David S.

Reyna Garza-524306 
Eugenio Garza 535251 
Héctor Quiroga 234686 
Tomás Rosales 343363 
 
TAREA 4
UNIVERSIDAD DE MONTERREY

ECONOMETRIA
DR. JAIME LARA LARA
FECHA DE ENTREGA: 15 DE NOVIEMBRE
jaime.lara@udem.edu

1. Suponga que usted tiene el siguente modelo:

Y = β0 + β1t + β2X + β3t * X + u
En donde t es una variable binaria que indica dos períodos de tiempo, con valor igual a cero
antes del inicio de un programa y 1 después del inicio, X es una variable binaria con valor igual
a 1 entre aquellos individuos que fueron beneficiarios de un programa y cero para el resto de la
población. Haga el supuesto de que el error u no está correlacionado con ninguna de las
variables independientes.
i) Muestre que el valor esperado entre aquellos que no recibieron el programa en el
período inicial, E (X = 0, T = 0) , es igual a β 0
a. R: a1 E(x1) + a2E(x2) = a1μ + a2μ = μ(a1 + a2)
ii) Asimismo obtenga E (Y |X = 0, T = 1) , E (Y |X = 1, T = 0) y E (Y |X = 1, T = 1)
a. (0-.3)^2(.8)+(1-.9)^2(.7)=.820
iii) ¿Qué le indica la diferencia E (X = 0, T = 1) − E (X = 0, T = 0) ? ¿Y la diferencia
(X = 1, T = 1) − E (X = 1, T = 0) ?
a. Que es la diferencia entre ambas variables que a su vez afectan la perspectivas de
las mismas
iv) ¿A qué es igual β 3 ?
a. Es igual al coeficiente de varianza general

2. Problema 1. 7.3, (Wooldridge)

David S. Reyna Garza-524306 
Eugenio Garza 535251 
Héctor Quiroga 234686 
Tomás Rosales 343363 
 
i) No hay evidencia clara para agregar hsize al cuadrado en el modelo (.53), pero según el
modelo el nivel óptimo sería

ii) Non black-female: 1,028.1 + 19.3 - 2.19 - 45.09= 980.41

Non black male: 1,028.1 + 19.3= 1047.4

iii) Non black male: 1,028.1 + 19.3= 1047.4

Black male: 1,028.1 + 19.3 - 169.81= 877.59
iv) Non black-female: 1,028.1 + 19.3 - 2.19 - 45.09= 980.41
Black female: 1,028.1 + 19.3 - 2.19 - 62.31= 987.28

3. Problema 3. 7.C.13, (Wooldridge) (Pista: para los incisos v y vi necesitan obtener la predicción
de las probabilidades; en el inciso vi utilicen las probabilidades predichas mayores a .50 y con
ecobuy=1 como predicciones correctas y las probabilidades menores a .50 y con ecobuy=0
también como predicciones correctas. Otra opción es utilizen como punto de corte la media de
ecobuy en lugar de .50.)
David S. Reyna Garza-524306 
Eugenio Garza 535251 
Héctor Quiroga 234686 
Tomás Rosales 343363 
 
(i)

Las familias que comprarían ecolabeled apples serían las que tengan ecobuy=1. De acuerdo con la tabla,
el porcentaje de las familias que comprarían sería de 62.42%.

(ii)

ecobuy = .4236 - .8026 ecoprc + .7192 regprc + .0005 faminc + .0238 hhsize + .0247 educ - .0005 age

Al aumentar una unidad de ecoprc disminuye la ecobuy en 0.8026, ceteris paribus. Por otro lado, si se
aumenta en una unidad regprc aumenta la probabilidad de comprar en 0.7192.
David S. Reyna Garza-524306 
Eugenio Garza 535251 
Héctor Quiroga 234686 
Tomás Rosales 343363 
 

(iii)

Se hizo una prueba F para el conjunto de faminc, hhsize, educ y age, teniendo una p value de 0.0015,
haciendolas significativas a un nivel de significancia de 0.01

Se podría especular sobre la relación que tiene el nivel educativo con la conciencia ambiental, se podría
decir que entre más años de escolaridad mayor es la conciencia por el medio ambiente y mayor será la
demanda por productos sustentables y orgánicos,como las manzanas en cuestión.. Es por eso que educ
es la variable con más impacto, después de considerar ecoprc y regprc.

(iv)

Se puede observar que la R​2 cambia de 0.1098 a 0.1116 si se sustituye faminc por logfaminc, teniendo un
nuevo estimador para logfaminc de 0.04452, por lo que cada unidad adicional de logfaminc aumenta
0.04452 la probabilidad de comprar el producto orgánico.

(v)
nNo

No hay probabilidad negativa dentro de los resultados ajustados entre 0.185 y 1.05.
Sólo hay dos observaciones mayores a 1 y no es problema ya que son parte de una muestra de 660
datos, no afectan significativamente.
David S. Reyna Garza-524306 
Eugenio Garza 535251 
Héctor Quiroga 234686 
Tomás Rosales 343363 
 
(vi)

La probabilidad de que los niveles de ecobuy sean menores a 0.5 dado que las compras son 0 es de
41.2%. Por otro lado, la probabilidad de que los valores predichos de las compras sean mayores a 0.5
dado que ecoboy es igual a 1 sería de 82.5%. El mejor resultado estimado del modelo es de ecobuy=1 ya
que tiene una mayor probabilidad que ecobuy= 0.

4. Problema 4. 15.C.2
David S. Reyna Garza-524306 
Eugenio Garza 535251 
Héctor Quiroga 234686 
Tomás Rosales 343363 
 
4.1. Estimate the model children = B 0 + B1educ + B 2age + B 3age2 + u by OLS, and interpret
the estimates. In particular, holding age fixed, what is the estimated effect of another
year of education on fertility? If 100 women receive another year of education, how
many fewer children are they expected to have?

4.1.1.
4.1.2. Si 100 mujeres reciben otro año de educación, el número de nuevos nacidos
bajaría a 9 niños.
4.2. The variable frsthalf is a dummy variable equal to one if the woman was born during the
first six months of the year. Assuming that frsthalf is uncorrelated with the error term
from part (i), show that frsthalf is a reasonable IV candidate for educ. (Hint: You need to
do a regression.)

4.2.1.
4.2.2. Sería apropiado usar la variable frsthalf como instrumento porque los valores
con educ como la instrumental son casi similares.
4.3. Estimate the model from part (i) by using frsthalf as an IV for educ. Compare the
estimated effect of education with the OLS estimate from part (i).

4.3.1.
4.4. Add the binary variables electric, tv, and bicycle to the model and assume these are
exogenous. Estimate the equation by OLS and 2SLS and compare the estimated
coefficients on educ. Interpret the coefficient on tv and explain why television ownership
has a negative effect on fertility.
David S. Reyna Garza-524306 
Eugenio Garza 535251 
Héctor Quiroga 234686 
Tomás Rosales 343363 
 

4.4.1. OLS:

4.4.2. 2SLS:
4.4.3. La variable tv es un coeficiente negativo porque estudios han revelado que e
impacto se refleja más a la pareja masculina que puede reducir el número de
espermatozoides si se ve la televisión por más de 20 horas. (Parsi, E. 2017)

5.

(i)
David S. Reyna Garza-524306 
Eugenio Garza 535251 
Héctor Quiroga 234686 
Tomás Rosales 343363 
 

i3= 2.3208 + .6980719inf

(ii) Si se incluye en el análisis la variable instrumental, nuestra beta B1 cambia de 0.6981 a 0.90247. Con
esto, cada incremento de una unidad porcentual en la inflación, se aumenta 0.9 puntos porcentuales el
three month bill rate. Con la variable instrumental, la inflación tiene un efecto mayor sobre la tasa.

(iii)

Con esto, el valor de b1 es de 0.2211804, el efecto final es menor de lo calculado en los ejercicios
anteriores.