TALLER 1

DAVID AVILA
ANGIE MATILDE BARRETO BERRIO
DANIEL ALEJANDRO CASTIBLANCO DIAZ
SANTIAGO FONTANILLA
SANTIAGO MORALES

UNIVERSIDAD SERGIO ARBOLEDA

Escuela de Economía
Introducción a la econometría
Bogotá D.C
2021
 TALLER 1

Presentado por:

DAVID AVILA
ANGIE MATILDE BARRETO BERRIO
DANIEL ALEJANDRO CASTIBLANCO DIAZ
SANTIAGO FONTANILLA
SANTIAGO MORALES

Presentado a:
Doctor Ramiro Rodríguez Revilla

UNIVERSIDAD SERGIO ARBOLEDA

Escuela de Economía
Introducción a la econometría
Bogotá D.C
2021
 LISTA DE ILUSTRACIONES

Ilustración 1. Regresión Lineal Europa y Asia

Ilustración 2. Regresión Lineal Norteamérica
Ilustración 3. Regresión Lineal Sudamérica
 LISTA DE TABLAS
Tabla 1………………………………………………………………………………………6
Tabla 2………………………………………………………………………………………8
Tabla 3……………………………………………………………………………………...10
Parte I. (1 punto) Conteste de manera teórica:

Demuestre si es posible encontrar un coeficiente de determinación ajustado

negativo. Si su respuesta es afirmativa, ¿cuál sería la condición que debería cumplir R^2
para que se presente esta situación?

Ŕ2=1−¿]

Donde

Ŕ2= R cuadrado ajustado o coeficiente de determinación ajustado

R2= R cuadrado o coeficiente de determinación

n= Numero de observaciones de la muestra

k=Numero de variables independientes

0< R 2 ≥ 1 , es decir el coeficiente de determinación varía entre 0 y 1

¿Cómo puede llegar a ser negativo Ŕ2?

El coeficiente de determinación ajustado puede llegar a ser negativo si el coeficiente

de determinación es muy cercano a cero.

Ŕ2=1−¿]

Cuando el coeficiente de determinación ¿ ¿ ) es muy cercano a cero el resultado del

número que se encuentra entre corchetes se vuelve más grande, sin embargo, si miramos la
ecuación, ese término va acompañado de un signo negativo, por consiguiente, cuando
operemos Ŕ2=1−¿], el resultado va a ser un numero negativo.

Parte II. (4 puntos)

A partir de la base de datos lifeexp.dta. Los países están clasificados en 3 grupos:

 Europa y Asia

 N.A.: Norteamérica

 S.A.: Sudamérica

1. (1 punto) Estime una regresión lineal (mediante MCO) con lexp (años de
expectativa de vida) como variable dependiente y gnppc (PNB per cápita) como
independiente, para cada uno de los grupos de países. Es decir, debe estimar 3 regresiones
en total. Para cada regresión, dibuje el resultado sobre diagramas de dispersión (con la línea
de regresión) e interprete los estimadores, el coeficiente de determinación y los p-values.

Solución

1. Europa y Asia

Ilustración 1. Regresión Lineal Europa y Asia

Nota. Autoridad Propia

===============================================
Dependent variable:
 ---------------------------
lexp
-----------------------------------------------
gnppc 0.0003***
(0.00003)

Constant 70.174***
(0.511)

-----------------------------------------------
Observations 41
R2 0.671
Adjusted R2 0.663
Residual Std. Error 2.408 (df = 39)
F Statistic 79.674*** (df = 1; 39)
===============================================
Note: *p<0.1; **p<0.05; ***p<0.01

Especificación para las variables observadas

lxp ei =β0 + β 1∗PNB ei +ui

lxp ei =70.174−0.0003∗PNB e i

 lxp ei →Expectativas de vida en Europa y Asia

 PNB e i → PNB Per Cápita de Europa y Asia

Especificación para las variables ajustadas

^
lxp ei =70.174−0.0003∗PNB e i

 ^
lxp ei → Expectativas de vida en Europa y Asia

 PNB e i → PNB Per Cápita de Europa y Asia

Interpretación:

B0 = Si el PNB Per Cápita es 0, entonces la expectativa de vida es e^70,17= 2,98*10^30.

B1 = Si el PNB Per Cápita aumenta en 1 unidad monetaria, la expectativa de vida aumenta

en 0,0002881 unidades de tiempo
P valor= el PNB Per Cápita es una variable relevante para explicar la expectativa de vida
con un nivel de significancia del 1%.

2. Norteamérica
 Ilustración 2. Regresión Lineal Norteamérica

Nota. Autoridad Propia

===============================================
Dependent variable:
---------------------------
lexp
-----------------------------------------------
gnppc 0.0004*
(0.0002)

Constant 67.969***
(1.993)

-----------------------------------------------
Observations 12
R2 0.323
Adjusted R2 0.255
Residual Std. Error 5.707 (df = 10)
F Statistic 4.767* (df = 1; 10)
===============================================
Note: *p<0.1; **p<0.05; ***p<0.01

Especificación para las variables observadas

 lxp ni=β 0 + β 1∗PNB ni +ui

lxp ni=67.969+0.0004∗PNB ni

 lxp ni →Expectativas de vida en Norteamérica

 PNB ni →PNB Per Cápita de Norteamérica

Especificación para las variables ajustadas

^
lxp ni=67.969−0.0004∗PNB ni

 ^
lxp ni →Expectativas de Vida en Norteamérica

 PNB ni →PNB Per Cápita de Norteamérica

Interpretación

B0 = Si el logaritmo del PNB Per Cápita es 0, entonces la expectativa de vida es

e^67,97=3,3036*10^29.
B1 = Si el PNB Per Cápita aumenta en 1 unidad monetaria, la expectativa de vida aumenta
en 0,0004207 unidades de tiempo.
P valor= el PNB Per Cápita es una variable relevante para explicar la expectativa de vida
con un nivel de significancia del 10%.
 3. Sudamérica

Ilustración 3. Regresión Lineal Sudamérica

Nota. Autoridad Propia

===============================================
Dependent variable:
---------------------------
lexp
-----------------------------------------------
gnppc 0.001*
(0.0005)

Constant 66.430***
(1.983)

-----------------------------------------------
Observations 10
R2 0.390
Adjusted R2 0.314
Residual Std. Error 3.173 (df = 8)
F Statistic 5.121* (df = 1; 8)
===============================================
Note: *p<0.1; **p<0.05; ***p<0.01
Especificación para variables observadas

lxp s i=β 0+ β1∗PNB s i +ui

lxp s i=66.430+0.001∗PNB s i+ ui

 lxp s i →Expectativa de Vida en Sudamérica

 PNB si → PNB Per Cápita de Sudamérica

Especificación para variables ajustadas

^s i=66.430+0.001∗PNB s i
lxp

 ^
lxp ni →Expectativas de Vida en Sudamérica

 PNB si → PNB Per Cápita de Sudamérica

Interpretación:

B0= Si el PNB Per Cápita es cero, entonces la expectativa de vida es 66.430 unidades de
tiempo.

B1= Si el PNB Per Cápita aumenta en una unidad monetaria, la expectativa de vida aumenta
en 0.001 unidades de tiempo.

P valor= el PNB Per Cápita es una variable relevante para explicar la expectativa de vida
con un nivel de significancia del 10%.
 2. (1 punto) Para las 3 especificaciones anteriores estime modelos log – log.
Interprete los estimadores, el coeficiente de determinación y los p-values.

1. Europa y Asia

===============================================
Dependent variable:
---------------------------
lExpectVida
-----------------------------------------------
lPNBpercapita 0.032***
(0.003)

Constant 4.027***
(0.028)

-----------------------------------------------
Observations 41
R2 0.698
Adjusted R2 0.690
Residual Std. Error 0.032 (df = 39)
F Statistic 90.053*** (df = 1; 39)
===============================================
Note: *p<0.1; **p<0.05; ***p<0.01

Especificación para las variables observadas

lnlxp e i=β 0 + β 1∗PNB e i+ ui

lnlxp e i=4.027 +0.03 2∗PNB e i +ui

 lxp ei →Expectativas de vida en Europa y Asia

 PNB e i → PNB Per Cápita de Europa y Asia

Especificación para las variables Ajustadas

ln lxp ei = ^
^ β 0+ β^1∗PNB ei +u i

^
lnlxp e i=4.027 +0.032∗PNB ei

 ^
ln lxp ei →Expectativas de Vida en Europa y Asia
 PNB e i → PNB Per Cápita de Europa y Asia
Interpretación:

La expectativa de vida tiene una relación positiva con el PNB per cápita, de esta
manera a medida que aumenta el PNB per cápita, la expectativa de vida va a aumentar. Por
ende, si el PNB per cápita aumenta en 1% la expectativa de vida va a aumentar en 0.032% .
Matemáticamente podemos ver esto como el valor de β1 de 0.032 denotando una pendiente
positiva. La variable de PNB per cápita es relevante para explicar la variable expectativa de
vida con un nivel de significancia del 1%.

Por otra parte, es relevante mencionar que según el coeficiente de determinación

( R2 ), el PNB per cápita explica la variación de expectativa de vida en un 69%.

2. Norteamérica

===============================================
Dependent variable:
---------------------------
lExpectLife
-----------------------------------------------
lPNBperCapita 0.064***
(0.017)

Constant 3.741***
(0.133)

-----------------------------------------------
Observations 12
R2 0.600
Adjusted R2 0.560
Residual Std. Error 0.067 (df = 10)
F Statistic 15.010*** (df = 1; 10)
===============================================
Note: *p<0.1; **p<0.05; ***p<0.01

Especificación para las variables observadas

lnlxp ni= β0 + β 1∗PNB ni+ ui

lnlxp ni=3. 741+0.0 64∗PNB ni

 lxp ni →Expectativas de vida en Norteamérica

 PNB ni → PNB Per Cápita de Norteamérica

Especificación para las variables Ajustadas

lnlxp ni= ^
^ β0 + β^1∗PNB ni+ ui

^
lnlxp ni=3. 741+0. 064∗PNB ni

 ^
lnlxp ni →Expectativas de Vida en Norteamérica
 PNB ni → PNB Per Cápita de Norteamérica

Interpretación:

La expectativa de vida tiene una relación positiva con el PNB per cápita, de esta
manera a medida que aumenta el PNB per cápita, la expectativa de vida va a aumentar. Por
ende, si el PNB per cápita aumenta en 1%, la expectativa de vida va a aumentar en 0.064%.
Matemáticamente podemos ver esto como el valor de β1 de 0.064 denotando una pendiente
positiva. La variable de PNB per cápita es relevante para explicar la variable expectativa de
vida con un nivel de significancia del 1%.

Por otra parte, es relevante mencionar que según el coeficiente de determinación

( R2 ), el PNB per cápita explica la variación de expectativa de vida en un 60%.

3.Sudamerica

===============================================
Dependent variable:
---------------------------
lExp.Vida
-----------------------------------------------
lPNBPCapita 0.060**
(0.021)

Constant 3.768***
(0.168)

-----------------------------------------------
Observations 10
R2 0.510
Adjusted R2 0.449
Residual Std. Error 0.041 (df = 8)
F Statistic 8.341** (df = 1; 8)
===============================================
Note: *p<0.1; **p<0.05; ***p<0.01
Especificación para las variables observadas

lnlxp s i=β 0 + β 1∗PNB si +ui

lnlxp s i=3 . 7 68+0.0 6 0∗PNB s i

 lxp s i →Expectativas de vida en Sudamérica

 PNB si → PNB Per Cápita de Sudamérica

Especificación para las variables Ajustadas

lnlxp s i= β^0 + ^
^ β 1∗PNB si +ui

^
lnlxp s i=3.768+ 0.060∗PNB si

 ^
lnlxp s i →Expectativas de Vida en Sudamérica
 PNB si → PNB Per Cápita de Sudamérica

Interpretación:

La expectativa de vida tiene una relación positiva con el PNB per cápita, de esta
manera a medida que aumenta el PNB per cápita, la expectativa de vida va a aumentar. Por
ende, si el PNB per cápita aumenta en 1%, la expectativa de vida va a aumentar en 0.060%.
Matemáticamente podemos ver esto como el valor de β1 de 0.060 denotando una pendiente
positiva. La variable de PNB per cápita es relevante para explicar la variable expectativa de
vida con un nivel de significancia del 5%.

Por otra parte, es relevante mencionar que según el coeficiente de determinación

( R2 ), el PNB per cápita explica la variación de expectativa de vida en un 51%.