Profesor: Sergio Iván Restrepo.

DEPARTAMENTO DE ESTADÍSTICA Y MATEMÁTICAS

TALLER 1 DE ECONOMETRÍA I.
EL MODELO DE REGRESIÓN LINEAL SIMPLE
1. Consideremos la demanda mensual de televisores Y, y el precio unitario de los
mismos (medido en pesetas) X, para los últimos 20 meses. Usando la información
muestral se obtiene los siguientes resultados:
X  75625, Y  3924.7, S X2  82233552.63158
20
 S XX   ( X i  X )2  (n  1)  S X2  19  82233552.63158  1562437500,
i 1
20

 X Y 5788150000,
i 1
i i SY2  897771.69474
20
SYY   (Yi  Y )2  (n  1)  SY2  19  897771.69474  17057662.2
i 1

a) Considere el modelo Yi  1  2 X i  i ¿cuál es el significado de los

coeficientes del modelo?
b) Estime el Modelo por OLS e intérprete los coeficientes estimados, obtenga el R2 e
interprételo, construya los intervalos de confianza del 95% para los coeficientes
del modelo, haga las pruebas de significancia individual y la prueba se
significancia de la regresión. Estime el valor operado para Y cuando X = 75625.
2. Considere el modelo de regresión lineal normal Yt  1  2 X t  t con
Yt ~ N (1  2 Xt , 2 ), t  1,2, , n . Obtenga los estimadores de máxima
verosimilitud para los parámetros 1, 2 , . Verifique que los estimadores de MV
2

para 1 y 2 coinciden con los estimadores de mínimos cuadrados ordinarios.

n

Yˆ i
3. Considere el modelo de regresión lineal simple. Verifique que Yˆ  i 1
Y
n
4. Considere el modelo de regresión lineal simple Yt  1  2 X t  t . Muestre que:
n
a) TSS   (Yt  Y )2  ESS  RSS
t 1
b) Sabemos que la suma de cuadrados explicada se define como
n
ESS   (Yˆt  Y )2
t 1
Muestre que en este modelo el se verifica que:
n n
ESS   (Yˆt  Yˆ )2  b22  ( X t  X )2  b22 S XX
t 1 t 1

1
 2

5. Considere un modelo de regresión lineal de la forma Yt  2 X t  t .

a) Obtenga el estimador OLS para  2
n n n
b) Verifique que Yt 2  Yˆt 2   et2
t 1 t 1 t 1
c) ¿Será cierto en este modelo que TSS = ESS + RSS?
6. En el modelo de regresión lineal simple Yt  1  2 X t  t con t ~ N (0, 2 )
iid
muestre que
n
Xt  X n
1 
a) ˆ2  b2   wY
t t , wt   ˆ1  b1   dtYt , dt    wt X  De
n 
n
t 1

t 1
( X t X ) 2 t 1

esta forma los estimadores b1 y b2 son estimadores lineales.

b) Para los coeficientes wt  dt se satisfacen las siguientes propiedades:
n
i. w  0
t 1
t

n
ii. w X
i 1
t t 1
n
iii. d
t 1
t 1
n
iv. d X
t 1
t t 0
n
1
v. w
t 1
2
t 
S XX
n

n  X i2
vi. 
i 1
di2 
nS XX
i 1

7. Use los resultados del ejercicio 6 anterior para probar:

a) E(ˆ1 )  1  E(ˆ2 )  2

b) var( ˆ2 )  
2

S XX
n

 Xt 2
c) var(ˆ1 )  2
t 1
nS XX
8. Considere el modelo de regresión lineal simple bajo los supuestos clásicos. Verifique
que
ˆ1  1  (ˆ2  2 )X    ˆ1  1  (ˆ2  2 )X  
Donde
n

 t
 t 1
n
Verifique también que E ( 2 )   2 / n , donde  2  var(t )
 3

9. Considere el modelo de regresión lineal bajo los supuestos clásicos. Verifique que
n

 i
E (ˆ2  2 )   0, con   t 1
n

10. Usando los dos resultados anteriores y la definición de covarianza muestre que
 2X
cov( ˆ1 , ˆ2 )  
S XX

11. Considere el modelo de regresión lineal normal Yt  1  2 X t  t con t = 1, 2,

3, . . . , n. Suponga que se estima el modelo Yi*  1*  2* Xi*  t* por OLS con
Xi*   Xi , Yi*  Yi y t*   ut siendo δ una constante. Compare los estimadores
de ambos modelos, sus errores estándar y los R2.

12. Considere el modelo de regresión lineal normal Yt  1  2 X t  t con t = 1, 2,

3, . . . , n. Suponga que se estima el modelo Yt  1*  2* Xi*  t por OLS con
X i*   X i siendo δ una constante. Compare los estimadores de ambos modelos, los
R2 y los errores estándar.

13. A un estudiante se le pide estimar por OLS el modelo (1) ln Yt  1  2 ln X 2t  t

donde Yt es la demanda mensual de televisores en miles de unidades, X2t es el precio
en euros. Por error, el estudiante estima el modelo (2) ln Yt  1*  2* log10 X 2t  t y
obtiene los siguientes resultados:

Modelo (2) estimado

donde LOG10X2t = log10(X2t).

 4

El profesor le formula el siguiente problema al estudiante: Usar los resultados de la

estimación anterior para encontrar los valores de los estimadores de OLS del modelo
originalmente propuesto, ¿cómo se puede resolver el problema anterior desde el
punto de vista teórico? ¿Cuáles son los valores estimados para los parámetros del
modelo inicial? ¿Cómo se relacional los R2 de ambos modelos?

Modelo 1 estimado

Para los errores de estimación de este modelo se tiene

Histograma de residuales y prueba de normalidad

Interprete los resultados del modelo estimado. ¿Sera valido el supuesto de

normalidad? Encuentre los intervalos de confianza del 95% para los coeficientes del
modelo e interprete los resultados.
 5

14. Considere el modelo Yt   X t  t donde Xt es una variable no estocástica y

μi~IIDN(0,σ2). Obtenga el estimador b de MCO para β, muestre que este estimador
es lineal e insesgado y obtenga su varianza. Se define adicionalmente el estimador
b*  Y X para β. Demuestre que el nuevo estimador ( b* ) también es lineal e
insesgado para β. Justifique teóricamente por qué b es mejor estimador que b* para
β. Encuentre la varianza de b* y compárela con la varianza de b.
15. Sea el modelo de regresión Yt  1  2 X t  t ; sin embargo, el investigador estima
el modelo Yt  1  2 Xt  t , donde Xt'  (  Xt )  siendo δ y θ constantes.
' ' ' '

¿Cuál es la relación entre los estimadores de OLS de los parámetros de los dos
modelos?
16. Considere los siguientes modelos de regresión para las variables X e Y.
Modelo 1: Yt  1  2 X t  t
Modelo 2: Yt  1'  2' ( Xt  X )  t
a) Encuentre los estimadores OLS para 1 y 1' . ¿Son idénticos? ¿son iguales
sus varianzas?
b) Encuentre los estimadores OLS para  2 y 2' . ¿Son idénticos? ¿son iguales
sus varianzas?

17. Considere el modelo yt  1'  1' xt  t , t  1,2,, n , donde, como es lo usual,

xt  Xt  X , yt  Yt  Y son las variables en desviaciones con respecto a la media.
Obtenga los estimadores b1'  b2' de 1'  2' por el método de mínimos cuadrados
ordinarios. Interprete b1' . ¿Será b2' igual a b2 de MCO en el modelo normal? Compare
los R2 y las varianzas de los estimadores de los dos modelos.

18. Dada la regresión muestral Yi  b1  b2 X i  ei  Yˆi  ei para i  1,2, ,n

a) Pruebe que ei  Yi  Y  b2 ( Xi  X )  yi  b2 xi con yi  Yi  Y , xi  Xi  X
n
b) Usar el apartado anterior para verificar que e  0
i 1
i

c) Usando el resultado del apartado (a) pruebe que RSS  TSS  b2 SXX
d) Probar que Yˆ  Y  b( X  X )
i i
e) Usando los apartados c) y d) verifique que TSS = ESS + RSS
n n
f) Usando el apartado a) pruebe que  ei ( X i  X )   ei xi  0
i 1 i 1
19. Basado en una muestra de 10 observaciones, se obtuvieron los siguientes
resultados:
10 10 10

 X i  1700,
i 1
Yi  1110,
i 1
 X Y  205500
i 1
i i

10 10

 X i2  322000,
i 1
Y
i 1
i
2
 132100

r  0.9758
 6

Al verificar por segunda vez éstos cálculo, se encontró que se habían registrados dos
pares de observaciones me manera errónea, así:
Y X Y X
90 120 En lugar de 80 110
140 220 150 210

¿Cuál será el efecto de este error en r? Obtenga el valor correcto para r = coeficiente
de correlación muestral entre X e Y.

20. Muestre que el coeficiente de determinación R2 es el mimo al realizar la regresión de

X sobre Y es el mismo que al realizar la regresión de Y sobre X.

21. Considere un modelo lineal de la forma Yt  1  2 X t  t , t ~ N (0, 2 ) Un

ind
investigador propone el siguiente estimador alternativo para la pendiente del modelo

Yn  Y1
ˆ2* 
X n  X1
a) Interprete el estimador
b) Muestre que este estimador es lineal e insesgado para  2
c) Encuentre la varianza de este estimador y compárela con var(b2 ) , ¿es consistente
el resultado con la teoría? Explique

22. Los valores fijos de la variable X son los siguientes

X1 X 2 X 3 X 4 X 5 X6
1 2 3 4 5 6

Para estos datos se propone el modelo

Yt  1  2 X t  t , t ~ N (0, 2 )
ind

 E(Yt )  1  2 Xt , var(Yt )   2 y cov(Yt , Ys )  0

Un econometrista con aversión a los cálculos aritméticos propone el siguiente

estimador para la pendiente  2
1
ˆ2*  Y6  Y5  Y2  Y1 
8

Muestre que este estimador es insesgado para  2 y encuentre su varianza. Compare

la varianza de este estimador con la varianza del estimador b2 de OLS y determine
cuál de los estimadores b2 o ̂2* es más eficiente. Concuerda el resultado con la
teoría explique.

23. Suponga que se ajustan los siguientes modelos de regresión por OLS:
Yt  1  YX X t  t y X t  1   XY Yt  t . Sean bYX y bXY los coeficientes
 7

estimados de la pendiente en estas dos regresiones y sea r 2 el cuadrado del

coeficiente de correlación entre X e Y. Muestre que
a) bYX bXY  r 2
b) Muestre a partir del resultado anterior que bYX  1/ bXY
Ejercicios del texto guía:
 Capitulo 1: 10, 11, 12, 13, 14, 16
 Capitulo 2: 2, 5, 6, 8, 9