Ejercicio 5.1 Econometría

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 11

Econometría

Ejercicio 5.1

5.1. Establezca si las siguientes afirmaciones son verdaderas, falsas o inciertas. Sea
preciso.
a) La prueba t de significancia estudiada en este capítulo requiere que las
distribuciones muestrales de los estimadores β ˆ 1 y β ˆ 2 sigan una distribución
normal.
VERDADERO La prueba se basa en variables con una distribución normal. Dado que
los estimadores de ^β1y^β2 son combinaciones lineales del error que se supone que se
distribuye normalmente bajo CLRM, estos estimadores también se distribuyen
normalmente.
b) Aunque el término de perturbación en el MCRL no esté normalmente distribuido,
los estimadores de MCO continúan siendo insesgados.
VERDADERO Los estimadores MCO son imparciales, no se requiere supuestos
probabilísticos para establecer insesgamiento. E (u)= 0
c) Si no hay intercepto en el modelo de regresión, las u i ( u ˆ i ) estimadas no
sumarán cero.
VERDADERO
d) El valor p y el tamaño de un estadístico de prueba tienen el mismo significado.
VERDADERO El p-valor es el nivel más pequeño de significancia mínima al que la
hipótesis nula puede ser rechazada, el nivel de significancia, términos y las
dimensiones de la prueba son sinónimos.
El p-valor es el nivel más pequeño de significancia mínima al que la hipótesis nula
puede ser rechazada, el nivel de significancia, términos y las dimensiones de la prueba
son sinónimos.
e) En un modelo de regresión que contenga el intercepto, la suma de los residuos es
siempre cero.
VERDADERO
f) Si no se rechaza una hipótesis nula, es verdadera.
FALSO
Los datos que se obtienen no permiten rechazar una hipótesis nula.
g) Entre mayor sea el valor de σ 2 , mayor será la varianza de β ˆ 2 dada en (3.3.1).
FALSO
Un σ2 más grande puede ser contrarrestado por una varianza, esta afirmación solo es
verdadera si VAR(^β2) se mantiene constante.
h) Las medias condicional e incondicional de una variable aleatoria significan lo
mismo.
FALSO
La media condicional de una variable aleatoria depende de los valores tomados por otra
que sea condicionada. Sólo si las dos variables son independientes, las medias
condicionales e incondicionales pueden ser los mismos.
i) En una FRP de dos variables, si el coeficiente de la pendiente β 2 es cero, el
intercepto β 1 se estima por la media muestral ¯ Y .
VERDADERO
j) La varianza condicional, var( Y i | X i ) σ 2 , y la varianza incondicional de Y ,
var( Y ) σ 2 Y , serían la misma si X no tuviera influencia en Y .
VERDADERO
Si X no tiene influencia en Y, ^β2, será cero, en cuyo caso será∑yi2=∑^ui2.

5.2. Construya la tabla ANOVA como la de la tabla 5.4 para el modelo de regresión dado en (3.7.2) y pruebe la hipótesis de que no
existe relación entre el gasto en alimentos y el gasto total en India.

Conforme los datos de la tabla 2.8

Observacione Gasto Gasto en


s Total Comida
1 382,000 217,0000
0
2 388,000 196,0000
0
3 391,000 303,0000
0
4 415,000 270,0000
0
5 456,000 325,0000
0
6 460,000 260,0000
0
7 472,000 300,0000
0
8 478,000 325,0000
0
9 494,000 336,0000
0
10 516,000 345,0000
0
11 525,000 325,0000
0
12 554,000 362,0000
0
13 575,000 315,0000
0
14 579,000 355,0000
0
15 585,000 325,0000
0
16 586,000 370,0000
0
17 590,000 390,0000
0
18 608,000 420,0000
0
19 610,000 410,0000
0
20 616,000 383,0000
0
21 618,000 315,0000
0
22 623,000 267,0000
0
23 627,000 420,0000
0
24 630,000 300,0000
0
25 635,000 410,0000
0
26 640,000 220,0000
0
27 648,000 403,0000
0
28 650,000 350,0000
0
29 655,000 390,0000
0
30 662,000 385,0000
0
31 663,000 470,0000
0
32 677,000 322,0000
0
33 380,000 540,0000
0
34 690,000 433,0000
0
35 695,000 295,0000
0
36 695,000 340,0000
0
37 695,000 500,0000
0
38 720,000 450,0000
0
39 721,000 415,0000
0
40 730,000 540,0000
0
41 731,000 360,0000
0
42 733,000 450,0000
0
43 745,000 395,0000
0
44 751,000 430,0000
0
45 752,000 332,0000
0
46 752,000 397,0000
0
47 769,000 446,0000
0
48 773,000 480,0000
0
49 773,000 352,0000
0
50 775,000 410,0000
0
51 785,000 380,0000
0
52 788,000 610,0000
0
53 790,000 530,0000
0
54 795,000 360,0000
0
55 801,000 305,0000
0

Resumen

Estadísticas de la regresión
Coeficiente de correlación 0,491537228
múltiple
Coeficiente de determinación R^2 0,241608846
R^2 ajustado 0,227299579
Error típico 73,34227074
Observaciones 55

ANÁLISIS DE VARIANZA (Tabla ANOVA)

Grados de Suma de Promedio de los F Valor crítico de


libertad cuadrados cuadrados F
Regresió 1 90824,73645 90824,73645 16,884781 0,000138456
n 4
Residuos 53 285091,6999 5379,088678
Total 54 375916,4364      

Coeficientes Error Estadístico Probabilidad Inferior 95% Superior 95% Inferior Superior
típico t 95,0% 95,0%
Intercepción 158,8441318 53,12992627 2,98972995 0,004227318 52,27899497 265,4092686 52,27899497 265,4092686
Variable X 1 0,338553469 0,082390957 4,109109563 0,000138456 0,173298137 0,503808802 0,173298137 0,503808802
Modelo:

Y^i=158,8441+0,3386 X i

ee=( 53,1299 ) ( 0,0824 ) r 2=0,2416


t=( 2,9897 ) ( 4,1091 ) gl=53
p= ( 0,0042 )( 0,0001 ) F 1.53=16,8848
Promedio -5,16758E-15
Máximo 252,5055498
Mínimo -155,5183523
Desviación Estándar 72,66000223
Coeficiente de Asimetría 0,855296939
Curtosis 2,173299592

Planteamiento de la Hipótesis:

Para probar la hipótesis nula de que no existe relación entre el gasto alimentario y el gasto total; es necesario afirmar que el
coeficiente de la pendiente β 2=0 , por lo tanto
H 0 : β 2=0

H 1 : β2 ≠ 0

Conforme el modelo, el valor estimado del β 2 es 0.3386. Suponiendo que la hipótesis nula es cierta la probabilidad de obtener un
valor igual a 0.3386 es prácticamente 0(cero), pues el valor p del valor de t es prácticamente 0,0001. Por lo tanto, se rechaza la
hipótesis nula, pues considerando y analizando la regresión, se puede ver que existe una relación positiva en entre el gasto
alimentario y el gasto total.

Si este último se incrementara una rupia, en promedio, el gasto en comida aumentaría casi 34 paisas. Si el gasto total fuera nulo, el
gasto promedio en comida sería más o menos de 158 rupias. El valor de r 2 r 2 de casi 0.25 significa que 25% de la variación en el
gasto alimentario se explica por el gasto total, una aproximación para el ingreso.
5.3 Consulte la regresión de la demanda de teléfonos celulares de la ecuación
(3.7.3).

a) ¿El coeficiente estimado del intercepto es significativo en el nivel de significancia de


5%? ¿Qué hipótesis nula está probando?

β 1−β 1
tc= =¿
ee ( β 1 )

14.4773
tc= =2.35
6.1523

Respuesta: La hipótesis que se está probando es la hipótesis T


La regla manifiesta que si el tc (t calculada) es mayor al tt (t de la tabla), se rechaza Ho.

b) ¿El coeficiente estimado de la pendiente es significativo en el nivel de


significancia de5%? ¿En qué hipótesis nula se basa?

β 2−β 2
tc= =¿
ee ( β 2 )

0.0022
tc= =¿ 6.875
0.00032

Ahora el tc de β2 = (6.875) es mayor al tt por lo que rechazo Ho


c) Establezca un intervalo de confianza a 95% para el verdadero coeficiente de la
pendiente.

Pr [ 0.0022−2.03 ( 0.00032 ) ≤ β 2 ≤ 0.0022+2.03 ( 0.00032 ) ] =95 %

P r [ 0.0015504 ≤ β 2≤ 0.0028496 ]
La interpretación de este intervalo de confianza es: Dado el coeficiente de confianza de
95%, en 95 de cada 100 casos, los intervalos como la ecuación
0.0015504 ≤ β 1 ≤ 0.0028496 contendrán al verdadero valor de β2.

d) ¿Cuál es el valor pronosticado de la media de los teléfonos celulares demandados


si el ingreso per cápita es de 9 000 dólares? ¿Cuál es el intervalo de confianza a 95%
para el valor pronosticado?

Y i=14.4773+ 0.0022(9000)

Y i=34.2773

El coeficiente de pendiente indica que si el ingreso per cápita aumenta, por ejemplo,
9000 dólares en promedio, el número de suscriptores de teléfonos celulares aumentará
alrededor de 2.2 por cada 100 personas. El valor del intercepto de 14.47 indica que,
aunque el ingreso per cápita sea cero, el número promedio de suscriptores de teléfonos
celulares es de alrededor de 14 por cada 100 personas. Una vez más, es posible que esta
interpretación no tenga mucho sentido, pues en la muestra no se incluye ningún país con
ingreso per cápita cero.
¿Cuál es el intervalo de confianza a 95% para el valor pronosticado?

[ 34.277−2.03 ( 0.3828 ) ≤ E ( Yo|X=9000 ) ≤ 34.2773=2.03 ( 0.3828 ) ]


5.4 Sea ρ2 el verdadero coefi ciente de determinación poblacional. Suponga que desea
probar la hipótesis de que ρ2 0. Explique verbalmente cómo probar esta hipótesis.
Sugerencia: Utilice la ecuación (3.5.11). Véase también el ejercicio 5.7.

No existe correlación entre las variables por consecuencia, la covarianza entre dos variables es
cero por ese motivo la correlación también es cero

5.6 La ecuación (5.3.5) también se escribe como Pr [βˆ 2 − tα/2ee (βˆ 2) < β2 < βˆ 2 + tα/2ee
(βˆ 2)] 1 − α Es decir, la desigualdad débil (≤) puede reemplazarse por la desigualdad fuerte
((<). ¿Por qué?

Como observamos presumimos que la normalidad B2 esta normalmente distribuida y es


continua toma el valor de cero como resultado no hay diferencia y si se puede remplazar el
signo ≤ a <
5.10. Consulte el ejercicio 3.20 para construir las tablas ANOVA y probar la
hipótesis de que no existe ninguna relación entre la productividad y la
remuneración salarial real. Haga esto con el sector de negocios y con el no agrícola.
Tabla de productividad y datos relacionados, al sector de negocios.

Produccion por hora de todas las personas. Remunercion real por hora.

Sector de
Sector de negocios Sector de negocios no
Año Sector de negocios no agricolas negocios agricolas
1960 48.9 51.9 60.8 63.3
1961 50.6 53.5 62.5 64.8
1962 52.9 55.9 64.6 66.7
1963 55.0 57.8 66.1 68.1
1964 56.8 59.6 67.7 69.3
1965 58.8 61.4 69.1 70.5
1966 61.2 63.6 71.7 72.6
1967 62.5 64.7 73.5 74.5
1968 64.7 66.9 76.2 77.1
1969 65.0 67.0 77.3 78.1
1970 66.3 68.0 78.8 79.2
1971 69.0 70.7 80.2 80.7
1972 71.2 73.1 82.6 83.2
1973 73.4 75.3 84.3 84.7
1974 72.3 74.2 83.3 83.8
1975 74.8 76.2 84.1 84.5
1976 77.1 78.7 86.4 86.6
1977 78.5 80.0 87.6 88.0
1978 79.3 81.0 89.1 89.6
1979 79.3 80.7 89.3 89.7
1980 79.2 80.6 89.1 89.6
1981 80.8 81.7 89.3 89.8
1982 80.1 80.8 90.4 90.8
1983 83.0 84.5 90.3 90.9
1984 85.2 86.1 90.7 91.1
1985 87.1 87.5 92.0 92.2
1986 89.7 90.2 94.9 95.2
1987 90.1 90.6 95.2 95.5
1988 91.5 92.1 96.5 96.7
1989 92.4 92.8 95.0 95.1
1990 94.4 94.5 96.2 96.1
1991 95.9 96.1 97.4 97.4
1992 100.0 100.0 100.0 100.0
1993 100.4 100.4 99.7 99.5
1994 101.3 101.5 99.0 99.1
1995 101.5 102.0 98.7 98.8
1996 104.5 104.7 99.4 99.4
1997 106.5 106.4 100.5 100.3
1998 109.5 109.4 105.2 104.9
1999 112.8 112.5 108.0 107.5
2000 116.1 115.7 112.0 111.5
2001 119.1 118.6 113.5 112.8
2002 124.0 123.5 115.7 115.1
2003 128.7 128.0 117.7 117.1
3004 132.7 131.8 119.0 118.2
2005 135.7 134.9 120.2 119.3
La tabla ANOVA para el sector de negocios es la siguiente:

Fuente de Variación SC gl SCP

Debido a la regresió n (SCE) 38685,997 1    38685,997


Debido a residual (SCR) 4934,138     37 133,355

Total (SCT) 43620,135

El valor F calculado es = 290,0978

Bajo la hipótesis nula de que no hay relación entre la productividad y la remuneración salarial,
esta F valor sigue la distribución F con 1 y 37 gl en el numerador y denominador,
respectivamente. La probabilidad de obtener dicho valor es 0,0000 F, es decir, prácticamente a
cero. Por lo tanto, no podemos rechazar la hipótesis nula.

Para el sector de negocios no agrícola, la tabla ANOVA es:

Fuente de Variació n SC     gl   SCP

Debido a la regresió n (SCE)  37887,455 1 37887,455


Debido a residual (SCR) 5221,585     37 141,129

Total            43109,04

SCT = 43109,04 SCR = 5221,585 ; SCE = 37837,455

Bajo la hipótesis nula de que el coeficiente es cierto pendiente es igual a cero, el valor F
calculado es: 268,4597

Si la hipótesis nula es cierta, la probabilidad de obtener un valor F es prácticamente nulo, lo


que conduce al rechazo de la hipótesis nula.

También podría gustarte