Ejercicio 5.1 Econometría
Ejercicio 5.1 Econometría
Ejercicio 5.1 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.
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
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
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).
β 1−β 1
tc= =¿
ee ( β 1 )
14.4773
tc= =2.35
6.1523
β 2−β 2
tc= =¿
ee ( β 2 )
0.0022
tc= =¿ 6.875
0.00032
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.
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?
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?
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:
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.
Bajo la hipótesis nula de que el coeficiente es cierto pendiente es igual a cero, el valor F
calculado es: 268,4597