Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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.
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):
R// 𝐻0 : 𝛽3 = 0 𝐻1 : 𝛽3 > 0
ii) Con los datos de CEOSAL1.RAW, empleando MCO se obtuvo la ecuación siguiente:
𝑛 = 209, 𝑅2 = .283
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.
𝑛 = 32, 𝑅2 = .099.
R//
. 321 𝑙𝑜𝑔(𝑠𝑎𝑙𝑒𝑠)
%𝑟𝑑𝑖𝑛𝑡𝑒𝑛𝑠 = = 0.00321 × 10% log (𝑠𝑎𝑙𝑒𝑠)
100
% 𝑟𝑑𝑖𝑛𝑡𝑒𝑛𝑠 = 0.0321
R// Si es economicamente grande ya que el valor del t estadistico esta por encima del valor
crítico del 10%.
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
R// 𝐻0 : 𝛽3 = 0 𝐻1 : 𝛽3 ≠ 0
iii) La ecuación estimada empleando datos de 1990 del archivo RENTAL.RAW sobre 64
ciudades estudiantiles es:
𝑛 = 64, 𝑅2 = .458
R// El incremento del 6.6% es un efecto ceteris paribus, por lo que habría que añadir todos
los otros factores constantes.
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:
𝑛 = 141, 𝑅2 = .234
i) Empleando la aproximación normal estándar, encuentre el intervalo de confianza de 95%
para 𝛽ℎ𝑠𝐺𝑃𝐴 .
R//
. 412 ± 1.96(. 094)
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%.