ESTADSTICA E INTRODUCCIN A LA ECONOMETRA-Control 2

Curso 2014/15.
9 de enero de 2015
Soluciones
Nombre........................................................Apellidos.................................................................
Grado en:.....................................................Grupo: ...................................................................
- En cada uno de los apartados que requieran utilizar las tablas adjuntas, indique qu tabla o
tablas ha utilizado para responder a dicho apartado.
- En todos los contrastes debe especicar la hiptesis nula y alternativa, el estadstico de contraste, la distribucin del estadstico de contraste bajo la hiptesis nula, el valor del estadstico de
contraste en la muestra y la conclusin a la que llegue.
- Cuando en un contraste no se especique el nivel de signicacin, tome = 0;05 .
Anexo. Tabla estadstica
z0;05 = 1;65 t1246;0;05 = 1;65 t520;0;05 = 1;65 F1;1246;0;05 = 3;85 F2;520;0;95 = 0;051 F2;520;0;05 = 3;01
z0;025 = 1;96 t1246;0;025 = 1;96 t520;0;025 = 1;96 F1;1246;0;025 = 5;04 F2;520;0;975 = 0;025 F2;520;0;025 = 3;72
1. (3.5 p) Considere el siguiente modelo que relaciona el precio de alquiler de un piso con su nmero de
habitaciones.
alquiler =

1 habitaciones

(1)

+u

donde alquiler es el precio mensual en euros y habitaciones es el nmero de habitaciones que tiene el piso.
a) (0.75 p) Qu factores podran estar en u? Te parece razonable suponer que dichos factores no estn
correlacionados con el nmero de habitaciones?
Con una muestra de 1248 pisos en alquiler en Espaa se ha estimado el modelo anterior obtenindose
los siguientes resultados:
\ = 604;52 + 161;96habitaciones
alquiler
(20;70)

R2 = 0;2202

(8;63)

b) (0.5 p) Interpreta la constante y la pendiente estimada.

c) (0.5 p) Qu precio de alquiler predice el modelo para un piso de 4 habitaciones?
d) (1 p) Suponiendo que el modelo satisface los supuestos del modelo lineal clsico, contrasta de dos modos
distintos la signicatividad global del modelo al 5 %.
e) (0.75 p) Si en el modelo anterior midisemos la variable alquiler en cientos de euros, cmo cambiaran
los coecientes estimados del modelo, sus errores estndar y el R2 ?
Solucin:
a) Uno de los factores que est contenido en u es la supercie del piso, y esperaramos que, ceteris paribus,
cuanto mayor sea su supercie mayor debera ser el alquiler. Si tenemos en cuenta que los pisos con
mayor nmero de habitaciones suelen tener mayor supercie, entonces suponer que la supercie no est
correlacionada con el nmero de habitaciones no es razonable.
b) La constante estimada es 604;52 indicando que el precio de alquiler que predice el modelo para un piso
con cero habitaciones (un estudio) es 604;52. Podra interpretarse como el precio de alquiler mnimo
\ = 604;52 cuando habitaciones = 0).
(Ntese que alquiler
La pendiente estimada es 161;96 indicando que por cada habitacin adicional el modelo predice un
aumento en el precio mensual de alquiler de 161;96 euros.
1

\ = 604;52 + 161;96
c) Si habitaciones = 4 entonces alquiler

4 = 1252;36 euros al mes.

d) Para contrastar la signicatividad global del modelo tenemos que contrastar:

H0 :
H1 :

1
1

=0
6= 0

Podemos usar como estadstico de contraste el t ratio:

t=

t1246 Bajo H0 ) t =

se(b1 )

161;96
= 18;767
8;63

Si tomamos como nivel de signicacin el 5 %, el valor crtico para este contraste es t1246;0;025 = 1;96:
Como j18;767j > 1;96; tenemos que la variable habitaciones es estadsticamente signicativa al 5 % y
por tanto el modelo es globalmente signicativo al 5 %:
Tambin podramos haber usado como estadstico de contraste:
F =

R2 =1
R2 ) =(1248

(1

1)

F1;1246 Bajo H0

El valor del estadstico de contraste en la muestra es

F =

(1

0;2202
= 351;85
0;2202) =1246

y la regin crtica es C = (F1;1246;0;05 ; 1) = (3;85; 1). Como 351;85 2 C; podemos rechazar H0 al 5 %

y el modelo es globalmente signicativo.
Ntese que F = t2 salvo errores de redondeo.
e) Sea alquiler =

alquiler
;
100

se tiene que:

\
\ = alquiler = 6;0452 + 1;6196habitaciones
alquiler
100
(0;2070)
(0;0863)

R2 = 0;2202

2. (1.5 p.) Considere el siguiente modelo que relaciona el precio de alquiler de un piso con su nmero de
habitaciones y supercie y satisface los supuestos de Gauss Markov.
alquiler =

1 habitaciones

2m

+u

(2)

donde alquiler es el precio mensual en euros, habitaciones es el nmero de habitaciones que tiene el piso y
m2 es la supercie del piso en m2 . Si estimsemos este modelo usando los mismos datos que en el ejercicio
anterior, esperara obtener un coeciente estimado para la variable habitaciones mayor o menor que 161;96?.
En cuanto al R2 esperara que el nuevo R2 fuese mayor o menor que 0;2202?
Solucin:
Si el modelo (2) satisface los supuestos de Gauss Markov, entonces sabemos que si estimsemos el modelo
omitiendo la variable m2 , el estimador de MCO de 1 sera, en general, sesgado y el signo de su sesgo vendra
dado por el signo de
Cov(m2 ; habitaciones)
2
Como esperamos que a mayor supercie, mayor precio, 2 > 0 y adems esperamos que a mayor nmero de
habitaciones, mayor supercie, Cov(m2 ; habitaciones) > 0: Por lo tanto, el estimador con el que se habra
obtenido b1 = 161;96 estara sesgado y su sesgo sera positivo.
2

Por todo lo anterior, si estimsemos el modelo (2) usando los mismos datos que en el ejercicio anterior,
esperara obtener un coeciente estimado para la variable habitaciones menor que 161;96:
En cuanto al R2 ; esperaramos que fuese mayor que 0;2202, pues sabemos que cuando aadimos una variable
al modelo, el coeciente de determinacin nunca disminuye y en general aumenta.
3. (5 p) Considere el siguiente modelo para el salario que suponemos satisface los supuestos del modelo lineal
clsico
log(wage) =

1 exper

2 exper

3 f emale

4 nonwhite

5 f emale

nonwhite + u

(1)

donde wage es el salario por hora en dlares, exper son los aos de experiencia laboral y exper2 su cuadrado,
f emale es una variable binaria que toma el valor 1 si el individuo es una mujer y nonwhite es otra variable
binaria que toma el valor 1 si el individuo no es de raza blanca y 0 si es de raza blanca. Utilizando una
muestra de 526 trabajadores se han obtenido los resultados que se presentan en las tablas adjuntas.
a) (1 p) Interprete los coecientes estimados de f emale y nonwhite:
b) (0.5 p) Manteniendo constante el sexo y la raza de los trabajadores, cul es el cambio porcentual
estimado en el salario por hora ante un incremento de 10 aos en la experiencia laboral de aquellos
trabajadores que tienen 5 aos de experiencia?
c) (1 p) Contraste que la experiencia no es relevante a la hora de explicar el salario de los trabajadores.
d) (1 p) Contraste que no hay diferencias entre el salario medio de las mujeres blancas y las mujeres no
blancas, con los mismos aos de experiencia.
e) (1 p) Considere ahora el modelo anterior al que aadimos la variable binaria white que toma el valor
1 si el individuo es de raza blanca y 0 en otro caso:

log(wage) =

0 + 1 exper+ 2 exper

3 f emale+ 4 nonwhite+ 5 f emale

nonwhite+

6 white+u

(2)

Satisface este modelo los supuestos de Gauss-Markov? Si su respuesta es s, razone por qu. Si su
respuesta es no, indique cul es el supuesto o supuestos que no se satisfacen.
f ) (0.5 p) Suponga ahora que los errores no son normales. Cambiaran las conclusiones de los apartados
(c) y (d)?
Solucin:
a) Usando la Tabla 1 en la que se muestran las estimaciones del modelo (1), podemos ver que el coeciente
estimado de la variable f emale es 0;3704 y el de nonwhite es 0;0423. Por tanto el modelo predice
que el salario medio de las mujeres blancas es un 37;04 % menor que el de los hombres blancos con los
mismo aos de experiencia laboral y que el salario medio de los hombres de raza no blanca es un 4;23 %
menor que el de los hombres blancos con los mismo aos de experiencia laboral. Notar que
Hombres no
Hombres
Mujeres
Mujeres no

blancos:
blancos:
blancas:
blancas:

E (log(wage)jf emale = 0; nonwhite = 1) =

E (log(wage)jf emale = 0; nonwhite = 0) =
E (log(wage)jf emale = 1; nonwhite = 0) =
E (log(wage)jf em = 1; nonwhi = 1) = 0 +

+ 1 exper + 2 exper2 +
2
0 + 1 exper + 2 exper
2
0 + 1 exper + 2 exper +
2
1 exper + 2 exper + 3 +
0

3
4

Y por tanto, 100 3 mide la diferencia porcentual entre el salario medio de las mujeres blancas y el de
los hombres blancos con los mismo aos de experiencia laboral y 100 4 mide la diferencia porcentual
entre el salario medio de los hombres de raza no blanca y el de los hombres blancos con los mismo aos
de experiencia laboral.
3

b) Al estar la experiencia al cuadrado este cambio no es independiente de la experiencia laboral del trabajador. Para los trabajadores con 5 aos de experiencia laboral, el incremento de un ao de experiencia
laboral si mantenemos jo el sexo y la raza, causara un aumento estimado en su salario medio de
b + 2b
1
2

100 %

Por tanto, para aquellos trabajadores con 5 aos de experiencia laboral, el incremento de 10 aos de
experiencia laboral si mantenemos jo el sexo y la raza, causara un aumento estimado en su salario
medio de
b + 10b
1
2

10

100 %

En la Tabla 1 podemos encontrar las estimaciones y por tanto el aumento estimado en el salario medio
de estos trabajadores sera de
(0;0434

10

0;0009)

10

100 % = 34;4 %

c) Tenemos que contrastar

H0 :
H1 :

1
1

= 2=0
6 0 y=o
=

6= 0

El estadstico de contraste es
2
(Rnr
Rr2 ) =2
2 ) =(526
Rnr
5

(SCRr SCRnr ) =2
=
SCRnr =(526 5 1)
(1

1)

F2;520 bajo H0

2
el coeciente de determinacin
siendo Rr2 el coeciente de determinacin del modelo restringido y Rnr
del modelo no restringido.
El modelo restringido es

log(wage) =

1 f emale

2 nonwhite

3 f emale

nonwhite + u

113;6051)=2
0;141537)=2
Usando las tablas 1 y 2, el valor del estadstico en la muestra es F = (127;3356
= (0;234104
=
113;6051=520
(1 0;234104)=520
31;424: Como F = 31;424 > F2;520;0;05 = 3;01, podemos rechazar H0 al 5 % y concluimos que la experiencia s es relevante a la hora de explicar el salario de los trabajadores.

d) La diferencia porcentual entre el salario medio de las mujeres blancas y las mujeres no blancas con los
mismos aos de experiencia viene dada por 100( 4 + 5 ): Por lo tanto, tenemos que contrastar:
H0 :
H1 :

+
4+

5
5

=0
6= 0

Para poder realizar este contraste reparametrizamos el modelo de forma que esta hiptesis se reera a
un nico parmetro. Denimos = 4 + 5 ) 4 =
5 y sustituyendo en el modelo se obtiene:
log(wage) =
=
=
=

+
0+
0+
0+

1 exper

+
1 exper +
1 exper +
1 exper +

2 exper

+
2 exper +
2
2 exper +
2
2 exper +
2

3 f emale

+(
nonwhite + u
5 )nonwhite + 5 f emale
f emale nonwhite)
3 f emale + nonwhite
5 (nonwhite
(1 f emale) + u
3 f emale + nonwhite
5 nonwhite
male + u
3 f emale + nonwhite
5 nonwhite

Los resultados de la estimacin de este modelo reparametrizado se encuentran en la tabla 3.

El contraste anterior es ahora
H0 :
H1 :
El estadstico de contraste es

se b

=0
6= 0

t520 bajo H0

Usando los datos de la tabla 3, tenemos que el valor del estadstico de contraste en la muestra es
0;1353
=
0;099

1;367

Tomando = 0;05; t520;0;025 = 1;96; y la regin crtica es C = ( 1; 1;96) [ (1;96; 1). Como 1;367 2
=
C; no podemos rechazar H0 al 5 % y concluimos que no se puede rechazar la hiptesis de que no hay
diferencias entre el salario medio de las mujeres blancas y las mujeres no blancas, con los mismos aos
de experiencia .
e) En el modelo:

log(wage) =

0 + 1 exper+ 2 exper

3 f emale+ 4 nonwhite+ 5 f emale

nonwhite+

6 white+u

(2)

hay un problema de colinealidad perfecta ya que hay una relacin lineal exacta entre las variables
binarias nonwhite y white: Ntese que nonwhite + white = 1: Por tanto el modelo viola el supuesto
RLM.4 y podemos decir que no satisface los supuestos de Gauss-Markov.
f ) No, los resultados no cambiaran. Sabemos por el Teorema Central del Lmite que si el tamao de la
muestra es sucientemente grande el estadstico t sigue una distribucin aproximadamente N (0; 1) bajo
la H0 aunque los errores no sean normales.
En nuestro caso, n = 520 es una muestra grande por lo que las conclusiones de los contrastes de
los apartados c) y d) seguiran siendo las mismas. Ntese que en el apartado d) el valor crtico sera
z0;025 = 1;96 que coincide con el que hemos usado: t520;0;025 = 1;96. El valor crtico aproximado que
usaramos en el apartado c) es exactamente el mismo que el que hemos usado.

TABLA 1:

TABLA 2:

Nota: femalexnonwhite=f emale

TABLA 3:

nonwhite

Nota: nonwhitexmale=nonwhite

(1

f emale)
6