Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 181 vistas

    Pauta Solemne 1 PDF

    Cargado por

    JAZMINA SOFÍA BRAVO HERNÁNDEZ
    Este documento presenta una pauta para una primera prueba solemne de Econometría en la Universidad Diego Portales. La prueba consta de dos secciones. La primera sección contiene preguntas conceptuales sobre temas como el teorema de Gauss-Markov y la significancia estadística de coeficientes. La segunda sección propone estimar modelos de regresión para determinar los factores que afectan la satisfacción vital de las personas e incluye preguntas sobre supuestos, estimación por MCO y comparación de modelos.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Pauta Solemne 1 PDF

    Cargado por

    JAZMINA SOFÍA BRAVO HERNÁNDEZ
    181 vistas7 páginas
    Este documento presenta una pauta para una primera prueba solemne de Econometría en la Universidad Diego Portales. La prueba consta de dos secciones. La primera sección contiene preguntas conceptuales sobre temas como el teorema de Gauss-Markov y la significancia estadística de coeficientes. La segunda sección propone estimar modelos de regresión para determinar los factores que afectan la satisfacción vital de las personas e incluye preguntas sobre supuestos, estimación por MCO y comparación de modelos.

    Título original

    Pauta Solemne 1.pdf

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta una pauta para una primera prueba solemne de Econometría en la Universidad Diego Portales. La prueba consta de dos secciones. La primera sección contiene preguntas conceptuales sobre temas como el teorema de Gauss-Markov y la significancia estadística de coeficientes. La segunda sección propone estimar modelos de regresión para determinar los factores que afectan la satisfacción vital de las personas e incluye preguntas sobre supuestos, estimación por MCO y comparación de modelos.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    181 vistas7 páginas

    Pauta Solemne 1 PDF

    Cargado por

    JAZMINA SOFÍA BRAVO HERNÁNDEZ
    Este documento presenta una pauta para una primera prueba solemne de Econometría en la Universidad Diego Portales. La prueba consta de dos secciones. La primera sección contiene preguntas conceptuales sobre temas como el teorema de Gauss-Markov y la significancia estadística de coeficientes. La segunda sección propone estimar modelos de regresión para determinar los factores que afectan la satisfacción vital de las personas e incluye preguntas sobre supuestos, estimación por MCO y comparación de modelos.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 7

    Econometría

    Departamento de Economía
    Universidad Diego Portales
    Pauta Primera Prueba Solemne
    Primer Semestre 2014

    Profesores: Andrés Elberg, Alvaro Miranda, Rodrigo Montero


    Ayudantes: Benjamín Lira, Dino Matilla, Stefano Zecchetto
    Tiempo de duración: 90 minutos
    Instrucciones: No hay preguntas de ningún tipo para los ayudantes. Solo está
    permitido utilizar una calculadora con operaciones básicas. No está permitido el
    uso de teléfonos celulares. Las respuestas con lápiz mina o grafito no tienen de-
    recho a recorrección.

    1. Comente justificando sus respuestas (20 pun-


    tos)
    a. El teorema de Gauss-Markov asegura que el estimador de mínimos cuadra-
    dos ordinarios es el mejor estimador lineal e insesgado de entre todos los
    estimadores. (5 puntos)
    Respuesta. Falso. El Teorema de Gauss Markov establece que el estimador
    de mínimos cuadrados ordinarios es el mejor estimador lineal e insesgado
    (MELI) de entre todos los estimadores lineales e insesgados. Es decir, de
    entre el subconjunto de estimadores que son lineales e insesgados, el esti-
    mador de MCO es el mejor estimador, esto es, es el estimador con la menor
    varianza asociada.
    b. Mientras mayor sea el grado de correlación entre las variables explicativas,
    más probable será que los coeficientes estimados sean individualmente sig-
    nificativos. (5 puntos)
    Respuesta. Falso. Mientras mayor sea el grado de correlación entre las va-
    riables explicativas (es decir, mientras mayor sea el grado de multicolinea-
    lidad que exhiba el modelo), mayores serán las varianzas de los coeficientes
    estimados. En efecto, para el modelo de regresión múltiple, se tiene que:
    σ2
    var(β̂j ) = P
    (Xij − X̄j )2 (1 − Rj2 )

    1
    donde Rj2 es el coeficiente de determinación de una regresión de Xj en contra
    del resto de las variables explicativas incluidas en el modelo. Por lo tanto,
    mientras mayor sea la colinealidad (que se refleja en un mayor Rj2 ) mayor
    será la varianza del coeficiente estimado, y menor será el test de significancia
    individual asociado. De esta manera, más probable será que el coeficiente
    estimado no sea estadísticamente significativo.

    c. A medida que se incorporen más variables explicativas al modelo el R2 ajus-


    tado aumentará inequívocamente. (5 puntos)
    Respuesta. Falso. Precisamente se utiliza el R̄2 para evitar este problema.
    En efecto, mientras que el R2 es monótono a la inclusión de variables ex-
    plicativas adicionales, el R̄2 puede disminuir en la medida que la inclusión
    de un regresor adicional no compense la pérdida en grados de libertad que
    supone tener que estimar un parámetro adicional.

    d. Si el coeficiente asociado a una variable explicativa no es estadísticamen-


    te significativo, entonces, lo más aconsejable es eliminar dicha variable del
    modelo. (5 puntos)
    Respuesta. Depende. La principal razón para incluir una variable expli-
    cativa es el modelo económico subyacente al modelo econométrico. De esta
    manera, si el modelo económico establece que una variable (X) afecta el
    comportamiento de la variable dependiente (Y ), entonces, dicha variable
    debe ser incluida sin importar si el análisis econométrico establece que el
    coeficiente estimado no estadísticamente significativo. Por otro lado, si no
    hay seguridad respecto de si incluir o no una determinada variable, entonces,
    el análisis estadístico puede ayudar a tomar una decisión al respecto.

    2. Satisfacción con el trabajo (40 puntos)


    Un investigador está llevando a cabo un estudio que busca encontrar cuáles son
    los determinantes de la satisfacción con la vida de las personas. Para ello cuenta
    con información de corte transversal (de una muestra aleatoria de individuos)
    para las siguientes variables:

    Satisfacción con la vida (SV ): medida en una escala de uno a diez, donde
    uno es completamente insatisfecho, y diez corresponde a completamente
    satisfecho

    Ingreso (Y ): ingreso mensual familiar (medido en miles de pesos)

    Escolaridad (E): escolaridad del individuo (medida en número de años)

    2
    En este contexto, el investigador plantea estimar separadamente los siguientes
    modelos:
    SVi = α + ui (1)
    SVi = δ0 + δ1 Yi + ui (2)
    SVi = β0 + β1 Yi + β2 Ei + ui (3)
    donde u es un shock estocástico independiente e idénticamente distribuido con
    media condicional nula y varianza homocedástica. Es decir:

    E(u|X) = 0
    E(u2 |X) = σ 2

    En base a esta información responda lo siguiente:

    a. ¿Qué signos esperaría que tuvieran los parámetros β1 y β2 ? (4 puntos)


    Respuesta. Dado que un mayor nivel de ingreso permite adquirir más
    bienes y servicios, se esperaría que β1 > 0. Por otro lado, dado que un
    mayor nivel de escolaridad aumenta las posibilidades de desarrollo de las
    personas, entonces, se esperaría que β2 > 0.

    b. Derive formalmente el estimador de mínimos cuadrados ordinarios (MCO)


    para α. (6 puntos)
    Respuesta. Se debe minimizar lo siguiente:
    n
    X n
    X
    û2i = (SVi − α̂)2
    i=1 i=1

    Luego se deriva con respecto a α̂:


    n
    ∂ ni=1 û2i
    P X
    = −2 (SVi − α̂) = 0
    ∂ α̂ i=1

    Luego:
    n
    X n
    X
    α̂ = SVi
    i=1 i=1

    Finalmente: Pn
    i=1 SVi
    α̂ =
    n

    3
    c. Suponga que usted toma aleatoriamente a ocho individuos de la muestra
    que tienen la siguiente información para la variable satisfacción con la vida:
    {7,6,4,5,4,8,10,4}. ¿Cuál sería su predicción para la satisfacción con la vida
    ˆ ) con el modelo (1)? (4 puntos)
    (SV
    Respuesta. La predicción viene dada por:
    Pn
    ˆ = α̂ = i=1 SVi = 7 + 6 + 4 + 5 + 4 + 8 + 10 + 4 = 6
    SV
    n 8

    d. ¿Qué supuestos deben satisfacerse para estimar insesgada y eficientemente


    el parámetro δ1 por MCO? (5 puntos)
    Respuesta. Wooldridge postula los siguientes supuestos para el modelo de
    regresión simple:

    1. Linealidad de los parámetros


    2. Muestreo aleatorio
    3. Variación muestral de la variable explicativa (Y )
    4. Media condicional cero (E(u|Y ) = 0)
    5. Homocedasticidad (var(u|Y ) = σ 2 )

    e. Escriba la función objetivo que se debe minimizar para estimar por MCO
    los parámetros del modelo (3). Escriba las condiciones de primer orden de
    este problema. (6 puntos)
    Respuesta. La función que se debe minimizar es la siguiente:
    n
    X n
    X
    û2i = (SVi − β̂0 − β̂1 Yi − β̂2 Ei )2
    i=1 i=1

    Las condiciones de primer orden (CPO) son:


    n
    ∂ ni=1 û2i
    P X
    = −2 (SVi − β̂0 − β̂1 Yi − β̂2 Ei ) = 0
    ∂ β̂0 i=1
    Pn 2 n
    ∂ i=1 ûi X
    = −2 (SVi − β̂0 − β̂1 Yi − β̂2 Ei )Yi = 0
    ∂ β̂1 i=1
    Pn 2 n
    ∂ i=1 ûi X
    = −2 (SVi − β̂0 − β̂1 Yi − β̂2 Ei )Ei = 0
    ∂ β̂2 i=1

    f. Si usted estima los modelos (2) y (3) por MCO, ¿qué estimador tendrá una
    mayor varianza, δ̂1 o β̂1 ? Justifique formalmente su respuesta. (4 puntos)

    4
    Respuesta. Se tiene que:
    σ2
    var(δ̂1 ) = Pn 2
    i=1 (Yi − Ȳ )
    σ2
    var(β̂1 ) = Pn 2 2
    i=1 (Yi − Ȳ ) (1 − RY )

    donde RY2 es el coeficiente de determinación de una regresión de Y en contra


    de E. Luego, dado que 0 < RY2 < 1, entonces, var(δ̂1 ) < var(β̂1 ).

    g. ¿Qué relación existe entre los estadísticos de bondad de ajuste (R2 ) de los
    modelos (1), (2) y (3)? Justifique su respuesta. (5 puntos)
    Respuesta. Dado que el R2 es monótono a la inclusión de variables expli-
    cativas adicionales, entonces se tiene que:

    R12 < R22 < R33

    h. Suponga que el p-valor de β̂2 es 0.076, ¿tendría usted evidencia suficiente


    para decir que el modelo (2) es preferido por sobre el modelo (3)? Justifique
    su respuesta. (6 puntos)
    Respuesta. Si el p-valor de β̂2 es 0.076 entonces el coeficiente no es esta-
    dísticamente significativo al 5 %. Esto es evidencia estadística, la cual debe
    complementar el análisis económico del modelo. Por lo tanto, si el modelo
    económico establece que la escolaridad es una variable importante para ex-
    plicar la satisfacción con la vida de las personas (por cuanto les provee de
    herramientas para llevar a cabo sus proyectos de vida), entonces, no debiera
    eliminarse esta variable.

    3. Salarios de los CEO (30 puntos)


    A partir de una muestra de CEO de las principales empresas de EE.UU. se
    han estimado por mínimos cuadrados ordinarios tres modelos para explicar los
    salarios, utilizando las siguientes variables:
    log(salary): logaritmo del salario anual (medido en miles de dólares)

    log(sales): logaritmo de las ventas anuales (medida en miles de dólares)

    log(mktval): logaritmo del valor de mercado de la empresa

    prof marg: ganancia como porcentaje de las ventas

    ceoten: años como CEO de la empresa

    5
    Cuadro 1: Variable dependiente: log(salary)

    (1) (2) (3)


    log(sales) 0,224 0,158 0,188
    (0,027) ¿? (0,040)
    (0,000) (0,000) (0,000)
    log(mktval) 0,112 0,100
    ¿? ¿?
    (0,027) (0,044)
    prof marg -0,0023 -0,0022
    (0,0022) (0,0021)
    ¿? ¿?
    ceoten 0,0171
    (0,0055)
    (0,002)
    comten -0,0092
    (0,0033)
    (0,006)
    Intercepto 4,94 4,62 4,57
    (0,20) (0,25) (0,25)
    (0,000) (0,000) (0,000)
    Observaciones 177 177 177
    SRC ¿? 45,02
    ST C ¿? 64,64
    R2 0,281 ¿? 0,353
    R̄2 0,27 ¿?

    comten: años de antigüedad en la empresa


    Debajo de cada coeficiente del cuadro 1 aparece entre paréntesis el error es-
    tándar. Debajo de cada error estándar aparece el p-valor. A partir de esta infor-
    mación, conteste lo siguiente:
    a. ¿Cuál es el R2 del modelo (2)? Muestre claramente sus cálculos. (4 puntos)
    Respuesta. El R2 del modelo (2) viene dado por:
    SRC 45,02
    R2 = 1 − =1− = 0,30
    ST C 64,64

    b. ¿Cuál es el R2 ajustado (R̄2 ) del modelo (3)? Muestre claramente sus cálcu-
    los. (4 puntos)
    Respuesta. El R̄2 del modelo (3) viene dado por:
       
    2 2 n−1 176
    R̄ = 1 − (1 − R ) = 1 − (1 − 0,353) = 0,334
    n−k−1 177 − 5 − 1

    6
    c. ¿Es el coeficiente de log(sales) en el modelo (2) estadísticamente significa-
    tivo al 1 %? Fundamente. (4 puntos)
    Respuesta. Dado que el p-valor es 0.000, que es menor a 1 %, entonces,
    se rechaza la hipótesis nula, y el coeficiente estimado es estadísticamente
    significativo al 1 %.

    d. Analice el efecto de prof marg sobre el sueldo del CEO. Justifique desde un
    punto de vista estadístico su respuesta. (4 puntos)
    Respuesta. Los test t de significancia individual para este coeficiente en
    los modelos (2) y (3) son -1.045 y -1.047 respectivamente. El t de tabla al
    5 % con 171 grados de libertad es 1,96. Por lo tanto, dado que |t| < 1, 96,
    no se rechaza la hipótesis nula, y los coeficientes asociados a prof marg
    no son estadísticamente significativos. Esto significa que la ganancia como
    porcentaje de las ventas no tiene un efecto sobre el salario de los CEO.

    e. ¿Tiene un efecto significativo (al 4 %) el valor de mercado sobre el salario


    del CEO? Explique. (4 puntos)
    Respuesta. En el modelo (2) el p-valor es 0,027, por lo tanto, el coeficiente
    es estadísticamente significativo. En cambio en el modelo (3) el p-valor es
    0,044 por lo tanto, el coeficiente no es estadísticamente significativo al 4 %.

    f. Interprete los coeficientes de ceoten y de comten. ¿Son estas variables ex-


    plicativas estadísticamente significativas al 1 %? (6 puntos)
    Respuesta. En el caso de ceoten, el coeficiente implica que por cada año
    adicional como CEO en la empresa el salario se incrementa en 1,71 %. Da-
    do que el p-valor de este coeficiente es 0,002 el efecto sobre los salarios es
    estadísticamente significativo al 1 %. Por otro lado, para comten el coefi-
    ciente implica que por cada año adicional de antigüedad en la empresa el
    salario cae en 0, 92 %. Dado que el p-valor es 0,006 este efecto también es
    estadísticamente significativo al 1 %.

    g. ¿Qué opina del hecho de que una mayor antigüedad en la empresa, mante-
    niendo todos los demás factores constantes, corresponde a un sueldo menor?
    (4 puntos)
    Respuesta. Pueden haber varias explicaciones para este fenámeno, siendo
    una de ellas el hecho de que a una mayor antigüedad en la empresa podría
    implicar una menor productividad debido a que los conocimientos pueden
    ir quedando obsoletos.

    También podría gustarte