ECONOMETRÍA I
EJERCICIOS UNÍDAD III
I. ESTIMACIÓN DEL MODELO DE K VARIABLES
1. Sabemos que el vector de residuos, definido como , donde 𝒀 ̂ , puede ser
̂ = 𝑿𝜷
escrito en la forma .
a) Muestre la forma que tiene la matriz
b) Demuestre que es una matriz simétrica e idempotente.
2. Considere las siguientes observaciones para la variable dependiente y dos regresores
a) Calcule el estimador mínimo cuadrático de 𝜷 y
b) Calcule el
c) Obtenga una expresión para calcular a partir del (Ver en cualquier texto de
econometría)
d) Calcule 𝑉𝑎𝑟(𝜷 ̂ ) y obtenga el estadístico F de la prueba de significancia global
Nota: Realice los cálculos matricialmente, excepto en el literal c)
3. Sea el modelo de regresión con variables 𝒀 = 𝑿𝜷 + 𝒖. Suponga que se cumplen los
supuestos del modelo clásico vistos en clase. Sea 𝒙𝑖 la i-ésima columna de la matriz y
suponga que 𝒙′𝑖 𝒙𝑖 = 0 para todo 𝑖 ≠ 𝑗 (es decir las columnas de son ortogonales).
a) Si la primera columna de es un vector de unos ¿Qué implica el supuesto de ortogonalidad
de las columnas de ?
b) Comente la siguiente afirmación: “Bajo el supuesto de ortogonalidad el estimador MCO de
es equivalente a estimar por MCO el modelo de regresión simple entre 𝑌 y cada
una de las variables explicativas”
c) Suponga que Ud. cuenta con la información dada en el Cuadro 1 y adicionalmente sabe qué
. Usando álgebra matricial obtenga los estimadores de , y .
Cuadro 1
Intercepto x2 x3 Y
1 1 -2 1
1 -1 1 -2
1 -1 -1 1
1 2 2 0
1 0 0 0
4. Suponga que el modelo verdadero está dado por Y= 𝑿𝜷+𝒖, con 𝐸(𝒖) = 𝟎 y 𝐸(𝒖𝒖′) = 𝜎2𝑰.
Además, asuma que 𝑿 es una matriz no estocástica de orden 𝑛 x 𝑘.
Sin embargo, el modelo estimado por MCO utiliza una matriz de variables explicativas 𝒁, las
mismas que son combinaciones lineales de la matriz 𝑿. Esto es, se estima el modelo Y= 𝒁𝜸+ 𝒗
donde 𝒁 = 𝑿𝑷, siendo 𝑷 de orden 𝑘 x 𝑘.
a) Encuentre el valor esperado de los estimadores de 𝜸 en función de 𝜷
b) Encuentre la matriz de varianzas y covarianzas de los estimadores de 𝜸.
5. Sea el modelo 𝑦𝑖 = 𝛽1𝑥1𝑖 +𝛽2𝑥2𝑖 +𝑢𝑖 expresado en forma de desviaciones. Se cumple además
que 𝐸(𝒖) = 0 y 𝐸(𝒖𝒖′) = 𝜎2𝑰. Se hacen dos estimaciones de este modelo por MCO. Una
estimación es sin restricciones y la otra incorpora la restricción de que 𝛽1 = 𝑐, donde 𝑐 es una
constante. Encuentre una expresión para el valor esperado del estimador de 𝛽2 de la
regresión restringida que sea función de los datos de los datos 𝑥1𝑖, 𝑥2𝑖 y de los parámetros 𝛽1,
𝛽2 y 𝑐.
6. Demuestre que el estadístico F de la prueba de significancia global, dado por
Es igual
7. Indique cual es la principal ventaja de usar variables estandarizadas en un modelo de regresión
y por qué esto es así.
Ahora considere una variante del modelo visto en clase, en el primer taller de Stata. En este modelo
la variable dependiente sigue siendo el precio de la vivienda en dólares, mientras que las variables
explicativas son el área de construcción, medida en pies cuadrados, y el número de baños.
Los resultados de la regresión estandarizada y los descriptivos de las variables originales se muestran
en las siguientes tablas:
Tabla 1
-------------------------------------------------------------------------------------------
price_s | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+--------------------------------------------------------------------------------------
sqft_s | .6128136 .0276177 22.19 0.000 .5586231 .6670041
bath_s | .206498 .0276177 7.48 0.000 .1523075 .2606885
Tabla 2
Variable | Obs Mean Std. Dev. Min Max
-------------+----------------------------------------------------------------------
price | 1,080 154863.2 122912.8 22000 1580000
sqft | 1,080 2325.938 1008.098 662 7897
baths | 1,080 1.973148 .6120669 1 5
Se pide:
a) Interpretar rigurosamente los coeficientes estimados que se muestran en la Tabla 1. Además,
¿qué nos pueden decir estos resultados acerca del impacto de cada variable explicativa sobre
los precios?
b) Recuperar todos los coeficientes estimados de la regresión original, es decir aquella que utiliza
las variables en sus escalas originales
c) Recuperar los errores estándar de los coeficientes estimados de la regresión original, excepto
el que corresponde al intercepto
8. Suponga que, al correr dos regresiones, obtiene los siguientes resultados (valores “t” entre
paréntesis)
𝑌 = 2 + 4𝑋 𝑅2 = 0.3 Modelo Restringido
(2) (3.9)
𝑌 = 3.5 + 3𝑋 + 7𝑊 𝑅2 = 0.8 Modelo No Restringido
(1.8) (2) (5)
Se pide:
a) Encontrar el tamaño de la muestra
b) Determinar el 𝑅̅2 en la segunda regresión
Sugerencia: Para resolver el literal a) utilice una fórmula alternativa del estadístico F que compara
el modelo restringido vs. el modelo no restringido. (Ver Gujarati, quinta edición, cáp. 8).
II. REGRESIÓN PARTICIONADA Y REGRESIÓN PARCIAL
1. Considere el ejemplo correspondiente al modelo de tres variables
𝑌𝑖 = 𝛽1 + 𝛽2 𝑋2𝑖 + 𝛽3 𝑋3𝑖 + 𝑢𝑖
Demuestre -utilizando el primer teorema visto en clase derivado de la regresión particionada-
que:
Donde 𝛿̂2 es el estimador de MCO de la regresión entre 𝑋3 como variable dependiente y 𝑋2 como
explicativa y 𝛿̂3 es el coeficiente estimado de la regresión entre 𝑋2 como variable dependiente y
𝑋3 como explicativa. Además 𝑏̂2 y 𝑏̂3 son los estimadores de la regresión simple entre 𝑌 y 𝑋2 y
entre 𝑌 y 𝑋3, respectivamente.
2. Dadas las siguientes estimaciones, obtenidas por mínimos cuadrados ordinarios
𝐶𝑡 = 𝛽1 + 0.92𝑌𝑡 + 𝑢1𝑡
𝐶𝑡 = 𝛼1 + 0.84𝐶𝑡−1 + 𝑢2𝑡
𝐶𝑡−1 = 𝛾1 + 0.78𝑌𝑡 + 𝑢3𝑡
𝑌𝑡 = 𝜆1 + 0.55𝐶𝑡−1 + 𝑢4𝑡
Calcule los estimadores de MCO de 𝛽2 y 𝛽3 en la regresión
𝐶𝑡 = 𝑏1 + 𝛽2 𝑌𝑡 + 𝛽3 𝐶𝑡−1 + 𝑢1𝑡
III. INTERPRETACIÓN DE RESULTADOS Y VARIABLES FICTICIAS
1. De los datos de 46 estados de la Unión Americana para 1992, se obtuvieron los siguientes
resultados:
ln 𝐶𝑖 = 4.30 − 1.34 ln 𝑃𝑖 + 0.17 ln 𝑌𝑖 𝑅̅ 2 = 0.27
̂ (. 91) (0.32)
𝑒𝑒 (.20)
Donde:
ln 𝐶 = Logaritmo del consumo de cigarros, en paquetes al año
ln 𝑃 = Logaritmo del Precio real por paquete, en dólares
ln 𝑌 = Logaritmo del Ingreso Disponible Real per cápita, en dólares
a) Interprete los resultados
b) ¿Cuál es la elasticidad de la demanda para los cigarros respecto al precio? ¿Es
estadísticamente significativa? ¿Es estadísticamente diferente de uno?
c) ¿Cuál es la elasticidad del ingreso de la demanda de cigarros? ¿Es estadísticamente
significativa?
d) ¿Cómo se obtiene 𝑅2 a partir del 𝑅̅ 2 ajustado dado antes? Encuéntrelo
2. Suponga que un investigador usando datos de 250 hombres y 280 mujeres
seleccionados al azar, estima la siguiente regresión
𝑆𝑎𝑙𝑎𝑟𝑖𝑜 = 12.52 + 2.12𝐷 𝑅2 = 0.06
(.23) (.36)
Donde Salario está medida en US$/hora y 𝐷es una variable dummy, que toma valores de 1 si es
hombre y 0 si es mujer. Los números entre paréntesis son los errores estándar de los parámetros
estimados.
a) ¿Cuál es la brecha salarial estimada?
b) ¿Es la brecha salarial significativamente distinta de cero?
c) Construya un intervalo de confianza del 90% para la brecha salarial
d) Otro investigador utiliza la misma información, pero corre la regresión entre Salarios y una
dummy que toma valores de 1 si la persona es mujer y 0 si es hombre. ¿Cuál es el valor
estimado del parámetro que acompaña a la dummy mujer?
3. En un estudio sobre las horas de trabajo dedicadas por una institución de supervisión bancaria
al análisis de 91 bancos, se estimó la siguiente función:
ln 𝑌̂𝑖 = 2.41 + 0.3674 ln 𝑋2𝑖 + 0.2217 ln 𝑋3𝑖 + 0.0803 ln 𝑋4𝑖 − 0.1755𝐷2𝑖 − 0.275𝐷3𝑖
Donde
Y = horas-hombre del examinador en el Banco i
X2 = Activos Totales del Banco
X3 = Número de oficinas del Banco
X4 = Razón de Préstamos clasificados en mora frente a los préstamos totales del Banco
D2 = 1 Si la administración fue calificada de “Muy Buena”; 0 Si fue calificada de “No buena”
D3 = 1 Si la evaluación fue realizada conjuntamente con el estado; 0 Lo demás
Interprete los coeficientes estimados.
4. Del siguiente modelo
𝑌̂𝑖 = 12.388 + 5.113𝑋2𝑖 + 4.756𝑋3𝑖 − 0.315𝑋4𝑖 + 0.675𝑋5𝑖 + 1.906𝑋6𝑖
(1.63) (1.67) (−2.07) (0.93) (0.86)
Donde:
Y = Ausentismo laboral, medido en el número de días que un trabajador faltó a su trabajo
durante un año
X2 = Sexo (0 = Hombre; 1 = Mujer)
X3 = Estado civil (0 = casado (a) o divorciado (a); 1 = soltero (a))
X4 = Edad del trabajador
X5 = Número de personas a su cargo
X6 = Propietario de un automóvil (0 = tiene auto; 1 = no lo tiene)
Los valores entre paréntesis debajo de los coeficientes son sus errores estándar
Se pide:
a) Interpretar los parámetros estimados. ¿Son coherentes los signos obtenidos?
b) Estime el día de ausencias para una trabajadora de 36 años, casada con tres hijos y que
posee un vehículo
c) ¿Son significativos los parámetros estimados? ¿A qué atribuye estos resultados?
d) ¿Cuál es la categoría base?
5. De acuerdo a la información de la compañía Medicine, proporcionada en la hoja de Anexo 1 y en
el archivo de Excel, denominado “Ventas Farmacéutica”:
a) Especificar el modelo que explique la evolución de las ventas de Medicine en función de una
ordenada al origen, los gastos en publicidad, las ventas del período anterior y tres ficticias
(dicótomas) que recogen distintos avatares por los que pasó la empresa durante el período
de estudio (1907-1960).
b) Exceptuando el intercepto, ¿cuál sería la interpretación general para cada uno de los
parámetros del modelo? ¿cuáles son los signos esperados para cada uno de los parámetros?
c) Corra el modelo en STATA e interprete los resultados.
IV. TEST DE HIPÓTESIS
1. En una aplicación de la función de producción Cobb-Douglas se obtuvieron los siguientes
resultados:
ln 𝑌̂𝑖 = 2.3542 + 0.9576 ln 𝑋2𝑖 + 0.8242 ln 𝑋3𝑖
(0.3022) (0.3571)
𝑅 2 = 0.8432 𝑔𝑙 = 12
Donde Y = producción, X2 = insumo trabajo y X3 = insumo capital; las cifras en paréntesis son los
errores estándar estimados.
a) Interprete los parámetros estimados (excepto el intercepto)
b) ¿Son estadísticamente iguales a la unidad? (excluya al intercepto)
c) Pruebe la hipótesis de que los parámetros estimados son iguales, suponiendo i) que la
covarianza entre ellos es cero y ii) que la covarianza entre ellos es -0.0972
2. Suponga que tiene el siguiente modelo 𝑌𝑖 = 𝛽1 +𝛽2𝑋2𝑖 +𝛽3𝑋3𝑖 +𝑢𝑖. Por razones de costo el paquete
estadístico que Ud. maneja no es muy bueno, por lo que solo entrega los errores estándar de los
estimadores, más no sus covarianzas. Indique con detalle con procedería para testear la 𝐻𝑜: 𝛽3
−𝛽2 = 0.
3. Se tiene la siguiente ecuación para el consumo de acero en Ecuador, estimada con datos que van
desde 1970 a 2003:
𝐿𝑛𝐶𝑡 = −2.3+3.1𝐿𝑛(𝑃𝐼𝐵𝑡) − 2.6𝐿𝑛(𝑃𝐼𝐵𝑡−1) + 0.6𝐿𝑛(𝐶𝑡−1)
Donde:
𝐶𝑡 = Consumo de acero en el período t
𝐶𝑡−1 = Consumo de acero en el período t-1
𝑃𝐼𝐵𝑡 = Producto Interno Bruto a valores constantes de 1995, en el año t
𝑃𝐼𝐵𝑡−1 = Producto Interno Bruto a valores constantes de 1995, en el año t
Mientras que la matriz de varianzas y covarianzas de los estimadores es la siguiente:
Por otro lado, 𝒖̂′𝒖̂ = 0.40.
a) Examine la hipótesis de que el PIB del período t no influye en el consumo
b) Examine la hipótesis de que el efecto del PIB del año t y el del año t-1 son ambos iguales a cero
(Utilice el modelo general para hipótesis lineales).
c) Examine la hipótesis de que la suma de los coeficientes, excluyendo la constante, es igual a 1
(Utilice el modelo general para hipótesis lineales y alternativamente la prueba “t” para restricciones
lineales)
d) Construya un intervalo de confianza del 95% para el parámetro del rezago del logaritmo del
consumo
V. EJERCICIOS ADICIONALES DE GUJARATI Y DE JOHNSTON Y DINARDO
1. Del capítulo No 3 del texto de Johnston y Dinardo realizar los siguientes problemas: 3.11; 3.12;
3.20.
2. Del capítulo No 4 realice los problemas 4.2; 4.4 y 4.5
3. Del texto de Gujarati, haga los ejercicios 7.21; 8.5; 8.8
4. Del texto de Gujarati, haga los ejercicios 8.18; 8.25;8.27
Nota: Realice los cálculos en STATA.
ANEXO 1
Ventas Gasto D1 D2 D3
Publicidad
1016 608 0 0 0
921 451 0 0 0
934 529 0 0 0
976 543 0 0 0
930 525 0 0 0
1052 549 0 0 0
1184 525 0 0 0
1089 578 0 0 0
1087 609 1 0 0
1154 504 1 0 0
1330 752 1 0 0
1980 613 1 0 0
2223 862 1 0 0
2203 1016 1 0 0
2514 1360 1 0 0
2726 1482 1 0 0
3185 1608 1 0 0
3351 1800 1 0 0
3438 1941 1 0 0
2917 1229 0 1 0
2359 1373 0 1 0
2240 1611 0 1 0
2196 1568 0 1 0
2111 983 0 1 0
1806 1046 0 1 0
1644 1453 0 1 0
1814 1504 0 1 0
1770 807 0 1 0
1518 339 0 1 0
1103 562 0 1 0
1266 745 0 1 0
1473 749 0 1 0
1423 862 0 1 0
1767 1034 0 1 0
2161 1054 0 0 1
2336 1164 0 0 1
2602 1102 0 0 1
2518 1145 0 0 1
2637 1012 0 0 1
2177 836 0 0 1
1920 941 0 0 1
1910 981 0 0 1
1984 974 0 0 1
1787 766 0 0 1
1689 920 0 0 1
1866 964 0 0 1
1896 811 0 0 1
1684 789 0 0 1
1633 802 0 0 1
1657 770 0 0 1
1569 639 0 0 1
1390 644 0 0 1
1387 644 0 0 1
1289 564 0 0 1
