ECONOMETRA

Pauta Solemne 2


Profesores: Erwin Hansen, Rodrigo Montero
Ayudantes: Daniela Luengo, Fabin Cortez
Tiempo: 90 minutos
Est permitido utilizar calculadora


I. Comentes (20 puntos)
Comente en no ms de 10 lneas cada una de las siguientes aseveraciones, indicando si stas son
falsas, verdaderas o inciertas. Justifique adecuadamente cada una de sus respuestas:
a. Siempre que se omite una variable relevante el estimador de MCO ser sesgado e
inconsistente.
Respuesta: Falso. No siempre que se omite una variable relevante se generar sesgo e
inconsistencia en el estimador de MCO. Se debe recordar que el sesgo depende de dos
factores: (i) La relacin que existe entre la variable omitida y la variable dependiente
del modelo, y (ii) la relacin que existe entre la variable omitida y las variables
explicativas incluidas en el modelo. Si esta ltima relacin es cero, entonces, no habr
sesgo.
b. En presencia de multicolinealidad el estimador de MCO ser sesgado pero consistente.
Respuesta: Falso. La presencia de multicolinealidad en los datos hace que la inversa de
la matriz XX aumente de tamao, lo que produce un incremento en la matriz de
varianzas y covarianzas del estimador de MCO
2
(XX)
-1
. Por lo tanto, la
multicolinealidad produce prdida de eficiencia en las estimaciones, pero stas siguen
siendo insesgadas y consistentes.
c. Cuando la variable dependiente esta medida con error, el estimador de MCO ser menos
eficiente.
Respuesta: Verdadero. Cuando la variable dependiente est medida con error, el
modelo estimado tiene un trmino de error con una mayor varianza (que equivale a la
varianza del error del modelo original ms la varianza del error de la variable
dependiente medida con error). Por lo tanto, al estimar por MCO la varianza estimada
del error ser mayor, y as tambin aumentar la varianza del estimador MCO que viene
dada por:
:or([
`
) = o
2
(X
i
X)
-1

d. Si se estima un modelo no lineal, como lineal, los parmetros del estimador MCO sern
sesgados.
Respuesta: Verdadero. El problema de estimar un modelo no lineal (en las variables
explicativas) a travs de un modelo lineal puede ser visto como un problema de omisin
de variable relevante. Por otro lado, la omisin de variables relevantes producir sesgo e
inconsistencia en el estimador de MCO.

II. Teora (40 puntos)
Considere el siguiente modelo:
i i i
u x y + =
'


Con i=1,2,,N; donde x
i

es un vector de dimensin 1xk, y es un vector de dimensin kx1. Por

otro lado, u
i
es un trmino de error que se distribuye normal con media cero y varianza
2
. Por
lo tanto:

=
2
2
2
2
exp
2
1
) (

i
i
u
u f

a. Encuentre la funcin l=ln(L), donde L es la verosimilitud de la muestra (10 puntos)
Respuesta:
La funcin de verosimilitud es:

I = _
1
2no
2
]
N
2
cxp _-
u

2 N
=1
2o
2
_ = _
1
2no
2
]
N
2
cxp _-
u'u
2o
2
_

El modelo:
i i i
u x y + =
'


puede escribirse en trminos matriciales como:

u X Y + =

Por lo tanto:
I = _
1
2no
2
]
N
2
cxp _-
( -X[)
i
( -X[)
2o
2
_
Aplicando logaritmo:

ln(I) = l = -
N
2
ln(2n) -
N
2
ln(o
2
) -
( -X[)
i
( -X[)
2o
2



b. Demuestre formalmente que el estimador de mxima verosimilitud (MV) de viene
dado por (6 puntos):

y X X X
MV
' ) ' (

1
=
Respuesta:
Para encontrar el estimador de MV se debe maximizar la funcin ln(L) con respecto , lo que
equivale a minimizar el siguiente trmino:

( - X[)
i
( -X[)

Luego:
o( -X[)
i
( -X[)
o[
= -2X
i
( -X[
`
) = u - [
`
= (X
i
X)
-1
X'

c. Bajo qu condiciones el estimador de MV coincide con el estimador de mnimos
cuadrados ordinarios (MCO)? (6 puntos)
Respuesta:
Tal como se ha demostrado, el estimador de MV coincide con el estimador de MCO cuando el
modelo es lineal (en los parmetros) y el trmino de error se distribuye normal.

d. Demuestre formalmente que el estimador de MV para
2
viene dado por: (6 puntos)

N
u u
MV
'

2
=
Respuesta:
Se debe derivar la funcin ln(L) con respecto a
2
:

ln(I)

2
= -
N
2o
2
+
( -X[)
i
( -X[)
2o
4
= u

Despejando, se llega a lo siguiente:

o
2
=
( -X[
`
)'( -X[
`
)
N
=
u'u
N



e. Encuentre la matriz de varianzas y covarianzas de los estimadores MV de y
2
. (6
puntos)
Respuesta:
La matriz de varianzas y covarianzas viene dada por la inversa de la matriz de informacin I():

I _
[
`
o
2
] = -E
`

o
2
l
o[o['
o
2
l
o[oo
2
o
2
l
o[oo
2
o
2
l
o(o
2
)
2
/

= _
X'X
o
2
u
u
N
2o
4
_

Por lo tanto:


:or _
[
`
o
2
] = _I _
[
`
o
2
]_
-1
= _
o
2
(X
i
X)
-1
u
u
2o
4
N
_


f. Suponga ahora que se tiene el siguiente modelo alternativo: (6 puntos)

i i i
z y + =
'


donde
i
se distribuye normal con media cero y varianza homocedstica. Por otro lado,
z
i

es un vector que contiene solo algunas variables de las contenidas en x

i

. Cul
modelo seleccionara usted? Explique.
Respuesta:
Dado que el vector z tiene algunos elementos del vector x se trata de modelos anidados,
entonces, se podran implementar los criterios de informacin para determinar cul de los dos
modelos ajusta mejor los datos. Uno de estos criterios es el denominado criterio de informacin
de Akaike que viene dado por:

AIC = -2
ln (I)
N
+ 2
k
N


Dado que se ha asumido normalidad en el trmino de error, entonces:

AIC = ln (o
2
) + 2
k
N


Luego, se debe escoger aquel modelo que minimice el criterio de informacin.


III. Econometra prctica (30 puntos)
Usando una muestra de datos para Chile se ha estimado la siguiente ecuacin por mnimos
cuadrados ordinarios (MCO):

psu

= 1u28,1u _____
(6,29)
+ 19,Su ___
(3,83)
closc

- 2,19 _
(0,53)
closc

2
- 4S,u9 ___
(4,29)
mu]cr

-169,81 _____
(12,71)
inJigcno

+62,S1 ___
(18,15)
(mu]cr

inJigcno

)


Con N=4137y R
2
=0.0858. Bajo el estimador se reporta el desvo estndar del estimador MCO.
La variable psu mide la puntuacin de la prueba de seleccin a la universidad del alumno i,
clase es el tamao de la generacin a la cual pertenece el alumno (medido en cientos de
alumnos), mujer es una variable dummy (muda) que toma el valor 1 si el alumno es de sexo
femenino y 0 si es de sexo masculino, e indgena es una variable dummy que toma el valor 1 si
el alumno pertenece a una etnia indgena y 0 si no.
a. Hay evidencia fuerte de que la variable closc
2
debe incluirse en el modelo? De
acuerdo con esta ecuacin, cul sera el tamao ptimo de la clase? (6 puntos)
Respuesta:
El test t de significancia individual para la variable closc
2
es

t =
-2.19
u.SS
= -4.1S

As, la variable es significativa al 95% de confianza, por lo que debe incluirse en el
modelo.

El tamao ptimo de la clase, es decir, el tamao que maximiza el puntaje PSU, viene
dado por:

oPSu
oclosc
= 19.Su - 4.S8 closc = u - closc =
19.Su
4.S8
= 4.41 = 441 olumnos

b. Manteniendo fijo el tamao de la clase, cul es la diferencia de puntajes estimada en el
puntaje PSU entre las mujeres no indgenas y los hombres no indgenas? Es
estadsticamente significativo esta diferencia? (8 puntos)
Respuesta:
El puntaje estimado para las mujeres no indgenas viene dado por (mujer=1;
indgena=0):

psu = 1u28.1u +19.Suclosc -2.19closc
2
-4S.u9

Para los hombres no indgenas el puntaje estimado es (mujer=0; indgena=0):

psu = 1u28.1u +19.Suclosc -2.19closc
2


Vemos que la diferencia estimada en puntajes PSU es de 45.09 puntos menos para las
mujeres no indgenas en relacin a los hombres no indgenas. Esta diferencia es
estadsticamente significativa al 95% de confianza dado que

t =
-4S.u9
4.29
= -1u.S1


c. Cul es la diferencia estimada de puntajes PSU entre hombres indgenas y hombres
que no son indgenas? Contrastar la hiptesis nula de que no hay diferencia en sus
puntajes, contra la alternativa de que s la hay. (8 puntos)
Respuesta:
El puntaje estimado para los hombres indgenas es (mujer=0; indgena=1):

psu = 1u28.1u +19.Suclosc -2.19closc
2
-169.81

Mientras que el puntaje estimado para los hombres no indgenas es (mujer=0;
indgena=0):

psu = 1u28.1u +19.Suclosc -2.19closc
2


La diferencia es puntajes es de 169.81 puntos menos para los hombres indgenas. Esta
diferencia tambin es estadsticamente significativa al 95% dado que

t =
-169.81
12.71
= -1S.S6

d. Cul es la diferencia estimada de puntajes PSU entre mujeres indgenas y mujeres que
no lo son? Qu se necesitara hacer para contrastar la hiptesis de que la diferencia es
estadsticamente significativa? (8 puntos)
Respuesta:
El puntaje estimado para mujeres indgenas es (mujer=1; indgena=1):
psu = 1u28.1u +19.Suclosc -2.19closc
2
- 4S.u9 -169.81 +62.S1

Mientras que el puntaje estimado para mujeres no indgenas es (mujer=1; indgena=0):

psu = 1u28.1u +19.Suclosc -2.19closc
2
-4S.u9

La diferencia en puntajes es de 107.5 (-169.81+62.31) puntos menos para las mujeres
indgenas. En este caso para verificar la significancia estadstica de esta diferencia, que
involucra dos coeficientes estimados, tendramos que calcular:

t =
b
1
+b
2
:or(b
1
) + :or(b
2
) +2co:(b
1
, b
2
)


En este caso se conocen los estimadores y las varianzas, pero nos falta la informacin de
la covarianza para testear si esta diferencia es efectivamente o no significativa.