Econometrı́a 1 - Prueba 1

Ingenierı́a Comercial, Facultad de Economı́a y Empresas - UDP

Profesores: Gonzalo Iberti - Marcela Perticara - Rafael Sánchez - Cinthya Silva

Ayudantes: Vicente Abrigo - Victor Fija - Javier Opazo -Eduardo Vásquez

Jueves, 21 de abril de 2022

Instrucciones

1. Sospechas fundadas de copia serán sancionadas acorde al reglamento de la Facultad.

2. Cualquier conducta que vicie la evaluación, ya sea antes, durante o después, será
sancionada con la nota mı́nima e informada al comité de ética.

3. Hora de inicio de la evaluación 11:30 hrs hasta 12:50 hrs.

4. La prueba tiene un total de 80 puntos.

5. Al final de la evaluación hay un ejercicio extra o bono cuya resolución es voluntaria,

para aquellos que lo resuelvan el puntaje obtenido en este ejercicio se suma al puntaje
total.

Ejercicio 1 (20 puntos). Se tiene información correspondiente a viviendas vendidas en

una pequeña ciudad durante el año 1981, año en el que se inició la construcción de un
incinerador de basura. Para estudiar el efecto de la localización del incinerador sobre el
precio de la vivienda, tenemos información sobre el precio de la vivienda consideramos la
estimación de los siguientes 3 modelos de regresión lineal simple:

\i = 75186, 27 + 1, 009597 · disti

precio (1)

\i ) = 11, 07 + 0, 000015 · disti

log (precio (2)
\i ) = 8, 26 + 0, 317219 · log(disti )
log (precio (3)
Donde las variables precio y distancia se refieren al precio de la vivienda i medido en dólares,
y la distancia desde la vivienda i hasta el vertedero medido en metros.

a) ¿Cuál de estos modelo supone que cada aumento de un metro en la distancia entre el
incinerador y la vivienda, tiene el mismo efecto porcentual sobre el precio? En base a
ese modelo, calcule la variación porcentual en el precio predicho ante un aumento de 1
metro en la distancia entre el incinerador y la vivienda. ¿Cuánto aumentará el precio
(en términos porcentuales) si la distancia aumenta en 10 metros?

1
 b) ¿Cuál de estos modelo supone que un aumento de un metro de distancia desde la
vivienda al incinerador implica una variación de una cantidad constante en dólares
en el precio esperado de las viviendas? En base a ese modelo, estime la variación en
el precio que el modelo predice ante un aumento de 1 metro en la distancia entre la
vivienda y el incinerador. ¿Cuánto aumentará el precio si la distancia aumenta en 10
metros?

c) ¿Cuál de estos modelos supone que el aumento de un 1 % en la distancia entre el

incinerador y la vivienda dist tiene siempre, en términos esperados, el mismo efecto
porcentual sobre precio? En base a ese modelo, calcule la variación porcentual estimada
en el precio ante un aumento del 1 % en la distancia. ¿Cuánto aumentará el precio (en
términos porcentuales) si la distancia aumenta en 10 %?

RESPUESTA:

2
RESPUESTA (continuación):

3
Ejercicio 2 (20 puntos). Responda si cada una de las siguientes afirmaciones es Verdadera,
Falsa o Incierta y justifique su respuesta.

a) Si estimo un modelo de regresión donde los ingresos son la variable dependiente y la

escolaridad la variable explicativa, deberı́a obtener el mismo valor para el parámetro si
es que estimo un modelo de regresión donde la escolaridad es la variable dependiente
y los ingresos la variable explicativa, ya que el análisis de regresión mide la relación
estadı́stica entre las variables.

b) En el modelo de regresión lineal siempre se cumple que la ni=1 µ̂i = 0

P

c) Usted desea estimar el modelo: salarioi = α + β · Bellezai + µi , pero descubre que

las personas más lindas estudian menos, por lo que no se podrá estimar el modelo con
Mı́nimos Cuadrados Ordinarios.

d) En el Modelo de Regresión Lineal Simple el estimador de Mı́nimos Cuadrados Ordinarios

(MCO) de la pendiente (βˆ1 ) tendrá mayor varianza mientras mayor sea la varianza
observada en la variable dependiente.

RESPUESTA:

4
RESPUESTA (continuación):

5
Ejercicio 3 (20 puntos). La pelı́cula ”Volver a la Presencialidad ... en la U” es la pelı́cula
de mayor éxito de taquilla en la historia del cine para el año 2022. Sin embargo, destaca
el boom inicial en la venta de boletos (durante las primeras semanas), y su rápida caı́da en
semanas posteriores. El siguiente gráfico muestra el decaimiento de la recaudación con las
semanas

Considere el resultado de un modelo de regresión lineal (con n=17 observaciones) que

relaciona el ingreso promedio (en dólares) de cada cine durante el fin de semana en
función del número de semanas desde el lanzamiento (N°semanas).

SCestimación 208359638
SCResiduos 301191598
SCTotal 509551236

N de semanas -714,6225
(221,843)
Constante 9455,074
(2273,214)

a) Interprete los coeficientes estimados en el modelo anterior. ¿Qué predice el modelo

para el ingreso promedio en la semana 5 de exhibición?

b) Calcule e interprete el R2 .

c) ¿Asegurarı́a Ud. en base al gráfico que la regresión lineal propuesta es la más apropiada
para estudiar esta relación? Justifique claramente.

6
RESPUESTA:

7
Ejercicio 4 (20 puntos). En base a una muestra de 526 personas, se estima una regresión
por Mı́nimos Cuadrados Ordinario (MCO) para el salario en el Software R. A continuación,
se presenta la salida del software para la estimación:

Donde: wage representa al salario y está expresado en miles de pesos por hora y exper
representa la experiencia y esta expresada en años de experiencia laboral.

a) Escriba el modelo estimado, cuya estimación se presenta en Tabla 1.

b) Interprete los coeficientes estimados reportados en la Tabla 1. Comente su signo y

magnitud.

c) Comente la bondad de ajuste del modelo.

d) Suponga que utilizando la misma muestra, pero ahora medimos el salario de las
personas en pesos por hora. ¿Cambian β̂0 y β̂1 del modelo? ¿Qué pasa con la bondad
de ajuste del modelo?

RESPUESTA:

8
RESPUESTA (continuación):

9
Ejercicio BONO (10 puntos). Sea x1 , x2 , ..., xn una muestra aleatoria de una población
con medio µ y varianza σ 2 . considere los siguientes estimadores de µ.
n−1
1 1 1 X xn
µ̂1 = x1 + xi +
4 2 (n − 1) i=1 4

n
1X
µ̂2 = xi
n i=1
Se pide demostrar que los dos estimadores son estimadores insesgados.

RESPUESTA:

10
RESPUESTA (continuación):

11
 Hoja de Fórmulas:
En el modelo de regresión simple:

yi = βo + β1 xi + ui (4)
Encontramos para los estimadores de la pendiente y de la ordenada al origen, las siguiente
expresiones.
Pn
(x − x̄)(yi − ȳ)
β̂1 = i=1 Pn i 2
i=1 (xi − x̄)

β̂0 = ȳ − x̄β̂1
Alternativamente, se pueden usar las siguientes expresiones
Pn
xi yi − nȳx̄
β̂1 = Pi=1n 2 2
i=1 xi − nx̄
Pn
xi yi
i=1
− ȳx̄
β̂1 = Pnn 2
i=1 xi
n
− x̄2
Pn
(xi − x̄)yi
β̂1 = Pi=1
n 2
i=1 (xi − x̄)
Pn
(xi − x̄)yi
β̂1 = Pni=1
i=1 (xi − x̄)xi
La varianza de los estimadores MCO serán
σ2 σ2
V (β̂1 |xi ) = PN =
i=1 (xi − x̄)2 (N − 1)Si2

σ2 N xi 2
P
V (β̂0 |xi ) = PN i=1
N i=1 (xi − x̄)2
PN
2 û2
Notamos que V (ûi ) = σ̂ = Ni=1
−2
i
y entonces las varianzas estimadas se calculan usando
2
este estimador para σ .
Coeficiente de determinación o R-cuadrado
SCE SCR
R2 = =1− .
ST C ST C
Con ST C = N
P 2
PN 2
PN 2
i=1 (yi − ȳ) ; SCE = i=1 (ŷi − ȳ) ; SCR = i=1 ûi

12