Econometría UAI, Prof.

Eduardo Fajnzylber Nombre alumno:

ECONOMETRIA – Prof. Eduardo Fajnzylber

Prueba # 2 – Martes 28 de Mayo 2013

NOMBRE DEL ALUMNO Y FIRMA:

Pregunta 1 (Máximo 50 puntos)

Pregunta 2 (Máximo 30 puntos)
Pregunta 3 (Máximo 40 puntos)

POR FAVOR, NO DE VUELTA ESTA HOJA HASTA QUE SE LE INDIQUE

Instrucciones Generales:
1. Tiene 120 minutos para responder esta prueba, dividida en 120 puntos.
2. Póngale nombre a todas las hojas.
3. Sólo el profesor puede responder dudas de enunciado, y sólo en voz alta desde el
puesto.
4. Se permite el uso de calculadoras, siempre y cuando no cuenten con dispositivos de
comunicación o almacenamiento. El uso de celulares está estrictamente prohibido.
5. En caso de copia, se sancionará de acuerdo a lo estipulado en el programa del curso.

Buena Suerte!
Fórmulas:

En el modelo de regresión lineal múltiple (MRLM), se tiene

En que [ ] , [ ] , la matriz , de dimensión es de rango

completo por columnas y el vector , de dimensión representa el conjunto de
coeficientes que se desea estimar.
La fórmula para el estimador de Mínimos Cuadrados Ordinarios (MCO) de es:
̂ (̂ )
Un estimador de en el modelo anterior es:
∑ ̂
̂

La fórmula para el de la regresión anterior es

1/13
Econometría UAI, Prof. Eduardo Fajnzylber Nombre alumno:

Pregunta 1 – Infidelidades (50 puntos)

En el artículo de R.C. Fair (1978), “A Theory of Extramarital Affairs", se analiza el efecto

que tiene el tiempo (en años) que llevan 2 personas casadas ( ) sobre el número de
relaciones fuera del matrimonio ( ). Un modelo sencillo, que controla por la edad del
encuestado ( ), es el siguiente:

a) El modelo anterior puede expresarse en forma matricial de la siguiente forma:

Describa el contenido de cada uno de las matrices incluidas en el modelo matricial

( ). Especifique la dimensión de cada una de ellas, suponiendo que la base de datos
incluye 601 individuos. (5 puntos)

b) Detalle el contenido de la matriz en función de las variables y . Si es

necesario utilice sumatorias. (5 puntos)

c) Deduzca la fórmula para el estimador de Mínimos Cuadrados Ordinarios de . ¿Qué

supuestos utilizó usted para obtener este estimador? (5 puntos)

d) A partir de una base de 601 individuos, se obtienen las siguientes matrices:

[ ] [ ] ( ̂) ( ̂)

Estime mediante MCO el parámetro e interprete su valor en términos del modelo

planteado. (10 puntos)

e) Calcule el error estándar asociado a ̂. (5 puntos)

f) ¿Es la variable significativa al 99%? Plantee el test a ser realizado (hipótesis nula
y alternativa), la distribución del estadístico, grafique la zona de rechazo del test y
concluya. (10 puntos)

g) Estime el valor-P asociado al test de la pregunta (f). Si no es posible entregar un valor

exacto, describa el menor rango en que se encuentre. (5 puntos)

h) Construya un intervalo de confianza al 95% para el parámetro . ¿Cómo se interpreta

dicho intervalo de confianza? (5 puntos)

2/13
Econometría UAI, Prof. Eduardo Fajnzylber Nombre alumno:

Respuesta pregunta 1: (utilice la parte posterior de esta hoja, si es necesario):

3/13
Econometría UAI, Prof. Eduardo Fajnzylber Nombre alumno:

Respuesta pregunta 1: (utilice la parte posterior de esta hoja, si es necesario):

4/13
Econometría UAI, Prof. Eduardo Fajnzylber Nombre alumno:

Pregunta 2 – Inferencia en un modelo de regresión múltiple (30 puntos)

En el paper “Beauty in the Classroom: Instructors Pulchritude and Putative Pedagogical

Productivity", los autores D. Hamermesh y A. Parker estudian la relación existente entre la
evaluación de los profesores en una universidad y ciertas características de los propios
profesores, incluida una medida de belleza física, y de los cursos que dictan. Para esto
recolectaron datos para la Universidad de Texas (EEUU) en los años académicos 2000-
2002.

Te proponemos estudiar la relación de interés usando el siguiente modelo:

donde:
- es la nota que obtuvo el profesor i en la evaluación docente. Esta variable toma los
valores 1, 2, 3, 4, y 5. Un valor más alto se corresponde con una evaluación más positiva
(El valor 1 corresponde a “muy insatisfactorio", y el valor 5 a “excelente").
- es una medida de la belleza física de los profesores. Esta medida fue obtenida
luego de la evaluación por un panel de 6 alumnos, y toma valores entre 0.01 y 3.43. Un
valor más alto en esta medida indica que el profesor es relativamente más bello(a).
- es la edad del profesor i medida en años.
- es una variable binaria que toma el valor uno si el profesor i es mujer (0 si es
hombre).
- es una variable binaria que toma el valor uno si el profesor i no tiene como
idioma nativo (de nacimiento) el inglés (0 si el profesor es nativo en inglés).
- es una variable binaria que toma el valor uno si el profesor i no es de raza
blanca (0 si es de raza blanca).
- es una variable binaria que toma el valor uno si el ramo que dicta el profesor i
tiene un solo crédito (0 si tiene más de 1 crédito).
- es una variable binaria que toma el valor uno si el ramo que dicta el profesor i
corresponde al primer año de la carrera, es decir, es un ramo introductorio.

Se realizaron diversas estimaciones por Míni mos Cuadrados Ordinarios (MCO) y se

obtuvieron los resultados que se presentan a continuación.

5/13
Econometría UAI, Prof. Eduardo Fajnzylber Nombre alumno:

(1) (2) (3) (4) (5) (6)

VARIABLES eval Eval eval eval eval eval
lnbelleza 0.153 0.143 0.159 0.148
(0.0287) (0.0299) (0.0284) (0.0296)
edad -0.00359 -0.00558 -0.00403
(0.00258) (0.00263) (0.00265)
mujer -0.170 -0.150 -0.173 -0.195
(0.0508) (0.0488) (0.0523) (0.0521)
noing -0.268 -0.270 -0.240 -0.338
(0.107) (0.107) (0.110) (0.108)
minoria -0.176 -0.170 -0.163 -0.0546
(0.0761) (0.0761) (0.0784) (0.0752)
uncred 0.591 0.590 0.575 0.523
(0.110) (0.111) (0.114) (0.113)
intro 0.0210 0.0285 0.0194 0.0497
(0.0544) (0.0542) (0.0561) (0.0561)
Constant 4.217 3.975 4.031 4.338 4.279 3.951
(0.139) (0.0257) (0.0374) (0.141) (0.140) (0.0309)
Observaciones 463 463 463 463 463 463
R2 0.162 0.047 0.159 0.110 0.102 0.057
Errores estándar entre paréntesis

En los tests que se solicitan a continuación, sea específico respecto a las hipótesis nula y
alternativa, al tipo de estadístico utilizado (test T, F o Z) incluyendo los grados de libertad,
el valor crítico correspondiente y el resultado del test (se rechaza o no la hipótesis nula).
Todos los tests deben ser realizados al 95% de confianza.

a) Interprete el valor estimado para el coeficiente bajo el modelo (1). Estime el efecto
sobre la evaluación de un profesor cuya belleza pasa de 1.0 a 1.1. (5 puntos)

b) Realice un test de significancia del modelo (1) (test de que todas las variables
independientes, salvo la constante, son iguales a 0). (5 puntos)

c) Testee la significancia de y (por separado) en el modelo (1). (5 puntos)

d) Testee la hipótesis de que la belleza de un(a) profesor(a) aumenta la evaluación de los

alumnos. (5 puntos)

e) Testee la hipótesis conjunta de que el conjunto de atributos personales del profesor

(belleza, edad, sexo, idioma de nacimiento, o status de minoría) no afectan las
evaluaciones de los alumnos. (5 puntos)

f) Testee la hipótesis conjunta de que el tipo de ramo (introductorio o de uno o más

créditos) no afectan las evaluaciones de los alumnos. (5 puntos)

6/13
Econometría UAI, Prof. Eduardo Fajnzylber Nombre alumno:

Respuesta pregunta 2: (utilice la parte posterior de esta hoja, si es necesario):

7/13
Econometría UAI, Prof. Eduardo Fajnzylber Nombre alumno:

Respuesta pregunta 2: (utilice la parte posterior de esta hoja, si es necesario):

8/13
Econometría UAI, Prof. Eduardo Fajnzylber Nombre alumno:

Pregunta 3 – Repaso conceptual (40 puntos)

a) Analizaremos el siguiente par de modelos:

Supongamos que el estimador de MCO del modelo A está dado por:

̂ ̂ ̂ ̂ ̂ ̂
̂ [̂] ̂ (̂ ) [ ̂ ̂ ̂ ̂ ̂ ]
̂ ̂ ̂ ̂ ̂ ̂
i) Escriba la fórmula para el estadístico T correspondiente al test de hipótesis (3 puntos):

ii) Escriba la fórmula para testear la misma hipótesis pero mediante un estadístico F
construido mediante el método de regresiones en función de SRCA y SRCB. (3 puntos)

iii) Demuestre que ̅̅̅̅̅ (el R2 ajustado del modelo B) será superior a ̅̅̅̅̅ (el R2 ajustado
del modelo A), si y sólo el valor absoluto del estadístico T propuesto en (i) es inferior a 1.
(9 puntos)

b) Un econometrista amigo suyo le ha propuesto estimar la pendiente del siguiente

modelo de regresión simple de una manera mucho más simple que el criterio de MCO.

con [ ]
El método consiste en tomar la primera y última observación de la base de datos y
calcular la pendiente de la recta que une estos puntos.

̿̿̿

i) Muestre que ̿̿̿ es un estimador lineal (una combinación lineal de los ) e

insesgado de . (10 puntos)
ii) ¿Bajo qué supuestos la varianza de ̿̿̿ será necesariamente superior o igual a
aquella de MCO (̂)? (5 puntos)

c) Usted está interesado en estimar la elasticidad de las ventas de una empresa con
respecto al gasto en publicidad en cada punto de venta, controlando por una serie de
otros factores (como el tamaño de la tienda, el nivel socioeconómico del sector en que
está ubicada, el número de vendedores, etc.). En un primer análisis de regresión múltiple,
usted obtiene un valor para dicha elasticidad que le parece razonable pero con un error
estándar demasiado grande (la variable no es significativa al 95% de confianza). Enumere
4 elementos que podrían estar causando la excesiva varianza del coeficiente de interés.
Incluya una explicación breve y una forma de mitigar el problema. Si lo estima necesario,
apóyese en alguna fórmula vista en clase. (10 puntos)

9/13
Econometría UAI, Prof. Eduardo Fajnzylber Nombre alumno:

Respuesta pregunta 3 (utilice la parte posterior de esta hoja, si es necesario):

10/13
Econometría UAI, Prof. Eduardo Fajnzylber Nombre alumno:

Respuesta pregunta 3 (utilice la parte posterior de esta hoja, si es necesario):

11/13
 Econometría UAI, Prof. Eduardo Fajnzylber Nombre alumno:

Valores críticos al 95%

de confianza,
Distribución F

Grados de libertad del numerador

Grados de
libertad del
denominador 1 2 3 4 5 6 7 8 9 10 11 12 13
10 4.965 4.103 3.708 3.478 3.326 3.217 3.135 3.072 3.020 2.978 2.943 2.913 2.887
…
455 3.862 3.016 2.625 2.392 2.234 2.118 2.030 1.959 1.900 1.852 1.810 1.773 1.742
456 3.862 3.015 2.624 2.391 2.234 2.118 2.030 1.959 1.900 1.851 1.810 1.773 1.742
457 3.862 3.015 2.624 2.391 2.234 2.118 2.030 1.959 1.900 1.851 1.810 1.773 1.742
458 3.862 3.015 2.624 2.391 2.234 2.118 2.030 1.959 1.900 1.851 1.810 1.773 1.742
459 3.862 3.015 2.624 2.391 2.234 2.118 2.030 1.959 1.900 1.851 1.810 1.773 1.742
460 3.862 3.015 2.624 2.391 2.234 2.118 2.029 1.959 1.900 1.851 1.809 1.773 1.741
461 3.862 3.015 2.624 2.391 2.234 2.118 2.029 1.958 1.900 1.851 1.809 1.773 1.741
462 3.862 3.015 2.624 2.391 2.234 2.118 2.029 1.958 1.900 1.851 1.809 1.773 1.741
463 3.862 3.015 2.624 2.391 2.233 2.118 2.029 1.958 1.900 1.851 1.809 1.773 1.741
…
595 3.857 3.011 2.620 2.387 2.229 2.114 2.025 1.954 1.896 1.847 1.805 1.768 1.737
596 3.857 3.011 2.620 2.387 2.229 2.114 2.025 1.954 1.896 1.847 1.805 1.768 1.737
597 3.857 3.011 2.620 2.387 2.229 2.114 2.025 1.954 1.896 1.847 1.805 1.768 1.737
598 3.857 3.011 2.620 2.387 2.229 2.114 2.025 1.954 1.896 1.847 1.805 1.768 1.737
599 3.857 3.011 2.620 2.387 2.229 2.114 2.025 1.954 1.895 1.846 1.805 1.768 1.737
600 3.857 3.011 2.620 2.387 2.229 2.114 2.025 1.954 1.895 1.846 1.805 1.768 1.736
601 3.857 3.011 2.620 2.387 2.229 2.114 2.025 1.954 1.895 1.846 1.805 1.768 1.736
602 3.857 3.011 2.620 2.387 2.229 2.114 2.025 1.954 1.895 1.846 1.805 1.768 1.736
603 3.857 3.011 2.620 2.387 2.229 2.114 2.025 1.954 1.895 1.846 1.805 1.768 1.736
604 3.857 3.011 2.620 2.387 2.229 2.114 2.025 1.954 1.895 1.846 1.804 1.768 1.736
605 3.857 3.011 2.620 2.387 2.229 2.114 2.025 1.954 1.895 1.846 1.804 1.768 1.736
1000 3.851 3.005 2.614 2.381 2.223 2.108 2.019 1.948 1.889 1.840 1.798 1.762 1.730

12/13
Econometría UAI, Prof. Eduardo Fajnzylber Nombre alumno:

Valores críticos,
Distribución T-student

P = Probabilidad cola derecha – Distribución T-Student

Grados
libertad 40% 35% 30% 25% 20% 15% 10% 5% 2.5% 1% 0.5% 0.1% 0.05%
10 0.260 0.397 0.542 0.700 0.879 1.093 1.372 1.812 2.228 2.764 3.169 4.144 4.587
…
455 0.253 0.386 0.525 0.675 0.842 1.038 1.283 1.648 1.965 2.335 2.587 3.108 3.312
456 0.253 0.386 0.525 0.675 0.842 1.038 1.283 1.648 1.965 2.335 2.587 3.108 3.312
457 0.253 0.386 0.525 0.675 0.842 1.038 1.283 1.648 1.965 2.335 2.587 3.108 3.312
458 0.253 0.386 0.525 0.675 0.842 1.038 1.283 1.648 1.965 2.335 2.587 3.108 3.312
459 0.253 0.386 0.525 0.675 0.842 1.038 1.283 1.648 1.965 2.334 2.587 3.108 3.312
460 0.253 0.386 0.525 0.675 0.842 1.038 1.283 1.648 1.965 2.334 2.587 3.108 3.312
461 0.253 0.386 0.525 0.675 0.842 1.038 1.283 1.648 1.965 2.334 2.587 3.108 3.312
462 0.253 0.386 0.525 0.675 0.842 1.038 1.283 1.648 1.965 2.334 2.587 3.108 3.312
463 0.253 0.386 0.525 0.675 0.842 1.038 1.283 1.648 1.965 2.334 2.586 3.108 3.312
…
595 0.253 0.386 0.525 0.675 0.842 1.037 1.283 1.647 1.964 2.333 2.584 3.104 3.307
596 0.253 0.386 0.525 0.675 0.842 1.037 1.283 1.647 1.964 2.333 2.584 3.104 3.307
597 0.253 0.386 0.525 0.675 0.842 1.037 1.283 1.647 1.964 2.333 2.584 3.104 3.307
598 0.253 0.386 0.525 0.675 0.842 1.037 1.283 1.647 1.964 2.333 2.584 3.104 3.307
599 0.253 0.386 0.525 0.675 0.842 1.037 1.283 1.647 1.964 2.333 2.584 3.104 3.307
600 0.253 0.386 0.525 0.675 0.842 1.037 1.283 1.647 1.964 2.333 2.584 3.104 3.307
601 0.253 0.386 0.525 0.675 0.842 1.037 1.283 1.647 1.964 2.333 2.584 3.104 3.307
602 0.253 0.386 0.525 0.675 0.842 1.037 1.283 1.647 1.964 2.333 2.584 3.104 3.307
603 0.253 0.386 0.525 0.675 0.842 1.037 1.283 1.647 1.964 2.333 2.584 3.104 3.307
604 0.253 0.386 0.525 0.675 0.842 1.037 1.283 1.647 1.964 2.333 2.584 3.104 3.307
605 0.253 0.386 0.525 0.675 0.842 1.037 1.283 1.647 1.964 2.333 2.584 3.104 3.307
…
1000 0.253 0.385 0.525 0.675 0.842 1.037 1.282 1.646 1.962 2.330 2.581 3.098 3.300

13/13