Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 25 vistas

    Hoja 4 2021

    Cargado por

    Karolina Gliwa
    Este documento presenta varios ejercicios sobre regresión lineal múltiple. El primer ejercicio explica conceptos básicos como el efecto parcial de cada variable. El segundo ejercicio analiza datos salariales y predice ingresos en función de variables como educación y género. El tercer ejercicio predice precios de viviendas en base a características como baños y tamaño. El cuarto ejercicio evalúa el efecto del tamaño de clase en calificaciones. Y el quinto ejercicio analiza cómo la belleza del

    Copyright:

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

    Hoja 4 2021

    Cargado por

    Karolina Gliwa
    25 vistas3 páginas
    Este documento presenta varios ejercicios sobre regresión lineal múltiple. El primer ejercicio explica conceptos básicos como el efecto parcial de cada variable. El segundo ejercicio analiza datos salariales y predice ingresos en función de variables como educación y género. El tercer ejercicio predice precios de viviendas en base a características como baños y tamaño. El cuarto ejercicio evalúa el efecto del tamaño de clase en calificaciones. Y el quinto ejercicio analiza cómo la belleza del

    Descripción original:

    econometria 4

    Título original

    Hoja_4_2021

    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 varios ejercicios sobre regresión lineal múltiple. El primer ejercicio explica conceptos básicos como el efecto parcial de cada variable. El segundo ejercicio analiza datos salariales y predice ingresos en función de variables como educación y género. El tercer ejercicio predice precios de viviendas en base a características como baños y tamaño. El cuarto ejercicio evalúa el efecto del tamaño de clase en calificaciones. Y el quinto ejercicio analiza cómo la belleza del

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    25 vistas3 páginas

    Hoja 4 2021

    Cargado por

    Karolina Gliwa
    Este documento presenta varios ejercicios sobre regresión lineal múltiple. El primer ejercicio explica conceptos básicos como el efecto parcial de cada variable. El segundo ejercicio analiza datos salariales y predice ingresos en función de variables como educación y género. El tercer ejercicio predice precios de viviendas en base a características como baños y tamaño. El cuarto ejercicio evalúa el efecto del tamaño de clase en calificaciones. Y el quinto ejercicio analiza cómo la belleza del

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 3

    Universidad Carlos III de Madrid

    Econometría
    Regresión Lineal Múltiple: Estimación I
    Hoja de Ejercicios 4

    1. Una regresión múltiple incluye dos regresores

    Y = 0 + 1 X1 + 2 X2 + U:

    (a) ¿Cuál es la variación esperada en Y si X1 aumenta en 3 unidades y X2 no varía?


    (b) ¿Cuál es la variación esperada en Y si X2 se reduce en 5 unidades y X1 no se modi…ca?
    (c) ¿Cuál es la variación esperada en Y si X1 aumenta en 3 unidades y X2 disminuye en 5 unidades?
    (d) Explique por qué es difícil estimar con precisión el efecto parcial de X1 , manteniendo constante X2 , si X1
    y X2 están altamente correlacionados.

    2. Los siguientes resultados se han obtenido utilizando los datos de 1998 de la Encuesta Actualizada de Población
    (CPS). La base de datos consta de información sobre 4.000 trabajadores a tiempo completo durante todo el
    año. El mayor grado educativo alcanzado por cada trabajador es o bien un diploma de escuela secundaria o
    bien un título de licenciatura. El rango de edades de los trabajadores oscila entre los 25 y los 34 años. La base
    de datos asimismo contiene información sobre la región del país donde reside la persona, el estado civil y el
    número de hijos:

    IMH : ingresos medios por hora (en dólares de 1998).


    Universidad = variable binaria (1 si es titulado en universidad, 0 si titulado escuela secundaria).
    Femenino = variable binaria (1 si es mujer, 0 si hombre)
    Edad = edad (en años)
    Noreste = variable binaria (1 si Región = Noreste, 0 en caso contrario)
    Centro-Oeste = variable binaria (1 si Región = Centro-Oeste, 0 en caso contrario)
    Sur = variable binaria (1 si Región = Sur, 0 en caso contrario)
    Oeste = variable binaria (1 si Región = Oeste, 0 en caso contrario)

    Variable Dependiente: ingresos salariales medios por hora (AHE)


    Regresor (1) (2) (3)
    Universidad (X1 ) 5,46 5,48 5,44
    Femenino (X2 ) -2,64 -2,62 -2,62
    Edad (X3 ) 0,29 0,29
    Noreste (X4 ) 0,69
    Centro-Oeste (X5 ) 0,60
    Sur (X6 ) -0,27
    Constante 12,69 4,40 3,75
    Estadísticos de Resumen
    SCR 6,27 6,22 6,21
    R2 0,176 0,190 0,194
    n 4.000 4.000 4.000

    (a) Calcule R2 para cada una de las regresiones.


    Utilizando los resultados de la columna (1):
    (b) ¿Ganan más los trabajadores con títulos universitarios en promedio que los trabajadores con tan sólo un
    grado de secundaria? ¿Cuánto más?
    (c) ¿Ganan los hombres más que las mujeres en promedio? ¿Cuánto más?
    Utilizando los resultados de la columna (2):

    1
    (d) ¿Es la edad un determinante importante para los ingresos? Explíquelo.
    (e) Sally es una mujer titulada universitaria de 29 años de edad. Betsy es una mujer titulada universitaria de
    34 años de edad. Prediga los ingresos de Sally y los de Betsy.
    Utilizando los resultados de la columna (3):
    (f) ¿Parece que existen diferencias regionales importantes?
    (g) ¿Por qué se ha omitido la variable explicativa Oeste de la regresión? ¿Qué sucedería si se incluyese?
    (h) Juanita es una mujer titulada universitaria de 28 años de edad de la región Sur. Jennifer es una mujer de
    28 años de edad, titulada universitaria de la región Centro-Oeste. Calcule la diferencia esperada entre los
    ingresos de Juanita y los de Jennifer.

    3. Los datos fueron recogidos de una muestra aleatoria de 220 viviendas vendidas en una comunidad en el año
    2003. Sea la variable Precio la que recoge el precio de la venta (en miles de $), sea DORM la variable que
    expresa el número de dormitorios, la variable Baños indica el número de cuartos de baños, la variable CTam
    indica el tamaño de la vivienda (en pies cuadrados), la variable PTam expresa el tamaño de la parcela (en pies
    cuadrados), la variable Edad expresa la edad de la vivienda (en años), y la variable Pobres es una variable
    binaria que es igual a 1 si el estado general de la casa se puede cali…car como "pobre". La estimación de la
    regresión ofrece estos resultados:

    d
    Precio = 119; 2 + 0; 485DORM + 23; 4Ba~
    no + 0; 156CT am + 0; 002P T am
    +0; 090Edad 48; 8P obre;
    R2 = 0; 72; SCR = 41; 5

    (a) Supóngase que un propietario convierte parte de una sala de estar que ya existía en la vivienda en un
    cuarto de baño. ¿Cuál es el aumento esperado en el valor de la casa?
    (b) Supóngase que el propietario añade un nuevo cuarto de baño a su casa, lo que aumenta el tamaño de la
    vivienda en 100 pies cuadrados. ¿Cuál es el aumento esperado en el valor de la casa?
    (c) ¿Cuál es la pérdida de valor si un propietario deja deteriorar su vivienda hasta que las condiciones generales
    la conviertan en "pobre"?
    (d) Calcule el R2 de la regresión y proporcione una interpretación del mismo.

    4. Un distrito escolar lleva a cabo un experimento para estimar el efecto del tamaño de las clases sobre las
    cali…caciones obtenidas en los exámenes de segundo curso. El distrito asigna al 50% de sus estudiantes de
    primer curso del año anterior a clases de segundo curso pequeñas (18 estudiantes por aula) y el otro 50% a
    clases de tamaño normal (21 alumnos por aula). A los estudiantes nuevos de distrito se les trata de forma
    diferente: el 20% son asignados al azar a las clases pequeñas y un 80% a las clases de tamaño normal. Al …nal
    del curso, para los alumnos de segundo curso, se somete a cada estudiante a un examen estandarizado. Sea Yi
    la cali…cación obtenida por el estudiante i esimo, sea X1i una variable binaria que es igual a 1 si el estudiante
    es asignado a una clase pequeña y X2i es una variable binaria que toma el valor 1 si el estudiante es de nuevo
    ingreso. Sea 1 el efecto causal sobre las cali…caciones en el examen de la reducción del tamaño de las clases
    desde un tamaño normal a un tamaño pequeño.

    (a) Considérese la regresión Yi = 0 + 1 X1i + Ui :¿Cree usted que E ( Ui j X1i ) = 0?¿Es el estimador M CO
    insesgado y consistente? Explíquelo.
    (b) Considérese la regresión Yi = 0 + 1 X1i + 2 X2i + Ui ¿Cree usted que E ( Ui j X1i ; X2i ) depende de X1i ?
    Explíquelo. ¿Cree usted que E ( Ui j X1i ; X2i ) depende de X2i ? Explíquelo. ¿Proporcionará el estimador
    MCO de 2 una estimación insesgada y consistente del efecto causal del cambio a una nueva escuela (es
    decir, de ser un estudiante de nuevo ingreso)? Explíquelo.

    5. Con la base de datos TeachingRatings utilizada en la Hoja de Ejercicios 2, lleve a cabo los siguientes ejercicios:

    (a) Realice una regresión de la variable Course_Eval (recuerde que son las cali…caciones en los exámenes)
    sobre la variable Beauty (la variable que mide la belleza del profesor). ¿Cuál es la pendiente estimada?

    2
    (b) Realice una regresión de la variable Course_Eval sobre la variable Beauty, incluyendo algunas variables
    de control adicionales del tipo de curso y de las características del profesor. En particular, incluya como
    regresores adicionales las variables Intro; OneCredit; F emale; M inority y N N _English: ¿Cuál es el
    efecto estimado de la variable Beauty sobre la variable Course_Eval? ¿Presenta la regresión (a) un
    sesgo de variable omitida importante?
    (c) Estime el coe…ciente de la variable Beauty del modelo de regresión múltiple en (b) mediante el proceso en
    tres etapas o Teorema de Frisch-Waugh:
    1. Regresar la variable dependiente Course_Eval sobre los controles adicionales y obtener residuos Y~ .
    ~
    2. Regresar la variable explicativa Beauty en los controles adicionales y obtener los residuos X.
    ~ ~
    3. Regresar los residuos Y sobre los residuos X;
    y comprobar que se obtiene el mismo coe…ciente estimado para la variable Beauty que el obtenido en (b):
    (d) El profesor Smith es un hombre negro con un valor de la variable Beauty promedio y es angloparlante
    nativo. Es profesor de una asignatura de tres créditos del curso superior. Prediga la evaluación de la
    asignatura del Profesor Smith.

    SOLUCIÓN:
    2. a) 0,175, 0,189 y 0,193 respectivamente; b) 5,46 $/hora más en media; c) 2,64$/hora más en media; e) 15; 67 y
    17; 12 respectivamente; h) -0,87.
    3. a) 23:400$; b) 39:000$; c) 48:800$; d) 0; 727:
    5. a) 0,133, b) 0,166 el coe…ciente no cambia mucho y el efecto no parece muy grande; d) 3,901.

    También podría gustarte