Asignación 1

Econometrı́a II
Fecha de entrega: Sept. 9, 2020

Instrucciones
Esta es su asignación correspondiente a la Semana 1 de Econometrı́a II. La misma se encuentra dividida
en dos partes: la primera, trata los temas tratados desde un punto de vista teórico; la segunda aborda la
parte práctica para ser realizada con el paquete econométrico R Studio.
La primera parte, pueden hacerla a mano, escanearla o tirarle fotos y subirla en la plataforma de
Econometrı́a II. La segunda parte, debe ser realizada en R Studio y el script subido a la plataforma
del Laboratorio de Econometrı́a II.
Nota: El nivel de esta asignación es de Econometrı́a I, sirve para refrescar conceptos, practicar la
interpretación de resultados y ¡refrescar la memoria!

Parte 1: Teorı́a
Problema 1
Condidere el modelo de regresión lineal simple y = β0 + β1 x + ε, el cual también puede ser expresado de
forma matricial como y = X 0 β + ε

(a) Demuestre como se obtienen los parámetros β0 y β1 mediante la minimización de los residuos cuadrados
(MICO)

(b) Defina insesgadez y consistencia de un estimador β̂1 .

(c) Mencione los supuestos bajo los cuales los estimadores MICO de un modelo de regresión lineal son
insesgados.
(d) Suponga que el modelo poblacional sea:

crimen = β0 + β1 educ + β2 drogas + ε,

donde crimen es la tasa de criminalidad, educ son los años de educación, dorgas es una variable dummy
que toma el valor de 1 para consumidores de drogas y 0 si no son consumidores, y ε es el término de
error. Un investigador olvidó incluı́r drogas en la regresión y estimó:

crimen = β0 + β1 educ + ε.

Crees que el estimador MICO β̂1 de este modelo de regresión simple es insesgado? Justifica tu respuesta.

Problema 2
En un estudio que relaciona el promedio de calificaciones de la universidad con el tiempo dedicado a diversas
actividades, distribuye una encuesta a varios estudiantes. Se pregunta a los estudiantes cuántas horas dedican
cada semana a cuatro actividades: estudiar, dormir, trabajar y ocio. Cualquier actividad se clasifica en una
de las cuatro categorı́as, de modo que para cada alumno, la suma de horas en las cuatro actividades debe
ser 168.

1
 (a) En el modelo
GP A = β0 + β1 estudio + β2 sueño + β3 trabajo + β4 ocio + ε
¿Tiene sentido mantener fijo el sueño, el trabajo y el ocio mientras se cambia estudio?
(b) Identifica que supuesto de Gauss-Markov está siendo violado y justifica.
(c) ¿Cómo podrı́a reformular el modelo para que sus parámetros tengan una interpretación útil y satisfaga
el supuesto violado?

Parte 2: Práctica
En estos ejercicios, utilizarán los datasets indicados de la librerı́a de Wooldridge en R Studio.

Problema 1
El dataset ceosal2 contiene datos sobre 177 directores ejecutivos, que se pueden utilizar para examinar los
efectos del desempeño de la empresa en el salario del CEO.

(a) Estime un modelo que relacione el salario anual salary con las ventas de la empresa sales y el valor
de mercado mktval. Haga el modelo de la variedad de elasticidad constante para ambas variables
independientes. Escribe los resultados en forma de ecuación.
(b) Agregue profits (beneficios) al modelo de la parte (a). ¿Por qué no se puede incluir esta variable en
forma logarı́tmica? ¿Dirı́a que estas variables de desempeño de la empresa explican la mayor parte de
la variación en los salarios de los directores ejecutivos?
(c) Agregue la variable ceoten al modelo del inciso (b). ¿Cuál es el porcentaje de rendimiento estimado
para un año adicional en el cargo de CEO, manteniendo fijos otros factores?

Problema 2
Utilizando el dataset hprice1, considere un modelo de regresión simple para probar la racionalidad de las
evaluaciones de los precios de la vivienda.

pricei = β0 + β1 assessi + εi
donde pricei es el precio de las viviendas (en miles), y assessi es el precio de evaluación (en miles). La
evaluación es racional si β1 = 1 y β0 = 0.

(a) Pruebe la hipótesis que H0 : β0 = 0 contra la alternativa a dos colas con un nivel de significancia del
5%. Diga sus conclusiones.
(b) Pruebe la hipótesis que H0 : β1 = 1 contra la alternativa a dos colas con un nivel de significancia del
5%. Diga sus conclusiones.
(c) Pruebe la hipótesis conjunta que β0 = 0 y β1 = 1. Diga sus conclusiones. [Hint: SSR (suma de
cuadrados residuales)=209448.99]

(d) Extienda el modelo, agregando las variables lotsize, sqrf t y bdrms, y realiza la prueba de hipótesis
H0 : β2 = 0, β3 = 0, β4 = 0