilice sus respuestas de la parte (a) para probar la hiptesis conjunta
0 , 0 : 0
3 2
= = H .
EJERCICIO EN COMPUTADORA
Considere las funciones de produccin de la forma Q = f(L,K), donde Q es la medida de
la produccin y L y K son los insumos de trabajo y capital, respectivamente. Una forma
funcional popular es la ecuacin Cobb-Douglas
e K L Q + + + = ) log( ) log( ) log(
3 2 1

a) Utilizar los datos en el archivo cobb.xls (hoja 12 de archivo adjunto) para estimar la
funcin de produccin Cobb-Douglas. Hay evidencia de colinealidad?
8


(b) Re-estimar el modelo con la restriccin de rendimientos constantes a escala, es
decir, 1
3 2
= + , y comente los resultados.
HETEROCEDASTICIDAD
1. Considere el modelo de gasto de hogares: foodexp = f(ingreso) y los datos que estn
en el archivo food.xls (hoja 9 del archivo excel). Encuentre las estimaciones de mnimos
cuadrados generalizados para
2 1
y

bajo los supuestos:
(a) ( )
i i
x e Var
2
=
(b) ( )
2 2
i i
x e Var =

Comente sobre la sensibilidad de las estimaciones y sus errores estndar a la
especificacin heterocedastica. Para cada caso, utilice el estadstico de White
2
R N y
los residuos del modelo transformado a probar para ver si la heterocedasticidad ha sido
eliminada.
2. En el archivo de pubexp.xls (hoja 13 archivo excel) hay datos sobre el gasto pblico
en educacin (EE), producto interno bruto (PIB) y la poblacin (P) para 34 pases en el
ao 1980. Se establece la hiptesis de que el gasto per cpita en educacin se relaciona
linealmente con el PIB per cpita. Eso es
i i i
e x y
2 1
+ = donde
|
|

\
|
=
|
|

\
|
=
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?