Professional Documents
Culture Documents
COM – 05223
Práctica Nº 3
3.1 ¿Cuál de las causas siguientes puede hacer que los estadísticos t usuales de MCO
no sean válidos (es decir, que no tengan una distribución t bajo H0)?
i) Heterocedasticidad.
ii) Que exista un coeficiente de correlación muestral de .95 entre dos variables
independientes del modelo.
iii) Omitir una variable explicativa importante.
3.2 Considere una ecuación para explicar los sueldos de los directores generales o CEO en
términos de las ventas anuales de la empresa, el rendimiento sobre capital (roe, en forma
de porcentaje), y el rendimiento de las acciones de la empresa (ros, en forma de
porcentaje):
H0 : _3 = 0
H1 : _3 > 0.
ii) Con los datos de CEOSAL1.WF1, empleando MCO se obtuvo la ecuación siguiente:
ii) Pruebe la hipótesis nula que dice que ros no tiene efecto sobre salary contra la
alternativa que dice que ros tiene efecto positivo. Realice la prueba al nivel de
significancia de 10%.
iii) ¿Incluiría usted ros en el modelo final que explica las compensaciones de los
CEO en términos del desempeño de la empresa? Explique.
No, lo incluiría en el modelo final por que ros no tiene efecto en el sueldo de
los CEO.
ii) Pruebe la hipótesis de que la intensidad de la I & D no varía con sales contra la
alternativa de que aumenta con las ventas. Realice la prueba a los niveles de significancia
de 5 y 10%.
H0 = 1B=0
H1 : B1>0
el estadístico t es 1,486. El valor critico al 5% para el test de una cola y 29 gdl opten I do
de la tabla G. 2 es 1,699 entonces no rechazamos H0 el valor crítico del 10% es de 1,311
como el the estadistico es mayor rechazamos H0 a favor de H1 al nivel del 10%.
Su t estadistico es de 1,087 que es menor inclusive al 10% del valor crítico por lo cual
decimos que el coeficiente no es econometricamente grande.
H0:3B=0
H1:3B≠0
La H1 estable que el tamaño del cuerpo estudiantil en relación con la población tiene
efecto efecto sobre las rentas mensuales.
B2 es de signo
3.5 Considere la ecuación estimada del ejemplo 4.3, la cual se emplea para estudiar el
efecto de faltar a clases en el promedio general (GPA) en la universidad:
ii) ¿Se puede rechazar la hipótesis H0: βhsGPA = .4 contra la alternativa de dos colas
al nivel de 5%?
El 0.4 está dentro el parámetro del 95% del intervalo de confianza por lo tanto
si se puede rechazar la H0.
iii) ¿Se puede rechazar la hipótesis H0: βhsGPA = 1 contra la alternativa de dos colas
al nivel de 5%?
1 esta fuera del 95% del intervalo de confianza por lo tanto no se pude
rechazar H0.
3.6 La tabla siguiente se obtuvo empleando los datos del archivo CEOSAL2.WF1:
Variable dependiente: log(salary)
Variables (1) (2) (3)
independientes
log(sales) .224 .158 .188
(.027) (.040) (.040)
log(mktval) -- .112 .100
(.050) (.049)
Profmarg —— -.0023 - .0022
(.0022) (.0021)
ceoten —— —— .0171
_.0092 (.0055)
comten —— —— -.0092
(.0033)
intercepto 4.94 4.62 4.57 (0.25)
(0.20) (0.25)
Observaciones 177 177 177
R-cuadrada .281 .304 .353
Podemos observar una relación inversa entre profmarg y salary muy cercana a
cero.
A mayor margen de ganancia menor sueldo.
0.0023/0.0022 = 1.045
Es demasiado peque;a y no afecta a salary
iv) ¿Qué opina del hecho de que una mayor antigüedad en la empresa,
manteniendo todos los demás factores constantes, corresponda a un sueldo
menor?
Ejercicios en Computadora
3.7 El modelo siguiente puede usarse para estudiar si los gastos de campaña afectan los
resultados de las elecciones:
voteA = β0 + β1log(expendA)+ β2log(expendB)+ β3 prtystrA + u,
donde, voteA es el porcentaje de votos recibidos por el candidato A, expendA y
expendB son los gastos de campaña del candidato A y del candidato B y prtystrA
es una medida de la fortaleza del partido del candidato A (el porcentaje de votos
que obtuvo el partido de A en la elección presidencial mas reciente).
i) ¿Cuál es la interpretación de β1?
El coeficiente de β1 es la relación entre su dependiente (expendA)
manteniendo los demás constantes.
ii) En términos de los parámetros, establezca la hipótesis nula de que un
aumento de 1% en los gastos de A es compensado por un aumento de 1% en
los gastos de B.
H nula : β1 = 0
H nula : β1 = - β2
H nula : β1 + β2 = 0
H alterna : β1 + β2 ≠ 0
i) Estime el modelo dado usando los datos del archivo VOTE1.WF1 y presente los
resultados de la manera usual. ¿Los gastos de A afectan los resultados de las
elecciones? ¿Y los gastos de B? ¿Puede usar estos resultados para probar la
hipótesis del inciso ii)?
3.8 Para este ejercicio utilice los datos del archivo LAWSCH85.RAW.
i) Usando el modelo del problema 3.4, establezca y pruebe la hipótesis nula de que el
ranking entre las escuelas de derecho no tiene efecto ceteris paribus sobre el sueldo
inicial medio.
ii) ¿Son las características de los estudiantes de nuevo ingreso —a saber, LSAT y GPA—
significativas de manera individual o conjunta para explicar el sueldo (salary)?
(Asegúrese de tomar en cuenta que hay datos faltantes en LSAT y GPA.)
iii) Pruebe si el tamaño del grupo (clsize) o el tamaño de la facultad (faculty) necesitan ser
agregados a esta ecuación; realice una prueba sencilla. (Tenga cuidado de tomar en
cuenta que hay datos faltantes en clsize y faculty.)
iv) ¿Qué factores pueden influir en la posición en el ranking de una escuela de leyes que
no están incluidos en la regresión del sueldo?
+0,0359 hrunsyr
(0,0072)
El hrunsys al eliminar la variable rbisyr se vuelve sigificante
= 0.00 y su coeficiente aumenta a 0,0359.
N= 353 SRC=184.37 R2 = 0,625
iii) Al modelo del inciso i) agregue las variables runsyr (carreras por año), fldperc
(porcentaje de fildeo) y sbasesyr (bases robadas por año). .Cuales de estos
factores son significativos individualmente?
iii) En el modelo del inciso ii) pruebe la significancia conjunta de bavg, fldperc y
sbasesyr.
Dependent Variable: LSALARY
Method: Least Squares
Date: 03/21/18 Time: 19:49
Sample: 1 353
Included observations: 353
3.10 Para este ejercicio emplee los datos del archivo WAGE2.WF1.
i) Considere la ecuación estándar para salario
log(wage) = β0 + β1educ + β2exper + β3tenure + u.
lwage = 5.496696 + 0.074864 educ + 0.015328 exper + 0.013375 tenure
Ho => β1 = β2
Hi => β1 ≠ β2
Wald Test:
Equation: Untitled
iii) ¿Tiene algún significado interesante el intercepto en la regresión del inciso ii)?
Explique.
iv) Encuentre el valor-p de la prueba H0: β2 = 1 contra H0: β2 < 1. ¿Rechaza usted H0
al nivel de significancia de 1%?
H0: β2 = 1
H0: β2 < 1
Wald Test:
Equation: Untitled
Probability
t-statistic 0.08
v) Si realiza una regresión simple de nettfa sobre inc, ¿és el coeficiente estimado de