Año 2024
Ejercicios de Econometrı́a
Primer Semestre
1. La ecuación siguiente se estimó empleando los datos del archivo CEOSAL1.dta, el cual
contiene datos de salarios de gerentes de compañias en EEUU.
ˆ
log(salary) = 4.332 + 0.276 log(sales) + 0.215 roe − 0.00008 roe2
donde roe es el retorno del capital
(a) Esta ecuación permite que roe tenga un efecto decreciente sobre log(salary).
¿Es esto, en general, necesario? Explique por qué.
2. Empleando los datos del archivo RDCHEM.RAW, mediante MCO se obtuvo la siguiente
ecuación:
ˆ
rdintens = 2.613 + 0.00030sales − 0.0000000070sales2
donde rdintens corresponde a los gastos en IyD como porcentaje de las ventas
(a) ¿En qué punto se vuelve negativo el efecto de sales sobre rdintens?
(b) ¿Conservarı́a usted el término cuadrático del modelo? Explique.
(c) Utilice STATA y defina salesbil como las ventas medidas en miles de millones de
dólares: para esto genere la variable salesbil (gen double salesbil = sales/1,000)
y su forma cuadratica. Estime nuevamente el modelo utilizando estas nuevas
variables como independientes.
(d) ¿Qué ecuación prefiere con objeto de dar los resultados? independientes.
3. El modelo siguiente permite que el rendimiento de la educación sobre el salario dependa
de la cantidad total de educación de los dos padres, denominada pareduc
ˆ = β0 + β1 educ + β2 educ ∗ pareduc + β3 exper + β4 tenure + µ
log(wage)
(a) ¿Qué signo espera que tenga β2 ? Justifique su respuesta.
(b) Encuentre, en su expresión formal, como es el rendimiento de un año más de
educación en este modelo
(c) En STATA utilice los datos del archivo WAGE2.RAW y estime la siguiente
ecuación:
ˆ = β0 + β1 educ + β2 educ ∗ pareduc + β3 exper + β4 tenure + µ
log(wage)
Como podrá notar, deberá generar la variable pareduc (como la suma de meduc
+ feduc), y la interacción entre pareduc y educ.
Interprete el coeficiente del término de interacción. Puede ayudar elegir dos
valores especı́ficos para pareduc —por ejemplo, pareduc = 32 si ambos padres
tienen educación universitaria o pareduc = 24 si los dos padres tienen bachiller-
ato— y de esta manera estimar el rendimiento de educ.
(d) Incorpore ahora como variable independiente a pareduc. ¿Depende ahora el
rendimiento estimado de la educación positivamente de la educación de los
padres? Pruebe la hipótesis nula de que el rendimiento de la educación no
depende de la educación de los padres.
4. Suponga que se desea estimar el efecto del alcohol (alcohol) sobre el promedio general de
calificaciones en la universidad (colGPA). Además de la información acerca del consumo
del alcohol y el promedio general de calificaciones, también se obtiene información sobre
la asistencia a clases (porcentaje de asistencia a clases, que se denomina attend). Se
cuenta también con la calificación en una prueba estandarizada SAT) y con el promedio
general de calificaciones en el bachillerato (hsGPA).
(a) En un modelo de regresión múltiple, ¿debe incluirse attend además de alcohol
como variables explicativas en un modelo de regresión múltiple? (Reflexione
sobre cómo se interpretarı́a el coeficiente (β) de alcohol.)
(b) ¿Hay que incluir SAT y hsGPA como variables explicativas? Explique.
5. Considere un modelo simple para estimar el efecto de la posesión de una computadora
personal (PC) en el promedio de calificaciones (GPA) para los alumnos del último año
de la carrera en una universidad pública grande:
GP A = β0 + β1 P C + µ
(a) ¿Por qué la posesión de una PC podrı́a estar correlacionada con µ?
(b) Explique por qué es probable que PC esté relacionada con el ingreso anual de
los padres. ¿Esto significa que el ingreso de los padres es una buena VI para
PC? ¿Por qué?
(c) Suponga que, hace cuatro años, la universidad otorgó subsidios para comprar
computadoras para casi la mitad de los estudiantes de nuevo ingreso, y se eligió
de manera aleatoria a quienes los recibieron. Explique de manera detallada
cómo se usarı́a esta información para construir una variable instrumental para
PC.
6. Suponga que se desea estimar el efecto de la asistencia a clases sobre el desempeño de
los estudiantes. Podrı́amos usar el siguiente modelo:
stndf nl = β0 + β1 atndrte + β2 priGP A + β3 ACT + µ
donde:
stndfnl es el resultado estandarizado de un examen final
atndrte es el porcentaje de asistencia a clases
priGPA es la calificación promedio ACT Puntaje de admisión a la Universidad
(a) Sea dist la distancia de los dormitorios de los estudiantes al aula. ¿Piensa que
dist no está correlacionada con u?
(b) En el supuesto de que dist y u no se correlacionen, ¿qué otros supuestos debe
satisfacer dist para ser una VI válida para atndrte?
(c) En STATA utilice la base de datos ATTEND.dta y estime el modelo. Luego
evalúe a dist como VI de atndrte.
7. Suponga que lo contrata una universidad para estudiar los factores que determinan si
un estudiante admitido a la universidad en realidad asiste a ella. Se le da una muestra
aleatoria grande de estudiantes que fueron admitidos el año anterior. Se tiene infor-
mación sobre si cada estudiante eligió asistir, el desempeño en el bachillerato, el ingreso
familiar, la asistencia financiera ofrecida, la raza y las variables geográficas. Alguien le
dice: “Cualquier análisis de los datos generará resultados sesgados debido a que ésta no
es una muestra aleatoria de todos los que solicitaron su ingreso a la universidad, sino sólo
de aquellos que lo solicitaron para esta universidad”. ¿Qué piensa usted de tal crı́tica?
