Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ejercicios Econometria
Ejercicios Econometria
EJERCICIO 2.3.
A partir de los datos proporcionados sobre los resultados de la prueba de aptitud para el
acceso a la universidad en EEUU (ACT) y la nota media en la universidad (GPA) de ocho
estudiantes universitarios
1. Estimar la relación entre GPA y ACT empleando MCO, obtener los valores estimados
de β0 y β1
Comentar la dirección de la relación. ¿El término constante se presta a una
interpretación útil en este caso? Explicar la respuesta. ¿En cuánto se predice que
aumente el GPA si el resultado ACT aumenta en 5 puntos?
2. Calcular los valores ajustados y los residuos para cada observación y comprobar que
los residuos suman aproximadamente cero
3. Dar el valor predicho GPA cuando ACT = 20
4. ¿Qué proporción de la variación de GPA de estos ocho estudiantes se explica por
ACT? Razonar la respuesta
FUNDAMENTOS DE ECONOMETRÍA
TEMA 2 ‐ EL MODELO DE REGRESIÓN SIMPLE
E(u|x) = E(u) = 0
( ) ( )
n n
MUESTRAL
( )
n
n−1 ∑ yi −βˆ 0 −βˆ 1 x i =0
i=1
n n n
n−1 ∑ yi − n−1 ∑ βˆ 0 − n−1 ∑ βˆ 1 x i =0 n
i=1 i=1 i=1 ∑ β =nβ0 0
i=1
n n
∑ yi βˆ 1 ∑ x i
n n
∑ βˆ x =βˆ ∑ x
nβˆ 0
1 i 1 i
i=1 i=1
i=1
− − i=1
=0
n n n
y −βˆ 0 −βˆ 1 x =0
βˆ 0 = y −βˆ 1 x
FUNDAMENTOS DE ECONOMETRÍA
TEMA 2 ‐ EL MODELO DE REGRESIÓN SIMPLE
∑ x ( y − y ) =βˆ ∑ x ( x −x )
n
−1
n i i 0 1 i i i 1 i i
i=1 i=1 i=1
( )
n
∑ xi yi −βˆ 0 −βˆ 1 xi =0 ∑x (y −y )
n
i i
i=1
βˆ 1 = i=1
n
( ) ∑ x ( x −x )
n
∑ x i ⎡ yi − y −βˆ 1 x −βˆ 1 x i ⎤ =0
n n
i i ∑ xi ( yi − y )=∑ ( xi − x )( yi − y )
i=1
⎣ ⎦ i=1
i=1
n
i=1
n
∑ x i ( x i − x )=∑ ( x i − x ) 2
i=1 i=1
( )
n
( )
n
∑i i − − ∑i 1 1i
ˆ x −βˆ x =0
β
∑ ( x − x )( y − y )
n
x y y x
i=1 i=1 i i
n
βˆ 1 = i=1
n
( )
n
∑i i 1∑ i ∑(x −x )
2
x y − y ˆ
=β x x − x 2
i
i
i=1 i=1 i=1
FUNDAMENTOS DE ECONOMETRÍA
TEMA 2 ‐ EL MODELO DE REGRESIÓN SIMPLE
1. Estimar la relación entre GPA y ACT empleando MCO, obtener los valores
estimados de β0 y β1
[X ‐ Media X] [Y ‐ media Y]
∑ ( x − x )( y − y )
n
OBS. GPA (Y) ACT (X) (A) x (B) (A)^2
(A) (B)
1 2,8 21 ‐4,88 ‐0,41 2,01 23,77 i i
2 3,4 24 ‐1,88 0,19 ‐0,35 3,52 βˆ 1 = i=1
n
∑ ( xi − x )
3 3 26 0,13 ‐0,21 ‐0,03 0,02 2
4 3,5 27 1,13 0,29 0,32 1,27
5 3,6 29 3,13 0,39 1,21 9,77 i=1
6 3 25 ‐0,88 ‐0,21 0,19 0,77
7 2,7 25 ‐0,88 ‐0,51 0,45 0,77
8 3,7 30 4,13 0,49 2,01 17,02
SUMA 5,81 56,88 5,81
MEDIA DE X 25,88 βˆ 1 = =0,1022
MEDIA DE Y 3,21
56,88
βˆ 0 = y −βˆ 1 x
βˆ 0 =3,21−(0,1022x25,88) =0,5681
GPA = 0,5681 + 0,1022 ACT Relación positiva entre las notas de acceso y la nota
media universitaria → por cada punto adicional en la
prueba de aptitud para el acceso a la universidad
(ACT) la nota media de la universidad (GPA) se
incrementa en 0,1022 puntos.
Si el resultado del ACT aumenta en 5 puntos → aumento del GPA en 5 x 0,1022 = 0,511 puntos.
La constante nos indica el valor que toma GPA cuando la variable X toma valor 0. En este
caso, el valor de la constante nos estaría indicando el valor que toma GPA cuando la nota de la
prueba de acceso a la universidad es 0: predice una nota media de la universidad de 0,5681
puntos sobre 4.
La constante aquí carece de sentido puesto que, en el caso de obtener una nota de 0 en la
prueba de acceso, es de esperar que no tengas acceso a la universidad. Es de suponer que en
la población el valor de X sea siempre superior o igual a la nota mínima requerida para el
acceso a la universidad.
Interpretación de la constante → efecto que, en media, tienen sobre GPA todos aquellos
factores ajenos a ACT (recogidos en “u”, cuya esperanza hemos fijado en cero).
FUNDAMENTOS DE ECONOMETRÍA
TEMA 2 ‐ EL MODELO DE REGRESIÓN SIMPLE
VALORES AJUSTADOS Y RESIDUOS
Valor ajustado → valor que predecimos tomará “Y” en base a nuestra función de
regresión muestral (FRM) cuando X = Xi
( )
n n i 0 1 i
( )
i 1er orden n
i=1 i=1 n−1 ∑ x i yi −βˆ 0 −βˆ 1 x i =0
i=1
FUNDAMENTOS DE ECONOMETRÍA
TEMA 2 ‐ EL MODELO DE REGRESIÓN SIMPLE
2. Calcular los valores ajustados y los residuos para cada observación y comprobar que
los residuos suman aproximadamente cero.
VALOR
OBS. ACT (X) GPA (Y) RESIDUO
AJUSTADO
1
2
21
24
2,80
3,40
2,71
3,02
0,0857
0,3791
ûi >0 La FRM estimada subestima yi
3 26 3,00 3,23 ‐0,2253
4 27 3,50 3,33 0,1725
5 29 3,60 3,53 0,0681
6 25 3,00 3,12 ‐0,1231
7 25 2,70 3,12 ‐0,4231 ûi <0 La FRM estimada sobreestima yi
8 30 3,70 3,63 0,0659
∑Û =−0,0002
i=1
i
Condición de 1er orden
( )
n n
n−1 ∑ yi −βˆ 0 −βˆ 1 x i = 0 = n−1 ∑ U
ˆi
i=1 i=1
FUNDAMENTOS DE ECONOMETRÍA
TEMA 2 ‐ EL MODELO DE REGRESIÓN SIMPLE
i
i=1
Medida de la varianza muestral total en las yi. Indicador del grado de dispersión de la variable a
explicar en la muestra.
n 2
Medida de la varianza muestral de los valores ajustados. Indicador del grado de dispersión de
las variables predichas en la muestra.
n
SUMA DE LOS CUADRADOS DE LOS RESIDUOS (SCE) →
∑i
û
i=1
2
Medida de la varianza muestral de los residuos. Indicador del grado de dispersión de los
residuos en la muestra.
3. Dar el valor predicho GPA cuando ACT = 20
4. ¿Qué proporción de la variación de GPA de estos ocho estudiantes se explica por ACT?
Razonar la respuesta n
i=1
EJERCICIO 2.5.
En la función de consumo lineal
ˆ =βˆ 0 +βˆ 1 inc
cons
La propensión marginal al consumo (PMC) estimada de la renta es simplemente la
ˆ
cons βˆ
pendiente, mientras que la propensión media al consumo (PMEC) es = 0 +βˆ 1
inc inc
Empleando observaciones de 100 familias sobre sus ingresos y consumo anuales (ambos
medidos en dólares), obtenemos la siguiente ecuación:
ˆ = − 124,84 + 0,853inc
cons con n=100 y R2 = 0,692
1. Interpretar el término constante en esta ecuación y comentar su signo y su
magnitud
2. ¿Cuál es el consumo predicho cuando el ingreso de la familia es de 30.000 $?
3. Dibujar la curva de PMC y PMEC estimadas, con inc en el eje de las x.
FUNDAMENTOS DE ECONOMETRÍA
TEMA 2 ‐ EL MODELO DE REGRESIÓN SIMPLE
1. Interpretar el término constante en esta ecuación y comentar su signo y su magnitud
ˆ = − 124,84 + 0,853inc
cons
En aquellos casos en los que el nivel de ingresos anual de una familia es cero (inc = 0),
su nivel de consumo es de ‐124,84$ al año. → ¿consumo negativo?
EJERCICIO 2.6.
Utilizando los datos de 1988 sobre las casas vendidas en Andover, Massachusetts, de
Kiel y McClain (1995), la siguiente ecuación relaciona el precio de las viviendas (price)
con la distancia a un incinerador de basura construido recientemente (dist)
ˆ = 9,40+ 0,312log(dist)
log(price) con n=135 y R2 = 0,162
1. Interpretar el coeficiente de log(dist). ¿Es el signo de esta estimación el que se
puede esperar?
2. ¿Ofrece la regresión simple un estimador insesgado de la elasticidad, ceteris
paribus, de price con respecto a dist? (Responder teniendo en cuenta la decisión de
la ciudad sobre dónde situar un incinerador).
3. ¿Qué otros factores de una casa tienen una incidencia sobre su precio? ¿Pueden
estar correlacionados con la distancia al incinerador?
FUNDAMENTOS DE ECONOMETRÍA
TEMA 2 ‐ EL MODELO DE REGRESIÓN SIMPLE
UNIDADES DE MEDIDA
Relaciones lineales y = β0 + β1 x + u → 2 LIMITACIONES
TRANSFORMACIONES LOGARÍTMICAS
VBLE VBLE
MODELO INTERPRETACIÓN β1
DEP. INDEP.
RLS.3. Media condicionada nula E(u|x) = E(u) = 0
n
RLS.4. Variación muestral variable independiente i y j ∈ n tal que x i ≠ x j → ∑ ( x i − x ) 2 >0
i=1
Supuesto sobre cómo se relacionan X y U, E(u|x) = E(u) → no existe relación alguna entre “X” y “U”,
y, por tanto el valor medio de “U” no depende del valor que tome “X”
¿Existen factores recogidos en U que afecten al precio de la vivienda y que estén correlacionados con
la distancia respecto del incinerador? → distancia respecto del centro urbano, densidad urbana del
área, nivel medio de los barrios mas próximos al incinerador, etc.
FUNDAMENTOS DE ECONOMETRÍA
TEMA 2 ‐ EL MODELO DE REGRESIÓN SIMPLE
EJERCICIO 2.11.
El conjunto de datos CEOSAL2.RA contiene información sobre directores generales de
empresas estadounidenses. La variable salary es la remuneración anual, en miles de
dólares y ceoten es el número de años de antigüedad en un puesto de director general.
INPUTS OUTPUTS
Variable a explicar:
salario anual, en
miles de $
Variable explicativa:
años de antigüedad en
un puesto de director
general
FUNDAMENTOS DE ECONOMETRÍA
TEMA 2 ‐ EL MODELO DE REGRESIÓN SIMPLE
1. Calcular el salario medio y la antigüedad media en la muestra
Salario medio en la muestra de 865.860
miles de $
Antigüedad media en la muestra es de
7,95 años
FUNDAMENTOS DE ECONOMETRÍA
TEMA 2 ‐ EL MODELO DE REGRESIÓN SIMPLE
MEDIDAS DE POSICIÓN
MEDIDAS DE DISPERSIÓN
MEDIDAS DE FORMA
1 N
∑
MEDIA
Estadístico poco robusto frente a la presencia de valores extremos:
xi observaciones extremas tienen un elevado efecto sobre su valor
N i=1
Valor central de la distribución, valor m que deja la mitad del área que está por
debajo de la fdp a la izquierda de m y la otra mitad a la derecha de m
MEDIANA
FUNDAMENTOS DE ECONOMETRÍA
TEMA 2 ‐ EL MODELO DE REGRESIÓN SIMPLE
Problema → la desviación típica depende de las unidades de medida de la variable X, por lo que
no permite realizar comparaciones entre varios conjuntos de datos con distinta unidad de
medida o grandes diferencias en sus medias.
COEFICIENTE DE VARIACIÓN
3
x − x alrededor de la media.
N i=1 CA = 0 → distribución simétrica alrededor de la media
CA =
⎛
3
CA > 0 → cola asociada a los valores por encima de la media
∑ i ( xi − x ) ⎞⎟
2
⎜ (derecha) es más larga que la izquierda
⎜ N ⎟ CA < 0 → cola asociada a los valores por debajo de la media
⎝ ⎠ (izquierda) es más larga que la derecha
N
1
∑( i ) concentración que presentan los valores en la región central
4
x − x
N i=1 de la distribución; mide la cantidad de observaciones que se
EC = 4
− 3 encuentran en las colas en relación con las situadas alrededor
⎛
∑ i ( xi − x ) ⎞⎟
2
de la media. Para el cálculo del exceso de curtosis se toma
⎜ como referencia el valor de curtosis de la normal que es 3.
⎜ N ⎟
⎝ ⎠ EC > 0 → mayor peso de las observaciones en la cola y mayor
apuntamiento que la distribución normal
EC < 0 → menor peso de las observaciones en la cola y
menos apuntamiento que la distribución normal
FUNDAMENTOS DE ECONOMETRÍA
TEMA 2 ‐ EL MODELO DE REGRESIÓN SIMPLE
2. ¿Cuántos directores generales están en su primer año como director general (es decir ceoten =
0)? ¿Cuál es el puesto más duradero como director general?
Puesto más duradero como
director general → 37 años
5 directores
generales en su
primer año
FUNDAMENTOS DE ECONOMETRÍA
TEMA 2 ‐ EL MODELO DE REGRESIÓN SIMPLE
3. Estimar el modelo de regresión simple
log(salary) =β0 +β1 ceoten + u
y presentar los resultados de la forma habitual. ¿Cuál es el porcentaje predicho (aproximado)
de incremento salarial para una año más como director general?
Fichero de resultados
Coeficiente ceoten →
por cada año adicional
como director general
el modelo predice un
aumento en el salario
del 0,0097 x 100 =
0,97%.
Recta de regresión MCO ˆ
log(salary) = 6,51+ 0,0097ceoten
La constante nos indica el valor que toma log(salary) cuando la variable ceoten toma
valor 0,esto es, en los 5 casos en los que los directores generales están en su primer año
en el puesto de director general.
FUNDAMENTOS DE ECONOMETRÍA
TEMA 2 ‐ EL MODELO DE REGRESIÓN SIMPLE
EJERCICIO 2.13.
Emplear los datos de WAGE2.RAW para estimar una regresión simple que explique el
salario mensual (wage) en función del resultado del QI (IQ)
Salario medio → 957$ mensuales
QI medio → 101, 28
Valores cercanos a los valores poblacionales
Desviación estándar QI → 15,05
FUNDAMENTOS DE ECONOMETRÍA
TEMA 2 ‐ EL MODELO DE REGRESIÓN SIMPLE
VBLE VBLE
MODELO INTERPRETACIÓN β1
DEP. INDEP.
ˆ = 116,99+ 8,30 IQ
wage
n = 935, R2 =0,095
SEC SCE
R2 = =1− = 0,095 Proporción de la varianza muestral total que viene
STC STC explicada por la SEC, esto es, por la parte
determinista del modelo especificado. IQ tan sólo
explica un 9,5% de la variación de wage.
FUNDAMENTOS DE ECONOMETRÍA
TEMA 2 ‐ EL MODELO DE REGRESIÓN SIMPLE
VBLE VBLE
MODELO INTERPRETACIÓN β1
DEP. INDEP.
log(wage)=β0 +β1 IQ + u ˆ
log(wage) = 5,89+ 0,0088 IQ
n = 935, R2 =0,099
EJERCICIO 2.14.
Para la población de empresas de la industria química, sea rd los gastos anuales de
investigación y desarrollo, y sea sales las ventas anuales (ambos expresados en millones
de dólares).
1. Proponer un modelo (no una ecuación estimada) que implique una elasticidad
constante entre rd y sales. ¿Qué parámetro es la elasticidad?
2. Estimar ahora el modelo empleando los datos RDCHEM.RAW. Presentar las
ecuaciones estimadas de la forma habitual. ¿Cuál es la elasticidad estimada de rd
con respecto a ventas? Explicar con palabras lo que significa esta elasticidad.
FUNDAMENTOS DE ECONOMETRÍA
TEMA 2 ‐ EL MODELO DE REGRESIÓN SIMPLE
1. Proponer un modelo (no una ecuación estimada) que implique una elasticidad constante
entre rd y sales. ¿Qué parámetro es la elasticidad?
VBLE VBLE
MODELO INTERPRETACIÓN β1
DEP. INDEP.
Elasticidad de los gatos en investigación y desarrollo (rd) con respecto a
las ventas anuales (sales) → el incremento en un 1% en el volumen de
ventas anuales lleva aparejado un incremento en los gastos destinados a
I+D en un β1%
FUNDAMENTOS DE ECONOMETRÍA
TEMA 2 ‐ EL MODELO DE REGRESIÓN SIMPLE
2. Estimar ahora el modelo empleando los datos RDCHEM.RAW. Presentar las ecuaciones
estimadas de la forma habitual. ¿Cuál es la elasticidad estimada de rd con respecto a ventas?
Explicar con palabras lo que significa esta elasticidad.
Variable a explicar (rd):
Gasto anual en I+D en el año 1991 por
parte de la industria química, en
millones de $ → logaritmo
Variable explicativa (sales):
Ventas anuales de la industria química
en el año 1991, en millones de $ →
logaritmo
FUNDAMENTOS DE ECONOMETRÍA
TEMA 2 ‐ EL MODELO DE REGRESIÓN SIMPLE