Solución Taller econometría

Lina María Chaparro Álvarez, Valeria Mendez Corredor, Lizeth Daniela Villamil Gil,
Vanessa Alexandra Villareal Castro.

1. Sea niños la cantidad de hijos que ha tenido una mujer, y educ los años de
educación que tiene esta mujer. Un modelo sencillo para relacionar fertilidad
con años de educación es:
︿ ︿
N iños = β 0 + β 1 educ + u , ​donde u es el error no observado.

i) ¿Qué tipo de factores son los contenidos en u? ¿Es posible que estos factores estén
correlacionados con el nivel de educación?

● u= edad, ingresos, ocupación, lugar de nacimiento y religión. Puesto que una mujer de
menor edad tenderá a tener menos cantidad de hijos; en algunos países como Nigeria
o Somalia las mujeres tienden a ser más fértiles; o familias con pocos ingresos tienden
a tener mayor cantidad de hijos.

Entre estos la ocupación y los ingresos, pueden estar correlacionados con la

educación, ya que un mayor nivel en esta proporcionará mayores oportunidades de
obtener un buen empleo, las otras variables son totalmente independientes.

ii) ¿Es posible que con un análisis de regresión simple se halle el efecto ceteris paribus
de educación sobre fertilidad? Explique.

● Sería posible que con un análisis de regresión simple se halle el efecto ceteris paribus
de educación sobre fertilidad debido a que el análisis de regresión simple solo maneja
una variable independiente y una dependiente, en el caso de que ninguna de las
variables que conforman el error esté relacionada a la educación. En este caso no es
posible ya que en nuestro error existen variables correlacionadas a la educación y esto
hace a u dependiente de x.

2. En el modelo de regresión lineal simple y = β 0 + β 1 x + u , suponga que

E (u) =/ 0 , Dejando α 0 = E (u) demuestre que el modelo siempre se puede
reescribir con la misma pendiente, pero con una nueva intercepción y error,
donde el nuevo error tiene un valor esperado cero.

y = β 0 + β 1x + u

α 0 =constante

Si bien sabemos que u no es una variable observada, para hallar el nuevo

E(u)=0 y el nuevo intercepto, sumamos una constante α 0 al estimador que no
depende de x, asimismo, restamos la misma constante a u, para no afectar la
ecuación algebraicamente, y así, el error siga dando 0 .
 ​y= ( α 0 + β 0 ) + β 1 x + (u− α 0 )

Así, llamamos al nuevo error e = u− α 0 , de modo que E(e)= 0, por lo que α 0 +β0 ​es
el nuevo intercepto, y la pendiente sigue siendo la misma.

3. En la siguiente tabla se presentan las puntuaciones obtenidas en el examen de

ingreso a la universidad en Estados Unidos, ACT (American College Test), y en
el GPA (promedio escolar) por ocho estudiantes universitarios. El GPA está
medido en una escala de cuatro puntos y se ha redondeado a un dígito después
del punto decimal.

i​ ) Estime la relación entre GPA y ACT empleando MCO; es decir, obtenga las
estimaciones para la pendiente y para el intercepto en la ecuación:
︿ ︿ ︿
GP A = β 0 + β 1 ACT .

CALCULO EN EXCEL.

CÁLCULO EN STATA.
Es decir que por cada unidad de más que un estudiante tenga en el ACT, que se
califica en escala de 1 a 36 puntos, se aumentará su GPA en 0.1021978 unidades
en una escala de a 4. De igual manera, aunque un estudiante obtenga 0 puntos en
el ACT su promedio será de al menos 0.56813187 puntos.

ii) Calcule los valores ajustados y los residuales para cada observación y verifique que
los residuales (aproximadamente) sumen cero.

CÁLCULO EN STATA.

CALCULO EN EXCEL.

︿
Lo que nos muestra que y son los valores esperados para los GPA según el ACT de cada
estudiante y los valores residuales son el error que se presentó con respecto a los GPA reales
de la muestra.

iii) ¿Cuál es el valor que se predice para el GPA si ACT =20?

Y = 0, 5681387 + 0, 1021978(20) = 2, 61208791

En el caso de que el puntaje en su ACT sea de 20 puntos el promedio de este estudiante estará
en 2.61208791 puntos.

iv) ¿Qué tanto de la variación en el GPA de estos ocho estudiantes es explicada por el
ACT? Explique.

CÁLCULO EN EXCEL.

Según este modelo RLS la variación al aumentar una unidad en el ACT tendría que ser de
0.1021978, aun así no se evidencia ni explica los GPA tomados de la muestra de estudiantes
puesto que, por ejemplo, el estudiante 3 tiene un mejor puntaje en el ACT que el estudiante 2
y aun así mantiene un promedio más bajo, o en el caso de los estudiantes 6 y 7 quienes
tuvieron el mismo puntaje en el ACT pero sus GPA son diferentes.

4. La base de datos BWGHT.RAW contiene cifras sobre los hijos nacidos de

mujeres en Estados Unidos. Las dos variables de interés son la variable
explicativa, cantidad promedio diaria de cigarros consumidos por la madre
durante el embarazo (cigs). La siguiente ecuación de regresión simple se estimó
con datos de n= 1,388 nacimientos:

bwght = 119.77 − 0.514 cigs

i) ¿Cuál es el peso al nacer que se predice si cigs= 0? ¿Y cuando cigs 20 (un paquete por
día)? Analice la diferencia.

bwght = 119.77 − 0.514(0) = 119.77

bwght = 119.77 − 0.514(20) = 109.49

● Con los resultados, identificamos que entre mayor sea el consumo de cigs, el bwght se
verá afectado, con ello, sabremos que con mayor sea el consumo de cigarrillo en
mujeres embarazadas el peso del niño al nacer se verá afectado en mayor medida.

i​ i) ¿Capta esta ecuación de regresión simple una relación causal entre el peso del niño
al nacer y el hábito de fumar de la madre? Explique.

● Si, la relación es casual, debido a que si la madre consume más cantidad de cigarrillos
diarios, el peso en onzas de los hijos se verá afectado negativamente, por lo que,
podemos deducir que el consumo de cigarrillo en estado de embarazo puede afectar
directamente el peso de los niños al nacer.
iii) Para que el peso al nacer predicho sea de 125 onzas, ¿cuál tiene que ser el valor de
cigs? Explique.

bwght = 119.77 − 0.514 cigs

125 = 119.77 − 0.514cigs

125 − 119.77 =− 0.514cgs

5.23
−0.514
= cigs

− 10.18 = cigs

● Con este resultado sabemos que no es posible llegar a un peso de 125 onzas, puesto
que es incoherente consumir -10.18 cigarrillos.

i​v) La proporción de mujeres en la muestra que no fumaron durante el embarazo es

aproximadamente de 0.85. ¿Ayuda esto a entender sus hallazgos del inciso iii)?

● La proporción de mujeres en la muestra que no fumaron durante el embarazo no nos

proporciona mayor relación con los hallazgos del punto iii) debido a que el resultado
muestra que las mujeres no deberían fumar para que el peso al nacer sea de 125 onzas.

5. En la función lineal de consumo cons:

︿ ︿ ︿
cons = β 0 + β 1 inc

La propensión︿
marginal a consumir estimada (PMgC) del ingreso no es más que la
pendiente, β 1 , mientras que la propensión media a consumir (PMeC) es cons/inc=
β 0 /inc β 1 . Usando las observaciones sobre ingreso anual y consumo de 100 familias
(ambos medidos en dólares),

︿
cons = − 124.84 + 0.853inc

n = 100, R 2 = 0.692

i) Interprete el intercepto en esta ecuación y analice su signo y su magnitud.

● Si analizamos el interceptó se evidencia que cuando el incremento del ingreso de la

familia sea de $0, el ingreso base de la misma sería de -$124.84, este, sería un valor
poco significativo e incoherente, ya que no es posible que el ingreso sea de un monto
negativo en la vida real, por lo cual, el modelo de regresión es ineficiente ya que no
es un buen pronosticador.
ii) ¿Cuál es el consumo que se predice si el ingreso familiar es de $30,000?
︿
cons = − 124.84 + 0.853($30.000)
︿
cons = 25, 465.16

El consumo que predice que el ingreso familiar sea de inc= $30,000 es de 25,465.16.

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

NOTA: ​Se tomaron únicamente los valores positivos del ingreso. La PMgC estimada es g(x)
que está en color fucsia,mientras que, la PMeC estimada es f(x) que está en un color morado
claro.

6. Usando los datos de Kiel y McClain (1995) sobre las casas vendidas en 1988 en
Andover, Massachusetts, en la ecuación siguiente se relaciona el precio de las
casas (price) con la distancia a un incinerador de basura construido
recientemente (dist):
︿
log(price) = 9.40 + 0.312 Log(dist)

n = 135, R 2 = 0.162

i) Interprete el coeficiente de log(dist). ¿Es el signo de esta estimación el que se

esperaba?

● El coeficiente de log(dist) nos dice que si hay un aumento del 1% en la

distancia del incinerador aumentará el valor predicho en 31,2%. El signo de
esta estimación si es el que se esperaba debido a que es positivo entre ambas
variables.

Indica que a medida que haya mayor distancia del incinerador mayor será el
precio de las casas en relación a las preferencias de los consumidores.
 ii) ¿Considera que la regresión simple proporciona un estimador
insesgado de la elasticidad ceteris paribus de price (precio) respecto a
dist? (Reflexione en la decisión de la ciudad sobre dónde colocar el
incinerador.).

● La regresión que se plantea (simple) es efectiva ya que nos muestra un

estimador insesgado de la elasticidad ceteris paribus del precio, Log(dist) está
correlacionada con la calidad de vivienda, por la ubicación del incinerador de
basura en distancia de las casas. Lo que nos hace concluir que la estimación de
los cuadrado es sesgada así que se cumplen los tres supuestos.

iii) ¿Qué otros factores relacionados con una casa afectan su precio?
¿Pueden estos factores están correlacionados con la distancia al
incinerador?

● El tamaño de la vivienda, precio de una propiedad, estado de una propiedad,

número de habitaciones y calidad de barrio donde se ubica. Estos factores
podrían estar correlacionados con la distancia del incinerador, esto lleva a que
el modelo no se cumpla, por lo tanto, para que sea acertado se deben aislar
estas correlaciones.

7. Considere la función de ahorro:

sav = β 0 + β 1 inc + u, u = √inc * e

Donde e es una variable aleatoria con E(e) = 0 y Var(e) = σ 2 . Suponga que e es

independiente de inc.

i) Muestre que E(u/inc) = 0, de manera que el supuesto clave de media

condicional cero (supuesto RLS. 4) se satisface. [Sugerencia: si e es independiente
de inc, entonces E(e/inc) = E(e)]

E (u/inc) = E (√inc * e) = E (√inc * e/inc)

Con la propiedad E (xy) = E (x)E(y), si x y y son independientes:

= E (√inc/inc) * E (e/inc) = 0

Debido a: E (u/x) = E (u) = 0

ii) Demuestre que Var(u/inc) = σ e 2 inc, por lo que la hipótesis de

homocedasticidad SLR.5 se viola. En particular, la varianza de sav aumenta con
inc. [Pista: Var(e/inc) = Var(e), si e e inc son independientes].

V ar(u/inc) = V ar(√inc * e) = V ar(√inc * e/inc)

Con la propiedad V ar[a * X ] = a 2 * V ar[X]

 = (√inc) 2 * V ar(e/inc) = inc * σ 2

Debido a: V ar(u/x) = σ 2 El error tiene la misma varianza para cualquier valor de la

variable explicativa. Supuesto RLS.5

iii) Proporcione una discusión que apoye la suposición de que la varianza del
ahorro aumenta con la renta familiar.

Sabemos que una familia con mayores ingresos no tendrá tantas restricciones
presupuestarias, y tendrán mayor posibilidad de ahorrar o decidir que porcentaje de
sus ingresos gastar. A diferencia de una familia de pocos ingresos, pues utilizaran la
mayor parte de estos al cubrir costos de primera necesidad.