Universidad Carlos III de Madrid Econometra Regresin Lineal Mltiple: Estimacin II Hoja de ejercicios 5 1.

(Yi ; X1i ; X2i ) satisfacen los supuestos del modelo de regresin mltiple RLM.1-RLM.4. Se tiene inters en 1 ; el efecto causal de X1 sobre Y: Supngase que X1 y X2 no estn correlacionadas. Se estima 1 mediante la regresin de Y sobre X1 (por lo que X2 no est incluida en la regresin). Presenta este estimador un sesgo por variable omitida? Explique su respuesta. 2. (Yi ; X1i ; X2i ) satisfacen los supuestos del modelo de regresin mltiple RLM.1-RLM.4. Adems V ar (Ui jX1i ; X2i ) = 4; y V ar (X1i ) = 6: Se extrae una muestra aleatoria de tamao n = 400 de la poblacin. (a) Supngase que X1 y X2 no estn correlacionadas. Calcule la varianza de ^ 1 : (b) Supngase que Corr(X1 ,X2 ) = 0; 5. Calcule la varianza de ^ 1 : (c) Comente las siguientes armaciones: "Si X1 y X2 estn correlacionadas, la varianza de ^ 1 es mayor de lo que sera si X1 y X2 no estuvieran correlacionadas. Por lo tanto, si interesa 1 ; es mejor dejar fuera de la regresin a X2 si est correlacionada con X1 :" 3. Considrese el modelo de regresin Yi =
1 X1i

2 X2i

+ Ui ;

para i = 1; : : : ; n: (Tngase en cuenta que NO existe trmino constante en la regresin). (a) Especique la funcin de mnimos cuadrados que se minimiza por MCO. (b) Calcule las derivadas parciales de la funcin objetivo respecto a b1 y b2 : Pn Pn Pn 2 (c) Supngase que i=1 X1i X2i = 0: Demuestre que ^ 1 = i=1 X1i Yi = i=1 X1i : Pn (d) Supngase que i=1 X1i X2i 6= 0: Obtenga una expresin para ^ 1 como funcin de los datos (Yi ; X1i ; X2i ) ; i = 1; : : : ; n: (e) Supngase que el modelo incluye un trmino constante: Yi = ^ X1 ^ X2 : estimadores MCO cumplen que ^ 0 = Y 1 2
0+ 1 X1i + 2 X2i + Ui :

Demuestre que los X2i X2

Pn (f) Supngase que el modelo incluye un trmino constante como en (e): Supngase adems que i=1 X1i X1 Pn Pn 2 0: Demuestre que ^ 1 = i=1 X1i X1 Yi Y = i=1 X1i X1 : Cmo se compara con el estimador MCO de 1 de la regresin en la que se omite X2 ?

4. Con la base de datos TeachingRatings utilizada en la hoja 2, lleve a cabo los siguientes ejercicios: (a) Realice una regresin de la variable Course_Eval (recuerde que son las calicaciones en los exmenes) sobre la variable Beauty (la variable que mide la belleza del profesor). Cul es la pendiente estimada? (b) Realice una regresin de la variable Course_Eval sobre la variable Beauty, incluyendo algunas variables de control adicionales del tipo de curso y de las caractersticas del profesor. En particular, incluya como regresores adicionales las variables Intro; OneCredit; F emale; M inority y N N English: Cul es el efecto estimado de la variable Beauty sobre la variable Course_Eval? Presenta la regresin (a) un sesgo de variable omitida importante? (c) Estime el coeciente de la variable Beauty del modelo de regresin mltiple 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 coeciente 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 crditos del curso superior. Prediga la evaluacin de la asignatura del Profesor Smith. 1

5. Con la base de datos CollegeDistance utilizada en la hoja de ejercicios 2, realice los siguientes ejercicios: (a) Realice una regresin de la variable aos de educacin completados (ED) sobre la variable de la distancia a la universidad ms cercana (Dist) Cul es la pendiente estimada? (b) Realice una regresin de la variable ED sobre la variable Dist; pero incluyendo algunos regresores adicionales de control sobre las caractersticas del estudiante, la familia del estudiante y el mercado laboral local. En concreto, incluyendo como regresores adicionales las variables Bytest; F emale; Black; Hispanic; Incomehi; Ownhome, DadColl; Cue80; y Stwmf g80: Cul es el efecto estimado de la variable Dist sobre la variable ED? (c) Es sustancialmente distinto el efecto estimado de la variable Dist sobre la variable ED en la regresin de (b) de la regresin en (a)? En base a esto, parece que la regresin (a) presente un sesgo de variable omitida importante? (d) Compare el ajuste de la regresin de (a) y de (b) utilizando los errores estndar de regresin, R2 y R2 : Por qu R2 y R2 son tan similares en la regresin (b)? (e) El valor del coeciente de la variable DadColl es positivo. Qu mide este coeciente? (f) Explique por qu las variables Cue80 y Swmf g80 aparecen en la regresin. Cules cree que son los signos de sus coecientes estimados (+ -)? Interprete la magnitud de esos coecientes. (g) Bob es un hombre negro. Su escuela secundaria estaba a 20 millas de la universidad ms cercana. Su calicacin en la prueba (Bytest) fue de 58. Su renta familiar en 1980 fue de 26.000$ y su familia posea una casa. Su madre acudi a la universidad, pero su padre no. La tasa de desempleo en su condado era del 7,5% y el promedio del salario por hora manufacturero en su estado era de 9,74$. Estime el nmero de aos completados de estudio por Bob utilizando la regresin de (b) : (h) Jim tiene las mismas caractersticas de Bob, salvo que su escuela secundaria estaba a 40 millas de la universidad ms cercana. Estime los aos completados de estudio de Jim usando la regresin de (b) : SOLUCIONES: 2. a) 0,00167; b) 0,0022. 4. a) 0,133, b) 0,166 el coeciente no cambia mucho y el efecto no parece muy grande; d) 3,901.