Preguntas de Práctica Calificada 1 (2018-2)

Pregunta 1

Suponga que usted plantea una regresión lineal simple entre la disposición a pagar por un producto
(variable dependiente) y un indicador de calidad del producto (variable independiente). Considerando
el modelo de regresión:

Y = b0 + b1X + u

a) ¿Qué interpretación tiene cada uno de los parámetros?

b) ¿Cuál es el signo (positivo o negativo) que esperaría para cada uno de los parámetros?
a) El parámetro de intercepto b0 nos indica el valor esperado de la disposición a pagar por un
producto con un nivel de calidad igual a cero. El parámetro de la pendiente nos indica la
variación en la disposición a pagar esperada ante un incremento de la calidad en una unidad
adicional, ceteris paribus.
b) Se espera un signo positivo para ambos parámetros, pues la disposición a pagar no puede
ser negativa y al incrementarse la calidad se espera que un consumidor esté dispuesto a
pagar más.

Pregunta 2

En un curso de 32 sesiones de clase se ha conseguido información sobre las notas finales de una
promoción de 680 estudiantes, así como el número de sesiones a las que asistieron (atendieron) dichos
estudiantes. Se ha efectuado una regresión lineal simple entre la nota final (final1) y el número de
sesiones atendidas (attend). Los resultados se muestran en la siguiente tabla:

Dependent Variable: FINAL1

Method: Least Squares

Included observations: 680

Variable Coefficient Std. Error t-Statistic Prob.

C 11.36496 0.438454 25.92053 0.0000

ATTEND 0.060452 0.016416 3.682516 0.0002

a) Analice la significancia estadística de cada parámetro.

b) Manteniendo los demás factores constantes, ¿cuál es la diferencia en la nota estimada de una
persona que asistió a todas las sesiones de clase con respecto a una que faltó a una sesión?

c) ¿Cuál es la nota que se predice para un alumno que asistió a la mitad de las sesiones de clase?

a) Los dos parámetros son estadísticamente significativos porque la probabilidad asociada al

estadístico t es menor a 0.05, lo que indica un rechazo de la hipótesis nula de parámetro igual
a cero.
b) Se está preguntando sobre la diferencia en la nota estimada cuando la asistencia varía en
una unidad y esto es la interpretación del estimador asociado a la pendiente: 0.06. Por lo
tanto, la diferencia en la nota es dicho valor: 0.06.
c) En este caso, se pregunta por la nota esperada para un alumno que asistió a 16 sesiones de
̂ |𝒂𝒕𝒕𝒆𝒏𝒅 = 𝟏𝟔) = 𝟏𝟏. 𝟑𝟔 + 𝟎. 𝟎𝟔 ∗ 𝟏𝟔 = 𝟏𝟐. 𝟑𝟐
clase: 𝑬(𝒇𝒊𝒏𝒂𝒍𝟏

Pregunta 3

Se ha trabajado con 37 observaciones para determinar la relación entre el consumo real de un país
(rcons) y la renta o ingreso disponible (rdisp) que se calcula como el ingreso menos los impuestos.
Ambas variables están medidas en miles de dólares. En la siguiente tabla se muestran los resultados:

Dependent Variable: RCONS

Method: Least Squares

Included observations: 37

Variable Coefficient Std. Error t-Statistic Prob.

C 55.48557 15.91859 3.485584 0.0013

RDISP 0.794320 0.004797 165.6009 0.0000

a) Analice la significancia estadística de cada parámetro.

b) Se define la propensión marginal a consumir como el incremento en el consumo cuando la renta

disponible aumenta en una unidad monetaria. ¿Cuál es el valor estimado de la propensión marginal a
consumir?

c) Si definimos la propensión marginal a ahorrar como el incremento en el ahorro cuando la renta

disponible aumenta en una unidad monetaria, ¿cuál sería el valor estimado de dicha propensión?

d) ¿Cuál es el consumo que se predice cuando el ingreso disponible es de 1'200,000?

a) Los dos parámetros son estadísticamente significativos porque la probabilidad asociada al

estadístico t es menor a 0.05, lo que indica un rechazo de la hipótesis nula de parámetro igual
a cero.
b) La definición planteada es justamente la variación en la variable dependiente cuando la
independiente aumenta en una unidad, es decir que nos piden el valor del parámetro
estimado: PmgC = 0.79. Es decir, por cada unidad adicional en la renta disponible, se espera
que el consumo aumente en 0.79.
c) En este caso, se puede deducir que la propensión marginal a ahorrar es el complemento de
la propensión marginal a consumir: PmgA = 1 – PmgC = 0.21. Es decir, por cada unidad
adicional en la renta disponible, se espera que el ahorro aumente en 0.21.
d) Dado que las variables están en miles, se debe reemplazar una renta disponible de 1200:
 ̂ |𝒓𝒅𝒊𝒔𝒑 = 𝟏𝟐𝟎𝟎) = 𝟓𝟓. 𝟒𝟖 + 𝟎. 𝟕𝟗 ∗ 𝟏𝟐𝟎𝟎 = 𝟏𝟎𝟎𝟑. 𝟒𝟖
𝑬(𝒓𝒄𝒐𝒏𝒔

Entonces, se espera que el consumo real sea de 1003.48 miles de dólares.

Pregunta 4

Suponga que el modelo teórico para explicar una variable es el siguiente:

Y = b0 + b1X + b2X2 + u

Pero usted estima un modelo de regresión lineal simple como el siguiente:

Y = a0 + a1X + v

¿Se están cumpliendo los supuestos sobre la perturbación (error) en la regresión estimada?

No se cumple con uno de los supuestos sobre la perturbación porque el término de error utilizado
en el modelo tomará en cuenta a la variable X2: 𝒗 = 𝒃𝟐 𝑿𝟐 + 𝒖. Entonces el valor esperado de u
no será independiente de X, sino que cambiará con dicha variable. Por lo tanto, no se cumple el
supuesto de: 𝑬(𝒗|𝒙) = 𝟎.

Pregunta 5

Suponga que se realiza un estudio sobre la relación entre el salario y los años de educación. Para ello
se toma una muestra de 45 individuos, pero todos ellos informan que tienen 15 años de educación. Si
el modelo de regresión es el siguiente:

Salario = b0 + b1educ + u

¿Es posible encontrar los estimadores de los parámetros b0 y b1? Sustente su respuesta.

No es posible porque uno de los supuestos del modelo de regresión lineal simple es que exista
variabilidad en X (variable independiente). No es posible trabajar con una constante porque no
existirá solución para hallar los estimadores.

Pregunta 6

En la siguiente ecuación de regresión:

Y = b0 + b1X + u

Explique cuál es el vínculo entre la correlación entre X e Y y el estimador de b1

La correlación entre X e Y muestra el grado de relación lineal entre las variables. Si la
correlación es positiva, quiere decir que las dos aumentan o disminuyen juntas. Si la correlación
es negativa, entonces al aumentar una de ellas, la otra disminuye y viceversa. En ese sentido, el
estimador de b1 tomará el mismo signo de la correlación entre las variables.

Pregunta 7

Se ha realizado un estudio sobre el impacto que tiene la inseguridad ciudadana sobre el precio de las
viviendas. Con información de 506 viviendas, ubicadas en distintos distritos, se ha trabajado un
modelo de regresión simple considerando el logaritmo del precio como variable dependiente
(LOG(PRICE)) y el ratio de crímenes per cápita (número de crímenes / población = CRIME) como
variable independiente. Los resultados se muestran a continuación, pero con un pequeño detalle: por
alguna razón, los valores de los coeficientes estimados se han borrado.

Dependent Variable: LOG(PRICE)

Method: Least Squares

Included observations: 506

Variable Coefficient Std. Error t-Statistic Prob.

C 0.016786 597.6264 0.0000

CRIME 0.001803 -13.93927 0.0000

a) Analice la significancia estadística de cada parámetro.

b) Calcule los valores de los coeficientes estimados.

c) Interprete el coeficiente de la pendiente.

a) Los dos parámetros son estadísticamente significativos porque la probabilidad asociada al

estadístico t es menor a 0.05, lo que indica un rechazo de la hipótesis nula de parámetro igual
a cero.
b) Como se sabe, el valor del estadístico t se calcula con la división entre el coeficiente estimado
̂
𝒃
y el error estándar: 𝒕 = 𝒆𝒆𝒊 . Por lo tanto, para calcular los estimadores, es necesario

multiplicar el estadístico t por el error estándar, y de esta manera:

̂𝟎 = 𝟓𝟗𝟕. 𝟔𝟐 ∗ 𝟎. 𝟎𝟏𝟔𝟕 = 𝟗. 𝟗𝟖
𝒃
̂𝟏 = −𝟏𝟑. 𝟗𝟑 ∗ 𝟎. 𝟎𝟎𝟏𝟖 = −𝟎. 𝟐𝟓
𝒃
c) El coeficiente de la pendiente nos indica que, manteniendo los demás factores constantes, si
la tasa de crimen se incrementa en una unidad adicional, el precio esperado de la vivienda
se reducirá en 25%

Pregunta 8

Suponga que se realiza una regresión lineal simple entre las puntuaciones obtenidas en el examen de
ingreso a la universidad (variable dependiente) y el promedio escolar (variable independiente). Las
puntuaciones en el examen de ingreso están en una escala de 0 a 100 y el promedio escolar en una
escala de 0 a 20.

Se obtienen los siguientes estimadores mínimo cuadráticos:

Estimador del intercepto: 56.75

Estimador de la pendiente: 1.23

Se trabajó con una muestra de 250 estudiantes.

Interprete los resultados obtenidos.

̂ = 𝟓𝟔. 𝟕𝟓 + 𝟏. 𝟐𝟑𝒑𝒓𝒐𝒎
La estimación puede escribirse de la siguiente manera: 𝑷𝒖𝒏𝒕

Manteniendo lo demás constante, se espera que por cada punto adicional en el promedio escolar,
la nota en el examen de admisión se incremente en 1.23
Pregunta 9

Se está estudiando la relación entre el salario (wage) y los años de antigüedad en una empresa
(tenure). Con información de 935 trabajadores se ha obtenido el siguiente resultado en un modelo de
regresión lineal simple:

Dependent Variable: WAGE

Method: Least Squares

Included observations: 935

Variable Coefficient Std. Error t-Statistic Prob.

C 884.0155 22.85589 38.67779 0.0000

TENURE 10.21947 2.586856 3.950536 0.0001

a) Analice la significancia estadística de cada parámetro.

b) Manteniendo los demás factores constantes, ¿cuál es la diferencia estimada entre el salario de una
persona con 10 años de antigüedad y otra con 11 años de antigüedad?

c) ¿Cuál es el salario que se predice para una persona con 30 años de antigüedad en el mismo
trabajo?
a) Los dos parámetros son estadísticamente significativos porque la probabilidad asociada al
estadístico t es menor a 0.05, lo que indica un rechazo de la hipótesis nula de parámetro igual
a cero.
b) La pregunta se refiere a la interpretación de la pendiente estimada. Recordemos que la
pendiente nos indica cómo varía Y por un aumento de una unidad en X. En este caso la
diferencia estimada entre los salarios de dos personas cuya diferencia es un año de
antigüedad es de 10.21
̂ |𝒕𝒆𝒏𝒖𝒓𝒆 = 𝟑𝟎) = 𝟖𝟖𝟒. 𝟎𝟏 + 𝟏𝟎. 𝟐𝟏 ∗ 𝟑𝟎 = 𝟏𝟏𝟗𝟎. 𝟑𝟏
c) 𝑬(𝒘𝒂𝒈𝒆

Pregunta 10

Suponga que se está efectuando una regresión lineal simple entre el gasto efectuado en salud
(variable dependiente) y el ingreso de una persona (variable independiente).

En la relación Y = b0 + b1X + u, interprete la información que proporciona cada uno de los

parámetros.
El parámetro de intercepto b0 nos indica el gasto efectuado en salud esperado para una persona
que no tiene ingresos (X = 0), mientras que la pendiente b1 nos indica la variación esperada en
el gasto en salud cuando el ingreso de la persona se incrementa en una unidad, ceteris paribus.

Pregunta 11

En el modelo de regresión lineal simple y = β0 + β1x + u, suponga que E(u) = a ≠ 0.

Muestre que siempre es posible reescribir el modelo con la misma pendiente, pero con otro
intercepto y otro error, tal que el nuevo error tenga valor esperado cero.

En este caso, es posible escribir el término de error como: 𝒖 = 𝒂 + 𝒗, donde 𝑬(𝒗) = 𝟎, de tal
manera que este último término de error sí tiene media cero. Entonces, el nuevo intercepto sería:
𝜷𝟎 + 𝒂

𝑬(𝒚) = 𝑬(𝜷𝟎 + 𝒂 + 𝜷𝟏 𝒙 + 𝒗) = 𝜷𝟎 + 𝒂 + 𝜷𝟏 𝒙

Pregunta 12

Utilizando 1388 observaciones se ha trabajado con un modelo de regresión simple entre el peso del
niño al nacer medido en libras (bwght) y el número de cigarros diarios que fumó la madre (cigs). Los
resultados se muestran a continuación:

Dependent Variable: BWGHT

Method: Least Squares

Included observations: 1388

Variable Coefficient Std. Error t-Statistic Prob.

C 119.7719 0.572341 209.2668 0.0000

CIGS -0.513772 0.090491 -5.677609 0.0000

a) Analice la significancia estadística de cada parámetro.

b) Interprete el valor de los coeficientes estimados.

c) ¿Cuál es el peso que se predice para un niño cuya madre fumaba 10 cigarros diarios?
a) Los dos parámetros son estadísticamente significativos porque la probabilidad asociada al
estadístico t es menor a 0.05, lo que indica un rechazo de la hipótesis nula de parámetro igual
a cero.
b) Se estima que el peso del niño al nacer cuya madre no ha fumado sea de 119.77 libras.
Adicionalmente, manteniendo los demás factores constantes, se espera que por cada cigarro
fumado por la madre, el peso del niño se reduzca en 0.51 libras.
̂ |𝒄𝒊𝒈𝒔 = 𝟏𝟎) = 𝟏𝟏𝟗. 𝟕𝟕 − 𝟎. 𝟓𝟏 ∗ 𝟏𝟎 = 𝟏𝟏𝟒. 𝟔𝟕
c) 𝑬(𝒃𝒘𝒈𝒉𝒕
Pregunta 13

Una de las teorías de economía internacional postula una relación inversa entre la tasa de interés
doméstica y el tipo de cambio (medido como unidades monetarias de la moneda doméstica por dólar,
es decir, en nuestro caso sería soles por dólar). En resumen, se explica que ante un incremento en la
tasa de interés doméstica, se espera un mayor ingreso de dólares a la economía (más rentable) y por
ende, el valor del dólar cae.

Considerando esta teoría y si se plantea un modelo de regresión simple como el siguiente:

TC = b0 + b1interes +u, donde TC representa el tipo de cambio.

¿Cuáles son los signos esperados en los parámetros del modelo? Sustente su respuesta.

Se espera que el signo de b0 sea positivo porque el tipo de cambio (soles por dólar) toma valores
positivos, independientemente del valor de la tasa de interés. Por otro lado, se espera que el signo
de b1 sea negativo de acuerdo con la teoría planteada (a mayor tasa de interés, menor valor en
el tipo de cambio)

Pregunta 14

Se está estudiando la relación entre el salario (wage) y los años de antigüedad en una empresa
(tenure). Con información de 935 trabajadores se ha obtenido el siguiente resultado en un modelo de
regresión lineal simple (note que la variable dependiente está en logaritmos):

Dependent Variable: LOG(WAGE)

Method: Least Squares

Included observations: 935

Variable Coefficient Std. Error t-Statistic Prob.

C 6.667436 0.023585 282.7028 0.0000

TENURE 0.015422 0.002669 5.777536 0.0000

Interprete el valor de cada coeficiente estimado.

El valor de la pendiente nos indica que, manteniendo los demás factores constantes, por cada
año adicional de antigüedad en la organización, se estima que el salario se incrementará en 1.5%.
De otro lado, la constante nos indica que cuando la persona recién ingresa a la organización, se
espera que el logaritmo del salario sea de 6.66, lo que equivale aproximadamente a 𝒆𝟔.𝟔𝟔 =
𝟕𝟖𝟎. 𝟓𝟓.