3.En este ejercicio usaremos los datos empleados por J.

Mullahy (1997) “Instrumental-

Variable Estimation of Count Data Models: Applications to Models of Cigarette Smoking
Behavior,” Review of Economics and Statistics79,596-593, y que se encuentran en el
fichero S7_tabaco.gdt.

a. Un modelo para estimar los efectos del tabaquismo en el ingreso anual (quizás a través
de ausencias laborales debidas a enfermedades o efectos de productividad) es

log(income) =β0+β1cigs+β2educ+β3age+β4age2+u1,

donde:

•income: renta anual ($);1

•cigs: cigarrillos consumidos en promedio al día;

•educ: años de educación;

•age: edad (años).

a) ¿Cómo se interpretaβ1?

(1)
VARIABLES lincome

cigs 0.00173
(0.00171)
educ 0.0604***
(0.00790)
age 0.0577***
(0.00764)
agesq -0.000631***
(8.34e-05)
Constant 7.795***
(0.170)

Observations 807
R-squared 0.165

Standard errors in parentheses

*** p<0.01, ** p<0.05, * p<0.1
 B1: La variable no es estadísticamente significativa individualmente para explicar el
modelo. Suponiendo que si ante la variación de una unidad de cigarrillos consumidos en
promedio al día aumentaría en 0.17% en la renta anual.

b) Para reflejar el hecho de que el consumo de cigarrillos podría estar determinado

conjuntamente con el ingreso, una ecuación de la demanda de cigarrillos es

cigs=γ0+γ1log(income)+γ2educ+γ3age+γ4age2+γ5log(cigpric)+γ6restaurn+u2,

donde:

•cigpric: precio de los cigarrillos en el estado (centavos por cajetilla);

•restaurn: 1 si en el estado hay restricciones a fumar en restaurantes,0 en otro caso.

Asumiendo que educ, age, cigpric, restaurn son variables exógenas, ¿qué signos esperarías
para γ5 y γ6?

(1)
VARIABLES cigs

lincome 0.880
(0.596)
educ -0.501***
(0.162)
age 0.771***
(0.138)
agesq -0.00902***
(0.00146)
lcigpric -0.751
(6.035)
restaurn -2.825***
(1.008)
Constant -3.640
(25.62)

Observations 807
R-squared 0.053
Robust standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
Dependiendo del precio de los cigarrillos se espera que si aumenta el precio el
consumo de cigarrillos disminuya. De igual manera seria que si en un restaurante no
permite el consumo de cigarrillos este disminuya su consumo.
c) ¿Qué supuesto es necesario para que la ecuación del ingreso esté identificada?

Para ello se necesita que la variable precio de cigarrillos o la variable restaurante sea
exógena para que explique el consumo de cigarrillos promedio al día.

d. Estima la ecuación del ingreso por MCO e interpreta el estimador deβ1

(1)
VARIABLES lincome

cigs 0.00173
(0.00143)
educ 0.0604***
(0.00745)
age 0.0577***
(0.00920)
agesq -0.000631***
(9.84e-05)
Constant 7.795***
(0.208)

Observations 807
R-squared 0.165
Robust standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
Aplicando ceteris paribus se estima que el consumo de cigarrillos promedio al día
cuando incrementa una provoca un aumento de 0.17% en la renta anual.
e) Estima la forma reducida para cigs (esto implica realizar la regresión de cigs sobre todas
las variables exógenas). ¿log(cigpric) y restaurn son significativas en la forma reducida?

(1)
VARIABLES cigs

educ -0.450***
(0.156)
age 0.823***
(0.136)
agesq -0.00959***
(0.00144)
lcigpric -0.351
(6.027)
restaurn -2.736***
(1.001)
Constant 1.580
 (25.19)

Observations 807
R-squared 0.051
Robust standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
Como se observa en la estimación del modelo la variable precio del tabaco no es
estadísticamente significativa individualmente ya que es menor al nivel de significancia. La
variable restaurante tenemos que es estadísticamente significativa en un 1% por tanto al
existir restricciones en el estado acerca de fumar en los restaurantes, el consumo de
cigarrillo disminuirá en 2.73.

f) Estima la ecuación del ingreso por MC2E. Analiza cómo se compara la estimación de β1
por MC2E y por MCO.

(1) (2)
VARIABLES lincome cigs (variable
instrumental)

educ 0.0397** -0.450***

(0.0155) (0.162)
age 0.0938*** 0.823***
(0.0226) (0.154)
agesq -0.00105*** -0.00959***
(0.000258) (0.00168)
lcigpric -0.351
(5.766)
restaurn -2.736**
(1.110)
cigs -0.0421
(0.0243)
Constant 7.781*** 1.580
(0.259) (23.70)

Observations 807 807

R-squared 0.024 0.051
Robust standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
La variable no es estadísticamente significativa, al interpretarla es si el consumo de
cigarrillo promedio al día aumenta en una la renta anual tendrá una disminución de 4.2%.
El B1 en MCO tendrá signo positivo y su coeficiente será mínimo a diferencia de la
aplicación de MC2E.
g) ¿Crees que cigpric y restaurn son exógenas en la ecuación del ingreso?

Puede que estas variables no sean tan relevantes para la explicación de la renta
anual, ya que esta puede llegar a tener efectos con otras variables como la educación, el
numero de niños que tenga, etc.

4. En este ejercicio usaremos los datos empleados por K Graddy (1995), "Testing for
Imperfect Competition at theFulton Fish Market," RAND Journal of Economics 26, 75-92,
que se encuentran en el fichero S7_pescado.gdt que recoge datos diarios sobre el mercado
Fulton de pescado. Se trata de un ejemplo muy interesante de variables exógenas que
pueden actuar como instrumentos. La idea principal es que las variables meteorológicas
suelen afectar a la oferta, pero tienen un efecto insignificante en la demanda. De esta forma,
las variables meteorológicas son potencialmente instrumentos válidos para el precio en la
ecuación de demanda. Supongamos que la ecuación de demanda de pescado se puede
escribir, en equilibrio para cada periodo de tiempo, como

log(totqtyt) =α1log(avgprct)+β0+β1mont+β2tuest+β3wedt+β4thurst+ut,

donde:

•totqtyt: cantidad de pescado vendida en el díat;

•avgprct: precio medio de pescado vendido en el díat;

•mont: 1 sitcorresponde a un lunes, 0 en otro caso;

•tuest: 1 sitcorresponde a un martes, 0 en otro caso;

•wedt: 1 sitcorresponde a un miércoles, 0 en otro caso;

•thurst: 1 sitcorresponde a un jueves, 0 en otro caso.

(1)
VARIABLES ltotqty

lavgprc -0.525***
(0.176)
mon -0.311
(0.226)
tues -0.683***
(0.223)
 wed -0.534**
(0.220)
thurs 0.0672
(0.220)
Constant 8.244***
(0.163)

Observations 97
R-squared 0.217
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1

a) En esta ecuación se permite que la demanda difiera en los diferentes días de la semana.
Si se trata la variable precio como endógena, ¿qué información adicional será necesaria
para estimar de forma consistente los parámetros de la ecuación de demanda?

Es comprensible debido a que la demanda para cada día varia, para que al estimar se
de forma consistente es necesario incorporar otra variable endógena al modelo de oferta
para que exista la igualdad de oferta y demanda y aparte así sea mejor explicado.

b) Las variables wave2t y wave3t son medidas de las alturas de las olas oceánicas en los
días pasados. ¿Bajo qué supuestos serían estos variables instrumentos válidos para
log(avgprct)en la ecuación de demanda?

En caso de que la demanda dependiera de las medidas de las alturas de las olas, pero
el caso es que no depende, ya que factores climáticos afectan o benefician a la cosecha y
producción de bien a ofertar, así que las olas pueden tener efecto en la oferta de pescado.

c)Estima una regresión de log(avgprct)sobre las binarias de días de la semana y las dos
medidas de altura de las olas oceánicas. ¿Son conjuntamente significativas wave2t y
wave3t? ¿Cuál es el p-valor del contraste?

(1)
VARIABLES lavgprc

mon -0.0121
(0.115)
tues -0.00898
(0.122)
wed 0.0505
 (0.111)
thurs 0.124
(0.103)
wave2 0.0945***
(0.0180)
wave3 0.0526***
(0.0168)
Constant -1.023***
(0.136)

Observations 97
R-squared 0.304
Robust standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
La variable wave2 y wave3 son estadísticamente significativas al 1% por lo tanto
explican a la variable precio medio de pescado vendido en el día. Por lo que cuando la ola
aumenta en uno el precio promedio del pescado vendido en el día va a aumentar en 9.4%.
Mientras que cuando wave3 aumente en una la ola va a aumentar el precio promedio del
pescado vendido en el día en 5.3%.

d)Estima la ecuación de demanda por MC2E. Calcula un intervalo de confianza al 95%

para la elasticidad precio de la demanda. ¿Es razonable la elasticidad estimada?

(1) (2)
VARIABLES ltotqty lavgprc

mon -0.307 -0.0121

(0.229) (0.114)
tues -0.685*** -0.00898
(0.226) (0.112)
wed -0.521** 0.0505
(0.224) (0.112)
thurs 0.0948 0.124
(0.225) (0.111)
wave2 0.0945***
(0.0213)
wave3 0.0526***
(0.0198)
lavgprc -0.816**
(0.327)
Constant 8.164*** -1.023***
(0.182) (0.144)

Observations 97 97
 R-squared 0.207 0.304
Robust standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
Cuando el precio promedio de pescado vendido en el día aumenta en 1% la cantidad
de pescado en el día disminuirá en 81.6%

e) Dado que la ecuación de oferta depende de las variables de olas, ¿qué supuestos se
necesitarían para identificar la ecuación de la oferta y de esta forma poder estimar la
elasticidad precio de la oferta?

Que bajo las condicione climáticas pueden llegar a afectar la oferta, por motivo que
si las olas son grandes va a ser muy complicado la pesca, por lo que se debería especificar
bien el modelo de la oferta.