Parcial II 5A – Econometría I

Nombre: Juan David Chisco Santana

Reglas durante el examen parcial

Se consideran faltas disciplinarias

1. Copiar total o parcialmente exámenes, evaluaciones, tareas y demás actividades
académicas.
2. Usar ayudas no autorizadas durante los exámenes o pruebas académicas.
3. Usar citas o referencias falsas, o falta entre la cita y la referencia.
4. Alterar total o parcialmente la respuesta o resultado de una evaluación ya corregida, para
obtener una recalificación.
5. Responder un examen diferente al que le fue asignado.
Las faltas contra las normas estatutarias, reglamentarias o disciplinarias cometidas por los
estudiantes podrán ser sancionadas según su gravedad, con las siguientes medidas: i)
Amonestación verbal o escrita ii) Prueba de conducta (matricula condicional) iii)
Cancelación de la matrícula y iv) Expulsión definitiva.

Formato para enviar sus respuestas del examen parcial.

1. Usted debe subir un único archivo al enlace de Dropbox que se encuentra en el Moodle.
2. El archivo puede ser formato PDF o Word, no se aceptará fotos individuales.
3. El rotulo del archivo debe ser la de forma Apellidos_Nombres. Por ejemplo,
RonderosPulido_Nicolas.

Palabra de honor
Al terminar el examen usted deberá añadir el siguiente texto a mano junto con su firma.
Yo Juan David Chisco Santana declaro bajo mi palabra de honor que este parcial lo realicé
de forma honesta y bajo las reglas establecidas durante el examen parcial, ciñéndome de las
instrucciones dadas por el profesor.
Firma
1. Suponga que usted considera el modelo de regresión lineal simple de la forma 𝑦𝑖 =
𝛽1 𝑥𝑖 + 𝑢𝑖 . Demuestre que el estimador por MCO del coeficiente puede ser insesgado
bajo las condiciones necesarias ¿Qué es un estimador insesgado? Describa en
𝑛
palabras. Considere que 𝛽̂1 = ∑𝑖=1𝑛
𝑦𝑖 𝑥𝑖
2 .
∑𝑖=1 𝑥𝑖

2. Suponga que usted considera el modelo de regresión lineal simple de la forma 𝑦𝑖 =

𝑛
̂1 = ∑𝑖=1
𝛽1 𝑥𝑖 + 𝑢𝑖 . Considere que 𝛽 𝑛
𝑦𝑖 𝑥𝑖
2 . Encuentre la varianza del coeficiente ¿Qué
∑𝑖=1 𝑥𝑖
representa la varianza del coeficiente? Describa en palabras. Muestre su
procedimiento y enuncie todos los supuestos y propiedades necesarias para su
estimación.

3. Realice la interpretación de los coeficientes de los siguientes modelos. Explique

claramente cuál es la influencia de la independiente sobre la dependiente.
a. 𝑙𝑛(𝑦𝑖 ) = 1 − 0.25𝑥𝑖 + 𝑢𝑖
b. 𝑦𝑖 = 2 + 200ln⁡(𝑥𝑖 ) + 𝑢𝑖
c. ln⁡(𝑦𝑖 ) = 1 + 5ln⁡(𝑥𝑖 ) + 𝑢𝑖
d. 𝑦𝑖 = 1 − 0.05𝑥𝑖 + 0.001𝑥𝑖2 + 𝑢𝑖 ¿se tiene un máximo o un mínimo? ¿Cuál es?

4. Encuentre matemáticamente los estimadores del MRLM dado por 𝑦𝑖 = 𝛽1 𝑥𝑖1 +

2
𝛽2 𝑥𝑖1 + 𝑢𝑖 . (PISTA: encuentre las dos condiciones de primer orden y reemplace o
iguale las dos condiciones, esto le permitirá encontrar uno de los dos coeficientes)

5. En un estudio que relaciona el promedio de puntaje en las calificaciones universitarias

con el tiempo utilizado en diversas actividades, usted distribuye una encuesta entre
varios alumnos. A los alumnos se les pregunta cuántas horas utilizan a la semana en
cuatro actividades: estudiar, dormir, trabajar y diversión. Toda actividad que realicen
se ubica en una de las cuatro categorías, de modo que para cada alumno la suma de
horas en las cuatro actividades debe ser 168.
En el modelo:
𝐺𝑃𝐴𝑖 = 𝛽0 + 𝛽1 𝑆𝑡𝑢𝑑𝑦𝑖 + 𝛽2 𝑆𝑙𝑒𝑒𝑝𝑖 + 𝛽3 𝑊𝑜𝑟𝑘𝑖 + 𝛽4 𝐿𝑒𝑖𝑠𝑢𝑟𝑒𝑖 + 𝑢𝑖

¿Tiene sentido realizar interpretaciones de forma usual? ¿por qué? ¿Qué

podría hacer para cumplir el objetivo del estudio? ¿Cómo lo haría?
 1. Suponga que usted considera el modelo de regresión lineal simple de la forma
𝑦𝑖 = 𝛽1 𝑥𝑖 + 𝑢𝑖 . Demuestre que el estimador por MCO del coeficiente puede ser
insesgado bajo las condiciones necesarias ¿Qué es un estimador insesgado?
𝑛
Describa en palabras. Considere que 𝛽̂1 = ∑𝑖=1
𝑛
𝑦𝑖 𝑥𝑖
2 . ∑𝑖=1 𝑥𝑖

𝑦𝑖 = 𝛽1 𝑥𝑖 + 𝑢𝑖
∑𝑛𝑖=1 𝑦𝑖 𝑥𝑖
̂1 =
𝛽 .
∑𝑛𝑖=1 𝑥𝑖2
𝑛
𝑦𝑖 𝑥𝑖
̂1 |𝑥𝑖 ) = 𝐸(𝛽1 |𝑥𝑖 ) + 𝐸 ∑𝑖=1
𝐸(𝛽 𝑛 2 .⁡𝑥𝑖 )
∑𝑖=1 𝑥𝑖

∑𝑛𝑖=1((𝑦𝑖 − 𝑥𝑖)| 𝑢𝑖 )
̂1 |𝑥𝑖 ) = 𝛽1 +
𝐸(𝛽 𝑥𝑖
∑𝑛𝑖=1(𝑥𝑖 )2 |

∑𝑛𝑖=1((𝑦𝑖 − 𝑥𝑖)|𝑥𝑖 𝐸( 𝑢𝑖 𝑥𝑖 )
̂1 |𝑥𝑖 ) = 𝛽1 +
𝐸(𝛽 𝑥
∑𝑛𝑖=1𝐸(𝑥𝑖 )2 | 𝑥𝑖

∑𝑛𝑖=1 𝐸((𝑦𝑖 − 𝑥𝑖)| 𝑥𝑖⁡ 𝐸⁡(0)

̂1 |𝑥𝑖 ) = 𝛽1 +
𝐸(𝛽 = 𝛽1
∑𝑛𝑖=1𝐸(𝑥𝑖)2 |𝑥𝑖 )

Un estimador insesgado es aquel que cuando en promedio, sin importar la muestra de datos
que se tiene, se obtiene el verdadero valor del parámetro.
𝐸(𝛼̂) = 𝛼  Insesgamiento

2. Suponga que usted considera el modelo de regresión lineal simple de la forma

𝑛
̂1 = ∑𝑖=1
𝑦𝑖 = 𝛽1 𝑥𝑖 + 𝑢𝑖 . Considere que 𝛽 𝑛
𝑦𝑖 𝑥𝑖
2 . Encuentre la varianza del
∑𝑖=1 𝑥𝑖
coeficiente ¿Qué representa la varianza del coeficiente? Describa en palabras.
Muestre su procedimiento y enuncie todos los supuestos y propiedades necesarias
para su estimación.

La varianza del coeficiente puede representar dos cosas de acuerdo a sus resultados. Cuanto
más pequeña sea la varianza de los estimadores se tendrá una estimación más precisa del
parámetro estimado. Cuanto mayor sea la varianza menos precisa será la estimación.
3. Realice la interpretación de los coeficientes de los siguientes modelos. Explique
claramente cuál es la influencia de la independiente sobre la dependiente.

a. 𝑙𝑛(𝑦𝑖 ) = 1 − 0.25𝑥𝑖 + 𝑢𝑖 =Por cada incremento de una unidad en la variable

independiente hay un aumento de 25 puntos en la variable dependiente

b. 𝑦𝑖 = 2 + 200ln⁡(𝑥𝑖 ) + 𝑢𝑖 =Por cada incremento de una unidad en la variable

independiente hay un aumento de 2 puntos en la variable dependiente

c. ln⁡(𝑦𝑖 ) = 1 + 5ln⁡(𝑥𝑖 ) + 𝑢𝑖 = Por cada incremento de una unidad en la variable

independiente hay un aumento de 5 puntos en la variable dependiente.

d. 𝑦𝑖 = 1 − 0.05𝑥𝑖 + 0.001𝑥𝑖2 + 𝑢𝑖 ¿se tiene un máximo o un mínimo? ¿Cuál es?

−𝛽1 −0.05
𝑦𝑖 = = 𝑦𝑖 = = 𝑦𝑖 = −24.998
2𝛽2 2(0.001)

Se tiene un máximo puesto que la segunda derivada da un resultado negativo.

4. Encuentre matemáticamente los estimadores del MRLM dado por 𝑦𝑖 = 𝛽1 𝑥𝑖1 +

2
𝛽2 𝑥𝑖1 + 𝑢𝑖 . (PISTA: encuentre las dos condiciones de primer orden y reemplace
o iguale las dos condiciones, esto le permitirá encontrar uno de los dos
coeficientes)
5. En un estudio que relaciona el promedio de puntaje en las calificaciones
universitarias con el tiempo utilizado en diversas actividades, usted distribuye una
encuesta entre varios alumnos. A los alumnos se les pregunta cuántas horas
utilizan a la semana en cuatro actividades: estudiar, dormir, trabajar y diversión.
Toda actividad que realicen se ubica en una de las cuatro categorías, de modo que
para cada alumno la suma de horas en las cuatro actividades debe ser 168.
En el modelo:
𝐺𝑃𝐴𝑖 = 𝛽0 + 𝛽1 𝑆𝑡𝑢𝑑𝑦𝑖 + 𝛽2 𝑆𝑙𝑒𝑒𝑝𝑖 + 𝛽3 𝑊𝑜𝑟𝑘𝑖 + 𝛽4 𝐿𝑒𝑖𝑠𝑢𝑟𝑒𝑖 + 𝑢𝑖

¿Tiene sentido realizar interpretaciones de forma usual? ¿por qué? ¿Qué

podría hacer para cumplir el objetivo del estudio? ¿Cómo lo haría?

1. Este modelo viola el supuesto de no colinealidad perfecta, ya que existe una

relación lineal perfecta entre todas las independientes.

𝑆𝑡𝑢𝑑𝑦𝑖 + 𝑆𝑙𝑒𝑒𝑝𝑖 + 𝑊𝑜𝑟𝑘𝑖 + 𝐿𝑒𝑖𝑠𝑢𝑟𝑒𝑖 = 168

2. Se solucionaría retirando una de las variables, para que no exista una relación
perfecta entre todas las independientes.

𝐺𝑃𝐴𝑖 = 𝛽0 + 𝛽1 𝑆𝑡𝑢𝑑𝑦𝑖 + 𝛽2 𝑆𝑙𝑒𝑒𝑝𝑖 + 𝛽3 𝑊𝑜𝑟𝑘𝑖 + 𝑢𝑖