TALLER ECONOMETRIA ll

Parte I. Puntos conceptuales

1. (0.5) Explique el supuesto de homocedasticidad. ¿Qué implica en el modelo de regresión lineal
simple?
El supuesto de Homocedasticidad es una de las características que posee el modelo de regresión lineal e
involucra a la varianza de los errores como constante en el tiempo, contrario a la heterocedasticidad esta nos
permite inferir respecto de que los errores de estimación sean constantes a lo largo de las observaciones, lo cual
si se presenta permite obtener un modelo más confiable, además si sumado a esto la varianza también es más
pequeña esto aumentará su fiabilidad. En esencia, el término “Homocedasticidad” significa igual dispersión o
misma dispersión y gráficamente se observaría una simetría que lo demuestra.
En si la Homocedasticidad es una propiedad deseable dentro del modelo puesto que facilita el trabajo respecto
de las observaciones y aumenta el porcentaje de veracidad de los resultados. Para determinar esta propiedad se
deben calcular los errores y graficarlos (el grafico de dispersión muestra más claramente el comportamiento),
así como también realizar los denominados “Tests de homocedasticidad” para determinar si la propiedad se
encuentra en el modelo más allá de la comprobación gráfica.
Cuando un determinado modelo no cumple el supuesto de homocedasticidad significa entonces que sus errores
presentan lo contrario a esta, es decir heterocedasticidad.

(0.5). Explique el supuesto de media condicional cero del modelo de regresión lineal simple. ¿Qué
interpretación tienen los parámetros estimados 𝛽̂ 𝑖 en el modelo de RLM?
El supuesto de media condicional cero estipula que sin importar cuál valor escojamos para x el error u debe
mostrar ningún cuadro sistémico y debe tener una media de cero, es decir (u)x) = o
En una muestra aleatoria este supuesto implica que,
E (ui)xi) = u, para toda i = 1, 2, 3 …, n.
Además de restringir la relación que hay en la población entre u y x, el supuesto de media condicional cero,
junto con el supuesto de muestra aleatorio, permite una simplificación técnica. Se considera a 𝛽̂ 𝑖 como una
variable aleatoria. 𝛽̂ 𝑖 es un estimador insesgado de 𝛽𝑖. La aleatoria de 𝛽̂ 𝑖 se debe por completo a los errores de
la muestra. El hecho de que estos errores en general sean distintos de cero es lo que hace que 𝛽̂ 𝑖 sea diferente
de 𝛽𝑖.
Parte II. Ejercicios prácticos
1. (2,5). Para realizar este y el siguiente punto, utilice la base de datos base_geih.dta.Esta base contiene 9217
observaciones, de individuos ocupados en Colombia en la industria manufacturera. Realice los siguientes
ejercicios de estimación utilizando el programa econométrico de su preferencia (debe al menos tener
conocimiento de Stata, en el que hemos trabajado en clase).
a. Realice un breve análisis descriptivo de las variables que contiene la base.

b. Realice un diagrama de dispersión de las variables ilaboral y escolaridad.

c. Estime un modelo de regresión lineal simple, como variable dependiente el ingreso laboral (ilaboral) y como
variable independiente los años de educación (escolaridad). Interprete los coeficientes estimados y el coeficiente
de determinación.

d. Calcule para cada individuo el ingreso laboral estimado. A partir de lo anterior estime los residuales para
cada individuo. ¿Cuál es el promedio del ingreso laboral estimado? ¿Cuál es el promedio de los residuales?
e. En una gráfica ilustre el diagrama de dispersión (de ilaboral y escolaridad) y la recta de regresión estimada.
f. Calcule a mano (a partir de los resultados ilustrados por el programa econométrico) el coeficiente de
determinación. Explique la estimación

2. (1,5). Utilice para este punto y el siguiente los datos de SLEEP75.RAW que se encuentran en el link
indicado en las instrucciones del taller. Esta base es la misma que Biddle y Hamermesh (1990) utilizaron
para analizar si existe una relación inversa entre las horas de sueño por semana y las horas de trabajo
pagado por semana. Cualquiera de las variables puede usarse como la variable dependiente. Estime el
modelo:
𝑠𝑙𝑒𝑒𝑝 = 𝛽0 + 𝛽1 𝑡𝑜𝑡𝑤𝑟𝑘 + 𝑢 Donde sleep corresponde a los minutos de sueño por semana durante la noche
y totwrk corresponde al total de minutos de trabajo por semana.