Jaime Lockward (1090445)

Tarea Econometria II

Problema 9.1

En este problema hay una función no especificada que si β 6 ≠ 0 or β 7 ≠ 0, son los parámetros de
población en coeten2 y comten2, respectivamente. Por lo tanto, se puede probar que estos
significativamente se juntan en las variables usando el R cuadrado del test F. F = [(.375 − .353)/(1 −
.375)][(177 – 8)/2] ≈ 2.97. Con 2 and infinito si el valor critico es 2.30 mientras que en el 5% critico el
valor es 3. Por lo tanto, el p vale es un poco mayor lo que es razonable dado a la evidencia de la
función,

9.2

(I) El coeficiente en voteA88 implica que si hay un cadidato que ha tenido mayor porcentaje
de votos en 1988, este candidato debe ser predecido de tener .67 puntos mayor al
 porcentaje de puntos en 1990. El t estadístico es solamente un 1.26, y así mismo es la
variable insignificativa en el 10% del nivel en contra de su positiva alternativa.
(II) Naturalmente, el coeficiente cambia, pero no en maneras importantes, especialmente
cuando la estadística significativa es tomada en cuenta. Por ejemplo, mientras el
coeficiente en log(expanda) va de −.929 a −.839, el coeficiente no es estadístico o
prácticamente significativo y es lo que esperamos.

(i) La elegibilidad para el programa de almuerzos escolares financiado con fondos federales está
estrechamente relacionada con ser

económicamente en desventaja. Por lo tanto, el porcentaje de estudiantes elegibles para el

programa de almuerzo

es muy similar al porcentaje de estudiantes que viven en la pobreza.

(ii) Podemos usar nuestro razonamiento habitual sobre la omisión de variables importantes de una
regresión
ecuación. Las variables log(expend) y lnchprg están negativamente correlacionadas: los distritos
escolares con

los niños más pobres gastan, en promedio, menos en las escuelas. Además, β3 < 0. De la Tabla 3.2,
omitiendo

lnchprg (el proxy de la pobreza) de la regresión produce un estimador sesgado hacia arriba de β1

[ignorando la presencia de log(enroll) en el modelo]. Así que cuando controlamos por la tasa de
pobreza, el

el efecto del gasto cae.

(iii) Una vez que controlamos por lnchprg, el coeficiente de log(enroll) se vuelve negativo y tiene un
t de aproximadamente –2,17, que es significativo al nivel del 5 % frente a una alternativa bilateral. El
El coeficiente implica que ∆matemáticas ฀ 10 ≈ −(1,26/100)(%∆matrícula) = −0,0126(%∆matrícula).
Por lo tanto, unUn aumento del 10 % en la inscripción conduce a una caída en matemáticas10 de
0,126 puntos porcentuales. 88

(iv) Tanto math10 como lnchprg son porcentajes. Por lo tanto, un aumento de diez puntos
porcentuales en lnchprg conduce a una caída de aproximadamente 3,23 puntos porcentuales en
math10, un efecto considerable.

(v) En la columna (1) estamos explicando muy poco de la variación en las tasas de aprobación en el
MEAP prueba de matemáticas: menos del 3%. En la columna (2), estamos explicando casi el 19%
(que todavía deja mucho variación inexplicable). Claramente, la mayor parte de la variación en
matemáticas10 se explica por la variación en lnchprg. Este es un hallazgo común en los estudios de
desempeño escolar: el ingreso familiar (o factores, como vivir en la pobreza) son mucho más
importantes para explicar el desempeño de los estudiantes que el gasto por estudiante u otras
características de la escuela.

(i) Para obtener el estadístico RESET F, estimamos el modelo en el ejercicio de computadora 7.5 y
obtener los valores ajustados, digamos I salario Para usar la versión de RESET en (9.3), agregamos
(salario) y obtener la prueba F para la significancia conjunta de estas variables. Con 2 y 203 df, el
estadístico F es de aproximadamente 1.33 y el valor p ≈ .27, lo que significa que no hay mucha
preocupación por especificación incorrecta de la forma funcional.

(ii) Curiosamente, el estadístico de tipo F robusto a la heteroscedasticidad es de aproximadamente

2,24 con valor p ≈ .11, por lo que hay evidencia más fuerte de alguna función
(i) Estimamos el modelo de la columna (2) pero con KWW en lugar de IQ. El coeficiente de educ se
convierte en alrededor de .058 (se≈ .006), por lo que es similar a la estimación obtenida con IQ,
aunque un poco más grande y estimado con mayor precisión.

(ii) Cuando KWW y IQ se usan como sustitutos, el coeficiente de educ se vuelve alrededor de .049
(se ≈ .007). En comparación con la estimación cuando solo se usa KWW como proxy, el retorno a la
educación ha caído casi un punto porcentual completo.

(iii) El estadístico t de IQ es de aproximadamente 3,08 mientras que el de KWW es de

aproximadamente 2,07, por lo que ambos son significativos al nivel del 5% frente a una alternativa
bilateral. Son en conjunto muy significativos, con F2,925≈ 8.59 y p-valor≈ .0002.