Guía 2.

INFERENCIA, CONSISTENCIA Y REGRESIÓN MÚLTIPLE CON VARIABLES CUALITATIVAS

UNIVERSIDAD EAN

ECONOMETRÍA

La versión imprimible considera solo una parte del módulo; por lo tanto, 7es
indispensable revisar cuidadosamente el ambiente interactivo.

NOMBRE DEL AUTOR

JHON ALEXANDER MÉNDEZ SAYAGO

BOGOTÁ
2019
 Guía 2. INFERENCIA, CONSISTENCIA Y REGRESIÓN MÚLTIPLE CON VARIABLES CUALITATIVAS

Propósito Guía
Que el estudiante esté en capacidad de probar hipótesis sobre las relaciones entre
las variables explicativas y dependientes.

Material de estudio

Lectura básica

Wooldridge, J., (2010). Introducción a la Econometría. Un enfoque moderno.

Michigan State University. 4a. edición. Edi. Cengage Learning

Lectura complementaria

Frías-Navarro, D., (2008). Evaluación empírica de las hipótesis. Universidad de

Valencia. Recuperado de: http://goo.gl/pIboHl

Greene, W., (1999). Análisis Econométrico. (3ª edición). Prentice-Hall.

Gujarati, D., (2010). Principios de Econometría. (3ª edición). McGraw-Hill.

Judge, G., et al, (1988). Introduction to the Theory and Practice of Econometrics (2a
edición). Wiley.

Rosales, R. y Bonilla, J., (2006). Introducción a la econometría. Apuntes de clase

CEDE. Recuperado de: https://goo.gl/aBX0m0
 Guía 2. INFERENCIA, CONSISTENCIA Y REGRESIÓN MÚLTIPLE CON VARIABLES CUALITATIVAS

Productos que se deben entregar para la guía

Actividad 1
- Informe en formato Excel (realice un ejercicio por hoja)

Este informe debe contener:

1. Portada (nombre de todos los integrantes del grupo).
2. Objetivos.
3. Desarrollo de las actividades.
4. Bibliografía.

Criterios de calidad

Presentación del trabajo

El nombre del archivo en donde se desarrolla la guía debe ser compuesto de la
siguiente manera: INF1 - PRIMER APELLIDO - PRIMER NOMBRE – FECHA DE
ENTREGA (AAMMDD) – (en caso de ser más de un archivo, enumerarlo) arch1.
Por ejemplo: INF1ORDONEZDIEGO100225arch1. Las guías se deben presentarse
en Word; se requiere la portada en normas APA.
Dominio del tema, conceptos y formulación matemática
Deben dar respuesta concreta a la pregunta planteada y sustentar sus resultados a
partir de demostraciones y/o discusiones según sea el caso. Las expresiones
matemáticas deben estar numeradas y realizadas en editor de ecuaciones.

Uso del software stata

Debe presentarse el do-file de stata cuando la pregunta requiera su utilización.

Redacción, ortografía y puntuación

Revisar redacción, buena ortografía y la puntuación requerida.
 Guía 2. INFERENCIA, CONSISTENCIA Y REGRESIÓN MÚLTIPLE CON VARIABLES CUALITATIVAS

EJERCICIOS

Ejercicio 1. Retome el ejercicio N°1 de la Guía #1.

1.1. Se necesita probar la hipótesis de que el bien 𝑋 es un bien neutro (inelástico

al ingreso) utilizando la salida 4. Plantee: H0, Ha, R, r, estadístico de prueba,
zona de aceptación, región de rechazo, y señale dónde debe caer el
estadístico de prueba para aceptar la hipótesis del investigador (bien
neutro).

1.2. Se necesita probar la hipótesis correspondiente a que el bien 𝑋 tiene

demanda elástica. Utilizando la salida 1, plantee: H0, Ha. Calcule el
estadístico de prueba, muestre la zona de aceptación, la región de rechazo,
realice la prueba de hipótesis y responda si el bien presenta demanda
elástica.

1.3. Realice la prueba de significancia global del modelo 3. Plantee: H0, Ha, R,
r, cuál es el estadístico de prueba, zona de aceptación, región de rechazo,
y señale donde cae el estadístico de prueba. ¿Cuál es la conclusión?

1.4. Encuentre un intervalo de confianza para el coeficiente de la variable precio.

Nota: para las pruebas de hipótesis utilice  = 5%

Ejercicio 2
https://bit.ly/2WXvPf0
2. Para el siguiente ejercicio utilice la base de datos CollegeDistance que contiene
datos de una muestra aleatoria de alumnos de último año de secundaria
entrevistados en 1980 y vueltos a entrevistar en 1986. En este ejercicio, se
 Guía 2. INFERENCIA, CONSISTENCIA Y REGRESIÓN MÚLTIPLE CON VARIABLES CUALITATIVAS

utilizarán estos datos con el fin de investigar la relación entre el número de años
de educación completados por adultos jóvenes y la distancia de la escuela
secundaria de cada estudiante a la universidad más cercana. (La proximidad a
la universidad reduce el coste de la educación, por lo que los estudiantes que
viven más cerca de una universidad deberían, en promedio, completar más años
de educación superior).
a) Realice una regresión de los años completados de educación (ED) sobre la
distancia a la universidad más cercana (Dist), donde Dist está medida en
decenas de millas. (Por ejemplo, Dist= 2 significa que la distancia es de 20
millas.) ¿Cuál es la estimación para el término independiente? ¿Cuál es la
pendiente estimada? Utilice la regresión estimada para responder a esta
pregunta: ¿cuánto cambia el valor medio de los años de educación
completados cuando las universidades se construyen cerca de donde los
estudiantes acuden a la escuela secundaria?

b) La escuela secundaria de Bob estaba a 20 millas de la universidad más

cercana. Prediga los años de educación completados por Bob utilizando la
regresión estimada. ¿Cómo cambiarían los pronósticos sobre si Bob hubiera
vivido a 10 millas de la universidad más cercana?

c) ¿Explica la distancia a la universidad una proporción grande de la varianza

de los logros educativos entre los individuos? Explíquelo.

d) ¿Cuál es el valor del error estándar de la regresión? ¿Cuáles son las

unidades del error estándar (metros, gramos, años, dólares, centavos, u
otros)?
 Guía 2. INFERENCIA, CONSISTENCIA Y REGRESIÓN MÚLTIPLE CON VARIABLES CUALITATIVAS

Ejercicio 3
https://bit.ly/2WXvPf0
3. Supóngase que un investigador, con datos salariales sobre 250 trabajadores y
280 trabajadoras seleccionados aleatoriamente, estima la regresión MCO

̂ = 12,52 + 2,12 × 𝑀𝑎𝑠𝑐𝑢𝑙𝑖𝑛𝑜, 𝑅2 = 0,06 𝐸𝑆𝑅 = 4,2

𝑆𝑎𝑙𝑎𝑟𝑖𝑜
(0,23) (0,36)

donde Salario se mide en dólares por hora y Masculino es una variable binaria que
es igual a 1 si la persona es un varón y 0 si la persona es una mujer. Defina la
brecha salarial por género como la diferencia de ingresos salariales medios entre
hombres y mujeres.
a) ¿Cuál es la brecha de género estimada?

b) ¿Es la brecha de género estimada significativamente distinta de cero?

(Calcule el p-valor para el contraste de la hipótesis nula de que no existe
brecha de género).

c) Construya un intervalo de confianza al 95% para la brecha de género.

d) En la muestra, ¿cuál es el salario medio de las mujeres? ¿Y de los hombres?

e) Otro investigador utiliza estos mismos datos pero regresa la variable Salario
sobre la variable Femenino, una variable que es igual a 1 si la persona es
una mujer y 0 si la persona es un hombre. ¿Cuáles son las estimaciones de
la regresión calculadas a partir de esta regresión?

̂ = ___________ + ___________ × 𝑀𝑎𝑠𝑐𝑢𝑙𝑖𝑛𝑜, 𝑅2 = _____ 𝐸𝑆𝑅 = _______

𝑆𝑎𝑙𝑎𝑟𝑖𝑜
 Guía 2. INFERENCIA, CONSISTENCIA Y REGRESIÓN MÚLTIPLE CON VARIABLES CUALITATIVAS

Ejercicio 4

4. Supóngase que (Yi, Xi) satisfacen los supuestos del Concepto clave 4.3 y,
además, ui es 𝑁(0, 𝜎𝑢2 ) y es independiente de Xi. Una muestra de tamaño n=30
da como resultado:

𝑌̂ = 43,2 + 61,5𝑋, 𝑅2 = 0,54 𝐸𝑆𝑅 = 1,52

(10,2) (7,4)
donde los números entre paréntesis son los errores estándar válidos con
homocedasticidad de los coeficientes de regresión.
a) Construya un intervalo de confianza al 95% para 𝛽0 .

b) Contraste 𝐻0 : 𝛽1 = 55 vs. 𝐻0 : 𝛽1 ≠ 55 al nivel del 5%.

c) Contraste 𝐻0 : 𝛽1 = 55 vs. 𝐻0 : 𝛽1 > 55 al nivel del 5%.

Pista: revisar el concepto clave 4.3 en el libro: “Stock, J., Watson, M., Arrazola
Vacas, M. and Rodas alfaya, L. (2012). Introducción a la econometría. Madrid:
Pearson Educación”

Ejercicio 5
5. Con la base de datos Growth, pero excluyendo los datos de Malta, realice los
siguientes ejercicios:

Use la base de datos Growth que contiene datos sobre las tasas medias de
crecimiento desde 1960 a 1995 para 65 países, junto con variables que
potencialmente están relacionadas con el crecimiento. En este ejercicio, se
investigará la relación entre el crecimiento y el comercio.
a) Construya una tabla que muestre la media muestral, la desviación típica, y
los valores mínimo y máximo de las series Growth, TradeShare,
 Guía 2. INFERENCIA, CONSISTENCIA Y REGRESIÓN MÚLTIPLE CON VARIABLES CUALITATIVAS

YearsSchool, Oil, Rev–Coups, Assassinations, RGDP60. Incluya las

unidades apropiadas para todas las series.

b) Realice una regresión de la variable Growth sobre las variables TradeShare,

YearsSchool,Rev–Coups, Assassinations y RGDP60. ¿Cuál es el valor del
coeficiente de la variable RevCoups? Interprete el valor de este coeficiente.
¿Es grande o pequeño para el mundo real?

c) Utilice la regresión para predecir la tasa media de crecimiento anual para un

país que presenta valores promedios para todas las variables explicativas.

d) Repita c), pero ahora suponiendo que el valor de la variable TradeShare para
el país es de una desviación típica por encima de la media.

e) ¿Por qué se omite la variable Oil de la regresión? ¿Qué pasaría si se

incluyese?

Ejercicio 6
6.

̂ = 119,2 + 0,485 𝐷𝑂𝑅𝑀 + 23,4𝐵𝑎ñ𝑜 + 0,156𝐶𝑇𝑎𝑚 + 0,002𝑃𝑇𝑎𝑚

𝑃𝑟𝑒𝑐𝑖𝑜
+ 0,090𝐸𝑑𝑎𝑑 − 48,8𝑃𝑜𝑏𝑟𝑒
(23,9) (2,61) (8,94) (0,011) (0,00048) (0,311)
(10,5)
𝑅̅ = 0,72 𝐸𝑆𝑅 = 41,5

a) ¿Es el coeficiente de la variable DORM estadística y significativamente

distinta de cero?
 Guía 2. INFERENCIA, CONSISTENCIA Y REGRESIÓN MÚLTIPLE CON VARIABLES CUALITATIVAS

b) Por lo general las viviendas de cinco dormitorios se venden por una cuantía
mucho mayor que las viviendas de dos dormitorios. ¿Es esto compatible con
la respuesta en (a) y en general con la regresión?

c) Un propietario de una vivienda compra un solar adyacente de 2.000 pies

cuadrados. Construya un intervalo de confianza al 99% para la variación en
el valor de su casa.

d) La superficie del solar se mide en pies cuadrados. ¿Cree que podría resultar
más apropiada otra escala? ¿Por qué o por qué no?

e) El estadístico F una vez omitidas las variables DORM y Edad de la regresión

es F=0,08. ¿Son los coeficientes de las variables DORM y Edad
estadísticamente distintos de cero a un nivel del 10%?

Ejercicio 7
7. Considere el siguiente modelo de regresión múltiple con tres variables
independientes, bajo los supuestos RLM.1 a RLM.6 del modelo lineal clásico:

𝑦 = 𝛽0 + 𝛽1 𝑥1 + 𝛽2 𝑥2 + 𝛽3 𝑥3 + 𝑢

Usted desea probar la hipótesis nula 𝐻0 : 𝛽1 − 3𝛽2 = 1

a. Sean 𝛽̂1 y 𝛽̂2 los estimadores de MCO de 𝛽1 y 𝛽2 . Encuentre 𝑉𝑎𝑟(𝛽̂1 − 3𝛽̂2 )
en términos de las varianzas de 𝛽̂1 y 𝛽̂2 y de la covarianza entre ellas. ¿Cuál
es el error estándar de 𝛽̂1 − 3𝛽̂2 ?
b. Dé el estadístico t para probar 𝐻0 : 𝛽1 − 3𝛽2 = 1
c. Defina 𝜃1 = 𝛽1 − 3𝛽2 y 𝜃̂1 = 𝛽̂1 − 3𝛽̂2 . Escriba una ecuación de regresión en
la que se incluyan 𝛽0 , 𝜃1 , 𝛽2 y 𝛽3 que le permita obtener directamente 𝜃̂1 y
su error estándar.
 Guía 2. INFERENCIA, CONSISTENCIA Y REGRESIÓN MÚLTIPLE CON VARIABLES CUALITATIVAS

Ejercicio 8 Considere el siguiente modelo de regresión lineal:

𝑦 = 𝑋 + 𝑒
Donde 𝑦 es un vector de T×1, 𝑋 es una matriz de 𝑇 × 𝑘 de observaciones de
variables independientes con rango(X) = k <T, β es un vector de k×1 de parámetros
desconocidos, y 𝑒 es un vector de T×1 con:

i. E(et) = 0 tii. E(et2) = 2t iii. E(et es) = 0 tsiv. E(e X) = 0

8.1 Escriba en su orden el nombre de los supuestos ii, iii, iv

8.2 Demuestre que 𝐸 [𝑒𝑒’] = 2 ∗ 𝐼𝑇
8.3 Demuestre que el estimador de MCO de  es 𝑏 = (𝑋’𝑋)−1 𝑋’𝑌
8.4 Demuestre que 𝑏 = 2 (𝑋’𝑋)−1
8.5 Demuestre la consistencia del estimador de MCO.

Ejercicio 9. Realice el siguiente ejercicio:

Se ha planteado que la prohibición de fumar en el lugar de trabajo puede inducir a

los fumadores a dejar de hacerlo debido a la reducción de sus oportunidades de
fumar.
El objetivo de esta pregunta es estimar el efecto de la prohibición de fumar en el
trabajo sobre el consumo de tabaco a partir de los datos de una muestra de 10 mil
trabajadores que trabajaron en un espacio interior en los Estados Unidos desde
1991 a 1993.

9.1 Estime la probabilidad de fumar para (i) todos los trabajadores, (ii) los
trabajadores afectados por la prohibición de fumar en el trabajo (iii) los
trabajadores no afectados por la prohibición de fumar en el trabajo.
 Guía 2. INFERENCIA, CONSISTENCIA Y REGRESIÓN MÚLTIPLE CON VARIABLES CUALITATIVAS

9.2 ¿Cuál es la diferencia en la probabilidad de fumar entre los trabajadores

afectados por la prohibición de fumar en el trabajo y los trabajadores no
afectados por la prohibición de fumar en el trabajo? Utilice un modelo de
probabilidad lineal para determinar si esta diferencia en probabilidad es
estadísticamente significativa.

9.3 Agregue al MPL otras variables explicativas:

𝑓𝑒𝑚𝑎𝑙𝑒, 𝑎𝑔𝑒, 𝑎𝑔𝑒2, ℎ𝑠𝑑𝑟𝑜𝑝, ℎ𝑠𝑔𝑟𝑎𝑑, 𝑐𝑜𝑙𝑠𝑜𝑚𝑒, 𝑐𝑜𝑙𝑔𝑟𝑎𝑑, 𝑏𝑙𝑎𝑐𝑘, ℎ𝑖𝑠𝑝𝑎𝑛𝑖𝑐. Compare
el efecto estimado de la prohibición de fumar mediante esta regresión, con la
respuesta del punto (b). Sugiera una razón para explicar las diferencias.

9.4 Pruebe la hipótesis de que la prohibición de fumar en el lugar de trabajo no

afecta la probabilidad de fumar (=5%).

9.5 Pruebe la hipótesis de que la probabilidad de fumar no depende del nivel de

educación (=5%).

9.6 ¿Existe una relación no lineal entre la variable 𝑎𝑔𝑒 y la probabilidad de fumar?

Modo de envío de la actividad

El documento debe ser enviado por medio del botón de envío de actividades del
aula virtual en la fecha establecida en el calendario.