Universidad Andrés Bello

Facultad de Economı́a y Negocios

Profesor: Rubén Jara
Ayudante: Roberto San Martin

Tarea N°1: Modelo de regresión lineal

1. En la siguiente tabla se presentan las puntuaciones obtenidas en el examen de ingreso a

la universidad en Estados Unidos (ACT) y el promedio escolar (GPA) de ocho estudiantes
universitarios:

Estudiante GP A ACT
1 2.8 21
2 3.4 24
3 3.0 26
4 3.5 27
5 3.6 29
6 3.0 25
7 2.7 25
8 3.7 30

Responda lo siguiente apoyándose de Excel, sin utilizar las herramientas de análisis de datos.

(a) Estime e interprete el siguiente modelo:

GP A = β0 + β1 ACT + u. (1)

(b) ¿Por qué podrı́an no cumplirse los supuestos de media condicional nula y heterocedas-
ticidad en (1)?
(c) Obtenga e interprete el R2 del modelo.
(d) Estime e interprete la siguiente ecuación:

log(GP A) = β0 + β1 log(ACT ) + u

¿Se ajusta más este modelo a los datos que (1)?

1
2. El siguiente modelo puede usarse para estudiar si los gastos de campaña afectan los resultados
de las elecciones:

voteA = β0 + β1 log(expendA) + β2 log(expendB) + β3 prtystrA + u, (2)

donde voteA es el porcentaje de votos recibidos por el candidato A, expendA y expendB son
los gastos de campaña del candidato A y del candidato B y prtystrA es una medida de la
fortaleza del partido del candidato A.

(a) Estime (2) utilizando la base de datos VOTE1. Interprete los resultados.
(b) ¿Son las variables consideradas estadı́sticamente significativas de manera individual o
conjunta para explicar los resultados de las elecciones?
(c) ¿Existe evidencia para argumentar que un aumento de 1% en los gastos de A es com-
pensado por un aumento de 1% en los gastos de B?
(d) Realice el test de Breusch-Pagan y analice la existencia de heterocedasticidad. ¿Qué
consecuencias tiene este resultado para su análisis previo?

3. Comente detalladamente las siguientes afirmaciones, señalando si son verdaderas o falsas.

(a) En los modelos de regresión lineal de la forma y = β0 + β1 x2 + u, el impacto marginal

de x sobre y es necesariamente constante.
(b) El R cuadrado ajustado puede tanto aumentar como disminuir cuando aumenta el
número de variables independientes.
(c) El problema de incluir una variable irrelevante en una estimación es que genera sesgo en
los estimadores MCO.
(d) La omisión de variables relevantes puede no causar sesgo en determinadas situaciones.

Respuestas

1. (a) Las estimaciones por MCO corresponden a β0M CO = 0, 5681 y β1M CO = 0.1022. De esta
forma, un aumento de 1 punto en el examen de ingreso a la universidad tiene un impacto
positivo de 0,10 en el GPA (cp). Por otra parte, para una persona que obtiene 0 puntos
en el examen de ingreso a la universidad, se espera que tenga un GPA de 0,57.

2
 (b) El supuesto de media condicional nula puede no cumplirse al considerar que el ingreso
familiar, que posiblemente está en el error (si es que lo considera importante para explicar
el GPA de los estudiantes), está correlacionado con el puntaje obtenido en el examen de
ingreso a la universidad. Por su parte, el supuesto de homocedasticidad no se cumplirı́a si
suponemos que el modelo se equivoca más en los alumnos con bajo puntaje en el examen
de ingreso a la universidad (esto podrı́a pasar, por ejemplo, si hay muchos alumnos con
un mal rendimiento en el examen que luego tienen un GPA más alto del esperado), o
viceversa.

(c) Se tiene que R2 = 0, 5774. Por lo tanto, el modelo explica un 57,74% de los datos.

(d) En este nuevo modelo, tenemos que una mejora de 1% en el examen de ingreso a la
universidad tiene un impacto positivo de un 0,79% en el GPA de los estudiantes (cp).
Por su parte, la constante nos dice que para una persona que obtiene 0 puntos en el
examen de ingreso a la universidad, se espera que tenga un GPA de 0,25. Finalmente,
se tiene que R2 = 0, 5774. Por lo tanto, este modelo se ajusta menos a los datos que (1).

2. Respuesta en T1.do.

3. (a) Falso. Cuando β1 ̸= 0, tenemos que:

∂y
= 2β1 x
∂x
De esta forma, el impacto marginal de x sobre y aumenta con el nivel de x.

(b) Verdadero. El R2 ajustado viene dado por:

2 SRC n − 1
R =1−
ST C n − k − 1
Luego, si bien el primer cociente de la multiplicación que esta restando nunca disminuye
cuando se agrega una variable, se tiene que el segundo cociente siempre lo hace.

(c) Falso. El problema de incluir una variable irrelevante es que aumenta la varianza del resto
de los estimadores, lo cual es particularmente grave cuando existe una alta correlación
entre la variable irrelevante y el resto regresores considerados.

(d) Verdadero. Esto ocurre cuando la variable omitida no esta correlacionada con los regre-
sores considerados.