UNIVERSIDAD AUTÓNOMA DE AGUASCALIENTES

CENTRO DE CIENCIAS ECONOMICAS ADMINISTRATIVAS

DEPARTAMENTO DE ECONOMIA.
EXAMEN ORDINARIO DE ECONOMETRIA I
PROFESOR: ROBERTO GONZALEZ ACOLT
NOMBRE DEL ALUMNO Julio Isaac Reyes Ortiz

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.- El archivo UTOWN 2016 contiene datos sobre 1000 casas vendidas en dos
vecindarios similares, uno llamado “ciudad universitaria” que colinda con una universidad
estatal grande, el otro vecindario se encuentra ubicado a cuatro kilómetros de la
universidad. .Las variables son PRICE (US$ 1000), SQFT (total de pies cuadrados), AGE
(años de antigüedad de la casa), UTOWN (=1 si la casa colinda con “ciudad
universitaria”, cero si está alejada de la Universidad), POOL (=1 si tiene piscina),
FIREPLACE (=1 si tiene chimenea).
a) Estima el siguiente modelo

PRICE  0  1UTOWN   2 SQFT  3 ( SQFTxUTOWN )

 4 AGE  5 POOL  6 FIREPLACE  u
price = 24.49 + 27.45utown + 7.61sqft + 1.29sqftXutown - .19age + 4.37pool +
1.64fireplace + u
b) Discute los signos y la significancia estadística de los coeficientes estimados.
¿Son los signos que se esperaban? De una interpretación exacta del coeficiente
UTOWN. Para Utown aumenta en promedio 27.45 al precio de las casas,
excepto por age, que disminuye en promedio .19 al precio.
c) Se piensa que un modelo más apropiado implica que la variable dependiente este
expresada en términos de logaritmo natural ln(PRICE). Estima el modelo del inciso
a) empleando ln(PRICE) como variable dependiente
price = 4.46 + .33utown + .035 sqft - .0034sqftXutown - .19age + .018pool +
.006fireplace + u
 d) Discute los coeficientes estimados de SQFT y AGE.
El estimado promedio del anterior modelo se ha reducido a .035, y el
estimado de age esta igual con -.19
e) Calcula el cambio porcentual en el precio debido a la presencia de una piscina en
la casa. El estimado promedio de las piscinas es de solamente un aumento
de 4.28
f) Calcula el cambio porcentual en el precio debido a la presencia de una chimenea
en el hogar. El estimado promedio de la chimenea es de un aumento de 1.49

2.- Para las n = 528 observaciones del archivo WAGE EDUC 2016 sea Y = salario por
hora, X1 = años de educación y X2 = sexo (que toma el valor 1 para mujeres y 0 para
hombres).

a) Estima el modelo y expresa los resultados de la manera acostumbrada.

Wage__y__= -.49 + .80Edu_x1_ - 2.077Female_x2_ + u

b) Estima la ecuación anterior utilizando los errores estándares robustos a la

heterocedasticidad (errores estándares de White). Escribe los resultados de la
forma acostumbrada.
Wage__y__= -4.02 + .13Edu_x1_2 + .39Edu_x1_*Female_x2_+.33Edu_x1_ -
10.22_Female_x2_2

c) Regresando al inciso a) realiza la prueba de Breusch-Pagan para probar la

existencia de heterocedasticidad en los errores.

d) Estima la ecuación del inciso a) por medio de mínimos cuadrados ponderados

(MCP) bajo el supuesto siguiente: σ2i = σ2 * X1; (σ2i es la varianza
heterocedastica). Escribe los resultados de la forma usual.
3.- Utilice los datos del archivo FERTIL2 2016 para responder esta pregunta.

a) Estima el modelo

children   0  1age   2 age2  3educ   4electric  5urban  u

Children= -4.22 + .34age - .002age2 - .075educ - .31electric - .2urban

Donde children = número de niños vivos, age = edad en años; educ = años de educación,
electric = 1 si la mujer vive en un hogar con electricidad; urban = 1 si la mujer vive en un
área urbana

Reporte los errores estándar usuales y robustos a la heteroscedasticidad. ¿Los errores

estándar robustos son siempre mayores que los no robustos?
Los errores estándar cambian dependiendo de los errores robustos de
heterocedasticidad , pero son mayores.

b) Añade las tres variables binarias religiosas (spirit = 1 si es de religión espiritista;

catholic = 1 si es de religión católica; protest = 1 si es de religión protestante) y
pruebe si son conjuntamente significativas. ¿Cuáles son los valores-p para las
pruebas no robusta y robusta?
 2
Los valores de significancia de la normal es .0000002 con un r de .57 y de la
robusta es de .00000001 con un r2 de .26
 
c) A partir de la regresión del inciso (b), obtener los valores ajustados y y los
   2
residuales, u . Realiza la regresión de u 2 sobre y, y y pruebe la significación
conjunta de los dos regresores. Concluya si la heteroscedasticidad está presente
en la ecuación para children.
d)

e) ¿Diría que la heteroscedasticidad que halló en el inciso (iii) es muy importante?

La heteroscedasticidad no es significativa en el inciso.
4.- El archivo TRABAJADORES 2016 contiene una muestra de 261 trabajadores en una
ciudad industrial del sur de la India en 1990. Las variables se definen como sigue:
W = ingreso por salario semanal en rupias
AGE = Edad en años
DSEX = 1 para trabajadores y 0 para trabajadoras
DE2 = variable dicotómica que toma el valor de 1 para trabajadores con nivel de
escolaridad hasta primaria
DE3 = variable dicotómica que toma el valor de 1 para trabajadores con nivel de
escolaridad hasta secundaria
DE4 = variable dicotómica que toma el valor de 1 para trabajadores con nivel de
escolaridad superior al nivel de secundaria
DPT = variable dicotómica que toma el valor de 1 para trabajadores con empleo
permanente y 0 para eventuales

a) Estima el siguiente modelo de regresión e interpreta tus resultados

log(W )  0  1 AGE  2 DSEX  3 DE 2  4 DE3  5 DE 4  6 DPT  ui

Log (w) = 3.62 + .02age - .66dsex + .15de2 + .50de3 + .62de4 + .31dpt + u

b) ¿Los trabajadores con nivel de escolaridad alto ganan mejores salarios semanales
que las trabajadoras con el mismo nivel de escolaridad? Para examinar esta
posibilidad extendemos la regresión del inciso a) para añadir la interacción entre
sexo y nivel de escolaridad (es decir, agrega tres nuevos términos de interacción:
DSEX*DE2, DSEX*DE3 y DSEX*DE4). ¿De manera individual y conjunta son
estadísticamente significativos estas variables de interacción?

Log (w) = 3.62 + .02age - .66dsex + .15de2 + .50de3 + .62de4 + .31dpt + .655dsex*de2 +
.462dsex*de3 + .399desex*de4 + u
 c) Ahora elimina las variables dicotómicas de escolaridad pero conserva las de
interacción, es decir estima el siguiente modelo y presenta tus resultados en forma
de ecuación

log(W )  0  1 AGE  2 DSEX  3 DSEX * DE 2  4 DSEX * DE3  5 DSEX * DE 4  6 DPT  u

Log (w) = 3.74 + .02age - .90dsex + .36dpt + .73dsex*de2 + .89dsex*de3 +
.89desex*de4 + u

¿De manera individual y conjunta son estadísticamente significativas las variables

de interacción?

5.- Utilice los datos del archivo BEAUTY 2016 para esta pregunta.
Usando los grupos de datos para hombres y mujeres, estime la ecuación
lwage   0  1belavg   2 abvavg  3 female   4educ  5exper  5exper 2  u ,

Donde wage = salario por hora; belavg = 1 para personas con atractivo físico inferior al
promedio; abvavg = 1 para personas con atractivo físico superior al promedio; female = 1
si es mujer; educ = años de educación; exper = años de experiencia laboral.
Reporte los resultados usando errores estándar robustos a la heteroscedasticidad debajo
de los coeficientes. ¿Algunos de los coeficientes es excepcional en cuanto o su signo o
magnitud? ¿El coeficiente de female es prácticamente grande y estadísticamente
significativo?

(ii) Añada las interacciones de female con las demás variables explicativas en la ecuación
del inciso (i) (cinco interacciones en total). Compare la prueba F usual de la significancia
conjunta de las cinco interacciones y una versión robusta a la heteroscedasticidad. ¿El
uso de la versión robusta a la heteroscedasticidad cambia el resultado de alguna manera
importante?
(iii) En el modelo completo con interacciones, determina si aquellas que involucran las
variables observadas -female*belavg y female* abvavg- son conjuntamente significativas.
¿Sus coeficientes son prácticamente pequeños?

NOTA: CADA PREGUNTA TIENE UN VALOR DE 20 PUNTOS