EJERCICIOS RESUELTOS:

CAP 3:
LIBRO: INTRODUCCIÓN A LA
ECONOMETRÍA DE JEFFREY WOOLDRIGE

INTEGRANTES:

Julón Guevara Merli Julissa

Mestanza Gómez Brajhams Stewart
Pintado Marruffo Yulianna Alejandra
Vigil Martinez Daniel Elías
Villalobos Sánchez Ramiro

DOCENTE:
Javier Uriol Chávez

CICLO: VI

ESCUELA: Economía

Lambayeque, 27 de Mayo del 2019

 A) DE LA SECCIÓN PROBLEMAS, CAPITULO 3 RESOLVER PROBLEMAS 1, 2
,3 Y 4 (PAG 106)

3.1. Utilizando la base de datos GPA2.RAW de 4,137 alumnos universitarios, se

estimó la ecuación siguiente de MCO:

̂ = 𝟏. 𝟑𝟗𝟐 − 𝟎. 𝟎𝟏𝟑𝟓 𝒉𝒔𝒑𝒆𝒓𝒄 + 𝟎. 𝟎𝟎𝟏𝟒𝟖 𝒔𝒂𝒕

𝒄𝒐𝒍𝒈𝒑𝒂

𝒏 = 𝟒, 𝟏𝟑𝟕, 𝑹𝟐 = 𝟎. 𝟐𝟕𝟑
, dónde colgpa es el promedio de calificaciones que se mide sobre una escala de cuatro
puntos, hsperc es el percentil en la clase de bachillerato que se gradúa (definida de
manera que, por ejemplo, hsperc=5 significa el 5% superior de la clase), y sat son los
puntajes combinados en matemáticas y habilidades verbales en la prueba de logro de los
alumnos.

1°_Analizando en stata: regresión lineal:

1
 i) ¿Por qué es lógico que el coeficiente en hsperc sea negativo?

Cuanto más alto sea el percentil, quiere decir que los estudiantes son peores, por lo que
afecta negativamente a la nota del college (colgpa), todo lo demás igual “ceteris
paribus”. Ejemplo:

hsperc Colgpa(max 4pt)

A(buen estudiante) 2,15% 3,87
B(mal estudiante) 70,45% 1,26

ii) ¿Cuál es el promedio de calificaciones universitario predicho cuando

hsperc=20 y sat=1,050?

Reemplazaremos los valores dados en la ecuación:

̂ = 𝟏. 𝟑𝟗𝟐 − 𝟎. 𝟎𝟏𝟑𝟓 𝒉𝒔𝒑𝒆𝒓𝒄 + 𝟎. 𝟎𝟎𝟏𝟒𝟖 𝒔𝒂𝒕

𝒄𝒐𝒍𝒈𝒑𝒂

̂ = 𝟏. 𝟑𝟗𝟐 − 𝟎. 𝟎𝟏𝟑𝟓 (𝟐𝟎) + 𝟎. 𝟎𝟎𝟏𝟒𝟖 (𝟏𝟎𝟓𝟎) = 𝟐. 𝟔𝟕𝟔.

𝒄𝒐𝒍𝒈𝒑𝒂

iii) Suponga que dos graduados de bachillerato, A y B, se gradúan en el

mismo percentil de bachillerato, pero el puntaje SAT del estudiante A es
140 puntos más alto (aproximadamente una desviación estándar en la
muestra). ¿Cuál es la diferencia predicha en el promedio de
calificaciones universitario para estos dos alumnos? ¿Es grande la
diferencia?

La diferencia entre A y B es simplemente 140 veces el coeficiente en sat, porque hsperc

es el mismo para ambos graduados. Por lo tanto, se predice que A tendrá una
puntuación de:

𝟎. 𝟎𝟎𝟏𝟒𝟖 (𝟏𝟒𝟎) = 𝟎. 𝟐𝟎𝟕𝟐 𝒎á𝒔 𝒂𝒍𝒕𝒂.

Si lo analizamos:

̂ (𝑨) − 𝒄𝒐𝒍𝒈𝒑𝒂
𝒄𝒐𝒍𝒈𝒑𝒂 ̂ (𝑩) = 𝒄𝒐𝒍𝒈𝒑𝒂
̂ (𝒔𝒂𝒕 + 𝟏𝟒𝟎) − 𝒄𝒐𝒍𝒈𝒑𝒂
̂ (𝒔𝒂𝒕)

= 1,392 − 0,0135ℎ𝑠𝑝𝑒𝑟𝑐 + 0,00148(𝑠𝑎𝑡 + 140)

−(1,391757 − 0,0135ℎ𝑠𝑝𝑒𝑟𝑐 + 0,00148𝑠𝑎𝑡)

= 0,00148 𝑥 140 = 0,2072

2
Obtenemos la media muestral y la desviación estándar para comparaciones:

Para comparar habría que conocer cuál es la distribución de colgpa; que tiene media
muestral 2.65 y desviación estándar de 0.6586, por lo que la diferencia es moderada,
sobre 𝜎/3 ; pero comparando con el rango 4, no podemos despreciar estos resultados.

iv) Manteniendo hsperc constante, ¿qué diferencia en las puntuaciones

SAT conduce a una diferencia estimada colgpa de .50, o medio punto de
puntuación? Comente su respuesta.

̂ = 𝟎. 𝟎𝟎𝟏𝟒𝟖∆𝒔𝒂𝒕
Con hsperc constante, ∆ 𝒄𝒐𝒍𝒈𝒑𝒂

Ahora, queremos encontrar ∆sat tal que ∆ 𝒄𝒐𝒍𝒈𝒑𝒂

̂ = 𝟎. 𝟓, entonces:

𝟎. 𝟓 = 𝟎. 𝟎𝟎𝟏𝟒𝟖 (∆𝒔𝒂𝒕) o ∆𝒔𝒂𝒕 = 𝟎. 𝟓/(𝟎. 𝟎𝟎𝟏𝟒𝟖) = 𝟑𝟑𝟕. 𝟖𝟑𝟕𝟖𝟑𝟕𝟖

∆𝒔𝒂𝒕 ≈ 𝟑𝟑𝟖.

Si obtenemos la media muestral y la desviación estándar para hacer las

comparaciones:

Se necesita una gran diferencia en la puntuación del SAT (más de 2 desviaciones

estándar) para obtener una diferencia predicha en el colgpa o medio punto teniendo en
cuenta (ceteris paribus).

3
3.2 Los datos en el archivo WAGE2.RAW sobre trabajadores hombres se utilizan
para estimar la ecuación siguiente:

̂ = 𝟏𝟎. 𝟑𝟔−. 𝟎𝟗𝟒𝒔𝒊𝒃𝒔 ± 𝟏𝟑𝟏𝒎𝒆𝒅𝒖𝒄+. 𝟐𝟏𝟎𝒇𝒆𝒅𝒖𝒄

𝒆𝒅𝒖𝒄

𝒏 = 𝟕𝟐𝟐, 𝑹𝟐 =. 𝟐𝟏𝟒
, donde educ es años de escolaridad, sibs es número de hermanos, meduc es años de
escolaridad de la madre y feduc años de escolaridad del padre.

1°_Analizando en stata: regresión lineal:

i) ¿Tiene sibs el efecto esperado?, explique. manteniendo constantes

meduc y feduc ¿Cuánto tiene que aumentar sibs para tener una
reducción de un año en los años de educación predichos?
Sí, debido a las restricciones presupuestarias, tiene sentido que, mientras más hermanos
haya en una familia, menos educación tenga un niño en la familia. Para encontrar el
aumento en el número de hermanos que reduce la educación prevista en un año,
resolvemos:

𝟏 = 𝟎. 𝟎𝟗𝟒(∆𝒔𝒊𝒃𝒔)
𝟏
∆𝒔𝒊𝒃𝒔 = = 𝟏𝟎. 𝟔
𝟎. 𝟎𝟗𝟒

4
 ii) Explique la interpretación del coeficiente de meduc
Manteniendo a los hermanos e hijos fijos, un año más de educación de la madre implica
(.131) años más de la educación prevista, resultando (.524). Entonces, si una madre
tiene cuatro años más de educación, se predice que su hijo tendrá aproximadamente
medio año más años de educación.

iii) Suponga que el hombre A no tiene hermanos, y que su madre y su

padre tienen cada uno 12 años de escolaridad. El hombre B no tiene
hermanos y su madre y su padre tienen cada uno 16 años de
escolaridad. ¿Cuál es la diferencia entre B y A en años predichos de
escolaridad?
Dado que el número de hermanos es el mismo, pero meduc y feduc son diferentes, los
coeficientes de meduc y feduc deben tenerse en cuenta. La diferencia predicha en la
educación entre B y A es:

𝟎. 𝟏𝟑𝟏(𝟒)+. 𝟐𝟏𝟎(𝟒) = 𝟏. 𝟑𝟔𝟒

3.3 El siguiente modelo es una versión simplificada del modelo de regresión

múltiple utilizado por Biddle y Hamermesh (1990) para estudiar el intercambio
entre tiempo dedicado al sueño y dedicado al trabajo, así como ver otros
factores que afectan el sueño:

𝒔𝒍𝒆𝒆𝒑 = 𝜷𝟎 + 𝜷𝟏 𝒕𝒐𝒕𝒘𝒓𝒌 + 𝜷𝟐 𝒆𝒅𝒖𝒄 + 𝜷𝟑 𝒂𝒈𝒆 + 𝒖,

i) Si los adultos intercambian sueño por trabajo, ¿Cuál es el signo de β1?

Si los adultos cambian el sueño por trabajo, más trabajo implica menos sueño (otras
cosas iguales), por lo que β1<0.

ii) ¿Qué signos cree que tendrían β2 y β3?

Los signos de β2 y β3 no son evidentes, al menos para mí. Se podría argumentar que a
las personas más educadas les gusta sacar más provecho de la vida y, por lo tanto, en
otras cosas, duermen menos (β2 <0). La relación entre dormir y la edad es más
complicada de lo que sugiere este modelo, y los economistas no están en la mejor
posición para juzgar tales cosas.

5
 iii) Utilizando los datos del archivo SLEEP75.RAW, la ecuación estimada
es:

Si una persona trabaja cinco horas más a la semana, ¿Cuántos minutos se predice
que disminuya sleep? ¿Es este un intercambio grande?

Como totwrk está en minutos, debemos convertir cinco horas en minutos:

∆𝑡𝑜𝑡𝑤𝑟𝑘 = 5(60) = 300

Luego se predice que el sueño caerá en:

0.148(300) = 44.4 𝑚𝑖𝑛𝑢𝑡𝑜𝑠

Durante una semana, 45 minutos menos de sueño no es un cambio abrumador.

iv) Analice el signo y la magnitud del coeficiente estimado para educ.

El signo es negativo como (también puede tener relación con la naturaleza del trabajo).
Más educación implica menos tiempo previsto para dormir, pero el efecto es bastante
pequeño. Si asumimos que la diferencia entre la universidad y la escuela secundaria es
de cuatro años, el graduado de la universidad duerme unos 45 minutos menos por
semana, otras cosas iguales.

v) ¿Diría que totwrk, educ y age explican gran parte de la variación en

sleep? ¿Qué otros factores podrían afectar el tiempo dedicado al sueño?
¿Es probable que estén correlacionados con totwrk?

Las tres variables explican solo alrededor del 11% de la variación en el sueño. Un factor
importante en el término de error es la salud general, otro es el estado civil, y si la
persona tiene hijos. Parte de ellas se correlacionan entre sí, como composición de la
familia; es decir, a más miembros, más horas de trabajo. El estado civil, el número y la
edad de los niños generalmente se correlacionan con el trabajo en grupo (por ejemplo,
las personas menos sanas tienden a trabajar menos).

6
3.4 FALTA RAMIRO

7
 B) DE LA SECCIÓN EJERCICIOS EN COMPUTADORA, DEL MISMO
CAPITULO, RESOLVER C4, C5, C6 (PAG 110)

C3.5 Confirme la interpretación de descuento de los efectos parciales

de las estimaciones de MCO, haciendo de manera explícita tal
descuento para el ejemplo 3.2. Esto requiere primero regresar educ
sobre exper y tenure y guardando los residuales, 𝒓̂1. Después, regrese
log(wage) sobre 𝒓̂1. Compare el coeficiente de 𝒓̂1 con el coeficiente de
educ en la regresión de log(wage) sobre educ, exper y tenure.

educ = Años de educación

exper = años de experiencia laboral
tenure = años con el empleador actual
lwage = registro natural del salario

Estimación de la ecuación

𝑒𝑑𝑢𝑐 = 15.97721 − 0.2384953𝑒𝑥𝑝𝑒𝑟 + 0.0344348 + 𝑟̂ 1

𝑛 = 935 ; 𝑅 2 = 0.2135

Guardando los residuos y estimación una regresión entre log(wage) sobre 𝑟̂ 1

8
La estimación de la ecuación incluyendo el 𝑟̂ 1, quedaría de la siguiente forma
log(𝑤𝑎𝑔𝑒) = 6.779004 + 0.0748638 ∗ 𝑟̂ 1
𝑛 = 935 ; 𝑅 2 = 0.1199
Comparando el coeficiente de 𝑟̂ 1con el coeficiente de educ en la regresión de log(wage)
sobre educ, exper y tenure

C3.6 Para este problema, utilice los datos del archivo WAGE2.RAW.
Como de costumbre, asegúrese de que todas las regresiones que siguen
contengan un intercepto.

Lwage = registro natural del salario

IQ = Puntaje de inteligencia

educ = Años de educación

9
i) Corra una regresión simple de IQ sobre educ para obtener el coeficiente de
̃1 .
pendiente, por ejemplo, 𝜹

ii) Corra la regresión simple de log(wage) sobre educ y obtenga el coeficiente

̃ 1.
de pendiente, 𝜷

iii) Corra la regresión múltiple de log(wage) sobre educ e IQ y obtenga los

̂1 y 𝜷
coeficientes de pendiente, 𝜷 ̂ 2, respectivamente.

10
iv) ̃ 1= 𝜷
Verifique que 𝜷 ̂ 1+ 𝜷
̂ 2* 𝜹
̃1

0.0391199 + 0.0058631 ∗ 3.5338292 = 0.0598282438

11