Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PD 4-21-2
PD 4-21-2
PDFelement
UNIVERSIDAD DEL PACÍFICO
E c o n o m e tIr í a I
Econometría XI
Ciclo 2021 – II
Profesor: Juan Francisco Castro (A)
Manuel Barrón (B)
Pía Basurto (C)
I. Geometría MCO
a. Comentes
1. La inclusión de una variable redundante aumenta la varianza de los estimadores, pero no crea sesgo. En
cambio, la omisión de una variable relevante disminuye la varianza de los estimadores, pero sí crea sesgo en el
resto de estimadores.
a) ¿Qué interpretación les daría a los coeficientes de la regresión 5? Si hay más de un coeficiente con una
interpretación similar sólo es necesario que explique uno y mencione los demás.
c) Del mismo modo, ¿qué puede concluir sobre la relación existente entre ser un elfo, los años de educación y
haber tenido experiencia militar? ¿Cómo explicaría esta relación a partir del cambio en los coeficientes?
2. Considere el siguiente modelo en el cual 𝑋𝑋1 , 𝑋𝑋2 representan dos grupos de variables de control
Analice los siguientes casos e indique cuál de ellos se cumple y por qué.
i) Regresionar 𝑌𝑌 “limpio” de los efectos de 𝑋𝑋1 sobre 𝑋𝑋2 “limpio” de 𝑋𝑋1 es equivalente a regresionar 𝑌𝑌 sobre
𝑋𝑋2 “limpio” de 𝑋𝑋1 .
ii) Regresionar 𝑌𝑌 sobre 𝑋𝑋2 “limpio” de 𝑋𝑋1 es equivalente a regresionar 𝑌𝑌 “limpio” de los efectos de 𝑋𝑋1 sobre
𝑋𝑋2 .
3. Su amiga Leyla está buscando aislar el efecto de los años de educación sobre los ingresos. Para ello, prueba la
siguiente regresión: 𝑌𝑌 = 𝑋𝑋1 𝛽𝛽1 + 𝑋𝑋2 𝛽𝛽2 + 𝜀𝜀, donde Y: ingreso, X1: años de educación and X2: género. Leyla está
un poco confundida, por lo que te pregunta: Asumiendo que X1 y X2 son independientes, y que E[𝜀𝜀]=0, E[𝜀𝜀|𝑥𝑥1]=0
y E[𝜀𝜀|𝑥𝑥2]=0, ¿habría algún problema si omito X2 cuando corra la regresión? Asimismo, Leyla te pregunta: ¿El
resultado sería el mismo si corremos 𝑒𝑒𝑦𝑦 .𝑥𝑥2 = 𝛼𝛼 ∗ 𝑒𝑒𝑥𝑥1𝑣𝑣 .𝑥𝑥2 + 𝑣𝑣 para aislar el efecto? (Nota: 𝑒𝑒𝑎𝑎 .𝑏𝑏 es el vector
residual estimado luego de regresionar “a” sobre b”). Prueba tu respuesta intuitiva y matemáticamente. Hint: Usa
𝑦𝑦𝑦𝑦
𝑣𝑣
𝑎𝑎𝑎𝑎
la notación matricial y la matriz generadora de residuos.
Quita marcas de agua Wondershare
PDFelement
Econometría I XII
II. Inferencia
a. Comentes
1. A medida que la correlación entre las variables explicativas tienda a uno, la potencia de la
prueba de hipótesis de no significancia individual crece.
2. Si existe evidencia estadística suficiente para rechazar que solo uno de los regresores
incluidos en un determinado modelo es distinto de cero (es decir, que todos los demás
regresores son no significativos), entonces es probable que la prueba F de significancia
conjunta lleve a no rechazar la 𝐻𝐻0 .
b. Modelo de Mínimos Cuadrados Restringidos y la prueba F
𝑅𝑅
𝑟𝑟
de restricciones lineales y 𝑘𝑘 es el número de parámetros a estimar, podría mejorar algunos
aspectos de la estimación. En ese sentido, se le solicita obtener el estimador de Mínimos
Cuadrados Restringidos (MCR) de manera similar al de MCO.
4. Sabiendo, además, que la prueba F para evaluar un modelo restringido vs. un modelo sin
restringir es la siguiente:
(𝑆𝑆𝑆𝑆𝑅𝑅𝑟𝑟 − 𝑆𝑆𝑆𝑆𝑅𝑅𝑠𝑠 ) 𝑛𝑛 − 𝑘𝑘
𝐹𝐹 = .
𝑠𝑠
𝑆𝑆𝑆𝑆𝑅𝑅𝑠𝑠 𝑞𝑞
𝑠𝑠
Exprese la prueba F en función de las matrices 𝑋𝑋 y 𝑅𝑅 y los vectores 𝛽𝛽̂𝑀𝑀𝑀𝑀𝑀𝑀 y , donde
𝑟𝑟
𝐻𝐻0 : 𝑅𝑅 = .
𝑅𝑅
𝑟𝑟
c. Las pruebas de hipótesis
7. Un investigador está interesado en estimar el efecto que tiene una serie de factores sobre la
productividad agrícola de los productores de papa en la Sierra del Perú. Gracias a su grupo
de ayudantes, pudo estimar una serie de regresiones que se muestran a continuación:
Regresión 1
Dependent Variable: LN(Producción)
R-Squared: 0.318516
Prob (F-Statistic): 0.000000
Regresión 2
Dependent Variable: Producción
R-Squared: 0.295559
Prob (F-Statistic): 0.000000
Quita marcas de agua Wondershare
PDFelement
Econometría I XIV
Regresión 3
Dependent Variable: Producción
R-Squared: 0.493302
Prob (F-Statistic): 0.000000
Regresión 4
Dependent Variable: LN(Producción)
R-Squared: 0.226759
Prob (F-Statistic): 0.000000
Donde: