UNIVERSIDAD NACIONAL DE FRONTERA

FACULTAD DE INGENIERÍA ECONÓMICA

CURSO: ECONOMETRÍA II
Docente: Ing. Economista F. Carrasco
APELLIDOS Y NOMBRES:....................................................................................................................................................................................

PRACTICA CALIFICADA DE ECONOMETRÍA II – I UNIDAD => 2022 – I

1. Sea: x1 , , xn una muestra aleatoria de la distribución normal N ( µ , σ 2 ) , la función de probabilidades está definido
como: (2 punto)
( xi − µ )2
1
f ( µ ,σ 2 ) =
−
e 2σ 2

2πσ 2

Encuentre un estimador mediante el método de máxima verosimilitud – MV de los parámetros µ y σ2

2. En el siguiente modelo se desea identificar las determinantes del comercio ambulatorio en el mercado X de la ciudad
de Sullana. Para el cual se dispone de información de corte transversal tomado a los comerciantes. La forma funcional
del modelo se detalla a continuación: y = f (ING, CAPTRAB, MIG, AEDUC, EDAD)

Pr(Y = 1 X ) = Λ  yi*  ; donde: y i* = β1 + β 2 INGi + β 3CAPTRABi + β 4 MIGi + β 5 AEDUCi + u i

*
Donde u i es el término de error con distribución logística. Dado que no se observa Yi sólo cuando el comerciante se

convierte en ambulante.

=y 1, si y* > 0 ; Si el individuo se dedica al comercio ambulatorio

=y 0, si y* < 0 ; Si el individuo se dedica al comercio no ambulatorio
VARIABLE DEFINICIÓN
Ingreso (ING) Ingreso Mensual (En S/. ).
Capital de Trabajo (CAPTRAB) Capital de trabajo del comerciante (En S/.)
1: Si el comerciante es migrante.
Migración (MIG)
0: Si el comerciante no es migrante.
Años de educación del comerciante (En años de
Grado de instrucción (AEDUC)
estudio).
Edad (EDAD) Años de vida del comerciante.

a) Utilizando la Tabla 01 y Tabla 02, ¿Cuál es el mejor modelo que muestre los mejores indicadores y sean coherentes
con la teoría económica e intuitivamente? (asuma un 10% de significancia). Interprete los estadísticos de bondad
de ajuste del mejor modelo. (1 punto)
Tabla 01: Estimación del modelo Logit
Dependent Variable: CA
Method: ML - Binary Logit (Quadratic hill climbing)
Date: 09/08/10 Time: 19:19
Sample: 1 340
Included observations: 340
Convergence achieved after 7 iterations
Covariance matrix computed using second derivatives

Variable Coefficient Std. Error z-Statistic Prob.

C 19.01672 2.964033 6.415828 0.0000

ING -0.007493 0.001761 -4.254073 0.0000
CAPTRAB -0.000366 0.000223 -1.641271 0.1007
MIG 1.120409 0.419544 2.670541 0.0076
AEDUC -1.355202 0.213033 -6.361454 0.0000
EDAD -0.015247 0.015986 -0.953791 0.3402

Mean dependent var 0.514706 S.D. dependent var 0.500520

S.E. of regression 0.276762 Akaike info criterion
Sum squared resid 25.58337 Schwarz criterion
Log likelihood -83.29601 Hannan-Quinn criter.
Restr. log likelihood -235.5230 Avg. log likelihood
LR statistic (5 df) McFadden R-squared
Probability(LR stat) 0.000000

Obs with Dep=0 165 Total obs 340

Obs with Dep=1 175
 Tabla 02: Resultados del modelo Logit
Dependent Variable: CA
Method: ML - Binary Logit (Quadratic hill climbing)
Date: 09/08/10 Time: 20:24
Sample: 1 340
Included observations: 340
Convergence achieved after 7 iterations
Covariance matrix computed using second derivatives

Variable Coefficient Std. Error z-Statistic Prob.

C 17.98236 2.661593 6.756239 0.0000

ING -0.007475 0.001758 -4.252846 0.0000
CAPTRAB -0.000341 0.000219 -1.554236 0.1201
MIG 1.121727 0.420490 2.667666 0.0076
AEDUC -1.315769 0.203753 -6.457664 0.0000

Mean dependent var 0.514706 S.D. dependent var 0.500520

S.E. of regression 0.277065 Akaike info criterion
Sum squared resid 25.71633 Schwarz criterion
Log likelihood -83.75757 Hannan-Quinn criter.
Restr. log likelihood -235.5230 Avg. log likelihood
LR statistic (4 df) McFadden R-squared
Probability(LR stat) 0.000000

Obs with Dep=0 165 Total obs 340

Obs with Dep=1 175

b) Especificar el modelo Logit estimado (mejor modelo). (1 pto)

c) Utilizando la Tabla 03, calcule e interprete las otras medidas de bondad de ajuste. (1 pto)

Tabla 03: Resultado proyectados del mejor modelo.

Predicted
------ ---------- + -----
Actual 0 1 | Total
------ ---------- + -----
0 155 10 |
1 25 150 |
------ ---------- + -----
Total 180 160 |

d) Interpretar los coeficientes del mejor modelo. (2 ptos)

e) Utilizando la Tabla 04, obtenga los efectos marginales del modelo evaluado en la media de las variables
independientes (mostrar procedimiento paso a paso). Luego interprete los resultados. (3 ptos)

Tabla 04: Estadísticas Descriptivas

Descriptive Statistics
All results based on nonmissing observations.
===============================================================================
Variable Mean Std.Dev. Minimum Maximum Cases
===============================================================================
-------------------------------------------------------------------------------
All observations in current sample
-------------------------------------------------------------------------------
CA .514705882 .500520292 .000000000 1.00000000 340
ING 535.529412 115.689605 300.000000 800.000000 340
CAPTRAB 4720.73529 995.678444 350.000000 8000.00000 340
MIG .667647059 .471751014 .000000000 1.00000000 340
AEDUC 9.16470588 2.92117509 .000000000 16.0000000 340
EDAD 31.8264706 12.3123989 17.0000000 74.0000000 340
-------------------------------------------------------------------------------
3. En un estudio de mercado sobre la telefonía móvil se ha encuestado a dos mil familias peruanas y se les ha
preguntado sobre el número de teléfonos de que disponen (NT), la renta familiar (R), el número de miembros de la
familia (M) y si el cabeza de familia es asalariado o no (P). La variable NT puede tomar los valores cero, uno, dos,
tres o cuatro para aquellas familias que posean hasta cuatro o más teléfonos. Estimando el modelo de respuesta
Ordenado Probit se han obtenido los resultados que se detallan a continuación: (10 puntos)

Cabe destacar que en la estimación de este tipo de modelos aparecen cuatro constantes, una para cada una de las
barreras o umbrales (recordemos que el número de categorías es cinco) que discriminan las categorías.

Analizar y estimar:

a) La significancia aislada (aquí debe contrastar el nivel de significancia de cada uno de los estimadores).
b) La significancia del modelo en su conjunto (aquí debe hallar los estadísticos vistos en clase, e interpretar. Ejm.
Pseudo R2 de McFadden, AIC, SCI, H-Q).
c) La interpretación intuitiva del modelo estimado, (dibuje las barreras o umbrales y probabilidad e interprete).
d) Cálculo de probabilidades, de tener un teléfono móvil para una familia que tenga un nivel de renta igual a
cuatro millones, R = 4, el número de miembros de la familia sea tres, M = 3, y el cabeza de familia sea
asalariado, P = 1 (estimar los escenarios que se le propone).
e) El efecto marginal del nivel de renta de una familia de las siguientes características R = 4, M = 3 y P = 1, para
el caso de no tener teléfono móvil, se puede calcular con la siguiente formula

∂Prob ( NTi = 0)
∂R
= ( )
−φ cˆ1 − X i βˆ βˆ1 =

f) El efecto marginal del nivel de renta de dicha familia, con las siguientes características R = 4, M = 3 y P = 1,
para el caso de tener un teléfono móvil, se puede calcular con la siguiente formula

∂Prob ( NTi =
1)
∂R
= ( ) ( )
−φ cˆ2 − X i βˆ βˆ1 + φ cˆ1 − X i βˆ βˆ1 =

g) En forma análoga, calcular el efecto marginal en el caso de tener dos, tres y más teléfonos móviles para cada
familia en cuestión, con las mismas características.