Tarea 6

Rafael Viñals 1092955
Tarea 6
4.1 ¿Cuál de las causas siguientes puede hacer que los estadísticos t usuales de MCO no sean
validos (es decir, que no tengan una distribución t bajo H 0)?
i. Heterocedasticidad
ii. Que exista un coeficiente de correlación muestral de .95 entre dos variables
independientes de modelo.
iii. Omitir una variable explicativa importante.
Respuesta: La heterocedasticidad y la variable explicativa (independiente) importante hace
que estadísticos t usuales de MCO no sean válidos. El i) viola el RLM.5 (Homocedasticidad). El
iii) viola el RLM.3 (Colinealidad No Perfecta).
4.2 Considere una ecuación para explicar los sueldos de los directores generales o CEO en términos
de las ventas anuales de la empresa, el rendimiento sobre capital (roe, en forma de porcentaje), y
el rendimiento de las acciones de la empresa (ros, en forma de porcentaje):
log ( salary ) =β 0+ β 1 log ( sales ) + β 2 roe+ β 3 ros+u
i) En terminos de los parametros del modelo, establezca la hipotesis nula de que,

controlando sales y roe, ros no tiene efecto en el sueldo de los CEO. Establezca la
alternativa de que un mejor desempeño de las acciones de la empresa incrementa el
sueldo de los CEO.
H o : β 3=0 ; H 1 : β 3 >0.
ii) Con los datos de CEOSAL1.RAW, empleando MCO se obtuvo la ecuación siguiente:
log ( salary ) =4.32+0.280 log ( sales )+ 0.0174 roe+0.00024 ros , ( 0 . 32 ) , ( 0 . 035 ) , ( 0 .0041 ) , ( 0 . 00054 )
¿Cuál es el porcentaje de aumento de salary que se pronostica si ros aumenta
50 puntos? ¿Tienen ros un efecto práctico grande sobre salary?
Δ^ log ⁡( salary)=0.00024 Δ ros=0.00024 ( 50 )=0.012
Si ros incrementa en 50 puntos, ceteris paribus, obtendremos un incremento del
salario en un 1.2%. Por ende, no tiene un efecto práctico grande sobre el salario.
iii) Prueba la hipótesis nula que dice que ros no tiene efecto sobre salary contra la
alternativa que dice que ros tiene efecto positivo. Realice la prueba al nivel de
significancia de 10%?
0.00024
t ros= =0.44 . El valor critico es igual a 1.282, entonces: 0.44 < 1.282 no
0.00054
podemos rechazar la hipótesis nula con un 10% de significancia. Osea, podemos
decir que el rendimiento de las acciones no afecta al salario.
iv) ¿Incluiría usted ros en el modelo final que explica las compensaciones de los
CEO en términos del desempeño de la empresa? Explique.
No, ya que comprobamos que en el inciso anterior que ros, no afecta al salario
del CEO.
4.3 La variable rdintens representa el gasto en investigación y desarrollo (I & D) dado como
porcentajes de las ventas. Las ventas (sales) se miden en millones de dólares. La variable profmarg
representa la ganancia como porcentaje de las ventas. Empleando los datos del archivo
RDCHEM.RAW de 32 empresas de la industria química, se estimó la ecuación siguiente:
rdintens=0.472+0.321 log ( sales ) +0.50 profmarg , ( 1.639 )( 0.216 )( 0.046 ) , n=32 , R 2=0.099
^
i) Interprete el coeficiente de log(sales). En particular, si sales aumenta 10%, ¿cuál es la

variación estimada en puntos porcentuales en rdintens? ¿Es este efecto
económicamente grande?
El coeficiente de log(sales) significa que por cada aumento de 1% en las ventas, el gasto
en investigación y desarrollo aumentará en 0.00321%, ceteris paribus.
Δ^
rdintens=0.321 Δlog ( sales )=0.321∗( 0.1 )=0.0321
Si las ventas aumentan en un 10%, entonces el gasto en I&D aumenta en
aproximadamente 0.0321%. Esto no es un efecto bajo teniendo en cuenta el gran
aumento relativo en ventas.
ii) Pruebe la hipótesis de que la intensidad de la I&D no varía con sales contra la
alternativa de que aumenta con las ventas. Realice la prueba a los niveles de
significancia de 5 y 10%.
H 0 : β sales=0 ; H 1 : β sales > 0.
0.321
t sales = =1.48 .→ Parauna significancia del 5 % , con 29 grados de libertad ( 32−3=29 ) .
0.216
El valor critico es 1.699. Como 1.48 < 1.699 no podemos rechazar la hipótesis nula con
un 5% de significancia. Osea, no aumentan las ventas.
Por otro lado, si tomamos un 10% de significancia, el valor critico es de 1.311. Como
1.48>1.311. Podemos rechazar la hipótesis de que la intensidad de la I&D no varía con
las ventas, con un nivel de significancia del 10%. Osea si aumenta las ventas.
iii) Interprete el coeficiente de profmarg. ¿Es este coeficiente económicamente grande?

EL coeficiente indica que por cada aumento de 1% en la ganancia sobre las ventas, habrá
un aumento del 0.05% en gasots de ID, ceteris paribus. Por tanto, este coeficiente no es
tan significativo.
iv) ¿Tiene profmarg un efecto estadístico significativo sobre rdintens?
0.5
t profmag= =1.087 .
0.046
Este es inferior alos valores criticos , hasta conun 10 % ,
por ende no se puede concluir que tengaun efecto significativo
C4.1 Modelo siguiente

VoteA= β0 + β 1 log ( expendA )+ β 2 log ( expendB ) + β 3 prtystrA +u
voteA: % de votos recibidos al candidato A
expend A y B: son los fastos de campana en candidato A y B
prtystrA: es una medida de fortaleza del partido del candidato A.
i) ¿Cuál es la interpretación de β 1?
El cambio porcentual en los votos del candidato A, por cada aumento de 1% en gastos
en la campaña del candidato A ceteris paribus.
ii) En términos de los parámetros, establezca la hipótesis nula de que un aumento de 1%
en los gastos A es compensado por un aumento de 1% en los gastos de B.
H o : βexpendA+ βexpendB=0; H 1 : βexpendA+ βexpendB≠ 0
iii) Estime el modelo usando el archivo VOTE1.RAW y presente los resultados de la
manera usual. ¿Los gastos de A afectan los resultados de las elecciones? ¿Y los gastos
de B? ¿Puede usar estos resultados para probar la hipótesis del inciso ii)?.
lm.1 <- lm(voteA~lexpendA+lexpendB+prtystrA, data=vote1)

stargazer(lm.1, type = "text", header = TRUE)
##
## ===============================================
## Dependent variable:
## ---------------------------
## voteA
## -----------------------------------------------
## lexpendA 6.083***
## (0.382)
##
## lexpendB -6.615***
## (0.379)
##
## prtystrA 0.152**
## (0.062)
##
## Constant 45.079***
## (3.926)
##
## -----------------------------------------------
## Observations 173
## R2 0.793
## Adjusted R2 0.789
## Residual Std. Error 7.712 (df = 169)
## F Statistic 215.227*** (df = 3; 169)
## ===============================================
## Note: *p<0.1; **p<0.05; ***p<0.01
^
voteA=45.08+6.083∗log ( expendA )−6.615∗log ( expendB ) +0.152∗prtystrA
6.083 −6.615
t expendA = =15.92 ; t expend B= =−1 7.45
0.382 0.379
Como Podemos observer, t expendA y t expend B tienen un valor muy significativo para voteA.
Un aumento de 1% en expendA, voteA aumentará en 0.6083%, ceteris paribus. UN
aumento de 1% en expendB, voteA disminuirá en 0.6615%, ceteris paribus. Pero, con
esto no podemos probar la hipótesis del inciso ii) ya que, necesitamos el error estándar
del parámetro a explicar, pero como en este caso tenemos combinados 2 parametros,
no sabemos cual es el error estándar de estos coeficientes juntos.
iv) Estime el modelo que proporciona directamente el estadístico t para probar la

hipótesis del inciso ii). ¿Qué concluye usted?
vote1$total <- vote1$lexpendB-vote1$lexpendA
lm.2 <- lm(voteA~lexpendA+total+prtystrA, data = vote1)
stargazer(lm.2, type = "text", header = TRUE)
##
## ===============================================
## Dependent variable:
## ---------------------------
## voteA
## -----------------------------------------------
## lexpendA -0.532
## (0.533)
##
## total -6.615***
## (0.379)
##
## prtystrA 0.152**
## (0.062)
##
## Constant 45.079***
## (3.926)
##
## -----------------------------------------------
## Observations 173
## R2 0.793
## Adjusted R2 0.789
## Residual Std. Error 7.712 (df = 169)
## F Statistic 215.227*** (df = 3; 169)
## ===============================================
## Note: *p<0.1; **p<0.05; ***p<0.01
^
voteA=45.08−0.532∗log ( expendA )−6.615∗total+ 0.152∗prtystrA
En este caso tenemos el sesgo de β 1, θ^ 1=−0.532 y un ee( θ^ 1 )≈ 0.533 . EL t estadística
−0.532
para esta hipótesis en el inciso ii) es: t expendA = ≈−1. Por esto, no podemos
0.533
rechazar la hipótesis nula de βexpendA + βexpendB=0 , es decir un aumento de 1% en
gastos para el candidato A es compensado con un aumento en gastos del candidato B.

Tarea 6

Cargado por

Copyright:

Formatos disponibles

Tarea 6

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tarea 6

Cargado por

Copyright:

Formatos disponibles

Rafael Viñals 1092955

log ( salary ) =β 0+ β 1 log ( sales ) + β 2 roe+ β 3 ros+u

i) En terminos de los parametros del modelo, establezca la hipotesis nula de que,

i) Interprete el coeficiente de log(sales). En particular, si sales aumenta 10%, ¿cuál es la

iii) Interprete el coeficiente de profmarg. ¿Es este coeficiente económicamente grande?

C4.1 Modelo siguiente

lm.1 <- lm(voteA~lexpendA+lexpendB+prtystrA, data=vote1)

iv) Estime el modelo que proporciona directamente el estadístico t para probar la

También podría gustarte