You are on page 1of 38

FUNDAMENTOS DE ECONOMETRA

TEMA 2 EL MODELO DE REGRESIN SIMPLE

EJERCICIO 2.3.
A partir de los datos proporcionados sobre los resultados de la prueba de aptitud para el
acceso a la universidad en EEUU (ACT) y la nota media en la universidad (GPA) de ocho
estudiantes universitarios
1. Estimar la relacin entre GPA y ACT empleando MCO, obtener los valores estimados
de 0 y 1
Comentar la direccin de la relacin. El trmino constante se presta a una
interpretacin til en este caso? Explicar la respuesta. En cunto se predice que
aumente el GPA si el resultado ACT aumenta en 5 puntos?
2. Calcular los valores ajustados y los residuos para cada observacin y comprobar que
los residuos suman aproximadamente cero
3. Dar el valor predicho GPA cuando ACT = 20
4. Qu proporcin de la variacin de GPA de estos ocho estudiantes se explica por
ACT? Razonar la respuesta
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE

MUESTRA ALEATORIA DE TAMAO N =8

Estudiante GPA(y) ACT(x)


1 2,8 21
2 3,4 24
3 3,0 26
4 3,5 27
5 3,6 29
6 3,0 25
7 2,7 25
8 3,7 30

GPAi =0 +1 ACTi +ui coni=1,2,3,.,8


FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE

DERIVACIN ESTIMACIONES POR MCO


MODELO DE REGRESIN LINEAL
y=0 +1 x+u SIMPLE

SUPUESTO CRUCIAL SUPUESTO DE MEDIA CONDICIONADA NULA

E(u|x)=E(u)=0

El valor esperado de U no depende de X Siempre y cuando incluyamos una


La media de los errores es la misma, constante en la especificacin podemos
E(U), independientemente del valor que establecer que el valor medio de u en la
tome X. poblacin es 0 (ver ejercicio 2.2.).

Cov (x,u)=E(xu)=0 E(u)=0


Restriccin1 Restriccin2

E(xu)=E[x(y 0 1x)]=0 E(u)=E(y 0 1x)=0


FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE

DERIVACIN ESTIMACIONES POR MCO


POBLACIONAL

E(xu)=E[x(y 0 1x)]=0 E(u)=E(y 0 1x)=0

( ) ( )
n n
MUESTRAL

n1 x i yi 0 1 x i =0 n1 yi 0 1 x i =0
i=1 i=1

QUEREMOS ENCONTRAR ESTIMACIONES DE 0 Y 1 QUE CUMPLAN ESTAS


DOS RESTRICCIONES
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE

DERIVACIN ESTIMACIONES POR MCO

( )
n
n1 yi 0 1 x i =0
i=1

n n n
n1 yi n1 0 n1 1 x i =0 n
i=1 i=1 i=1 =n0 0
i=1
n n

yi 1 x i
n n

x = x
n 0
1 i 1 i
i=1 i=1

i=1
i=1
=0
n n n
y 0 1 x =0

0 = y 1 x
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE

DERIVACIN ESTIMACIONES POR MCO

x ( y x )=0
n n

x ( y y ) = x ( x x )
n
1
n i i 0 1 i i i 1 i i
i=1 i=1 i=1

( )
n

xi yi 0 1 xi =0 x (y y )
n

i i
i=1
1 = i=1
n

( ) x ( x x )
n

x i yi y 1 x 1 x i =0
n n

i i xi ( yi y )= ( xi x )( yi y )
i=1
i=1
i=1
n
i=1
n

x i ( x i x )= ( x i x ) 2
i=1 i=1

( )
n

( )
n

i i i 1 1i
x x =0

( x x )( y y )
n
x y y x
i=1 i=1 i i

n
1 = i=1
n

( )
n

i i 1 i (x x )
2
x y y
= x x x 2
i
i
i=1 i=1 i=1
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE

1. Estimar la relacin entre GPA y ACT empleando MCO, obtener los valores
estimados de 0 y 1
[X MediaX] [Y mediaY]

( x x )( y y )
n
OBS. GPA(Y) ACT(X) (A)x(B) (A)^2
(A) (B)
1 2,8 21 4,88 0,41 2,01 23,77 i i
2 3,4 24 1,88 0,19 0,35 3,52 1 = i=1
n

( xi x )
3 3 26 0,13 0,21 0,03 0,02 2
4 3,5 27 1,13 0,29 0,32 1,27
5 3,6 29 3,13 0,39 1,21 9,77 i=1
6 3 25 0,88 0,21 0,19 0,77
7 2,7 25 0,88 0,51 0,45 0,77
8 3,7 30 4,13 0,49 2,01 17,02
SUMA 5,81 56,88 5,81
MEDIADEX 25,88 1 = =0,1022
MEDIADEY 3,21
56,88

0 = y 1 x

0 =3,21(0,1022x25,88) =0,5681

GPA = 0,5681 + 0,1022 ACT


FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE
Comentar la direccin de la relacin. El trmino constante se presta a una interpretacin
til en este caso? Explicar la respuesta. En cunto se predice que aumente el GPA si el
resultado ACT aumenta en 5 puntos?

GPA = 0,5681 + 0,1022 ACT Relacin positiva entre las notas de acceso y la nota
media universitaria por cada punto adicional en la
prueba de aptitud para el acceso a la universidad
(ACT) la nota media de la universidad (GPA) se
incrementa en 0,1022 puntos.

Si el resultado del ACT aumenta en 5 puntos aumento del GPA en 5 x 0,1022 = 0,511 puntos.

La constante nos indica el valor que toma GPA cuando la variable X toma valor 0. En este
caso, el valor de la constante nos estara indicando el valor que toma GPA cuando la nota de la
prueba de acceso a la universidad es 0: predice una nota media de la universidad de 0,5681
puntos sobre 4.
La constante aqu carece de sentido puesto que, en el caso de obtener una nota de 0 en la
prueba de acceso, es de esperar que no tengas acceso a la universidad. Es de suponer que en
la poblacin el valor de X sea siempre superior o igual a la nota mnima requerida para el
acceso a la universidad.
Interpretacin de la constante efecto que, en media, tienen sobre GPA todos aquellos
factores ajenos a ACT (recogidos en u, cuya esperanza hemos fijado en cero).
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE
VALORES AJUSTADOS Y RESIDUOS

Valor ajustado valor que predecimos tomar Y en base a nuestra funcin de


regresin muestral (FRM) cuando X = Xi

yi = 0 + 1 x i GPA = 0,5681 + 0,1022 ACT

Residuo diferencia entre el valor que realmente toma Y cuando X = Xi (valor


que observamos en nuestra muestra) y el valor ajustado predicho por
nuestro modelo para ese nivel de X.

u i = yi y i = yi 0 1 xi ui = GPA (0,5681 + 0,1022 ACT)

MCO: estimadores que


minimicen la suma de los
( y x )=0
n
cuadrados de los residuos 2 n1

( )
n n i 0 1 i

Min u = yi 0 1 x i
2 Condicionesde i=1

( )
i 1er orden n
i=1 i=1 n1 x i yi 0 1 x i =0
i=1
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE
2. Calcular los valores ajustados y los residuos para cada observacin y comprobar que
los residuos suman aproximadamente cero.

VALOR
OBS. ACT(X) GPA(Y) RESIDUO
AJUSTADO
1
2
21
24
2,80
3,40
2,71
3,02
0,0857
0,3791
ui >0 LaFRMestimadasubestimayi
3 26 3,00 3,23 0,2253
4 27 3,50 3,33 0,1725
5 29 3,60 3,53 0,0681
6 25 3,00 3,12 0,1231
7 25 2,70 3,12 0,4231 ui <0 LaFRMestimadasobreestimayi
8 30 3,70 3,63 0,0659

3,63 = 0,5681 + ( 0,1022 x 30 )


8

U =0,0002
i=1
i
Condicinde1er orden

( )
n n
n1 yi 0 1 x i = 0 = n1 U
i
i=1 i=1
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE

BONDAD DEL AJUSTE


n 2

SUMA TOTAL DE LOS CUADRADOS (STC) (y y )


STC=SEC+SEC

i
i=1
Medida de la varianza muestral total en las yi. Indicador del grado de dispersin de la variable a
explicar en la muestra.
n 2

SUMA EXPLICADA DE LOS CUADRADOS (SEC) ( y y )


i=1
i

Medida de la varianza muestral de los valores ajustados. Indicador del grado de dispersin de
las variables predichas en la muestra.
n
SUMA DE LOS CUADRADOS DE LOS RESIDUOS (SCE)
i
u
i=1
2

Medida de la varianza muestral de los residuos. Indicador del grado de dispersin de los
residuos en la muestra.

BONDAD DEL AJUSTE medida de la capacidad de la relacin lineal establecida entre la


variable a explicar (Y) y la variable explicativa (X) para explicar (Y)

SEC SCE Proporcin de la varianza muestral total en las Yi que viene


R =
2
=1 explicada por la SEC, esto es, por la parte determinista del
STC STC modelo especificado
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE

3.DarelvalorpredichoGPAcuandoACT=20

GPA = 0,5681 + 0,1022 x20 = 2,61

4. Qu proporcin de la variacin de GPA de estos ocho estudiantes se explica por ACT?


Razonar la respuesta n

SEC SCE SEC SCE u 2


i
R =
2
=1 R2 = =1 =1 n
i=1
STC STC STC STC
( yi y )
2

i=1

OBS. RESIDUO^2 (Yi MEDIAY)^2


R2=1 (0,43/1,03)=0,577
1 0,01 0,17
2 0,14 0,04
ACTexplicael57,7%delavariacindeGPA.
3 0,05 0,05
4 0,03 0,08
5 0,00 0,15
6 0,02 0,05
7 0,18 0,26
8 0,00 0,24
SUMA 0,43 1,03
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE

EJERCICIO 2.5.
En la funcin de consumo lineal
= 0 + 1 inc
cons
La propensin marginal al consumo (PMC) estimada de la renta es simplemente la

cons
pendiente, mientras que la propensin media al consumo (PMEC) es = 0 + 1
inc inc
Empleando observaciones de 100 familias sobre sus ingresos y consumo anuales (ambos
medidos en dlares), obtenemos la siguiente ecuacin:

= 124,84 + 0,853inc
cons conn=100yR2 =0,692
1. Interpretar el trmino constante en esta ecuacin y comentar su signo y su
magnitud
2. Cul es el consumo predicho cuando el ingreso de la familia es de 30.000 $?
3. Dibujar la curva de PMC y PMEC estimadas, con inc en el eje de las x.
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE
1. Interpretar el trmino constante en esta ecuacin y comentar su signo y su magnitud

= 124,84 + 0,853inc
cons

En aquellos casos en los que el nivel de ingresos anual de una familia es cero (inc = 0),
su nivel de consumo es de 124,84$ al ao. consumo negativo?

Indicador de la baja utilidad de la funcin de consumo estimada para niveles de renta


bajos.

2. Cul es el consumo predicho cuando el ingreso de la familia es de 30.000 $?


= 124,84 + 0,853x 30.000 =25.465,16$
cons
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE

EJERCICIO 2.6.
Utilizando los datos de 1988 sobre las casas vendidas en Andover, Massachusetts, de
Kiel y McClain (1995), la siguiente ecuacin relaciona el precio de las viviendas (price)
con la distancia a un incinerador de basura construido recientemente (dist)
= 9,40+ 0,312log(dist)
log(price) conn=135yR2 =0,162
1. Interpretar el coeficiente de log(dist). Es el signo de esta estimacin el que se
puede esperar?
2. Ofrece la regresin simple un estimador insesgado de la elasticidad, ceteris
paribus, de price con respecto a dist? (Responder teniendo en cuenta la decisin de
la ciudad sobre dnde situar un incinerador).
3. Qu otros factores de una casa tienen una incidencia sobre su precio? Pueden
estar correlacionados con la distancia al incinerador?
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE

UNIDADES DE MEDIDA
Relacioneslinealesy=0 +1 x+u2LIMITACIONES

El efecto de un incremento dado de X sobre Y es el mismo, independientemente del


nivel de partida que tome X

Efecto porcentual no constante el porcentaje de variacin de Y depende del nivel


inicial de X

TRANSFORMACIONES LOGARTMICAS
VBLE VBLE
MODELO INTERPRETACIN1
DEP. INDEP.

Nivel Nivel y x y= 1x Porcadaunidadquex, yen1unidades


Un de x en un (1/100)% hace que y en
Nivel Log y Log(x) y= (1/100)%x
una unidad
Log Nivel Porcadaunidadadicionaldex,yenun(100.
log(y) x %y= (100.1)x
Semielasticidad 1)%
Log Log
log(y) Log(x) %y= 1%x Elenun1%dexhacequeyseenun1%
Elasticidad
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE
1. Interpretar el coeficiente de log(dist). Es el signo de esta estimacin el que se puede esperar?
= 9,40+ 0,312log(dist)
log(price) Elasticidad del precio de la vivienda respecto de la
distancia al incinerador de basuras: por cada 1%
que se incrementa la distancia respecto del
incinerador el precio de la vivienda se incrementa
en un 0,312%
2. Ofrece la regresin simple un estimador insesgado de la elasticidad, ceteris paribus, de price
con respecto a dist? (Responder teniendo en cuenta la decisin de la ciudad sobre dnde
situar un incinerador). INSESGADO E( 1 ) = 1
RLS.1.Linealidadenlosparmetros = 9,40 + 0,312log(dist)
log(price)
RLS.2.Muestreoaleatorio Muestraaleatoriadetamaon=135

RLS.3.Mediacondicionadanula E(u|x)=E(u)=0
n
RLS.4.Variacinmuestral variableindependiente i y j n tal que x i x j ( x i x ) 2 >0
i=1

Supuesto sobre cmo se relacionan X y U, E(u|x) = E(u) no existe relacin alguna entre X y U,
y, por tanto el valor medio de U no depende del valor que tome X
Existen factores recogidos en U que afecten al precio de la vivienda y que estn correlacionados con
la distancia respecto del incinerador? distancia respecto del centro urbano, densidad urbana del
rea, nivel medio de los barrios mas prximos al incinerador, etc.
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE

EJERCICIO 2.11.
El conjunto de datos CEOSAL2.RA contiene informacin sobre directores generales de
empresas estadounidenses. La variable salary es la remuneracin anual, en miles de
dlares y ceoten es el nmero de aos de antigedad en un puesto de director general.

1. Calcular el salario medio y la antigedad media en la muestra


2. Cuntos directores generales estn en su primer ao como director general (es
decir ceoten = 0)? Cul es el puesto ms duradero como director general?
3. Estimar el modelo de regresin simple
log(salary) =0 +1 ceoten + u
y presentar los resultados de la forma habitual. Cul es el porcentaje predicho
(aproximado) de incremento salarial para una ao ms como director general?
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE

GNU REGRESSION ECONOMETRIC AND TIME SERIES LIBRARY

Software para anlisis economtrico escrito en el lenguaje de


programacin C libre y de cdigo abierto
Elaborado por Allin Cottrell de la Universidad de Wake Forest
Disponible en http://gretl.sourceforge.net/gretl_espanol.html
Guas del Usuario y de Instrucciones (en ingls) disponibles en el aula
virtual

INPUTS OUTPUTS

Datos Resultados estimacin


Variable dependiente
Variables explicativas Contrastes
Especificacin modelo
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE

ceosal2.gdt informacin sobre directores generales de empresas estadounidenses en el


ao 1990. Muestra compuesta por 177 observaciones

Variableaexplicar:
salarioanual,en
milesde$

Variableexplicativa:
aosdeantigedaden
unpuestodedirector
general
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE
1. Calcular el salario medio y la antigedad media en la muestra

Salariomedioenlamuestrade865.860
milesde$

Antigedadmediaenlamuestraesde
7,95aos
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE

MEDIDAS DE POSICIN

MEDIDAS DE DISPERSIN
MEDIDAS DE FORMA

1 N

MEDIA

Estadsticopocorobustofrentealapresenciadevaloresextremos:
xi observacionesextremastienenunelevadoefectosobresuvalor
N i=1
Valorcentraldeladistribucin,valorm quedejalamitaddelreaqueestpor
debajodelafdp alaizquierdadem ylaotramitadaladerechadem
MEDIANA
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE

MEDIDAS DE DISPERSIN informacin sobre si las observaciones estn o no muy


dispersas alrededor de su centro
DESV.TPICA

1 N Cuanto ms prxima a cero est, ms concentrados estn


( xi x ) los datos alrededor de la media y sta ser ms
2
sd(x) =
N 1 i=1
representativa del conjunto de observaciones.

Problema la desviacin tpica depende de las unidades de medida de la variable X, por lo que
no permite realizar comparaciones entre varios conjuntos de datos con distinta unidad de
medida o grandes diferencias en sus medias.
COEFICIENTE DE VARIACIN

Nos permite eliminar la dimensionalidad de las variables y por


sd ( X )
tanto comparar la variabilidad de dos conjuntos de datos.
CV = CV < 1 la dispersin de los datos es pequea en relacin
x a su nivel, podemos considerar que la media es bastante
representativa del conjunto de datos.
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE

MEDIDAS FORMA DISTRIBUCIN reflejan otras caractersticas del histograma

Indica si los datos se distribuyen o no de forma simtrica


1 N
i ( )
COEF.ASIMETRA

3
x x alrededor de la media.
N i=1 CA = 0 distribucin simtrica alrededor de la media
CA =

3
CA > 0 cola asociada a los valores por encima de la media
i ( xi x )
2
(derecha) es ms larga que la izquierda
N CA < 0 cola asociada a los valores por debajo de la media
(izquierda) es ms larga que la derecha

El coeficiente de curtosis es una medida del grado de


EXCESO DE CURTOSIS

N
1
( i ) concentracin que presentan los valores en la regin central
4
x x
N i=1 de la distribucin; mide la cantidad de observaciones que se
EC = 4
3 encuentran en las colas en relacin con las situadas alrededor

i ( xi x )
2
de la media. Para el clculo del exceso de curtosis se toma
como referencia el valor de curtosis de la normal que es 3.
N
EC > 0 mayor peso de las observaciones en la cola y mayor
apuntamiento que la distribucin normal
EC < 0 menor peso de las observaciones en la cola y
menos apuntamiento que la distribucin normal
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE
2. Cuntos directores generales estn en su primer ao como director general (es decir ceoten =
0)? Cul es el puesto ms duradero como director general?
Puesto ms duradero como
director general 37 aos

5directores
generalesensu
primerao
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE
3. Estimar el modelo de regresin simple
log(salary) =0 +1 ceoten + u
y presentar los resultados de la forma habitual. Cul es el porcentaje predicho (aproximado)
de incremento salarial para una ao ms como director general?

log(salary) =0 +1 ceoten + u Hayquecrearlavariablelog(salary)


FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE

Especificacindelmodelo log(salary) =0 +1 ceoten + u


FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE

Ficheroderesultados

Coeficiente ceoten
por cada ao adicional
como director general
el modelo predice un
aumento en el salario
del 0,0097 x 100 =
0,97%.

RectaderegresinMCO
log(salary) = 6,51+ 0,0097ceoten

La constante nos indica el valor que toma log(salary) cuando la variable ceoten toma
valor 0,esto es, en los 5 casos en los que los directores generales estn en su primer ao
en el puesto de director general.
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE

EJERCICIO 2.13.
Emplear los datos de WAGE2.RAW para estimar una regresin simple que explique el
salario mensual (wage) en funcin del resultado del QI (IQ)

1. Obtener el salario medio y el QI medio de la muestra. Cul es la desviacin


estndar de IQ? (Los resultados del QI estn estandarizados de tal manera que la
media poblacional es 100 con una desviacin estndar de 15).
2. Estimar un modelo de regresin simple en el que el aumento de un punto en IQ
cambie wage en una cantidad constante de dlares. Utilizar este modelo para
encontrar el aumento predicho de salario para un aumento de IQ en 15 puntos.
Explica IQ la mayor parte de la variacin de wage?
3. Estimar un modelo en el que cada aumento de un punto de IQ tenga el mismo
efecto porcentual sobre wage. Si IQ aumenta en 15 puntos, cul es el aumento
predicho aproximado en porcentaje en wage?
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE

1. Obtener el salario medio y el QI medio de la muestra. Cul es la desviacin estndar de IQ?


(Los resultados del QI estn estandarizados de tal manera que la media poblacional es 100 con
una desviacin estndar de 15).

Salariomedio957$mensuales
QImedio101,28
Valorescercanosalosvalorespoblacionales
DesviacinestndarQI 15,05
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE

2. Estimar un modelo de regresin simple en el que el aumento de un punto en IQ cambie wage


en una cantidad constante de dlares. Utilizar este modelo para encontrar el aumento
predicho de salario para un aumento de IQ en 15 puntos. Explica IQ la mayor parte de la
variacin de wage?

VBLE VBLE
MODELO INTERPRETACIN1
DEP. INDEP.

Nivel Nivel y x y= 1x Porcadaunidadquex, yen1unidades


Un de x en un (1/100)% hace que y en una
Nivel Log y Log(x) y= (1/100)%x
unidad
Log Nivel Porcadaunidadadicionaldex,yenun(100.
log(y) x %y= (100.1)x
Semielasticidad 1)%
Log Log
log(y) Log(x) %y= 1%x Elenun1%dexhacequeyseenun1%
Elasticidad

wage =0 +1 IQ + u El incremento en una unidad de IQ lleva aparejado un


incremento en el salario mensual en 1 $.
El efecto de un incremento de IQ sobre wage es el mismo
independientemente del nivel de partida de IQ.
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE

wage =0 +1 IQ + u

= 116,99+ 8,30 IQ
wage
n = 935, R2 =0,095

Aumento en el salario predicho por el modelo estimado ante un aumento de IQ


en 15 puntos: wage = 8,3 x 15 = 124,5$

SEC SCE
R2 = =1 = 0,095 Proporcin de la varianza muestral total que viene
STC STC explicada por la SEC, esto es, por la parte
determinista del modelo especificado. IQ tan slo
explica un 9,5% de la variacin de wage.
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE

3. Estimar un modelo en el que cada aumento de un punto de IQ tenga el mismo efecto


porcentual sobre wage. Si IQ aumenta en 15 puntos, cul es el aumento predicho
aproximado en porcentaje en wage?

VBLE VBLE
MODELO INTERPRETACIN1
DEP. INDEP.

Nivel Nivel y x y= 1x Porcadaunidadquex, yen1unidades


Un de x en un (1/100)% hace que y en una
Nivel Log y Log(x) y= (1/100)%x
unidad
Log Nivel Porcadaunidadadicionaldex,yenun(100.
log(y) x %y= (100.1)x
Semielasticidad 1)%
Log Log
log(y) Log(x) %y= 1%x Elenun1%dexhacequeyseenun1%
Elasticidad

log(wage)=0 +1 IQ + u El incremento en una unidad de IQ lleva aparejado un


incremento en el salario mensual en un (1x100)%.
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE

log(wage)=0 +1 IQ + u
log(wage) = 5,89+ 0,0088 IQ
n = 935, R2 =0,099

El incremento en 15 unidades de IQ lleva aparejado un incremento en el salario mensual


en un 15 x 0,0088 x 100 = 13,2%
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE

EJERCICIO 2.14.
Para la poblacin de empresas de la industria qumica, sea rd los gastos anuales de
investigacin y desarrollo, y sea sales las ventas anuales (ambos expresados en millones
de dlares).

1. Proponer un modelo (no una ecuacin estimada) que implique una elasticidad
constante entre rd y sales. Qu parmetro es la elasticidad?
2. Estimar ahora el modelo empleando los datos RDCHEM.RAW. Presentar las
ecuaciones estimadas de la forma habitual. Cul es la elasticidad estimada de rd
con respecto a ventas? Explicar con palabras lo que significa esta elasticidad.
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE
1. Proponer un modelo (no una ecuacin estimada) que implique una elasticidad constante
entre rd y sales. Qu parmetro es la elasticidad?

VBLE VBLE
MODELO INTERPRETACIN1
DEP. INDEP.

Nivel Nivel y x y= 1x Porcadaunidadquex, yen1unidades


Un de x en un (1/100)% hace que y en
Nivel Log y Log(x) y= (1/100)%x
una unidad
Log Nivel Porcadaunidadadicionaldex,yenun(100.
log(y) x %y= (100.1)x
Semielasticidad 1)%
Log Log
log(y) Log(x) %y= 1%x Elenun1%dexhacequeyseenun1%
Elasticidad

log(rd) =0 +1 log ( sales ) + u

Elasticidaddelosgatoseninvestigacinydesarrollo(rd)conrespectoa
lasventasanuales(sales) elincrementoenun1%enelvolumende
ventasanualesllevaaparejadounincrementoenlosgastosdestinadosa
I+Denun1%
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE
2. Estimar ahora el modelo empleando los datos RDCHEM.RAW. Presentar las ecuaciones
estimadas de la forma habitual. Cul es la elasticidad estimada de rd con respecto a ventas?
Explicar con palabras lo que significa esta elasticidad.

Variableaexplicar(rd):
Gasto anual en I+D en el ao 1991 por
parte de la industria qumica, en
millones de $ logaritmo

Variableexplicativa(sales):
Ventas anuales de la industria qumica
en el ao 1991, en millones de $
logaritmo
FUNDAMENTOS DE ECONOMETRA
TEMA 2 EL MODELO DE REGRESIN SIMPLE

log(rd) =0 +1 log ( sales ) + u Elasticidad de los gatos en investigacin y


desarrollo (rd) con respecto a las ventas anuales
(sales) el incremento en un 1% en el volumen
= 4,105+ 1,076log ( sales )
log(rd) de ventas anuales lleva aparejado un incremento
n = 32, R2 = 0,910 en los gastos destinados a I+D en un 1,08%

You might also like