UNIVERSIDAD AUTÓNOMA DE AGUASCALIENTES

CENTRO DE CIENCIAS ECONOMICAS ADMINISTRATIVAS

DEPARTAMENTO DE ECONOMIA.
SEGUNDO EXAMEN PARCIAL DE ECONOMETRIA I
PROFESOR: ROBERTO GONZALEZ ACOLT
NOMBRE DEL ALUMNO Julio Isaac Reyes Ortíz
INSTRUCCIONES: Responde el examen y súbelo a la plataforma de aula virtual, es
importante que tu archivo vaya nombrado con tu primer apellido, la inicial de tu primer
nombre y la palabra identificadora TESTECONO_I, por ejemplo GONZALEZ R.
TESTECONO_I

1. La siguiente ecuación de regresión fue estimada como una función de producción para

log Q  1.37  0.632 log K + 0.452 log L
 0.257   0.219 
Q:
  
R 2  0.98, F  1641.5, cov   K ,  L   0.055
 

Los errores estándar aparecen entre paréntesis. Prueba las siguientes hipótesis:
i. Las elasticidades de producción del capital (K) y trabajo (L) son idénticas
R= Ho βk = βl : H1 : βk ‹ βl y n-k-l en el supuesto donde n= 30, los gl = 30-2-1 = 27 y valor
crítico de 5% el estimado es 1.703 y a 1% es de 2.473

.632− .452
t= = −.5390
√.257(.632 +√.219(.452)− √2(.055)
t es menor que t calculada (.5390 ‹ 1.703) y en ambos valores críticos se rechaza la
hipótesis nula y se toma en cuenta la hipótesis alternativa donde la producción de capital
no es idéntica y es menor que la producción de trabajo.

ii. ¿Existen rendimientos constantes de escala?

Haciendo un cálculo de F para saber si son significativas podemos saber que las
elasticidades en el mismo supuesto de n= 30 nos dá: 66.15 contra el calculado de
1.641.5, por lo que si son significativas y pueden existir rendimientos constantes a escala.

.98 / 2
F  66.15
1  .98 30  2  1

Nota: en el problema no se te proporciona el número de observaciones de la muestra,

¿esta omisión afecta tus conclusiones? R= si, porque el número de supuestos puede
variar así como el valor t/f de las hipótesis. Entre más pequeño es el valor “n” más puede
cambiar.

(10 PUNTOS)

1
2.- El archivo ANDY_TEST2 contiene información de las ventas (Sales, $1000s), precios
(Price, índice de precios de todos los productos vendidos) y publicidad (Advertising,
$1000s) al mes en 75 ciudades de la cadena de Hamburguesas Andy´s Burger Barn.
I. Estima el siguiente modelo de regresión

Sales  0  1 Pr ice  2 Advert  u

Sales = 118.91 - 7.90Price + 1.86Advert + u

(6.35) (1.09) (.683)
R2=.448, n=75, vc = 5% , nsign = 2 COV (β1 β2)=.0112

II. Prueba las hipótesis siguientes:

H0: β1 = 0 contra H1: β1 ≠ 0
t = -7.90/1.09 =-7.24, ya que se rechaza H1, y se acepta Ho, lo que quiere decir
que la variable precio no hace que pierda ventas cuando es igual a 0, en las
hamburguesas Barn.
H0: β2 = 0 contra H1: β2 ≠ 0
t = 1.86/.683 = 2.723. Se rechaza H1 y se acepta H1 por lo que aumentan sus
ganancias en publicidad también cuando es igual a 0.
III. Una hipótesis de interés consiste en probar si el gasto en publicidad provocara un
incremento en el ingreso por ventas lo suficiente para cubrir el aumento en el costo
de la publicidad. Dicho aumento puede ser probado si β2 > 1, por lo tanto

2
 postulamos la siguiente hipótesis: H0: β2 = 1 contra H1: β2 > 1. ¿Existe evidencia
estadística de que el gasto en publicidad es efectivo para cubrir el costo que
genera? Usando el mismo nivel de significancia de 2, y el valor t calculado de
publicidad “2.723”, se rechaza la hipótesis nula y se acepta la alternativa de que β2
> 1. Por lo que se puede decir, si, la publicidad es efectiva y puede cubrir, por
cada publicidad vendida aumenta en 1.86 unidades las ventas.

IV. Un asesor de ventas de la cadena de Hamburguesas Andy´s Burger Barn arguye

que la opción de bajar el precio de las hamburguesas en 20 centavos es más
efectiva para incrementar el ingreso en ventas que la estrategia de aumentar el
gasto en publicidad en $500. Es decir, argumenta que -0.2 β1 > 0.5 β2. El dueño
del negocio aceptaría tal proposición siempre y cuando pueda ser verificada con
los datos. Prueba la siguiente hipótesis:
H0: -0.2β1 - 0.5 β2 = 0 contra H1: -0.2β1 - 0.5 β2 > 0, ¿los resultados favorecen el
argumento del asesor de ventas?
Habiendo calculado la Covarianza que es de .0112, calculamos la 𝑡 =
151.128− 1.95
= 151.007 , y comparado con el valor esperado de 2, se
√(6.35(151.128 )+(.683(1.95)−2(.0112)

acepta la hipótesis alternativa, donde los resultados favorecen el argumento del asesor de
ventas, donde una reducción de 20 centavos y un aumento de 500 a la publicidad aumenta
el ingreso de las ventas.

3
 V. Para captar la probable disminución en los rendimientos de la publicidad estima el
siguiente modelo

Sales  0  1 Pr ice   2 Advert  3 Advert 2  u

¿El coeficiente β3 tiene el signo esperado y es estadísticamente diferente de cero a

un nivel de significancia del 5%? ¿Cuál es el valor del punto de inflexión o cambio
de Advert?
Ho: β3 = 0
H1: β3 ≠ 0
Con nivel de significancia de 5% da un valor esperado de 2. El valor t calculado es:
t=1.4/.686 = 2.04. Por lo que se acepta que β3 es diferente de cero. El punto de
inflexión de advert es de 1.377, y de advert2 1.499

(30 PUNTOS)

3. Utiliza los datos del archivo PIZZA4_TEST2 para estimar el modelo:

4
PIZZA  0  1 AGE  2 INCOME  3 ( AGE x INCOME)  u

Donde PIZZA = gasto anual en pizzas; AGE = edad de los consumidores; INCOME =
ingreso en miles de dólares

i. Prueba la hipótesis de que la edad no afecta el gasto anual en pizzas. (Es decir,
prueba la hipótesis H0: β1 = 0, β3 = 0 contra H1: β1 ≠ 0, β3 ≠ 0¿Qué puedes concluir?

a) H0: β1 = 0 n=40, niv.sign – 5%, val.esp = 1.697

H1: β1 ≠ 0

valor t = -.12/.066= .888

b) H0: β3 = 0
H1: β3 ≠ 0
Valor t = 1.17/4.20 = 1.8181
Por lo que dicen las hipótesis, no afecta la edad y aunque la edad por el ingreso si
afecta al gasto.

ii. Modifica la ecuación para permitir un efecto de “ciclo de vida”, en el cual el efecto
marginal del ingreso sobre el consumo de pizzas se incrementa con la edad hasta
llegar a un punto máximo y después disminuye. Realiza esto añadiendo el término
(EDAD2xINGRESO) al modelo, es decir realiza la siguiente regresión:

5
 2
PIZZA   0  1 AGE   2 INCOME   3 ( AGE x INCOME )   4 ( AGE x INCOME )  u

Pizza = 109.72 -2.03AGE + 14.09INCOME - .47(AGE x INCOME) + .004(AGE2 x

INCOME) + u
iii. En el modelo anterior, para cada uno de los coeficientes estimados para AGE,
(AGE x INCOME) y (AGE2 x INCOME), prueba si son estadísticamente diferentes
de 0 de manera individual con un nivel de 5%.

a) H0: β3 = 0 n=40, niv.sign – 5%, val.esp = 1.697

H1: β3 ≠ 0
Valor t = 1.17/4.20 = 1.8181

b) H0: β4 = 0
H1: β4 ≠ 0
Valor t = .0042/.0049 = .8571

iv. Prueba la hipótesis: H0: β1 = 0, β3 = 0, β4 = 0 contra H1: β1 ≠ 0, β3 ≠ 0, β4 ≠ 0 e

interpreta los resultados.
H0: β1 = 0 n=40, niv.sign – 5%, val.esp = 1.697
H1: β1 ≠ 0

valor t = -.12/.066= .888

H0: β3 = 0
H1: β3 ≠
Valor t = 1.17/4.20 = 1.8181

6
 H0: β4 = 0
H1: β4 ≠ 0
Valor t = .0042/.0049 = .8571
En el caso de β3 no es diferente de cero, y β1, β4 es diferente de 0. Lo que nos dice que
AGE y AGE2 x INCOME son significativas para el ingreso de las pizzas.
(20 PUNTOS)

4.- Considera la siguiente función de costo total, donde yi representa el costo total para la
iesima empresa y xi representa la cantidad producida

yi = β1 + β2xi + β3xi 2+ β4xi3 + ui

El archivo VESTIDO_TEST2 contiene datos de 28 empresas del vestido

i. Estima por mínimos cuadrados ordinarios la función de costo y anota tus
resultados en forma de ecuación.

yi = 128.78 + .23β2 -.031β3 + .0016β4 + ui

ii. ¿Son significativos β2, β3 y β4 de manera individual?

H0: β2 = 0 n=28, niv.sign – 5%, val.esp = 1.711
H1: β2 ≠ 0

7
 valor t = .23/.052= 4.42
H0: β3 = 0
H1: β3 ≠
Valor t = -.031/.010 = -3.1
H0: β4 = 0
H1: β4 ≠ 0
Valor t = .0016/.00057 = 2.807

Las tres prueban ser significativas al modelo.

iii. ¿En qué nivel de producción el costo marginal es igual a cero?

(20 PUNTOS)

5.- Use los datos de archivo HTV_TEST2 para responder este ejercicio.
i. Estime el modelo de regresión

educ   0  1motheduc   2 fatheduc  3abil   4 abil 2  u

por medio de MCO y reporte los resultados en la forma usual. Pruebe la hipótesis
nula en la que educ está linealmente relacionada con abil, con la alterna, en la que
la relación es cuadrática.

ii. Usando la ecuación del inciso i), pruebe H 0 : 1   2 contra una alternativa de dos

colas. ¿Cuál es el valor-p de la prueba?

8
 iii. Añada las dos variables de colegiatura universitaria a la regresión del inciso i) y
determine si son conjuntamente significativas de manera estadística.
iv. ¿Cuál es la correlación entre tuit17 y tui18?
v. Explique por qué el uso del promedio de la colegiatura sobre los dos años podría
preferirse a sumar por separado cada una. ¿Qué sucede cuando usa el promedio?
vi. ¿Los hallazgos para la variable colegiatura promedio del inciso v) tienen sentido
cuando se interpreta de manera causal? ¿Qué podría estar sucediendo?

(20 PUNTOS)