Econometría I. Soluciones Hoja 3 Carlos Velasco. MEI UC3M.

£OOF/O8

Soluciomes Hoja de Ejercicios 3

Econometría I

fi. Uts1ssando 1os datos de GPAW.ÆAW sobve $fWU a1umnos unssevsstavsos, estsma 1a ssgusente eGUAGSón
pov MGO,
co1gpa = Ø0 ‡ Øfihspevc ‡ Ø2sat ‡ u
donde co1gpa se msde sobve una ESGa1a de GUATVo puntos, hspevc es e1 pevGents1 de 1os a1umnos
de snststuto que se gvadúan ese auo (deflnsdo de fovma que, pov ejemp1o, hspevc = † se vefleve a1
† pov Gsento de 1os mejoves a1umnos que se gvadúan) 4 sat equssa1e a 1os vesu1tados GONJUntos
en matemátsGas 4 1engua en e1 test de aptstud ESGO1av. EsGVSbe 1a eGUAGsón estsmada de 1a fovma
habstua1 4 pvopovGSona e1 R2 .

c^
o1gpa = fi,39fiF†F — 0,0fi3†fi9hspevc ‡ 0,00fi4F6sat
n = 4fi3F, R2 = 0,£F344fi

a) ¿Pov qué tsene sentsdo que e1 GOeflGSente de hspevc sea negatsso?

Cuanto más alto sea el percentil, quiere decir que los estudiantes son peores, por lo que afecta
negativamente a la nota del college, todo lo demás igual.
b) ¿Øué nota medsa unssevsstavsa (co1gpa) podemos pvedeGSV ss hspevc = £0 4 sat = fi0†0?

c^
o1gpa (hspevc = £0,sat = fi0†0) = fi,39fiF†F — 0,0fi3†fi9 m £0 ‡ 0,00fi4F6 m fi0†0
= £. 6Ffi £

G) Supongamos que dos a1umnos, A 4 B, se gvadúan en e1 snststuto dentvo de1 mssmo pevGents1,
pevo que e1 vesu1tado de A en e1 test SAf de aptstud ESGO1AV es f$D puntos más a1to que e1
de B (apvoxsmadamente una desssAGSÓN estándav en 1a muestva). ¿Øué dsfevENGSA podemos
pvedeGSv entve 1a nota medsa unssevsstavsa de ambos a1umnos?

c^
o1gpa (A) — c^
o1gpa (B) = c^
o1gpa (sat ‡ fi40) — c^
o1gpa (sat)
= fi,39fiF†F — 0,0fi3†fi9hspevc ‡ 0,00fi4F6 (sat ‡ fi40)
— (fi,39fiF†F — 0,0fi3†fi9hspevc ‡ 0,00fi4F6sat)
= 0,00fi4F6 m fi40 = 0,£06 64.

¿Es una dsfevENGSA smpovtante?

Para comparar habría que conocer cuál es la distribución de co1gpa, que tiene media mues-
tral £.6† y desviación típica O.6†, por lo que la diferencia es moderada, sobre o
^ /3, pero
comparando con el rango, 4, no es despreciable.
d ) Ss mantenemos hspevc fljo, ¿qué dsfevENGSA en 1os vesu1tados SAT nos 11esavsa a pvedeGSv
una dsfevENGsa de D.†D puntos (medso punto) en co1gpa? Æasona tu vespuesta.
Se quiere que

c^
o1gpa (sat ‡ Osat, hspevc) — c^
o1gpa (sat, hspevc) = 0,†0.

Ahora sabemos que el lado de la izquierda es igual a 0,00fi4F6 m Osat, por lo que
0,†0
Osat = = 338. F†,
0,00fi4F6
que es algo más que £ sd‘s.

fi
Econometría I. Soluciones Hoja 3 Carlos Velasco. MEI UC3M. £OOF/O8

£. E1 ssgusente mode1o es una sevssón ssmp1sflGada de1 mode1o de vegvessón mú1tsp1e uts1ssado pov
Bsde1 4 Hamevmesh (f99D) pava estudsav 1a vE1AGSÓN snsevsa entve e1 tsempo dedsGado a dovmsv 4
e1 dedsGado a tvabajav, junto GON otvos FAGTOVes que afeGTAN a1 sueuo:

s1eep = Ø0 ‡ Øfitotvvh ‡ Ø2educ ‡ Ø3age ‡ u

donde e1 sueuo (s1eep) 4 e1 tsempo tota1 de tvabajo (totvvh) se msden en msnutos pov semana, 4
1a fovMAGSón AGadémSGa (educ) 4 1a edad (age) se msden en auos.

a) Ss 1os adu1tos suststu4en tsempo de sueuo pov tvabajo, ¿GUÁ1 sevá e1 ssgno de Ø fi ?
Deberá ser negativo.
b) ¿Øué ssgno podemos pensav que tendván Ø 2 4 Ø 3 ?
Øuizá más educación reduzca el tiempo: Ø2 negativo (más cosas que hacer, lectura? ocio?
Derivado de una mayor renta, el coste de oportunidad es mayor, pero el análisis es ceteris
paribus, por lo que totvvh es fijo y no se cambian horas de sueno por horas de trabajo). El
efecto biológico de age aparentemente debe ser negativo también, los ninos duermen más y
los ancianos menos.
G) Estsma 1a eGUAGSÓN pov MGO usando 1os datos de SGEEPU†.

s^
1eep = 3638,£4† — 0,fi483F3ttvovh — fifi,fi338fieduc ‡ £,fi9988†age
n = F06, R2 = 0,fifi3364.

Ss a1gusen tvabaja GSNGO hovas más pov semana, ¿en GUántos msnutos se estsma que dssmsnusvá
s1eep? ¿Es una sustsTUGSón smpovtante?
Como totvvh se mide en minutos, s^ 1eep disminuirá en 0,fi483F3 m († m 60) = 44. †fi£ minutos.
La sustitución es muy pequena, ya que de que cada fiO minutos que aumentamos de trabajo,
sólo reducen en fi.4 minutos el tiempo de sueno. Comparado con la media (y la sd) de s1eep,
3£66 (444) , el efecto es muy pequeno.
d) Avgumentav e1 ssgno 4 1a magnstud de1 de1 GOeflGSENTE estsmado de educ.
El signo es negativo como argumentábamos (también puede tener relación con la naturaleza
del trabajo). Su magnitud es bastante pequena.
e) ¿EXP1SGan totvvh, educ 4 age una pavte smpovtante de 1a savsAGSÓN en s1eep?
Nó, sólo el fifi %.
¿Øué otvos FAGTOVes pueden afeGTAV a1 tsempo dedsGado a dovmsv?
Características de salud, composición de la familia, horario de trabajo, tipo de trabajo.
¿Es pvobab1e que estén GOVvE1AGSonadas GON totvvh?
Parte de ellas sí, como composición de la familia: a más miembros, más horas de trabajo
(sesgo en los estimadores?).

3. En un estudso que vE1AGSONA 1a nota medsa unssevsstavsa GON e1 tsempo emp1eado en dssevsas AGTSSs−
dades, se dsstvsbu4e una ENGUEsta entve un gvupo de estudsantes en 1a que se 1es pvegunta GUÁNTAS
hovas emp1ean en GUatvo AGTSSsdades: estudsav, dovmsv, tvabajav 4 oGSO. Gua1qusev AGTSSSdad debe
SNG1USvse en una de 1as GUatvo Gategovsas, de fovma que 1as GUatvo AGtsssdades deben sumav f68
hovas pava Gada estudsante

£
Econometría I. Soluciones Hoja 3 Carlos Velasco. MEI UC3M. £OOF/O8

a) En e1 mode1o

GP A = Ø0 ‡ Øfistudy ‡ Ø2s1eep ‡ Ø3vovh ‡ Ø4 1essuve ‡ u,

¿tsene sentsdo mantenev fljos s1eep, vovh 4 1essuve, 4 modsflGav study?

No, porque si aumentamos el tiempo de estudio hay que sacar el tiempo extra de algún sitio
y deben disminuir s1eep, vovh y/o 1essuve.
b) EXP1SGav pov qué este mode1o sso1a e1 supuesto ÆGM.$.
Porque hay una relación lineal perfecta,

study ‡ s1eep ‡ vovh ‡ 1essuve = fi68.

G) ¿Gómo se podvsa vefovmu1av e1 mode1o pava que 1os pavámetvos tengan una sntevpvETAGSón úts1
4 satssfaga e1 supuesto ÆGM.$?
Habría que eliminar una de las variables explicativas, por ejemplo 1essuve, y los cambios
de study se podrían estudiar dejando fijos s1eep y vovh, pero disminuyendo en la misma
magnitud 1essuve.

4. Gonssdeva e1 mode1o de vegvessón mú1tsp1e bajo 1os supuestos ÆGM.f−$,

y = Ø0 ‡ Øfixfi ‡ Ø2x2 ‡ Ø3x3 ‡ u.

Nos sntevesa estsmav 1a suma de 1os pavámetvos en xfi 4 x2 : 11amémos1o 8fi = Øfi ‡ Ø 2 . Demostvav
que ^8fi = Ø^ fi ‡ Ø^ 2 es un estsmadov snsesgado de 8fi .
. Σ . Σ . Σ
E ^8fi = E Ø^ fi ‡ E Ø^ 2
= Øfi ‡ Ø2
= 8fi,

por lo que es insesgado también.

†. Supongamos que 1a pvoduGTSSSdad medsa de 1os tvabajadoves en una fábvSGa (avgpvod) depende de
dos FAGTOVes, 1a medsa de hovas de GapAGSTAGSÓN 1abova1 (avgtvasn) 4 1a habs1sdad medsa de 1os
tvabajadoves (avgabs1) :

avgpvod = Ø0 ‡ Øfiavgtvasn ‡ Ø2avgabs1 ‡ u.

Supongamos que esta eGUAGSÓN satssfAGe 1os supuestos de Gauss−Mavhos. Ss se 1es dan subseNGSONES
a aque11as fábvsGas GU4os tvabajadoves tsenen una habs1sdad snfevsov a 1a medsa, de fovma que
avgtvasn 4 avgabs1 están negatssamente GOVve1AGSonados, ¿GUÁ1 es e1 sesgo pvobab1e en Ø̃ fi , obtensdo
a pavtsv de una vegvessón ssmp1e de avgpvod sobve avgtvasn?
Si
av˜
gpvod = Ø̃ 0 ‡ Ø̃ fi avgtvasn
tenemos que
. Σ ˆ (avgtvasn, avgabs1)
Cov
E Ø̃ = Ø ‡ Ø 2 6̃ fi , 6̃ fi =
fi fi
Vˆ
av (avgtvasn)
La forma de subvencionar implica que 6̃ fi c 0, mientras que esperaremos que Ø 2 > 0, por lo que
el sesgo será negativo: Ø̃ fi infraestimará en media el verdadero efecto de la formación, Ø fi .

3
Econometría I. Soluciones Hoja 3 Carlos Velasco. MEI UC3M. £OOF/O8

6. Suponemos que e1 mode1o pob1AGSona1 que detevmsna y es

y = Ø0 ‡ Øfixfi ‡ Ø2x2 ‡ Ø3x3 ‡ u,

4 que este mode1o satsSFAGe 1os supuestos de Gauss−Mavhos. Ssn embavgo, estsmamos e1 mode1o
que omste x3 . Supongamos que Ø̃ 0 , Ø̃ fi , Ø̃ 2 son 1os estsmadoves MGO de 1a vegvessón de y sobve xfi
4 x2 . Se psde demostvav que e1 sa1ov espevado de Ø̃ fi (GOndsGSONADO a 1os sa1oves de 1as savsab1es
sndependsentes en 1a muestva) es
. Σ Σn
E Ø̃ fi = Ø fi ‡ Ø3 Σ s=fi v
^sfi xs3
n 2
,
s=fi v^sfi
donde v^sfi son 1os vessduos MGO de 1a vegvessón de xfi sobve x2 . [Pssta: usa 1a fóvmu1a de Ø̃ fi en
fuNGSÓN de v^sfi e sntvoduGSV en 1a eGUAGSón ys = Ø 0 ‡ Ø fi xsfi ‡ Ø 2 xs2 ‡ Ø 3 xs3 ‡ us ].
Si estimamos
ỹ = Ø̃ 0 ‡ Ø̃ fi xfi ‡ Ø̃ 2 x2 ,
tenemos que
Σn
v^sfi ys
Ø̃ fi = Σs=fi
n 2
s=fi v^sfi
donde v^sfi son los residuos MCO de la estimación de xfi sobre x2 , para eliminar el efecto de x2 .
Ahora podemos obtener, sustituyendo y s = Ø0 ‡ Øfixsfi ‡ Ø2xs2 ‡ Ø3xs3 ‡ us, que
Σn
v^sfi ys
Ø̃ fi = Σs=fi
n
v^2
Σns=fi sfi
v^ (Ø 0 ‡ Øfixsfi ‡ Ø2xs2 ‡ Ø 3xs3 ‡ us)
s=fi sfi
= Σn 2 .
s=fi v
^sfi
De ahí obtenemos, ya que v^sfi tienen media muestral cero, que
Σ
n Σ
n
v^sfi (Ø 0 ‡ Ø fi xsfi ‡ Ø 2 xs2 ‡ Ø 3 xs3 ‡ us ) = v^sfi (Ø fi xsfi ‡ Ø 2 xs2 ‡ Ø 3 xs3 ‡ us )
s=fi s=fi
n n n n
Σ Σ Σ Σ
= Ø fi v^sfi xsfi ‡ Ø 2 v^sfi xs2 ‡ Ø 3 v^sfi xs3 ‡ v^sfi us .
s=fi s=fi s=fi s=fi

Analizando cada término tenemos que

n n n
Σ Σ Σ
v^sfi xsfi = ^sfi ‡ v^sfi ) =
v^sfi (x v^2sfi
s=fi s=fi s=fi

porque v^sfi son residuos de una regresión con variable dependiente xfi y predicciones x
^sfi por lo que
Σn
s=fi v
^sfi x
^sfi = 0,
Σn
v^sfi xs2 = 0
s=fi
por que v^sfi son residuos de una regresión con variable explicativa x2 .
Por tanto, condicionando en todas la xts,
. Σ Σn v^ x . Σn Σ
s=fi v
^sfi us
sfi s3
E Ø̃ fi = Øfi ‡ Ø3 Σ s=fi
n ‡E Σ n 2
v^2 s=fi v^sfi
Σn s=fi sfi
s=fi v
^sfi xs3
= Øfi ‡ Ø3 Σ n ,
2
s=fi v ^sfi
ya que el último término tiene esperanza 0 porque v^fi depende solamente de xfi y x2 .

4
Econometría I. Soluciones Hoja 3 Carlos Velasco. MEI UC3M. £OOF/O8

F. Usav 1os datos de HPÆIGEf pava estsmav e1 mode1o

pvsce = Ø0 ‡ Øfisqvƒ t ‡ Ø2bdvms ‡ u

donde pvsce es e1 pveGSO de 1a ssssenda en ms1es de dó1aves, sqvƒ t es 1a supevflGSe de 1a ssssenda

en pses Guadvados 4 bdvms es e1 númevo de dovmstovsos.

a) Pvesentav 1os vesu1tados en fovma de eGUAGsón.

p^
vsce = —fi9,3fi†00 ‡ 0,fi£8436sqvƒ t ‡ fi†,fi98fi9bdvms
n = 88, R2 = 0,63fi9fi8.

b) ¿Guá1 sevá e1 aumento estsmado en e1 pveGSo de una ssssenda GON un dovmstovso ADSGSona1, ss
mantenemos flja 1a supevflGse de 1a ssssenda?
fi†fi98,fi98.
G) ¿Guá1 sevá e1 aumento estsmado en e1 pveGSo de una ssssenda GON un dovmstovso ADSGSona1 de
una supevflGSe apvoxsmada de f$D pses GUadvados? Gompavav esta vespuesta GON 1a vespuesta
de (b).

Op^
vsce = 0,fi£8436Osqvƒ t ‡ fi†,fi98fi9Obdvms
= 0,fi£8436 m fi40 ‡ fi†,fi98fi9 m fi
= 33,fiF9,

es decir 33fiF98, ya que en este caso aumentamos el tamano de la casa. En (a) dejábamos la
casa igual de grande, pero hacíamos más habitaciones en el mismo espacio.
d) ¿Øué povGentaje de 1a savsAGSÓN en e1 pveGSo de 1a ssssenda se exp1sGa pov 1a supevflGSE 4 pov
e1 númevo de dovmstovsos?
Un 63,fi9 %
e) Ga pvsmeva ssssenda de 1a muestva tsene sqvƒ t = £438 4 bdvms = 4. Ga1GU1av e1 pveGso de
senta estsmado pava esta ssssenda a pavtsv de 1a veGTA de vegvessón MGO.

p^
vscefi = —fi9,3fi†00 ‡ 0,fi£8436sqvƒ tfi ‡ fi†,fi98fi9bdvmsfi
= —fi9,3fi†00 ‡ 0,fi£8436 m £438 ‡ fi†,fi98fi9 m 4
= 3†4. 6

es decir, 3†46008.
f ) E1 pveGSo de senta sevdadevo de 1a pvsmeva ssssenda de 1a muestva es de hDD.DDD8 ( pvsce =
300). Ga1GU1av e1 vessduo pava esta ssssenda. ¿Sugseve esto que e1 GOMPVadov pagó un pveGSo
demassado a1to o demassado bajo pava 1a ssssenda?

u
^fi = yfi — y^fi
= 300,000 — 3†4,600
= —†4,600,

por tanto el modelo predice, a partir de sqvƒ t y de bdvms, que el precio de la casa es bastante
más alto que el precio que se pagó, es decir que el comprador pagó un precio demasiado bajo
para esas dos características de la vivienda (pero hay otros factores que no se miden).

†
Econometría I. Soluciones Hoja 3 Carlos Velasco. MEI UC3M. £OOF/O8

8. E1 avGHsso GEOSAGW GONTSENE datos sobve fUU dsveGTOVes geneva1es que pueden usavse pava exam−
snav e1 efeGTO que tsene e1 vendsmsento empvesavsa1 sobve e1 sa1avso de 1os mssmos.

a) Estsmav un mode1o que vE1AGSONA e1 sa1avso GON 1as sentas de 1a GOMpausa 4 e1 sa1ov de
mevGado. EspeGSflGav e1 mode1o pava que sea un mode1o de e1astsGSDAD GONSTANTE pava ambas
savsab1es sndependsentes. Pvesentav 1os vesu1tados en fovma de eGUAGSón.

log (sa1avy) = 4,6£09fiF ‡ 0,fi6£fi£8 log (sa1es) ‡ 0,fi06F08 log (mhtva1) ,

n = fiFF, R2 = 0,£99fifi4.

b) Auadsv pvoƒ sts a1 mode1o de (a). ¿Pov qué no se puede auadsv esta savsab1e en fovma de 1og−
avstmo? ¿EXP1SGan estas savsab1es de1 vendsmsento empvesavsa1 1a ma4ov pavte de 1a savsAGSÓN
de 1os sa1avsos de 1os dsveGTOVes geneva1es?

log (sa1avy) = 4,6869£4 ‡ 0,fi6fi368 log (sa1es) ‡ 0,09F†£9 log (mhtva1) ‡ 0, 0003†Fpvoƒ sts
n = fiFF, R2 = 0,£9933F.

No se puede anadir pvoƒsts en logaritmos porque hay companías en pérdidas, con beneficios
negativos.
G) Auadsv 1a savsab1e ceoten a1 mode1o de (b). ¿Guá1 es e1 povGentaje de vendsmsento estsmado
pava Gada auo extva de pevmANENGSA en 1a empvesa de1 dsveGTOV geneva1, ss mantenemos fljos
e1 vesto de 1os FAGTOVes?
Con cada ano adicional, todo lo demás igual, el salario aumentaría aproximadamente, en un
fi,fi68 %.

log (sa1avy) = 4,††FF80 ‡ 0,fi6££34 log (sa1es) ‡ 0,fi0fiF60 log (mhtva1)

‡0, 0000£9fipvoƒ sts ‡ 0,0fifi68†ceoten
n = fiFF, R2 = 0,3fi8£99.

d ) Ga1GU1av e1 GOeflGSENTE de GOVVe1AGSón muestva1 entve 1as savsab1es log (mhtva1) 4 pvoƒ sts. ¿Es−
tán estas savsab1es estveGHAMente ve1AGSonadas? ¿Øué nos dsGe esto AGevGa de 1os estsmadoves
MGO?
Covv (log (mhtva1) , pvoƒ sts) = 0,FF689F†9†436

lo que indica que en el modelo en (a) los estimadores MCO estarán sesgados y previsiblemente
el estimador del coeficiente de log (mhtva1) estará sesgado positivamente (sobreestimará en
medio el efecto del log (mhtva1) porque también recoge el efecto de los beneficios, ambos
positivos y que se mueven conjuntamente). En el modelo (b) la alta correlación implicará
estimadores MCO con altos errores estándar.