1.

El Ministerio de Trabajo interesado en conocer el impacto del nivel de educación y de la

experiencia laboral de los individuos en sus salarios, estimó un modelo de regresión lineal
múltiple que arrojó los siguientes resultados: S = 1000 + 20000 Log(Esc) + 100 Exp, donde:  
S: Salario de los individuos (en pesos)  
LogEsc: Logaritmo de la escolaridad en años de los individuos  
Exp: Experiencia en años de los individuos  
 De la información anterior se deduce que, por cada año adicional de experiencia del
individuo, el salario se incrementa en:  

A. 1 peso con todo lo demás constante

A. 100 pesos con todo lo demás constante
A. 100% con todo lo demás constante
A. 1% con todo lo demás constante
B. Ninguna de las anteriores
 De la información anterior se deduce que, por cada 1% adicional de escolaridad del
individuo, el salario se incrementa en:  
B. 20.000 pesos con todo lo demás constante
B. 200 % con todo lo demás constante
B. 200 pesos con todo lo demás constante
C. 20.000.000 pesos con todo lo demás constante
D. Ninguna de las anteriores
 De la información anterior se deduce que, el salario de una persona sin experiencia
laboral y sin escolaridad es:  
C. 20.000 pesos  
C. 100 pesos
C. 200 pesos  
E. 1.000 pesos
F. Ninguna de las anteriores

2. Un empresario está interesado en ampliar su mercado a otras ciudades y sabe que las ventas
son elásticas al precio, dado que estimó el siguiente modelo de regresión:  
Q = 161 – 50P, donde Q es el número estimado de unidades vendidas y P es el precio por
unidad en pesos ($).
 A partir de la información anterior, es correcto afirmar que:

- Cuando P es 0 Q es 161 unidades.

- Por cada unidad adicional de P, entonces Q disminuye 50 unidades con todo los demás
constante.

 Si el empresario establece el precio en $2 por unidad en la ciudad de Pasto, el número

de unidades que vendería sería:  
D. 211  
E. 50  
F. 161  
G. 61
H. Ninguna de las anteriores
  Por cada 1% adicional en el precio del bien, las cantidades vendidas disminuyen:
I. 50 Unidades  
J. 61 Unidades  
K. 161 Unidades 
L. Ninguna de las anteriores
3. A partir de la siguiente salida en eviews, explique:

 Ecuación de regresión

Y=C+ B̂1*X1 + B̂2*X2 + B̂3*X3 + B̂4*X4 + ERROR

Y= 0,3264 – 0,0176 - 0,0689 + 0,0185 + 0,0235
Cuando X1 es 0, X2 es 0, cuando X3 es 0 y X4 es 0, entonces Y es 0,03264
- Por cada unidad adicional de X1, entonces Y disminuye 0,0176 con todo lo
demás constante.
- Por cada unidad adicional de X2, entonces Y disminuye 0,0689 con todo lo
demás constante.
- Por cada unidad adicional de X3, entonces Y aumenta 0,0185 con todo lo
demás constante.
- Por cada unidad adicional de X4, entonces Y aumenta 0,0235 con todo lo
demás constante.

 R2
 X1, X2, X3 Y X4 explican el comportamiento de Y en un 96,62%
 Prueba de significancia individual

X1 Es significativo a cualquier nivel de confianza 90%, 95% o 99%.

X2 Es significativo a un nivel de confianza del 90%.
X3 Es significativo a un nivel de confianza del 90%.
X4 Es significativo a cualquier nivel de significancia 90%, 95% o 99%.

 Prueba de significancia conjunta

Y=C+ B̂1*X1 + B̂2*X2 + B̂3*X3 + B̂4*X4

H0. Todas las betas en conjunto son 0.

Esto quiere decir, que todo el modelo en conjunto va a ser significativo a cualquier nivel de
confianza.

4. A partir de la siguiente salida en STATA

Ln_ingreso = B0 + B1*escolaridad + B2*edad + B3*genero

 Que betas son significativo al 95% de confianza

Escolaridad, género y _cons son significativas a un nivel de confianza del 95%

  Explique la ecuación de regresión teniendo en cuenta que la variable dependiente esta
expresada en logaritmo.
 

Ln_ingreso = B0 + B1*escolaridad + B2*edad + B3*genero

Ln_ingreso = 10,4264 + 0,1309 + 0,003 + 0,5371

Cuando la escolaridad. Edad y genero son 0 Ln_ingreso es 10,42%

Cuando la escolaridad aumenta en un año entonces Ln_ingreso aumenta 13,09%.
Cuando la edad aumenta en un año entonces Ln_ingreso aumenta 0,3%.
Cuando el género aumenta una unidad entonces Ln_ingreso aumenta 53,74%.