Nicole Valencia Celemin

Taller capitulo 4

4.1 ¿Cuál de las causas siguientes puede hacer que los estadísticos t usuales de MCO no
sean válidos (es decir, que no tengan una distribución t bajo H0)?

i) Heterocedasticidad.

ii) Que exista un coeficiente de correlación muestral de .95 entre dos variables
independientes del modelo.

iii) Omitir una variable explicativa importante.

R// En términos generales, hacer que las estadísticas de t no tenga una distribución bajo Ho.
Se da una Homocedasticidad en cuanto a una de las hipótesis del Modelo Lineal. Una
variable importante omitida viola la aceptación del MRL. Las hipótesis del Modelo Lineal
no contienen mención de las correlaciones entre las variables independientes de la muestra,
excepto para descartar el caso en que la correlación es uno.

4.2 Considere una ecuación para explicar los sueldos de los directores generales o CEO en
términos de las ventas anuales de la empresa, el rendimiento sobre capital (roe, en forma de
porcentaje), y el rendimiento de las acciones de la empresa (ros, en forma de porcentaje):

log(𝑠𝑎𝑙𝑎𝑟𝑦) = 𝛽0 + 𝛽1 log(𝑠𝑎𝑙𝑒𝑠) + 𝛽2 𝑟𝑜𝑒 + 𝛽3 𝑟𝑜𝑠 + 𝑢

i) En términos de los parámetros del modelo, establezca la hipótesis nula de que,

controlando sales y roe, ros no tiene efecto en el sueldo de los CEO. Establezca la
alternativa de que un mejor desempeño de las acciones de la empresa incrementa el sueldo
de los CEO.

R// 𝐻0 : 𝛽3 = 0 𝐻1 : 𝛽3 > 0

ii) Con los datos de CEOSAL1.RAW, empleando MCO se obtuvo la ecuación siguiente:

𝑙𝑜𝑔(𝑠𝑎𝑙𝑎𝑟𝑦) = 4.32 + .280 𝑙𝑜𝑔(𝑠𝑎𝑙𝑒𝑠) + .0174𝑟𝑜𝑒 + .00024𝑟𝑜𝑠

(. 32) (. 035) (. 0041) (.00054)

𝑛 = 209, 𝑅2 = .283

¿Cuál es el porcentaje de aumento de salary que se pronostica si ros aumenta 50 puntos?

¿Tienen ros un efecto práctico grande sobre salary?
R// El efecto proporcional en el salario es 0,00024 (50) = 0.012. Para llegar a obtener el
efecto porcentual, multiplicamos este por 100 y el resultado es de 1,2%. Por lo tanto, un
aumento de 50 unidades en ros, genera un aumento en el salario de un 1,2%. En conclusión,
esto es un efecto muy pequeño para un gran cambio en ros.

iii) Pruebe la hipótesis nula que dice que ros no tiene efecto sobre salary contra la
alternativa que dice que ros tiene efecto positivo. Realice la prueba al nivel de significancia
de 10%.

R// El valor crítico de 10 % para una prueba de una cola, usando df = 0, se obtiene el valor
critico como 1.282. El estadístico t en ros es 0.00024 / 0.00054 = 0,44, cerca del valor
crítico. Por lo tanto, no somos capaces de rechazar Ho al nivel de significancia del 10%.

iv) ¿Incluiría usted ros en el modelo final que explica las compensaciones de los CEO en
términos del desempeño de la empresa? Explique.

R// Basándose en la muestra, el coeficiente estimado de ros parece ser diferente de cero,
solamente a causa de la variación del muestreo. También se puede incluir y no causar
ningún efecto negativo; depende de cómo es correlacionada con las demás variables
independientes cabe resaltar que estas variables son muy significativas.

4.3 La variable rdintens representa el gasto en investigación y desarrollo (I & D) dado

como porcentaje de las ventas. Las ventas (sales) se miden en millones de dólares. La
variable profmarg representa la ganancia como porcentaje de las ventas.

Empleando los datos del archivo RDCHEM.RAW de 32 empresas de la industria química,

se estimó la ecuación siguiente:

𝑟𝑑𝑖𝑛𝑡𝑒𝑛𝑠 = .472 + .321 𝑙𝑜𝑔(𝑠𝑎𝑙𝑒𝑠) + .050 𝑝𝑟𝑜𝑓𝑚𝑎𝑟𝑔

(1.369) (. 216) (. 046)

𝑛 = 32, 𝑅2 = .099.

i) Interprete el coeficiente de log(sales). En particular, si sales aumenta 10%, ¿cuál es la

variación estimada en puntos porcentuales en rdintens? ¿Es este efecto económicamente
grande?

R//
. 321 𝑙𝑜𝑔(𝑠𝑎𝑙𝑒𝑠)
%𝑟𝑑𝑖𝑛𝑡𝑒𝑛𝑠 = = 0.00321 × 10% log (𝑠𝑎𝑙𝑒𝑠)
100

% 𝑟𝑑𝑖𝑛𝑡𝑒𝑛𝑠 = 0.0321

Podriamos decir que este es un efecto pequeño.

ii) Pruebe la hipótesis de que la intensidad de la I & D no varía con sales contra la alterna-
tiva de que aumenta con las ventas. Realice la prueba a los niveles de significancia de 5 y
10%.

R// 𝐻0 : 𝛽1 = 0 frente a 𝐻1 : 𝛽1 > 0, donde 𝛽1 es la pendiente de la población en registro

(sales). El estadístico t es 0.321/ 0.216 = 1,486. El valor crítico de 5 % para una prueba de
una cola según la tabla de t-student con df = 32 – 3= 29 es 1.699; por lo que no se puede
rechazar 𝐻0 al nivel del 5%. Pero el valor crítico 10% es 1,311; ya que el valor estadístico t
es superior a este valor, se rechaza 𝐻0 a favor de 𝐻1 al nivel del 10 %.

iii) Interprete el coeficiente de profmarg. ¿Es este coeficiente económicamente grande?

R// Si es economicamente grande ya que el valor del t estadistico esta por encima del valor
crítico del 10%.

iv) ¿Tiene profmarg un efecto estadístico significativo sobre rdintens?

R// No es muy significativo, ya que su estadistico t es 1.086, que está por debajo incluso
del valor crítico del 10% para una prueba de una cola.

4.4 En una ciudad estudiantil, ¿influye la población de estudiantes sobre las rentas de las
viviendas? Sea rent la renta mensual promedio en una ciudad estudiantil de Estados
Unidos. Sean pop el total de la población en esa ciudad, avginc el ingreso promedio en la
ciudad y pctstu la población de estudiantes dada como porcentaje del total de la población.
Un modelo para probar esta relación es

log(𝑟𝑒𝑛𝑡) = 𝛽0 + 𝛽1 log(𝑝𝑜𝑝) + 𝛽2 log(𝑎𝑣𝑔𝑖𝑛𝑐 ) + 𝛽3 𝑝𝑐𝑡𝑠𝑡𝑢 + 𝑢

i) Dé la hipótesis nula que establece que el tamaño del cuerpo estudiantil en relación con la
población no tiene efecto ceteris paribus sobre las rentas mensuales. Mencione la alterna-
tiva que establece que sí tiene efecto.

R// 𝐻0 : 𝛽3 = 0 𝐻1 : 𝛽3 ≠ 0

ii) ¿Qué signo espera que tengan 𝛽1 𝑦 𝛽2 ?

R// En principio esperaríamos que 𝛽1 > 0 y 𝛽2 > 0, en igualdad de condiciones, una

población más grande aumenta la demanda de viviendas de alquiler, lo que debería
aumentar los alquileres. La demanda de vivienda en general es mayor cuando el ingreso
promedio es más alto, lo que eleva el costo de la vivienda, incluidas las tarifas de alquiler.

iii) La ecuación estimada empleando datos de 1990 del archivo RENTAL.RAW sobre 64
ciudades estudiantiles es:

𝑙𝑜𝑔(𝑟𝑒𝑛𝑡) = .043 + .066 𝑙𝑜𝑔(𝑝𝑜𝑝) + .507 𝑙𝑜𝑔(𝑎𝑣𝑔𝑖𝑛𝑐) + . 0056 𝑝𝑐𝑡𝑠𝑡𝑢

(. 844) (. 039) (. 081) (.0017)

𝑛 = 64, 𝑅2 = .458

¿Qué está equivocado en la siguiente afirmación: “Un aumento de 10% en la población

corresponde aproximadamente a un aumento de 6.6% en la renta”?

R// El incremento del 6.6% es un efecto ceteris paribus, por lo que habría que añadir todos
los otros factores constantes.

iv) Pruebe la hipótesis establecida en el inciso i) al nivel de 1%

R// Con un df= 64 - 4 =60, el valor critico del 1% para una prueba de dos colas es según la
tabla t-student 2.660, y el estadístico t es de aproximadamente (0.0056) / (0.0017) =3.29,
entonces podríamos decir que 𝛽3 es diferente de 0 en el 1%.

4.5 Considere la ecuación estimada del ejemplo 4.3, la cual se emplea para estudiar el
efecto de faltar a clases en el promedio general (GPA) en la universidad:

𝑐𝑜𝑙𝐺𝑃𝐴 = 1.39 + .412 ℎ𝑠𝐺𝑃𝐴 + .015 𝐴𝐶𝑇 − .083 𝑠𝑘𝑖𝑝𝑝𝑒𝑑

(. 33) (. 094) (. 011) (.026)

𝑛 = 141, 𝑅2 = .234
i) Empleando la aproximación normal estándar, encuentre el intervalo de confianza de 95%
para 𝛽ℎ𝑠𝐺𝑃𝐴 .

R//
. 412 ± 1.96(. 094)

. 412 + 1.96(. 094) = 0.596

. 412 ± 1.96(. 094) = 0.228

ii) ¿Se puede rechazar la hipótesis 𝐻0 : 𝛽ℎ𝑠𝐺𝑃𝐴 = .4 contra la alternativa de dos colas al nivel
de 5%?

R// No se puede rechazar ya que el 0.4 esta en el intervalo de confiaza del 95%.

iii) ¿Se puede rechazar la hipótesis 𝐻0 : 𝛽ℎ𝑠𝐺𝑃𝐴 = 1 contra la alternativa de dos colas al nivel
de 5%?

R// Si se puede rechazar ya que el 1 esta afuera del intervalo de confianza del 95%.