Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Examen Parcial 2 2016-I 206-T Fila A (Solucion)
Examen Parcial 2 2016-I 206-T Fila A (Solucion)
Examen Parcial 2
Variable 𝛽̂ 𝑋̅
Constante 3.77
Mujer -0.170 0.5097
Padres emigrantes -0.083 0.1106
Años de estudios 0.038 11.58
Antigüedad 0.020 18.85
Cuadrado de Antigüedad 0.0003 496.27
b. ¿Cuál es la estimación del valor medio del log(wi) para un hombre con padres
emigrantes, 9 años de estudios, y 10 de antigüedad? ¿Cuál es esa estimación para
una mujer con las mismas características? (1 p)
Constante 3.77
Mujer 0
Padres emigrantes -0.083
Años de estudios 0.342
Antigüedad 0.2
Cuadrado de Antigüedad 0.0243
4.2533
2. La variable smokes es una variable binaria igual a uno si la persona fuma e igual a cero
si no es asi. Utilizando los datos del archivo SMOKE.RAW, se estimó un modelo de
probabilidad lineal para smokes: (5 p)
smokes = .656 - .069 log(cigpric) + .012 log(income) - .029 educ + .020 age
(.855) (.204) (.026) (.006) (.006)
[.856] [.207] [.026] [.006] [.005]
1
n = 807, R2 = .062.
donde
income = ingreso anual.
cigpric = precio del paquete de cigarros (en centavos de dólar).
educ = años de escolaridad.
age = edad medida en años.
restaurn = un indicador binario igual a uno si la persona reside en un estado en el que
fumar en los restaurantes está prohibido.
i) .Hay alguna diferencia importante entre los dos conjuntos de errores estándar? (1 p)
No hay mucha diferencia entre los errores, esto indicaría que el problema de
heterocedasticidad es bajo.
ii) Permaneciendo todos los demás factores constantes, si la educación aumenta cuatro
años, ¿qué ocurre con la probabilidad estimada de fumar? (1 p)
iii) ¿En qué punto un año más de edad reduce la probabilidad de fumar? (1 p)
iv) Interprete el coeficiente de la variable binaria restaurn (una variable que es igual a
uno si la persona vive en un lugar en el que hay restricciones para fumar en los
restaurantes). (1 p)
La probabilidad de que una persona fume en ese estado es menor en 10.1% respecto a
aquellos estados en los que si esta permitido fumar en los restaurantes. Este estimador
es significativo (t = 0.101/0.038 = 2.65).
v) La persona número 206 de la base de datos tiene las características siguientes: cigpric
= 67.44, income = 6,500, educ = 16, age = 77, restaurn = 0, white = 0 y smokes = 0.
Calcule la probabilidad predicha de que esta persona fume. Comente sobre el resultado.
(1 p)
smokes 0 0.95343145
2
3. Sea el modelo: consumo = b0 + bi*PBI, con datos del BCRP de 1993-2012,
obtenemos:
------------------------------------------------------------------------------
cons | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
pbi | .6071653 .0049458 122.76 0.000 .5967746 .6175561
_cons | 12981.59 756.6833 17.16 0.000 11391.86 14571.33
------------------------------------------------------------------------------
estat dwatson
------------------------------------------------------------------------------
residuo | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
residuo |
L1. | .3428977 .2244481 1.53 0.146 -.1329111 .8187065
|
pbi | -.0024205 .004944 -0.49 0.631 -.0129014 .0080603
_cons | 414.0415 769.4571 0.54 0.598 -1217.135 2045.218
------------------------------------------------------------------------------
------------------------------------------------------------------------------
residuo | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
residuo |
L1. | .3292022 .2317507 1.42 0.177 -.1678537 .8262581
L2. | -.2695746 .2258858 -1.19 0.253 -.7540515 .2149022
|
pbi | -.0039936 .0048477 -0.82 0.424 -.0143909 .0064036
_cons | 742.4556 766.7435 0.97 0.349 -902.0457 2386.957
------------------------------------------------------------------------------
3
4. Dado el modelo ̂
Yi = β0 + β1 X1i + β2 X2i + ui con la matriz:
2 0 0 0
0 4 0 0
E uu ' 2 , E u 0
0 0 6 0
0 0 0 8
Se solucionó en la práctica.
5. Describa dos de los métodos para estimar los parámetros en un modelo que muestra
signos de autocorrelación. (2 p)
MCG
Transformacion de Prais
MCGF