EJERCICIOS RESUELTOS CAPITULO N°7

PREGUNTA 7.1. Considere los datos de la 7.5.

Y X2 X3

1 1 2

3 2 1

8 3 -3

Con base a estos datos, estime las siguientes regresiones:

Yt = α1 + α2 X 2t + u1t (1)
Yt = λ1 + λ3 X 3t + u2t (2)
Yt = β1 + β2 X2t + β3 X3t + ut (3)

Nota: Estime sólo los coeficientes y no los errores estándar.

a) ¿Es α2= β2? ¿Por qué?
b) ¿Es λ3 = β3? ¿Por qué?
¿Qué conclusión importante obtiene de este ejercicio?

SOLUCIÓN:

 Los resultados de la regresión son:

a) No es α2= β2, porque el modelo (3) es el modelo verdadero, es un

estimador sesgado de β2.
b) No es λ3 = β3, porque es un estimador sesgado de β3, por la misma razón
como en (a).

La lección aquí es que una ecuación puede conducir a la estimación

sesgada de los parámetros del modelo.
Pregunta 7.2. De los siguientes datos estime los coeficientes de regresión
parcial, sus errores estándar y los valores R2 ajustada y sin ajustar:

Ȳ = 367. 693 ẋ2 = 402. 760 ẋ3 = 8.0

∑(𝑦𝑖 − Ȳ) = 6 6042. 269 ∑(𝑋2¡ − ẋ2 )2 = 84 855. 096

∑(𝑋3¡ − ẋ3 )2 = 280. 00 ∑(𝑦𝑖 − Ȳ)(𝑋2¡ − ẋ2 )2 = 74 778, 346

∑(𝑦𝑖 − Ȳ)(𝑋3¡ − ẋ3 ) = 4 250. 900 ∑(𝑋2¡ − ẋ2 )(𝑋3¡ − ẋ3 ) = 4796. 000

𝑛 = 15

SOLUCION

Utilizando las fórmulas indicadas en el texto, los resultados de la regresión

son los siguientes:

Yt = 53,1612 + 0.727X2i + 2.736X3, se (0,049) (0,849)

R2= 0,9988; R2= 0,9986

Pregunta 7.3. Demuestre que la ecuación (7.4.7) se expresa también

como:

∑ 𝑦𝑖( 𝑥2𝑖 − 𝑏23 𝑥3𝑖 )

𝛽2 =
∑(𝑥2𝑖 − 𝑏23 𝑥3𝑖 )2

𝑐𝑜𝑣𝑎𝑟𝑖𝑎𝑐𝑖𝑜𝑛 𝑛𝑒𝑡𝑎 (𝑑𝑒 𝑥3 )𝑒𝑛𝑡𝑟𝑒 𝑦 𝑦 𝑥2

𝛽2 =
𝑣𝑎𝑟𝑖𝑎𝑐𝑖𝑜𝑛 𝑛𝑒𝑡𝑎 (𝑑𝑒 𝑥3 ) 𝑒𝑛 𝑥2
Donde 𝑏23 es el coeficiente de la pendiente en la regresión de X2 sobre X3.
2
(Sugerencia: Recuerde que 𝑏23 = (∑ 𝑥2𝑖 𝑥3𝑖 / ∑ 𝑥3𝑖 ).)

SOLUCION:

La omisión de la observación y subíndice para mayor comodidad es:

(∑ 𝑦 𝑥2 )(∑ 𝑥32 ) − (∑ 𝑦 𝑥3 ) (∑ 𝑥2 𝑥3 )
𝛽2 =
(∑ 𝑥22 )(∑ 𝑥32 ) − (∑ 𝑥2 𝑥3 )2
 (∑ 𝑦 𝑥2 ) − (∑ 𝑦 𝑥3 ) (∑ 𝑥2 𝑥3 )/(∑ 𝑥32 )
𝛽2 =
(∑ 𝑥22 ) − (∑ 𝑥2 𝑥3 )2 /(∑ 𝑥32 )

(∑ 𝑦𝑥2 )−(∑ 𝑦𝑥3 ) 𝑏23 (∑ 𝑥2 𝑥3 )

𝛽2 =
(∑ 𝑥22 )−𝑏23 (∑ 𝑥2 𝑥3 )
, Se usa: 𝑏23 = (∑ 𝑥32 )

∑ 𝑦( 𝑥2 − 𝑏23 𝑥3 )
𝛽2 =
∑ 𝑥2 (𝑥2 − 𝑏23 𝑥3 )