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 bajo𝑯𝟎 )?
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) = 𝜷𝟎 + 𝜷𝟏 𝒍𝒐𝒈(𝒔𝒂𝒍𝒆𝒔) + 𝜷𝟐 𝒓𝒐𝒆 + 𝜷𝟑 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.
𝐻𝑜 : 𝛽3 = 0; 𝐻1 : 𝛽3 > 0.
ii) Con los datos de CEOSAL1.RAW, empleando MCO se obtuvo la ecuación siguiente:
𝒍𝒐𝒈(𝒔𝒂𝒍𝒂𝒓𝒚) = 𝟒. 𝟑𝟐 + 𝟎. 𝟐𝟖𝟎𝒍𝒐𝒈(𝒔𝒂𝒍𝒆𝒔) + 𝟎. 𝟎𝟏𝟕𝟒𝒓𝒐𝒆 + 𝟎. 𝟎𝟎𝟎𝟐𝟒𝒓𝒐𝒔,

(0.32), (0.035), (0.0041), (0.00054), 𝒏 = 𝟐𝟎𝟗, 𝑹𝟐 = 𝟎. 𝟐𝟖𝟑
¿Cuál es el porcentaje de aumento de salary que se pronostica si ros aumenta
50 puntos? ¿Tienen ros un efecto práctico grande sobre salary?
̂
Δlog (𝑠𝑎𝑙𝑎𝑟𝑦) = 0.00024Δ𝑟𝑜𝑠 = 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
𝑡𝑟𝑜𝑠 = 0.00054 = 0.44. El valor critico es igual a 1.282, entonces: 0.44 < 1.282 no
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. 𝟑𝟐𝟏𝒍𝒐𝒈(𝒔𝒂𝒍𝒆𝒔) + 𝟎. 𝟓𝟎𝒑𝒓𝒐𝒇𝒎𝒂𝒓𝒈, (𝟏. 𝟔𝟑𝟗) (𝟎. 𝟐𝟏𝟔) (𝟎. 𝟎𝟒𝟔),
𝒏 = 𝟑𝟐, 𝑹𝟐 = 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.
̂ = 0.321Δ𝑙𝑜𝑔(𝑠𝑎𝑙𝑒𝑠) = 0.321 ∗ (0.1) = 𝟎. 𝟎𝟑𝟐𝟏
𝚫𝑟𝑑𝑖𝑛𝑡𝑒𝑛𝑠
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%.
𝐻0 : 𝛽𝑠𝑎𝑙𝑒𝑠 = 0; 𝐻1 : 𝛽𝑠𝑎𝑙𝑒𝑠 > 0.
0.321
𝑡𝑠𝑎𝑙𝑒𝑠 = = 1.48. → 𝑃𝑎𝑟𝑎 𝑢𝑛𝑎 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
𝑡𝑝𝑟𝑜𝑓𝑚𝑎𝑔 = = 1.087.
0.046
𝐸𝑠𝑡𝑒 𝑒𝑠 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟 𝑎 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑐𝑟𝑖𝑡𝑖𝑐𝑜𝑠, ℎ𝑎𝑠𝑡𝑎 𝑐𝑜𝑛 𝑢𝑛 10%,
𝑝𝑜𝑟 𝑒𝑛𝑑𝑒 𝑛𝑜 𝑠𝑒 𝑝𝑢𝑒𝑑𝑒 𝑐𝑜𝑛𝑐𝑙𝑢𝑖𝑟 𝑞𝑢𝑒 𝑡𝑒𝑛𝑔𝑎 𝑢𝑛 𝑒𝑓𝑒𝑐𝑡𝑜 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑣𝑜
C4.1 Modelo siguiente

𝑽𝒐𝒕𝒆𝑨 = 𝜷𝟎 + 𝜷𝟏 𝐥𝐨𝐠(𝒆𝒙𝒑𝒆𝒏𝒅𝑨) + 𝜷𝟐 𝐥𝐨𝐠(𝒆𝒙𝒑𝒆𝒏𝒅𝑩) + 𝜷𝟑 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 𝜷𝟏 ?
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.
𝐻𝑜 : 𝛽𝑒𝑥𝑝𝑒𝑛𝑑𝐴 + 𝛽𝑒𝑥𝑝𝑒𝑛𝑑𝐵 = 0; 𝐻1 : 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
̂ = 45.08 + 6.083 ∗ log(𝑒𝑥𝑝𝑒𝑛𝑑𝐴) − 6.615 ∗ log(𝑒𝑥𝑝𝑒𝑛𝑑𝐵) + 0.152 ∗ 𝑝𝑟𝑡𝑦𝑠𝑡𝑟𝐴
𝑣𝑜𝑡𝑒𝐴
6.083 −6.615
𝑡𝑒𝑥𝑝𝑒𝑛𝑑𝐴 = = 15.92 ; 𝑡𝑒𝑥𝑝𝑒𝑛𝑑𝐵 = = −17.45
0.382 0.379
Como Podemos observer, 𝑡𝑒𝑥𝑝𝑒𝑛𝑑𝐴 𝑦 𝑡𝑒𝑥𝑝𝑒𝑛𝑑𝐵 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
̂ = 45.08 − 0.532 ∗ log(𝑒𝑥𝑝𝑒𝑛𝑑𝐴) − 6.615 ∗ 𝑡𝑜𝑡𝑎𝑙 + 0.152 ∗ 𝑝𝑟𝑡𝑦𝑠𝑡𝑟𝐴
𝑣𝑜𝑡𝑒𝐴
En este caso tenemos el sesgo de 𝛽1 , 𝜃̂1 = −0.532 y un ee(𝜃̂1 ) ≈ 0.533. EL t estadística
−0.532
para esta hipótesis en el inciso ii) es: 𝑡𝑒𝑥𝑝𝑒𝑛𝑑𝐴 = ≈ −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) = 𝜷𝟎 + 𝜷𝟏 𝒍𝒐𝒈(𝒔𝒂𝒍𝒆𝒔) + 𝜷𝟐 𝒓𝒐𝒆 + 𝜷𝟑 𝒓𝒐𝒔 + 𝒖

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

𝒍𝒐𝒈(𝒔𝒂𝒍𝒂𝒓𝒚) = 𝟒. 𝟑𝟐 + 𝟎. 𝟐𝟖𝟎𝒍𝒐𝒈(𝒔𝒂𝒍𝒆𝒔) + 𝟎. 𝟎𝟏𝟕𝟒𝒓𝒐𝒆 + 𝟎. 𝟎𝟎𝟎𝟐𝟒𝒓𝒐𝒔,

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

Si las ventas aumentan en un 10%, entonces el gasto en I&D aumenta en

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

C4.1 Modelo siguiente

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

También podría gustarte