lOMoARcPSD|8384607

Econometria examen

Fundamentos de la Econometria (Universitat Jaume I)

StuDocu no está patrocinado ni avalado por ningún colegio o universidad.

Descargado por Hernan ra ([email protected])
 lOMoARcPSD|8384607

Examen de Fundamentos de Econometría Junio 2018

SOLUCIÓN
Lea detenidamente el examen antes de empezar y no olvide especificar las hipótesis a contrastar y
concluir los ejercicios. La calificación de este examen (evaluado sobre 10) representa el 100% de la
nota final. La duración del examen será de dos horas.

PREGUNTA 1. Argumente la veracidad o falsedad de la siguiente afirmación: La existencia de

colinealidad perfecta implica relaciones lineales perfectas entre las variables independientes y el término
de error. (1 punto)

Falsa. La afirmación del enunciado hace referencia a una violación del supuesto de media condicionada
nula, 𝐸[𝑢|𝑥1 , 𝑥2 , … , 𝑥𝑘 ] ≠ 0, y no a la colinealidad perfecta.

La existencia de colinealidad perfecta implica relaciones lineales perfectas entre las variables
independientes (𝑋𝑗 ). Esto puede ocurrir cuando una variable independiente es múltiplo constante de otra, o
cuando una variable independiente es una combinación lineal exacta de otras u otras variables
independientes. En ningún caso, la colinealidad perfecta involucra el término de error.

PREGUNTA 2. Considere el siguiente modelo que pretende explicar el precio en euros al que las
gasolineras venden el litro de combustible (price) en función del número de gasolineras rivales (rivals) y
el número de gasolineras de la misma marca (owns) que están instaladas cerca:

𝑝𝑟𝑖𝑐𝑒𝑖 = 𝛽0 + 𝛽1 𝑟𝑖𝑣𝑎𝑙𝑠𝑖 + 𝛽2 𝑜𝑤𝑛𝑠𝑖 + 𝑢𝑖

donde se ha obtenido la siguiente función de regresión estimada utilizando una base de datos de corte
transversal para 597 gasolineras valencianas (i = 1, 2, …, 597) a 17 de febrero del 2017:1

Modelo 1: MCO, usando las observaciones 1-597

Variable dependiente: price

Coeficiente Desv. Típica Estadístico t Valor p

***
const 1,1263 0,0022 518,3000 0,0000
rivals −0,0055 0,0014 −3,7920 0,0002 ***

***
owns 0,0323 0,0060 5,3940 0,0000

𝑅2 0,0754 𝑅 2 ajustado 0,0723

F(2, 594) 24,2343 Valor p (de F) 0,0000

a) Presente la ecuación estimada de la forma habitual e interprete los parámetros estimados por MCO
asociados a la constante y a la variable explicativa rivals. (1 punto)

𝑝𝑟𝑖𝑐𝑒
̂ = 1,1263 − 0,0055𝑟𝑖𝑣𝑎𝑙𝑠 + 0,0323𝑜𝑤𝑛𝑠
(0,0022) (0,0014) (0,0060)
𝑛 = 597 𝑅2 = 0,0754

La constante nos da el valor estimado medio que toma el precio (expresado en euros/litro), cuando las
gasolineras se enfrentan a 0 rivales cercanos y 0 gasolineras de la misma marca cercanas.

Ceteris paribus (manteniendo constante el número de gasolineras cercanas de la misma marca), un aumento
en una unidad en el número de rivales cercanos se estima que disminuye el precio fijado por las gasolineras
en 0,0055 euros /litro.

1
Fuente: Ministerio de Energía, Turismo y Agenda Digital, http://geoportalgasolineras.es/.

Descargado por Hernan ra ([email protected])

 lOMoARcPSD|8384607

Examen de Fundamentos de Econometría Junio 2018

b) Un informe de la Comisión Nacional de los Mercados y la Competencia afirma que el precio al que las
gasolineras venden el litro de combustible aumenta en 0,05 euros por cada gasolinera adicional de la misma
marca que se instala cerca. En términos de los parámetros, establezca la hipótesis que permita contrastar
dicha afirmación. Posteriormente, a partir de los resultados del modelo estimado, construya un intervalo de
confianza al 95% para el aumento del precio por cada gasolinera adicional cercana de la misma marca y
utilícelo para contrastar la afirmación del informe. (2 puntos)

𝐻0 : 𝛽2 = 0,05
𝑯𝟎 : 𝜷𝟐 ≠ 𝟎, 𝟎𝟓

Pr(𝛽̂2 − 𝑐𝛼𝑛−𝑘−1 𝑠𝑒(𝛽̂2 ) ≤ 𝛽2 ≤ 𝛽̂2 + 𝑐𝛼𝑛−𝑘−1 𝑠𝑒(𝛽̂2 ) ) = (1 − 𝛼)

2 2
597−2−1 597−2−1
Pr(0,0323 − 𝑐5% 0,0060 ≤ 𝛽2 ≤ 0,0323 + 𝑐5% 0,0060) = 95%
2 2
Pr(0,02054≤ 𝛽2 ≤0,04406) = 95%

Hemos considerado un nivel de significatividad del 5%, por lo que el intervalo de confianza construido
contiene todos los valores b para los que no podría ser rechazada la H0 vs la alternativa H1 de dos colas a
un nivel de confianza del 95%.

Dado que 0,05 no se encuentra comprendido entre el intervalo de confianza construido, podemos rechazar
la H0 a un nivel de confianza del 95%. La evidencia obtenida no confirma la afirmación del informe.

c) En términos de los parámetros, establezca la hipótesis nula de que el efecto sobre el precio de un aumento
de una unidad en el número de rivales es compensado por el efecto de un aumento de una unidad en el
número de gasolineras de la misma marca. Además, explique paso a paso cómo contrastaría dicha hipótesis.
¿Qué regresión adicional habría que estimar? ¿Qué estadístico de contraste habría que calcular? (2 puntos)

𝐻𝑜 : 𝛽1 + 𝛽2 = 0  (el efecto sobre el precio de un aumento de 1 unidad en el número de rivales

𝐻𝑜 : 𝛽1 + 𝛽2 ≠ 0 cercanos es compensado por el efecto de un aumento de 1 unidad en el número de
gasolineras de la misma marca)

Se trata, por tanto, de un contraste sobre una combinación lineal de parámetros (con un planteamiento
similar al ejercicio 4.12 de los laboratorios de clase)

̂1 +𝛽
𝛽 ̂2 −0
𝑡𝛽̂1+𝛽̂2 = ̂ ̂2 ) no puede construirse fácilmente ya que
𝑠𝑒(𝛽1 +𝛽

𝑠𝑒(𝛽̂1 + 𝛽̂2 ) = √𝑣𝑎𝑟(𝛽̂1 + 𝛽̂2 ) = √𝑣𝑎𝑟(𝛽̂1 ) + 𝑣𝑎𝑟(𝛽̂2 ) + 2𝐶𝑜𝑣(𝛽̂1 , 𝛽̂2 )

Y en la tabla no poseemos información sobre 𝐶𝑜𝑣(𝛽̂1 , 𝛽̂2 ).

Alternativamente, podemos realizar el contraste de forma más sencilla a través de una reparametrización:

𝜃 = 𝛽1 + 𝛽2 → 𝐻𝑜 : 𝜃 = 0
𝐻𝑜 : 𝜃 ≠ 0

Escribimos uno de los parámetros originales en función de 𝜃: 𝛽1 = 𝜃 − 𝛽2 , y sustituimos la expresión en

la función de regresión poblacional…

𝑝𝑟𝑖𝑐𝑒𝑖 = 𝛽0 + ( 𝜃 − 𝛽2 )𝑟𝑖𝑣𝑎𝑙𝑠𝑖 + 𝛽2 𝑜𝑤𝑛𝑠𝑖 + 𝑢𝑖

𝑝𝑟𝑖𝑐𝑒𝑖 = 𝛽0 + 𝜃𝑟𝑖𝑣𝑎𝑙𝑠𝑖 + 𝛽2 (𝑜𝑤𝑛𝑠𝑖 − 𝑟𝑖𝑣𝑎𝑙𝑠𝑖 ) + 𝑢𝑖

Por lo tanto, tendríamos que crear una nueva variable explicativa (𝑜𝑤𝑛𝑠𝑖 − 𝑟𝑖𝑣𝑎𝑙𝑠𝑖 ) y estimar la función
resultante por MCO. El parámetro estimado 𝜃̂ y su 𝑠𝑒(𝜃̂) podrían ser empleados para construir el estadístico
𝑡𝜃̂ y realizar el contraste planteado.

Si el estadístico t > valor crítico, rechazaríamos H0.

Descargado por Hernan ra ([email protected])

 lOMoARcPSD|8384607

Examen de Fundamentos de Econometría Junio 2018

d) Escriba los resultados de la regresión en forma de ecuación cambiando a céntimos de euro el precio en
euros al que las gasolineras venden el litro de combustible (teniendo en cuenta que 1€ = 100 céntimos de
€). Indique qué estadísticos de la tabla de resultados anteriormente mostrada cambiarían y el nuevo valor
que tomarían. (1 punto)

𝑝𝑟𝑖𝑐𝑒
̂ = 112,63 − 0,55𝑟𝑖𝑣𝑎𝑙𝑠 + 3,23𝑜𝑤𝑛𝑠
(0,22) (0,14) (0,60)
𝑛 = 597 𝑅 2 = 0,0754

Al multiplicar por 100 la variable dependiente, la constante y coeficientes estimados de la función de

regresión muestral se multiplican por 100. Lo mismo ocurre con los s.e.
R2 y los estadísticos t no cambian.

PREGUNTA 3. La base de datos utilizada en Cornwell and Rupert (1988, Journal of Applied
Econometrics) contiene información para un conjunto de 595 individuos que trabajan y viven en Estados
Unidos en 1982. En base a dicha información, se han obtenido las siguientes funciones de regresión
muestral para distintos modelos:

Variable dependiente: log(wage)

Modelo A Modelo B Modelo C
5,8827*** 5,7561*** 5,8737***
const
(0,0834) (0,0893) (0,0848)
0,0069*** 0,0081*** 0,0072***
exp
(0,0014) (0,0015) (0,0014)
0,0756*** 0,0787*** 0,0758***
ed
(0,0053) (0,0058) (0,0053)
−0,4192*** −0,4167***
fem
(0,0468) (0,0471)
−0,1849*** −0,1140
blk
(0,0573) (0,1332)
−0,0029
exp·blk
(0,0050)

Numero de observaciones (N) 595 595 595

𝑅2 0,3622 0,2459 0,3626
𝑅 2 ajustado 0,3579 0,2433 0,3572
F 83,7653 96,5132 67,0079
Valor p (de la F) 0,0000 0,0000 0,0000
Los errores estándar se muestran entre paréntesis.

Donde
 log(wage) es el logaritmo del salario de cada individuo, expresado en dólares mensuales.
 exp representa los años de experiencia laboral.
 ed representa los años de educación.
 fem es una variable ficticia que toma el valor 1 si el individuo es una mujer y 0 si es un hombre.
 blk es una variable ficticia que toma el valor 1 si el individuo es afroamericano y 0 si es cualquier otra raza.
 exp·blk representa la interacción entre las variables exp y blk.

a) Con la información presentada en la tabla, determine cuál es la diferencia salarial estimada entre
hombres afroamericanos y mujeres no afroamericanas, con los mismos años de experiencia y educación.
¿Es estadísticamente significativa dicha diferencia al 1%? Razone su respuesta. (1,5 puntos)

Perfil 1: hombres afroamericanos y Perfil 2: mujeres no afroamericanas

exp1 = exp2 y ed1 = ed2

̂ 1 ) = 5,8827 + 0,0069 exp1 + 0,0756𝑒𝑑1 − 0,4192𝑓𝑒𝑚1 − 0,1849𝑏𝑙𝑘1

log(𝑤𝑎𝑔𝑒
̂ 2 ) = 5,8827 + 0,0069 exp2 + 0,0756𝑒𝑑2 − 0,4192𝑓𝑒𝑚2 − 0,1849𝑏𝑙𝑘2 )
−(log(𝑤𝑎𝑔𝑒
̂ 1 ) − log(𝑤𝑎𝑔𝑒
log(𝑤𝑎𝑔𝑒 ̂ 2 ) = −0,4192𝑓𝑒𝑚1 − 0,1849𝑏𝑙𝑘1 −(−0,4192𝑓𝑒𝑚2 − 0,1849𝑏𝑙𝑘2 ) =
−0,4192(0) − 0,1849(1) −(−0,4192(1) − 0,1849(0)) = − 0,1849 + 0,4192 = 0,2346

Descargado por Hernan ra ([email protected])

 lOMoARcPSD|8384607

Examen de Fundamentos de Econometría Junio 2018

En palabras: la diferencia salarial (ceteris paribus) entre hombres afroamericanos y mujeres no

afroamericanas es de un 23,46%. Téngase en cuenta que es un modelo log-nivel.
Dicha diferencia involucra a dos parámetros del modelo: 𝛽3 y 𝛽4

𝐻0 : 𝛽3 = 0, 𝛽4 = 0
𝐻1 : 𝐻0 𝑒𝑠 𝑓𝑎𝑙𝑠𝑎.

Modelo no restringido (NR): modelo A

Modelo restringido (R): modelo B
2
(𝑅𝑁𝑅 − 𝑅𝑅2 )/𝑞 (0,3622 − 0,2459)/2
𝐸𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜 𝐹 = 2 = = 53,79
(1 − 𝑅𝑁𝑅 )/(𝑛 − 𝑘 − 1) (1 − 0,3622)/(595 − 4 − 1)

𝑞,𝑛−𝑘−1 2,595 𝑛−4−1

Valor crítico al 5% de significaitividad 𝐹𝛼 = 𝐹1% = 4,61

Dado que F > Valor crítico, podemos rechazar la H0 a un nivel de significatividad del 1%. En palabras, la
diferencia salarial entre hombres afroamericanos y mujeres no afroamericanas es estadísticamente
relevante.

b) Plantee y realice un contraste de significatividad conjunta de la regresión estimada del modelo C y

explique si obtenemos un buen ajuste del modelo estimado. (1,5 puntos)

𝐻0 : 𝛽1 = 0, 𝛽2 = 0 𝛽3 = 0, 𝛽4 = 0, 𝛽5 = 0 (todos los regresores, en su conjunto no afectan a la variable dependiente)

𝐻1 : 𝐻0 𝑒𝑠 𝑓𝑎𝑙𝑠𝑎. (al menos un regresor afecta de forma relevante a la variable dependiente)

Modelo no restringido (NR): modelo C

Modelo restringido (R): modelo sin ningún regresor, cuyo R2 sería 0.
2
(𝑅𝑁𝑅 − 𝑅𝑅2 )/𝑞 (0,3622 − 0)/5
𝐸𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜 𝐹 = 2 = = 67,0
(1 − 𝑅𝑁𝑅 )/(𝑛 − 𝑘 − 1) (1 − 0,3622)/(595 − 5 − 1)

𝑞,𝑛−𝑘−1 5,595 𝑛−5−1

Valor crítico al 5% de significaitividad 𝐹𝛼 = 𝐹5% = 2,21

Dado que F > Valor crítico, podemos rechazar la H0 a un nivel de significatividad del 5%. En su conjunto,
todos los regresores afectan de forma significativa a la variable dependiente.

El 𝑅2 del modelo C nos indica que el conjunto de variables explicativas consideradas en la regresión sólo
explican un 36,26% de la variabilidad muestral exhibida por los salarios. Por lo tanto, podemos concluir
que el ajuste del modelo no es bueno.

Descargado por Hernan ra ([email protected])