Sei sulla pagina 1di 2

8.

3 Las funciones de regresión para los valores hipotéticos de los coeficientes de


regresión que son consistentes con la declaración del educador son: 1  0 y. 2  0
Cuando TestScore está trazado contra STR la regresión mostrará tres segmentos
horizontales. El primer segmento será para valores de STR  20 el siguiente
segmento para 20STR 25 el segmento final para STR 25 El primer segmento será
más alto que el segundo, y el segundo segmento será más alto que el tercero.

(B) Sucede debido a la multicolinealidad perfecta. Con las tres variables binarias de
tamaño de clase incluidas en la regresión, es imposible calcular las estimaciones OLS
porque la intercepción es una función lineal perfecta de los tres regresores de
tamaño de clase.

8.5
(A) (1) La demanda de revistas más antiguas es menos elástica quelas revistas más
jóvenes porque el término de interacción entre el logaritmo de la edad de la revista
y el precio por citación es positivo. (2) Existe una relación lineal entre el precio del
log y el log de la cantidad, debido a que los coeficientes estimados sobre el precio
del logaritmo al cuadrado y el precio del log al cubo son ambos insignificantes. (3) La
demanda es mayor para las revistas con más caracteres que se derivan de la
estimación positiva y estadísticamente significativa del coeficiente en el registro de
los caracteres.

El efecto de ln (Precio por citación) está dado por [0.899  0.141  ln (Edad)]  ln
(Precio por citación). Utilizando Años  80, la elasticidad es [ 0,899  0,141  ln (80)]
  0 0,28.
(ii) Como se describe en la ecuación (8.8) y la nota a pie de página en la página 261,
el error estándar se puede encontrar dividiendo 0.28, el valor absoluto de la
estimación, por la raíz cuadrada de la prueba estadística F-prueba estadística  ln
(Price per citation )  In (80)   ln (Edad) × ln (Precio por citación)  0.
(c) ln(caracteres/a)=ln(caracteres)-ln(a) para cualquier constante a.Así, el
parámetro estimado en caracteres no cambiará y la constante (interceptación)
cambiará.
8.7
(i) Ln (Ganancias) para las mujeres son, en promedio, 0,44 menor para los hombres
que para las mujeres. (Ii) El término de error tiene una desviación estándar de 2,65
(medida en log-puntos). (Iii) Sí. Sin embargo, la regresión no controla muchos
factores (tamaño de la empresa, industria, rentabilidad, experiencia, etc.).

(Iv) No. De forma aislada, estos resultados no implican discriminación de género. La


discriminación de género significa que dos trabajadores, idénticos en todos los
sentidos, excepto el género, reciben salarios diferentes. Por lo tanto, también es
importante controlar las características de los trabajadores que pueden afectar su
productividad (educación, años de experiencia, etc.) Si estas características son
sistemáticamente diferentes entre hombres y mujeres, entonces pueden ser
responsables de la diferencia en los salarios medios . (Si esto fuera cierto, se
plantearía una cuestión interesante e importante de por qué las mujeres tienden a
tener menos educación o menos experiencia que los hombres, pero eso es una
cuestión acerca de otra cosa distinta de la discriminación de género en los altos
cargos corporativos). Variables en la regresión que conducirán a sesgo en el
estimador de coeficientes OLS para la mujer. Dado que estas características no
fueron controladas en el análisis estadístico, es prematuro llegar a una conclusión
sobre la discriminación de género. (Ii) La mujer se correlaciona con las dos nuevas
variables incluidas y por lo menos una de las variables es importante para explicar el
ln (Ganancias). Por lo tanto, la regresión en la parte (a) sufría de sesgo variable de
omisión. C) Al olvidarse del efecto o Retorno, cuyos efectos parecen pequeños y
estadísticamente insignificantes, la fórmula de sesgo de la variable omitida (véase la
ecuación (6.1)) sugiere que la hembra está negativamente correlacionada con ln
(MarketValue).