4. Resolver los ejercicios de Gujarati (2009): 2.13, 2.14 y 3.22.

2.13. ¿La línea de regresión de la fi gura I.3, en la Introducción, es la FRP o la

FRM? ¿Por qué? ¿Cómo se interpretarían los puntos alrededor de la línea de
regresión? Además del PIB, ¿qué otros factores, o variables, determinarían
el consumo personal?

 Es una función de regresión muestral (FRM) porque solo muestra los datos

de una muestra, en este caso de 15 años. Los puntos alrededor de la línea
de regresión son datos reales y la distancia entre esos puntos y la línea de
regresión representa el residuo muestral.
 Además del PBI, otros factores como la tasa de interés, la riqueza,
impuesto a la Renta, etc.

2.14. Se proporcionan los datos de la tabla 2.7 correspondientes a Estados

Unidos de 1980 a 2006.

a) Grafique la tasa de participación de la fuerza laboral civil masculina en

función de la tasa de desempleo civil para los hombres. Trace a mano una
línea de regresión a travésde los puntos de dispersión. Mencione a priori la
relación esperada entre ambas tasas y comente cuál es la teoría económica
que sirve de fundamento. ¿Este diagrama de dispersión apoya dicha
teoría?
 fuerza laboral masculina Vs tasa de desempleo
78.0
77.0
76.0
TPFLCM1

75.0
74.0
73.0
72.0
71.0
3.6 4.6 5.6 6.6 7.6 8.6 9.6
TDCH3

La relación existente entre la tasa de participación de la fuerza laboral civil

masculina y los ingresos promedio por hora es inversa. Aumentando los ingresos
promedios por la tasa de participación laboral disminuye.

b) Repita el inciso a) para las mujeres

fuerza laboral femenina Vs tasa de desempleo

61.0
60.0
59.0
58.0
57.0
TPFLCF 2

56.0
55.0
54.0
53.0
52.0
51.0
4.0 5.0 6.0 7.0 8.0 9.0 10.0
TDCM4

Se observa una relación fuerte e inversa en las variables: Tasa de participación de

la fuerza laboral civil femenina y la tasa de desempleo civil mujeres. Conforme
aumenta la tasa de desempleo, la tasa de participación laboral femenina
disminuye, esto podría deberse a la ausencia de empleos.

c) Ahora grafique que las tasas de participación laboral de ambos sexos en

función de los ingresos promedio por hora (en dólares de 1982). (Quizá
convenga utilizar diagramas independientes.) Ahora, ¿qué concluye?
¿Cómo racionalizaría esa conclusión?
Tasa de participación laboral para los masculina en función de Ingresos
77.5

76.5

75.5

74.5
TPFLCM

73.5

72.5

71.5

70.5
7.50 7.60 7.70 7.80 7.90 8.00 8.10 8.20 8.30
IPH8

Tasa de participación laboral para las mujeres en función de Ingresos

62.0

60.0

58.0

56.0
TPFLCF1

54.0

52.0

50.0

48.0

46.0
7.50 7.60 7.70 7.80 7.90 8.00 8.10 8.20 8.30
IPH8

La relación existente entre la tasa de participación de la fuerza laboral civil

masculina y los ingresos promedio por hora es inversa. Aumentan los ingresos
promedios pero la tasa de participación laboral disminuye.

Estas dos variables presentan una relación directa, el incremento en los ingresos

promedio por hora generan un incremento en la tasa de participación de la fuerza
laboral civil femenina. Podría explicarse de forma en que los ingresos altos son un
estímulo sobre la fuerza laboral de tal manera que hace que la misma incremente.

d) ¿Se puede trazar la tasa de participación de la fuerza laboral en función de

la tasa de desempleo y de los ingresos promedio por hora, de manera
simultánea? Si no fuera así, ¿cómo expresaría verbalmente la relación
entre esas tres variables? Si se puede trazar en función de todas las dos
variables independientes la ecuación seria:
Podría trazarse teniendo claro el modelo, sabiendo cual será la variable de
pendiente y las variables explicativas. De lo contrario no sería posible. La relación
sería una regresión lineal múltiple, que es donde intervienen más de una variable
independiente.

Población Masculina:
TPFLCM= B1 + B2 (TDCH) -B3 ( IPH)
La tasa de participación laboral es igual a una constante B1 + la tasa de
desempleo multiplicado por una constante B2 menos el ingreso (IPH) multiplicado
por una constante B3, es decir el desempleo afecta positivamente a la tasa de
participación laboral y el salario negativamente.

Para la población de mujeres:

TPFLCF= B1 - B2(TDCM) + B3(IPH)
La tasa de participación laboral es igual a una constante B1– la tasa de desempleo
por una constante B2, más el salario por la constante B3. Es decir, el desempleo
afecta negativamente a la tasa de participación laboral y el ingreso positivamente.

5. Resolver los ejercicios de Wooldridge (2010): 2.5, C2.2, C2.3, 3.2, 3.3 y C3.2.

2.5 En la función lineal de consumo.

ons= β^0 + ^
c^ β 1 inc

La propensión marginal a consumir estimada (PMgC) del ingreso no es más que la

c^
ons ^
pendiente, ^
β 1, mientras que la propensión media a consumir (PMeC) es + β 0 linc + ^
β 1.
inc
Usando las observaciones sobre ingreso anual y consumo de 100 familias (ambos
medidos en dólares), se obtiene la ecuación siguiente:

c^
ons=−124.84 +0.853 inc

n=100 , R 2=0.692
i) Interprete el intercepto en esta ecuación y analice su signo y su magnitud.

La intersección implica que cuando inc = 0, se pronostica que cons será -$ 124.84.
Esto, por supuesto, no puede ser cierto. Por otro lado, anualmente,$ 124.84 no
está tan lejos de cero
 ii) ¿Cuál es el consumo que se predice si el ingreso familiar es de $30,000?

Reemplazando $30,000 en la ecuación de consumo se tiene que

Cons=−124.84+0.853∗30,000 →Cons=25,465.16 dolares

iii) Con inc en el eje x, trace una gráfica la PMgC estimada y de la PMeC
estimada.

El MPC y el APC se muestran en el siguiente gráfico. Aunque la intersección es

negativa, el APC más pequeño de la muestra es positivo. El gráfico comienza en
un nivel de ingreso anual de $ 1,000 (en dólares de 1970).

0.9 MPC APC

0.85
0.85

0.8

0.75
0.73

0.7

0.65
1000 6000 11000 16000 21000 26000 31000
INC

C2.2 La base de datos CEOSAL2.RAW contiene información sobre directores

generales de empresas (CEO) estadounidenses. La variable salary es el
sueldo anual, en miles de dólares, y ceoten son los años de antigüedad
como CEO de la empresa.
log ( Salario )=β 0 + β 1 ceoten+u

Y dé los resultados en la forma usual. ¿Cuál es el aumento porcentual

(aproximado) que se pronostica en el sueldo por cada año adicional de
antigüedad como CEO?

i) Determine el sueldo y la antigüedad promedio en esta muestra.

 El salario promedio es de aproximadamente 865.864, lo que significa $
865,864 porque el salario es en miles de dólares. El ceoten promedio es de
aproximadamente 7.95.

ii) ¿Cuántos de estos directivos se encuentran en su primer año como

CEO (es decir, ceoten 0)? ¿Cuál es la mayor antigüedad entre estos
CEO?
Hay cinco CEO con ceoten = 0. La duración más larga es de 37 años.

iii) Estime el modelo de regresión simple

La ecuación estimada es:
log ( Salary )=6.61+ 0.0096∗Ceoten
n = 177, R2 = 0.013.
El cambio porcentual aproximado en el salario se obtiene multiplicando el
coeficiente de ceoten 100 (.0096) = 0.96%. Por lo tanto, se prevé que un año
aumente el salario en casi un 1%.

C 2.3 Utilice los datos de SLEEP75.RAW de Biddle y Hamermesh (1990) para

analizar si existe una relación inversa entre las horas de sueño por semana y las
horas de trabajo pagado por semana. Cualquiera de las variables puede usarse
como la variable dependiente. Estime el modelo

Sleep=β 0+ β1∗totwrk+ u

Donde sleep corresponde a minutos de sueño por semana durante la noche y

totwrk corresponde al total de minutos de trabajo por semana.
i) Dé sus resultados en forma de ecuación, además de la cantidad de
observaciones y la R2 ¿Qué significa el intercepto de la ecuación?

La ecuación estimada es
sleep=3,586.4−0.151∗totwrk
n = 706, R2 = 0.103
La intercepción representa la cantidad estimada de sueño por semana para
alguien que no trabaja es 3,586.4 minutos.
 ii) Si totwrk aumenta 2 horas, ¿cuánto se estima que disminuirá sleep?
¿Le parece que este efecto sea grande?

Si alguien trabaja dos horas más por semana, entonces totwrk = 120,
entonces sleep disminuirá ( –.151 (120) = –18.12minutos).
Esto 18.12 min representa 3.624min por noche durante los cinco días de la
semana, esta disminución no es muy significativa.

3.2 Los datos en el archivo WAGE2.RAW sobre trabajadores hombres se

utilizan para estimar la ecuación siguiente:

^
educ=10.36−0.094 sibs+0.131 meduc+0.210 feduc
n =722 R2 =0.214
donde educ es años de escolaridad, sibs es número de hermanos, meduc es
años de escolaridad de la madre y feduc años de escolaridad del padre.
(i) ¿Tiene sibs el efecto esperado? Explique. Manteniendo constantes meduc
y feduc ¿cuánto tiene que aumentar sibs para tener una reducción de un
año en los años de educación predichos? (Aquí es aceptable una
respuesta en números no enteros.)

Sí. tiene sentido que, cuantos más hermanos hay en una familia, menos
educación tiene un niño en la familia, Para encontrar el aumento en el
número de hermanos que reduce en un año se resuelve 1=0.094 (∆sibs),
entonces ∆sibs = 1 / .094≈ 10.6.

(ii) Explique la interpretación del coeficiente de meduc.

Si se mantienen fijos sibs y feduc, un año más de educación de la

madre implica 0.131 años más de la educación prevista. Entonces, si
una madre tiene cuatro años más de educación, se predice que su hijo
tendrá aproximadamente medio año (0.524) más años de educación.

(iii) Suponga que el hombre A no tiene hermanos, y que su madre y su padre

tienen cada uno 12 años de escolaridad. El hombre B no tiene hermanos y
 su madre y su padre tienen cada uno 16 años de escolaridad. ¿Cuál es la
diferencia entre B y A en años predichos de escolaridad?

Dado que el número de hermanos es el mismo, pero meduc y feduc son

diferentes, los coeficientes de meduc y feduc deben tenerse en cuenta
la diferencia pronosticada en educación entre.
B y A es 0.131 ( 4 ) +0.210 ( 4 )=1.364