Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD DE ECONOMA
MICROECONOMETRA
TALLER 1
(1)
(2)
a.
Para el primer modelo se tiene:
b.
Se esperara que los signos de las variables fueran positivos ya que, para el caso del rea
tanto del lote como de la casa, entre mayor sea sta, mayor va a ser el valor. De igual
manera se cumple con el nmero de habitaciones, se esperara que, a mayor nmero de
habitaciones, el precio de la vivienda aumente positivamente.
Para el primer modelo:
Variable
arealotei ,
^ 1
es positivo y su interpretacin es que, si se mantiene todo lo
=0.05
el
Pvalor<
de significancia.
0.0007908 y 0.0033446.
Variable
areacasai ,
^ 2
es positivo y su interpretacin es que, si se mantiene todo lo
=0.05
Pvalor<
el
de significancia.
0.0964541 y 0.1491022.
Variable
habitaciones i ,
^ 3
es positivo y su interpretacin es que, si se mantiene todo lo
=0.05
Pvalor>
el
habitaciones i
de significancia para el
modelo.
Significancia global:
Con un
=0,05
el
Pvalor<
1= 2= 3=0 ), es decir, que existe evidencia estadstica para afirmar que al menos
una de las variables independientes explica la variable dependiente ( valor i ).
Bondad de ajuste
El valor de
precio
de
R2
la
est
siendo
explicada
por
la
variacin
de
Variable
arealotei
^ 1=0.1679667
=0.05
el
Pvalor<
( 0.000<0,05 ) se
arealotei
es
de significancia.
0.0918404 y 0.244093.
Variable
areacasai
^ 2=0.7002324
=0.05
el
Pvalor<
( 0.000<0,05 ) se
areacasai
es
0.5155597 y 0.8849051.
Variable
habitaciones i
^ 3=0.0369584
=0.05
el
Pvalor>
( 0.183>0,05 ) no se
habitaciones i
Significancia global:
Con un
=0,05
el
Pvalor<
1= 2= 3=0 ), es decir, que existe evidencia estadstica para afirmar que al menos
una de las variables independientes explica la variable dependiente
valor i .
Bondad de ajuste
El valor de
logaritmo del precio de la vivienda est siendo explicada por la variacin del logaritmo de
las variables independientes.
c.
Al realizar la prueba RESET de Ramsey para el modelo dado en la ecuacin (1) se
obtiene:
H0
que dice que el modelo no tiene variables omitidas (no hay error de
d.
Para la prueba J Davidson-McKinnon primero se estima el modelo dado en la ecuacin (1)
y se obtiene
^y A
adicional.
Luego se estima el modelo dado en la ecuacin (2) y se obtiene
^y B
y se incorpora en
^y A
como
^y B
son
H 0 : =0
Ha: 0
En este caso a un nivel de significancia del 5%, el
rechaza la hiptesis nula, existe evidencia estadstica para afirmar que el segundo modelo
no presenta sesgo de especificacin.
H 0 : =0
H a : 0
En este caso a un nivel de significancia del 5%, el
rechaza la hiptesis nula y existe evidencia estadstica para afirmar que el segundo
modelo no presenta sesgo de especificacin. En conclusin, los dos modelos estn
correctamente especificados.
e.
valo r i= 0 + 1 arealot e i + 2 areacas a i+ i
(3)
(4)
H 0 : 3=0
H 0 : 3 0
Y se usa el multiplicador de Lagrange
LM =n Raux q
donde
es el nmero de
LM > 21 , q se rechaza
e^
H 0 : 3=0
H 0 : 3 0
Y se usa el multiplicador de Lagrange
LM =n R2aux 2q
donde
es el nmero de
LM > 1 , q se rechaza
para afirmar que el modelo no presenta variable omitida por lo tanto est bien
especificado.
Ejercicio 2
wk d i= 0 + 1 ln(wag ei )+ 2 e d i+ 3 unioni + 4 fe mi + i
a.
Intuitivamente incluir el salario puede explicar en cierta medida el nmero de horas que
los jefes de hogar tienen que trabajar. Se podra pensar que a mayor salario menos
semanas de trabajo requeridas para poder cumplir con el pago de los gastos diarios del
hogar.
A medida que los aos de escolaridad aumentan, es posible que la persona tenga ms
conocimientos y por ende un mejor trabajo que le permitir disfrutar de ms semanas para
el ocio.
Si el jefe de hogar tiene un contrato escrito es posible que tenga que cumplir un horario de
trabajo y sus horas de semanas trabajadas sea menor en comparacin con una persona
que no tiene un contrato escrito firmado y se vea en la obligacin de tener que trabajar
ms tiempo para poder cumplir con sus obligaciones con el hogar.
Por ltimo, si la persona siendo jefe de hogar, es mujer, va a tener que trabajar menos
horas a la semana en comparacin con los hombres jefes de hogar ya que es posible que
sus obligaciones las compartan con sus esposos o que se vean obligadas a dedicar ms
tiempo en el cuidado de los hijos. Tambin es posible que los hombres jefes de hogar
prefieran que sus esposas se dediquen al cuidado del hogar y por eso mayor va a ser el
nmero de semanas trabajadas en comparacin con las mujeres.
b.
Es posible que se requiera incluir otras variables de control como lo es la experiencia que
se relaciona con el salario y puede tener cierta incidencia en el nmero de semanas
trabajadas.
Tambin se podra incluir la variable dictoma que asume el valor de 1 si la persona es
blanca y cero de lo contrario, ya que si hay cierta discriminacin puede que las personas
de tez negra estn obligadas a trabajar mayor nmero de semanas en comparacin con
las que no.
Otra variable que se podra incluir es si la persona es un trabajador de baja jerarqua (en
ingls lo llaman blue collar occupation) ya que lo ms probable es que estas personas
tengan que trabajar mayor nmero de semanas en comparacin de las que no.
Otras variables que se podra incluir son las que hacen referencia al lugar de residencia
(rea rural o urbana), el sector donde se labora.
Dado que el estudio es realizado en Estados Unidos y los datos son tomados de la
poblacin de este pas, se puede incluir una variable dictoma que asume el valor de 1 si
d.
Variable
wag e i
^ 1=0.738114
=0.05
el
Pvalor<
( 0.000<0,05 ) se
wag e i
es
de significancia.
0.3511924 y 1.125036.
Variable
ed i
^ 2=0.1524285
=0.05
el
Pvalor<
ed i
de significancia.
-0.2153127 y
Variable
-0.0895443.
^ 3=1.99073
=0.05
el
Pvalor<
( 0.000<0,05 ) se
es
-2.32447 y
Variable
-1.656989.
fem i
^ 4=1.40769
manteniendo todo lo dems constante, en promedio, una mujer jefa de hogar tiene que
trabajar 1.40769 semanas menos en comparacin con un hombre jefes de hogar.
=0.05
el
Pvalor<
( 0.000<0,05 ) se
es
-1.928516 y
-0.8868637.
Significancia global:
Con un
=0,05
el
Pvalor<
wk d i
en el
modelo.
Bondad de ajuste
El valor de
R2
nmero de semanas trabajadas por parte de los jefes de hogar est siendo explicada por
la variacin de las variables independientes.
e.
La variable
di
sms ai , puede ser vista como que las personas jvenes buscan estar cerca
aos (aumento de la edad). Por lo tanto, entre ms aos de experiencia tenga una
persona, mayor puede ser su edad.
f.
Se realiza la estimacin por MC2E:
g.
En la primera etapa se puede ver que el instrumento
di
es relevante a 5% de
fe mi
cuyo
variables existe evidencia estadstica para afirmar que su valor es distinto de cero.
h.
Estimando por MC2E el modelo considerando las variables
instrumentos de
ln (wag e i) :
ind i
sms ai
como
i.
En la primera etapa se puede ver que los dos instrumentos son relevantes al 5% de
significancia. El valor de la prueba F global es mayor que 10 por lo tanto los instrumentos
no son dbiles.
En la segunda etapa se aprecia el cambio en el valor de los coeficientes de los
parmetros y todas las variables son significativas al 5% excepto la variable
fe mi
cuyo
Pvalor=0.493 .
j.
Para el test de Hausman, primero se estima el modelo original y se guardan los resultados
con el nombre de
bmco :
biv :
Como el
Pvalor
LM =n R2aux 2q
En este caso
Como el
Pvalor>
hiptesis nula de que los instrumentos son exgenos. Se concluye que hay evidencia
estadstica para afirmar que los instrumentos son vlidos (son exgenos).
Ejercicio 3
[ 0.1 ] .
b.
2
Para saber si la edad tiene efectos marginales decrecientes se debe mirar los signos de
los coeficientes que acompaan a las variables
coeficiente
2> 0
y el coeficiente
age
ag e 2 . En este caso el
Planteamiento de la hiptesis:
H o : 2 0
H a : 2 >0
En este caso se desea mirar si es posible rechazar la hiptesis nula para saber si el
trmino lineal de la edad es mayor a cero.
Nivel de significancia:
Se elige un nivel de significancia del 5% ( =0.05
Estadstico calculado o de prueba:
Para el modelo MPL se utiliza un estadstico
es:
5.20
Z LOGIT =5.12
Z PROBIT =5.12
Estadstico de contraste:
Con un
=0.05
son
respectivamente:
t tablas =1.646135109
Z tablas =1.644853627
Conclusin:
Dado que en los tres modelos el estadstico calculado se encuentra en la zona de
rechazo ( estadstico calculado>estadstico de contraste ), por lo tanto, no se acepta
la hiptesis nula de que el coeficiente que acompaa a la variable
edad
es menor o
igual a cero y se opta por la alterna, es decir, existe evidencia estadstica para afirmar
que
2> 0 .
Planteamiento de la hiptesis:
H o : 5 0
H a : 5 <0
En este caso se desea mirar si es posible rechazar la hiptesis nula para saber si la
edad tiene efectos marginales decrecientes.
Nivel de significancia:
Se elige un nivel de significancia del 5% ( =0.05
Estadstico calculado o de prueba:
Para el modelo MPL se utiliza un estadstico
es:
-6.69
Z LOGIT =6.00
Z PROBIT =6.05
Estadstico de contraste:
Con un
=0.05
son
respectivamente:
t tablas =1.646135109
Z tablas =1.644853627
Conclusin:
Dado que en los tres modelos el estadstico calculado se encuentra en la zona de
rechazo ( estadstico calculado<estadstico de contraste ), por lo tanto, se rechaza la
eda d 2 es positivo y
se opta por la alterna, es decir, existe evidencia estadstica para afirmar que 5< 0 .
hiptesis nula de que el coeficiente que acompaa a la variable
edad
Planteamiento de la hiptesis:
H o : 3 0.10
H a : 3 >0.10
En este caso se busca ver si se rechaza la hiptesis nula para saber si el efecto marginal
del ingreso es superior a 0.10.
Nivel de significancia:
^
06
( 3) 1.59 10 0.10
=
=59172.538
se ( ^ 3)
1.69 1006
t=
Para el modelo LOGIT y PROBIT se emplea el estadstico
^
( 3) 1.711006 0.10
=
60241,99
1.66 1006
se ( ^ 3)
Z LOGIT =
^
06
( 3) 1.87 10 0.10
=
60242,09
06
se ( ^ 3)
1.66 10
Z PROBIT =
Estadstico de contraste:
Con un
=0.05
son
respectivamente:
t tablas =1.646135109
Z tablas =1.96
Conclusin:
Pvalor
que
ingres o i
es
MPL:
d.
Todos los intervalos de confianza se calculan con la siguiente ecuacin:
IC= ^ 1 t
1 , nk1
2
se ( ^ 1)
I C superior =0.0249299+1.961960.0046031
I C superior 0.01589
I C inferiror=0.02492991.961960.0046031
I C inferiror 0.033961
I C superior =0.0273688+1.960.00508
I C superior 0.017412
I C inferiror=0.02736881.960.00508
I C inferiror 0.0373256
I C superior =0.0266452+1.960.00492
I C superior 0.017002
I C inferiror=0.02664521.960.00492
I C inferiror 0.0362884
e.
Modelo MPL:
Planteamiento de la hiptesis:
H 0 : 1= 4 =0
H a : Al menosun i 0 i=1,4
Nivel de significancia:
Se elige un nivel de significancia
Estadstico calculado:
Para hallar el estadstico calculado se necesita evaluar el modelo con las restricciones
y sin las restricciones y se obtienen las sumas del cuadrado de los errores para los
dos modelos. A continuacin, se muestran los resultados:
SC E R SC ENR
q
Fc =
SC E NR
nk1
En este caso
de observaciones y
el nmero
restriccin.
Reemplazando valores queda:
270.56818263.51143
2
Fc =
15.934
263.51143
119651
Estadstico de contraste:
El estadstico de contraste es un
F q ; nk 1 F2,1190
cuyo valor es
3.003286469 .
Conclusin:
Como
Fc > F 1 ;2 ;1190
1= 4=0
y por lo
tanto existe evidencia estadstica para afirmar que al menos uno de los dos betas es
diferente de cero.
De igual manera, con el comando testparm se comprueba el resultado:
Pvalor<
la conclusin es la misma.
Modelo LOGIT:
Planteamiento de la hiptesis:
H 0 : 1= 4 =0
H a : Al menosun i 0 i=1,4
Nivel de significancia:
Estadstico calculado:
Para hallar el estadstico calculado se necesita evaluar el modelo con las restricciones
y sin las restricciones y se obtienen los
log likelihood
ln LSR
log likelihood
es el
log likelihood
es
5.991464547 .
Conclusin:
Como
estadstica para afirmar que al menos uno de los dos betas es diferente de cero.
De igual manera, con el comando testparm se comprueba el resultado:
Pvalor<
la conclusin es la misma.
Modelo PROBIT:
Planteamiento de la hiptesis:
H 0 : 1= 4 =0
H a : Al menosun i 0 i=1,4
Nivel de significancia:
Se elige un nivel de significancia
Estadstico calculado:
Para hallar el estadstico calculado se necesita evaluar el modelo con las restricciones
y sin las restricciones y se obtienen los
log likelihood
ln LSR
log likelihood
es el
log likelihood
es
Estadstico de contraste:
El estadstico de contraste es una Chi-cuadrado con
5.991464547 .
Conclusin:
Como
estadstica para afirmar que al menos uno de los dos betas es diferente de cero.
De igual manera, con el comando testparm se comprueba el resultado:
Pvalor<
la conclusin es la misma.
f.
El procedimiento de prueba de hiptesis con el fin de determinar que el valor esperado de
la probabilidad de fumar es igual a 0.42 es el siguiente:
Planteamiento de la hiptesis:
E P ( smoker=1|educ= educ+
age=age+income=
income
Por lo tanto, la hiptesis es:
H 0 : 0 + 1 educ+
2 age+
3 income+
4 pcigs79+
5 ag e 2=0.42
H 0 : 0 + 1 educ+
2 age+
3 income+
4 pcigs79+
5 ag e 2 0.42
Nivel de significancia:
Estadstico calculado:
para LOGIT
t c , Z c=
( 0 + 1 educ+
2 age+
3 income+
4 pcigs79+
5 ag e 2)0.42
Donde
' S (X X )
2
[]
educ
age
5 1=
income
pcigs79
ag e2
'
'1 6 = 1 educ
age
income
79 ag e2
pcigs
1
S 2 ( X ' X ) var cov ( ^ )
Estadstico de contraste
t=1.961959484
z=1.96
Conclusin
El
2
R=
SCR 18.3907393
=
=0.06523802
SCT 281.902174
Pseudo R 2=1
En este caso
ln LSR
ln LCR
ln LCR
Pseudo R 2LOGIT =1
750.84796
=0.0549
794.47478
Pseudo R PROBIT =1
750.81585
=0.0550
794.47478
R2 , que se define
Como:
Cuenta R2=
predicciones correctas
total de observaciones
Cuenta RMPL =
678+74
0.6288
1196
Cuenta R2LOGIT =
667+ 92
0.6342
1196
Cuenta R2PROBIT =
672+ 89
0.6363
1196
Ejercicio 4
(6)
(7)
De igual manera se tiene que la interpretacin del coeficiente que acompaa a la variable
edad es que manteniendo los dems factores constantes, un aumento en un ao de edad,
aumenta la probabilidad de comprar un seguro privado complementario en 0.04 puntos
porcentuales.
Para el nmero de nios menores de 16 en la casa su interpretacin es que manteniendo
los dems factores constantes un aumento en el nmero de nios en una unidad,
disminuye la probabilidad de comprar un seguro privado complementario en 0.3 puntos
porcentuales.
Por ltimo, el cambio en la probabilidad de comprar un seguro privado complementario
cuando una persona pasa de estar soltera a estar casada se aumenta en 0.6 puntos
porcentuales.
b.
Al estimar el modelo de la ecuacin (7) se obtiene:
De los efectos marginales se puede ver que todas las variables excepto
significativas al 1%, 5% y 10%.
^
addoni
son
^
addoni solamente es significativa al 10%.
ceteris paribus .
ceteris paribus .
doctor en 0.0002 veces
ceteris paribus .
ceteris paribus .
c.
H 0 : 1= 2= 3= 4 ==0
H a : Al menos o un i 0 i=1,2,3,4
Nivel de significancia:
donde
es el nmero
ln LCR
Remplazando se obtiene el
ERV :
Estadstico de contrate:
El
25 es 11.07049769
Conclusiones
Como
estadstica para afirmar que al menos uno de los coeficientes que acompaan a las
variables del modelo de la ecuacin (7) es diferente de cero.
Age
H 0 : 1=0
H a : 1 0
Nivel de significancia
Se elige un nivel de significancia del 5%
Estadstico de prueba
El estadstico de prueba es un
Z c=
^ 0.0175220
=
12.948566
se ( ^ ) 0.0013532
Estadstico de contrate
Z =1.96
El estadstico de contrate es un
Conclusiones
12.948566>1.96
|Z c|> Z tablas
en este caso
Age
Education
Planteamiento de la hiptesis
H 0 : 2=0
H a : 2 0
Nivel de significancia
Se elige un nivel de significancia del 5%
Estadstico de prueba
El estadstico de prueba es un
Z :
es diferente de 0.
Z c=
^ 0.03857660
=
3.0219183
0.0127656
se ( ^ )
Estadstico de contrate
Z =1.96
El estadstico de contrate es un
Conclusiones
3.0219183>1.96
|Z c|> Z tablas
en este caso
Income
Planteamiento de la hiptesis
H 0 : 3=0
H a : 3 0
Nivel de significancia
Se elige un nivel de significancia del 5%
Estadstico de prueba
El estadstico de prueba es un
Z c=
Z :
^ 0.00008030
=
12.685624
se ( ^ ) 6.33 1006
Estadstico de contrate
El estadstico de contrate es un
Conclusiones
Z =1.96
12.685624>1.96
|Z c|> Z tablas
en este caso
Income es diferente de 0.
Female
Planteamiento de la hiptesis
H 0 : 4 =0
Ha: 4 0
Nivel de significancia
Se elige un nivel de significancia del 5%
Estadstico de prueba
El estadstico de prueba es un
Z c=
Z :
^ 0.16408680
=
9.0986964
0.0180341
se ( ^ )
Estadstico de contrate
El estadstico de contrate es un
Z =1.96
Conclusiones
Como la prueba es de dos colas se mira
9.0986964>1.96
H 0 : =0
Ha: 0
en este caso
|Z c|> Z tablas
Female es diferente de 0.
^
Addon
Nivel de significancia
Se elige un nivel de significancia del 5%
Estadstico de prueba
El estadstico de prueba es un
Z c=
Z :
^ 3.9113990
=
1.8806403
2.079823
se ( ^ )
Estadstico de contrate
El estadstico de contrate es un
Z =1.96
Conclusiones
Como la prueba es de dos colas se mira
1.8806403<1.96
|Z c|> Z tablas
en este caso
^
Addon
es igual a 0.
d.
La prueba de hiptesis para determinar si estadsticamente el efecto marginal de
Femal ei
es superior a 0.1
Planteamiento de la hiptesis
H 0 : 4 0.1
H a : 4>0.1
Nivel de significancia
Estadstico de prueba
El estadstico de prueba es un
Z c=
Z :
^ .45374380.1
=
=7.0791235
0.04997
se ( ^ )
Estadstico de contraste
Conclusiones
Como
female
es
superior a 0.1.
Ejercicio 5
es
l
loginvp cit = 0+ 1 ing tran sit + 2 desemp t it + 3 tasa it + 4 desplazamient o it + 5 H coc ait + i
a.
Se podra esperar que los coeficientes que acompaan a las variables
es
desemp t it
l
tasa it
desplazamient o it
se esperara un signo
desplazamiento
tasa homicidios
no son
desplazamiento
tasa homicidios
son contrario a lo
esperado, esta diferencia se podra atribuir a que se supuso que los efectos individuales
no observados son cero.
b.
Primero se muestra los resultados de la regresin por efectos fijos:
De la regresin se puede observar que de la prueba de hiptesis para ver si los efectos
individuales no observados son cero ( H 0 : todos los
al menos un
desplazamiento
ai
con
X it
es igual a cero.
H coca
que para efectos fijos no. Las otras variables si son relevantes a los niveles
convencionales de significancia.
La diferencia de los resultados se debe a que efectos fijos se basa en que
cov (a i , X it )0
cov ( ai , X it ) =0 .
c.
Al realizar la prueba de Hausman para comparar los estimadores de efectos fijos vs los de
efectos aleatorios se obtiene:
Pvalor<0.05
se
rechaza la hiptesis nula de que no hay endogeneidad. Existe evidencia estadstica para
afirmar que la regresin por efectos aleatorios presenta problemas de endogeneidad y por
lo tanto se prefiere efectos fijos.
d.
Para comparar los estimadores de pool vs los de efectos aleatorios se realiza el Contraste
Breusch-Pagan. A continuacin, se muestra los resultados obtenidos:
En este caso la hiptesis nula establece que la varianza del componente individual es
cero. Para un nivel de significancia
=0.05
el
Pvalor<
se rechaza
H 0 , se
H 0 : a1=a 2==ai=0
H a : al menosun ai 0
=0.05
el
Pvalor<