Вы находитесь на странице: 1из 16

Estadstica e Introduccin a la Econometra

Curso 2012-13
Ejercicios del Tema 8
Soluciones
En todos los ejercicios suponga que se cumplen todos los supuestos del modelo
lineal clsico.
1.- El chero CEOSAL2 del libro de Wooldridge contiene informacin sobre
directores generales de empresas americanas. La variable salary es la remuneracin
anual en miles de dlares y ceoten es el nmero de aos de antigedad en el puesto
de director general.
a) Proponga un modelo para el que un aumento de un ao el cargo de
director general suponga siempre el mismo aumento porcentual en el salario.
b) Estime el modelo del apartado a y presente los parmetros estimados,
los errores estndar, el nmero de observaciones y el R2 en una ecuacin.
c) Interprete la pendiente de la ecuacin estimada.
d) Contraste si un aumento de un ao en el cargo de director general
supone un aumento del 1% en el salario del director general. Calcule el p-valor e
interprete el resultado.
Solucin:
a) Para que un aumento en un ao el cargo de director general suponga
siempre el mismo aumento porcentual en el salario tenemos que considerar un
modelo log-lineal
log(salary) = 0 + 1 coeten + u
b) El modelo estimado es:
\
log(salary)
= 6:505 + 0:00972ceoten
(0:068)

n = 177;

(0:00636)

R2 = 0:013

c) La pendiente de esta ecuacin supone que un aumento de 1 ao en el


nmero de aos que lleva en la empresa el director general implica, en media, un
aumento del salario del 0:972% (100 0:00972 = 0:972).
d) La hiptesis que tenemos que contrastar es
H0 :
H1 :

1
1

= 0:01
6= 0:01

El estadstico de contraste es
t=

b1

0:01
se(b1 )

t175
1

bajo H0

El valor del estadstico en la muestra es


t=

0:00972 0:01
=
0:00636

0:0440

El p-valor del contraste es P rob(jt175 j > j 0:044j) = 0:96 y por tanto no


podemos rechazar la hiptesis nula a ningn nivel de signicacin razonable. No
hay evidencia para rechazar que un aumento de un ao en el cargo de director
general supone un aumento del 1% en el salario del director general.
2.- Para estudiar la demanda de tabaco en jvenes adultos se considera el
siguiente modelo
ncaj =

1 precio

2 edad

3 renta

+u

donde ncaj es el nmero de cajetillas de tabaco que consume mensualmente el


individuo, precio es el precio de cada cajetilla medido en dlares, edad es la edad
en aos, y renta es la renta anual en miles de dlares.
a) Qu signo esperara que tuviera 1 ?
b) En base a una muestra de 30 individuos se ha obtenido el siguiente
modelo estimado:
[
n
caj =

11:74
(15:09)

0:53 precio + 0:99 edad + 0:08 renta

(6:38)

(0:18)

(0:04)

b1) Interprete los coecientes estimados.


b2) Contraste la signicatividad individual de cada variable.
c) Considere ahora el modelo
log(ncaj) =

log(precio) +

2 edad

3 renta

+u

c1) En base a la misma muestra de 30 individuos se ha obtenido el


siguiente modelo estimado:
\ = 1:17
log(ncaj)

0:69 log(precio) + 0:06 edad + 0:009renta

(1:15)

(0:02)

(0:003)

Interprete los coecientes estimados.


c2) Contraste si puede armarse que un aumento de 1000 dlares
en la renta anual, manteniendo constante la edad y el precio de cada cajetilla,
produce un aumento menor del 1% en el consumo de tabaco.
Solucin:
a) Cabe esperar que 1 tenga signo negativo ya que un aumento en el
precio del tabaco dar lugar a una disminucin en el consumo.
b1) El coeciente estimado del precio nos indica que, manteniendo
constante la edad y la renta, un aumento de un dlar en el precio de las cajetillas
disminuye el consumo medio estimado de cigarrillos en poco ms de media cajetilla
al mes.
2

El coeciente estimado de la edad nos indica que, manteniendo constante el


precio y la renta, un aumento de 1 ao en la edad aumenta el consumo medio
estimado de cigarrillos en casi una cajetilla al mes.
El coeciente estimado de la renta nos indica que, manteniendo constante el
precio y la edad, un aumento de 1000 dlares en la renta anual aumenta el consumo
medio estimado de cigarrillos en 0.08 cajetillas al mes.
b2) Los t ratios son:
t1 =

0:53
=
6:38

0:083;

0:99
= 5:5;
0:18

t2 =

t3 =

0:08
=2
0:04

Si tomamos como nivel de signicacin el 5%, el valor crtico para estos


contrastes es t26;0:025 = 2:056
Como jt2 j > 2:056, la variable edad es estadsticamente signicativa al 5%;
mientras que como jt1 j 2:056; la variable precio no es estadsticamente signicativa
al 5%: En cuanto a la variable renta; como jt3 j
2:056; esta variable no es
estadsticamente signicativa al 5%; sin embargo, como el p-valor es P rob(jt26 j >
2) = 0:056; la renta es estadsticamente signicativa al 6%:
c1) Como ahora la variable dependiente est en logaritmos la interpretacin
de los coecientes estimados es distinta que en el apartado b1.
El coeciente estimado del precio es una elasticidad y nos indica que, manteniendo
constante la edad y la renta, un aumento de un 1% en el precio de las cajetillas
disminuye el consumo de cigarrillos en un 0:69%.
El coeciente estimado de la edad nos indica que, manteniendo constante el
precio y la renta, un aumento de 1 ao en la edad aumenta el consumo estimado
de cigarrillos en un 6%.
El coeciente estimado de la renta nos indica que, manteniendo constante el
precio y la edad, un aumento de 1000 dlares en la renta anual aumenta el consumo
estimado de cigarrillos en un 0:9%.
c2) Tenemos que contrastar
H0 :
H1 :
El estadstico t es
t=

3
3

0:01
se(b )

= 0:01
< 0:01

t26 bajo H0

0:01
El valor del estadstico de contraste en la muestra es t = 0:009
= 0:33 y
0:003
el p-valor del contraste es P rob(t26 < 0:33) = 0:37: Por tanto no hay evidencia
suciente para armar que un aumento de 1000 dlares en la renta anual, manteniendo
constante la edad y el precio, produce un aumento en el consumo de tabaco de
menos del 1%.

3.- El siguiente modelo hace depender el rendimiento de la educacin de la


suma de los aos de educacin del padre y la madre (pareduc)
3

log(wage) =

1 educ

2 pareduc

educ +

3 exper

4 tenure

+u

a) Demuestre que el rendimiento de un ao ms de educacin en este


modelo es
100( 1 + 2 pareduc)
Qu signo se espera para 2 ? Por qu?
b) Usando los datos del chero WAGE2 del libro de Wooldridge, la
ecuacin estimada es
\
log(wage)
= 5:65 + 0:047educ + 0:00078pareduc educ + 0:019exper + 0:010tenure
(0:13)

(0:010)

(0:00021)

(0:004)

(0:003)

R = 0:169

n = 722;

Ntese que solamente 722 observaciones tienen informacin completa sobre la


educacin de los padres. Interprete el coeciente del trmino de interaccin. Puede
ser de ayuda elegir dos valores especcos para pareduc (por ejemplo, pareduc = 32
si ambos padres tienen formacin universitaria y, pareduc = 24 si ambos padres
tienen una educacin secundaria) y comparar la estimacin del rendimiento de
educ.
c) Cuando aadimos pareduc a la ecuacin como variable separada, obtenemos
\
log(wage)
= 4:94 + 0:097educ + 0:033pareduc
(0:38)

(0:027)

(0:017)

0:0016pareduc educ
(0:0012)

+0:020exper + 0:010tenure
(0:004)

n = 722;

(0:003)

R2 = 0:174

El rendimiento de la educacin depende ahora positivamente de la educacin de


los padres? Contraste la hiptesis nula de que el rendimiento de la educacin no
depende de la educacin de los padres.
Solucin:
a) El rendimiento de la educacin , manteniendo constante exper; pareduc
y tenure, es
@ log(wage)
= 100( 1 + 2 pareduc)
100
educ
No est claro cul ha de ser el signo de 2 , aunque si creemos que cuanto mayor
es el nivel de educacin de los padres, mayor es el rendimiento de un ao adicinal
de educacin para los hijos, tendramos que 2 > 0.
b) Como el rendimiento de la educacin depende de los aos de educacin
de los padres, calculamos el rendimiento para pareduc = 32 y pareduc = 24: Si
pareduc = 32; el rendimiento de la educacin, manteniendo constante exper y
tenure, es del 7:2% (100(0:047 + 0:00078 32)) y si pareduc = 24; el rendimiento
de la educacin , manteniendo constante exper y tenure, es del 6:6% (100(0:047 +
0:00078 24)). Por tanto la diferencia es de 0:6 puntos porcentuales.
4

c) No, ya que el coeciente de la interaccin es ahora negativo. El trmino


de interaccin no es estadsticamente signicativo ya que el t-ratio es t = 1:33 y
el p-valor es P rob(jt716 j > 1:33) = 0:18: La variable pareduc si es signicativa.
Este es un buen ejemplo de que omitir el efecto del nivel (la variable pareduc en
este caso) puede dar lugar a una estimacin sesgada del efecto de la interaccin.
Siempre que se incluya una interaccin entre dos variables, debe incluirse tambin
las dos variables por separado en el modelo.
4.- La tasa de desecho de una empresa manufacturera es el nmero de artculos
defectuosos que deben desecharse por cada 100 artculos producidos. As, una
disminucin en la tasa de desecho reeja una mayor productividad. Consideremos
el siguiente modelo que utiliza la tasa de desecho (scrap) para medir el efecto de
la formacin de los trabajadores sobre la productividad
log(scrap) =

1 hrsemp

log(sales) +

log(employ) + u

(1)

donde hrsemp son las horas anuales de formacin por empleado, sales son las
ventas anuales de la empresa en dlares y employ es el nmero de empleados de
la empresa.
Utilizando las 43 observaciones para 1987 de la muestra de empresas manufactureras
de Michigan (chero JTRAIN del libro de Wooldridge) se han obtenido los siguientes
resultados
\
log(scrap)
= 11:74

0:042hrsemp

(4:57)

0:951 log(sales) + 0:992 log(employ)

(0:019)

(0:370)

(0:360)

n = 43;

R = 0:310

a) Interprete el coeciente estimado de la variable hrsemp y contraste si


puede armarse que una mayor formacin disminuye la tasa de deshecho.
b) Contraste la signicatividad global del modelo.
c) Demuestre que el modelo (1) tambin puede escribirse como
log(scrap) =

1 hrsemp

log(sales=employ) + log(employ) + u

(2)

Interprete la hiptesis H0 : = 0.
d) Utilizando la misma muestra se ha estimado el modelo reparametrizado
(2) y se han obtenido los siguientes resultados:
\
log(scrap)
= 11:74
(4:57)

n = 43;

0:042hrsemp
(0:019)

0:951 log(sales=employ) + 0:041 log(employ)


(0:370)

(0:205)

R = 0:310

Si tenemos en cuenta el efecto de las horas anuales de formacin por empleado y


las ventas por empleado (en logaritmos) sobre la tasa de deshecho, contraste si
las empresas con ms trabajadores tienen una mayor tasa de desecho.
e) Contraste la hiptesis de que, manteniendo constante las horas anuales
de formacin por empleado y el nmero de empleados de la empresa, un incremento
5

de un 1% en el cociente de ventas por empleado est asociado con una disminucin


del 1% en la tasa de deshecho.
solucin:
a) Puesto que el coeciente estimado de hrsemp es 0:042; una hora
adicional de formacin por empleado reduce la tasa de desecho en un 4:2%:
El contraste que tenemos que hacer es
H0 :
H1 :

1
1

=0
<0

El estadstico de contraste es
t=

t39 bajo H0

se(b1 )

0:042
= 2:21, el p-valor del
El valor del estadstico en la muestra es t = 0:019
contraste es P rob(t39 < 2:21) = 0:0165 y por tanto podemos rechazar H0 al
2% y concluimos que una mayor formacin disminuye la tasa de desecho.
b) Tenemos que contrastar

H0 :
H1 :

1
1

= 2=
6 0 y/o
=

=0
2 6= 0 y/o

6= 0

El estadstico de contraste es
F =

(1

R2 =3
R2 ) =(43

1)

F3;39 Bajo H0

El valor del estadstico de contraste en la muestra es


F =

0:31=3
= 5:84
(1 0:31) =39

y el p-valor es P rob(F3;39 > 5:84) = 0:0021. Por tanto podemos rechazar H0 al


1% y las variables del modelo son conjuntamente signicativas.
c) Si denimos = 2 + 3 y sustituimos 3 =
2 en el modelo (1)
tenemos
log(scrap) =
=
=

+
0+
0+

1 hrsemp

+
1 hrsemp +
1 hrsemp +

log(sales) + (
2 ) log(employ) + u
2 log(sales) + log(employ)
2 log(employ) + u
2 log(sales=employ) + log(employ) + u

La hiptesis = 0 quiere decir que, una vez que controlamos por las horas anuales
de formacin por empleado y las ventas por empleado (en logaritmos), un aumento
en el porcentaje de empleados no tiene ningn efecto sobre la tasa de desecho.
6

d) El contraste que tenemos que hacer es


H0 :
H1 :

=0
>0

El estadstico de contraste es
t=

t39 bajo H0

se(b)

El valor del estadstico en la muestra es t = 0:041


= 0:2 y el p-valor es
0:205
P rob(t39 > 0:2) = 0:42. Por tanto, no podemos rechazar H0 a ningn nivel de
signicacin razonable, no hay suciente evidencia para armar que, si tenemos en
cuenta el efecto de las horas anuales de formacin por empleado y las ventas por
empleado (en logaritmos), las empresas con ms trabajadores tienen una mayor
tasa de desecho.
e) Tenemos que contrastar en el modelo (2)
H0 :
H1 :

2
2

=
6
=

1
1

El estadstico de contraste es
t=

b2 + 1

t39 Bajo H0

se(b2 )

= 0:13 y el p-valor
El valor del estadstico en la muestra es t = 0:951+1
0:37
es P rob(jt39 j > 0:13) = 0:897. Por tanto, no podemos rechazar H0 a ningn
nivel de signicacin razonable, no hay suciente evidencia para rechazar que,
manteniendo constante las horas anuales de formacin por empleado y el nmero
de empleados de la empresa, un incremento de un 1% en el cociente de ventas por
empleado est asociado con una disminucin del 1% en la tasa de deshecho.
5.- En el ejercicio 3 del tema 2 consideramos el siguiente modelo estimadado
[ = 3638:25
sleep
(112:28)

n = 706;

0:148torwrk
(0:017)

11:13educ + 2:20 age


(5:88)

(1:45)

R = 0:113

a) Son educ y age individualmente signicativas al 5%?


b) Al eliminar educ y age de la ecuacin se obtienen los siguientes resultados:
[ = 3586:38
sleep
(38:91)

0:151torwrk
(0:017)

R2 = 0:103

n = 706;

Son educ y age conjuntamente signicativas al 5% en la ecuacin original?


7

c) El incluir educ y age afecta mucho a la disyuntiva (trade-o) estimada


entre dormir y trabajar?
d) Suponga que la varianza de las horas de sueo depende de alguno de
los regresores del modelo, Qu implicacin tiene esto sobre los contrastes de los
apartados anteriores?
Solucin:
2:2
= 1:89 y t3 = 1:45
= 1:52. El valor crtco
a) Los t-ratios son t2 = 11:13
5:88
es t702;0:025 = 1:96. Como ninguno de los dos t-ratios es mayor en valor absoluto
que el valor crtico, ninguna de las dos variables es estadsticamente signicativa
al 5%.
b) Tenemos que contrastar

H0 :
H1 :

2
2

= 3=0
6 0 y/o
=

6= 0

Para hacer este contraste tenemos que comparar los R-cuadrado del modelo restringido
y no restringido mediante un estadstico F . El estadstico de contraste es
F =

(1

2
(Rnr
Rr2 ) =2
2 )=(706
Rnr
3

Por tanto
F =

1)

F2;702 bajo H0

(0:113 0:103) =2
= 3:96
(1 0:113)=702

El valor crtico es F2;702:0:05 = 3:01: Puesto que F = 3:96 > F2;702:0:05 = 3:01,
podemos rechazar la nula al 5%, las variables son conjuntamente signicativas al
5%.
c) El incluir educ y age no afecta mucho a la disyuntiva (trade-o)
estimada entre dormir y trabajar ya que, al incluirlas, el parmetro estimado
pasa de 0:151 a 0:148.
d) Los estadsticos de contraste t y F se basan en la hiptesis de homoscedasticidad.
Si la varianza de la variable dependiente depende de alguno de los regresores del
modelo, los estdisticos que hemos utilizado en los apartados anteriores no son
vlidos.
6.- Considere el siguiente modelo para el precio de la vivienda
log(price) =

1 sqrf t

2 bdrms

+u

donde price es el precio de la vivienda en miles de dlares, sqrf t es la supercie de


la vivienda en pies cuadrados (1 pie cuadrado es 0:093 m2 ), y bdrms es el nmero
de dormitorios.
a) Utilice los datos del chero HPRICE1 del libro de Wooldridge para
estimar el modelo y presente los resultados de la forma habitual.
8

b) Cul es el cambio porcentual estimado en el precio de una vivienda,


de un incremento de 150 pies cuadrados en su supercie, si mantenemos constante
el nmero de habitaciones?
c) Obtenga un intervalo de conanza al 95% para el cambio porcentual
estimado en el precio de una vivienda de un incremento de 150 pies cuadrados en
su supercie, si mantenemos constante el nmero de habitaciones.
d) Cul es el cambio porcentual estimado en los precios si se aade un
dormitorio adicional de 150 pies cuadrados?
e) Obtenga un intervalo de conanza al 95% para el cambio porcentual
estimado en los precios si se aade un dormitorio adicional de 150 pies cuadrados.
Solucin:
a) El modelo estimado es
\
log(price)
=

4:77 + 0:00038sqrf t + 0:029 bdrms

(0:097)

(0:000043)

(0:0296)

n = 88;

R = 0:588

b) Si mantenemos jo el nmero de habitaciones, un incremento de 150


pies cuadrados en su supercie supone un incremento estimado en el precio de la
vivienda del 5:7% (100 0:00038 150 = 5:7).
c) Tenemos que obtener un intervalo de conanza al 95% para 100 150
1 = 15000 1 : Puesto que t85;0:025 = 1:99; el intervalo de conanza es
[15000(0:00038
= [4:42; 6:98]

1:99 0:000043); 15000(0:00038 + 1:99 0:000043)]

d) Un incremento de un dormitorio de 150 pies cuadrados supone un


incremento estimado en el precio de la vivienda del 8:6% (100 (0:00038 150 +
0:029) = 8:6):
e) Para obtener el intervalo de conanza tenemos que reparametrizar el
modelo. Sea
= 150 1 + 2
tenemos que
2

150

y substituyendo en el modelo tenemos que


log(price) =
=
=

+
0+
0+

1 sqrf t

+(
150 1 )bdrms + u
150 1 bdrms + u
1 sqrf t + bdrms
150bdrms) + bdrms + u
1 (sqrf t

El modelo estimado es
\
log(price)
=

4:77 + 0:00038(sqrf t

(0:097)

n = 88;

(0:000043)
2

R = 0:588
9

150bdrms) + 0:0858bdrms
(0:0268)

y el intervalo de conanza es
[100(0:0858
[3:25; 13:91]

1:99 0:0268); 100(0:0858 + 1:99 0:0268)]

7.- Consideremos un modelo en el que el rendimiento de la educacin depende


de la experiencia laboral (y viceversa):
log(wage) =

1 educ

2 exper

3 educ

exper + u

donde wage es el salario mensual en cientos de dlares, educ son los aos de
educacin del individuo, exper son los aos de experiencia laboral.
a) Demuestre que el rendimiento de un ao adicional de educacin, manteniendo
exper constante, es
100( 1 + 3 exper)
b) Especique la hiptesis nula de que el rendimiento de la educacin no
depende del nivel de exper. Cul es la hiptesis alternativa adecuada?
c) Utilice los datos del chero WAGE2 del libro de Wooldridge para
contrastar la hiptesis nula del apartado b frente a la alternativa propuesta.
d) Obtenga un intervalo de conanza al 95% para el rendimiento de la
educacin cuando exper = 10:
Solucin:
a) El rendimiento de un ao adicional de educacin, manteniendo exper
constante, es
@ log(wage)
= 100( 1 + 3 exper)
100
educ
b) La hiptesis nula es 3 = 0: Si creemos que hay una interaccin
positiva entre educacin y experiencia, en el sentido de que el efecto de los aos
de educacin sobre el salario aumenta con la experiencia, la hiptesis alternativa
apropiada es 3 > 0:
c) El modelo estimado es
\
log(wage)
= 5:94 + 0:044educ
(0:017)

n = 935;

0:021exper + 0:0032educexper
(0:020)

(0:0015)

R = 0:135

El valor del estadstico de contraste en la muestra es t = 2:095 y el p-valor es


1
0:0365 = 0:01825, y por tanto podemos rechazar H0 al 2%.
2
d) Denimos = 1 + 10 3 ; y substituyendo 1 =
10 3 en el modelo
tenemos que
log(wage) =
=

+(
10 3 ) educ + 2 exper + 3 educ exper + u
10) + u
0 + educ + 2 exper + 3 educ(exper

10

El modelo estimado es:


\
log(wage)
= 5:94 + 0:076 educ

0:021exper + 0:0032educ(exper

(0:0066)

n = 935;

(0:020)

(0:0015)

10)

R2 = 0:135

y puesto que t931;0:025 = 1:96; el intervalo de conanza al 95% para el rendimiento


de la educacin cuando exper = 10 es
[100(0:076
= [6:3; 8:9]

1:96 0:0066); 100(0:076 + 1:96 0:0066)]

8.- Utilice los datos del chero GPA2 del libro de Wooldridge para este
ejercicio.
a) Estime el modelo
sat =

1 hsize

2 hsize

+ u;

donde hsize es el nmero de alumnos en la promocin de bachillerato (en centenares)


y sat es el resultado de un test, y presente los resultados de la forma habitual.
b) Contraste la hiptesis nula de que el resultado del test depende linealmente
del tamao de la promocin de bachillerato frente a una alternativa bilateral.
c) Usando la ecuacin estimada en a, cul sera el tamao ptimo de la
clase? Justique la respuesta.
d) Calcule el tamao ptimo usando ahora log(sat) como variable dependiente
Es parecido al obtenido en el apartado c?
Solucin:
a) Los resultados de la estimacin son:
c = 998:0 + 19:81hsize
sat
(6:20)

(3:99)

n = 4137;

2:13 hsize2

(0:549)

R2 = 0:0077

b) Tenemos que contrastar


H0 :
H1 :

2
2

=0
6= 0

El valor del estadstico t en la muestra es 3:881 y el p-valor es 0:0001: Por tanto


podemos rechazar la hiptesis nula de que la relacin es lineal.
c) El efecto marginal de hsize sobre sat es
@sat
= 1 + 2 2 hsize
@hsize
El tamao ptimo se alcanza cuando 1 + 2 2 hsize = 0; es decir cuando hsize =
1
: En base a los resultados del apartado a se estima que el tamao ptimo
2
2

11

= 4:65; como la variable hsize esta medida en cientos de alumnos. el


es 219:81
2:13
tamao ptimo estimado es 465 alumnos.
d) Usando ahora log(sat) como variable dependiente, tenemos que
\ =
log(sat)

6:90 + 0:0196hsize

(0:0062)

(0:0040)

0:0021 hsize2

(0:00054)

R2 = 0:0078

n = 4137;

= 467
En base a estos resultados se estima que el tamao ptimo es 100 20:0196
0:0021
alumnos; casi el mismo nmero que el que obtuvimos en el apartado anteror.
9.- El siguiente modelo puede servir para estudiar si los gastos de campaa
afectan a los resultados electorales:
voteA =

log(expendA) +

log(expendB) +

3 prtystrA

+u

donde voteA es el porcentaje de votos del candidato A, expendA y expendB son


los gastos de campaa de los candidatos A y B; y prtystrA es una medida de la
fuerza del partido del candidato A:
a) Cul es la interpretacin de 1 ?
b) Especique, en trminos de los parmetros del modelo, la hiptesis de
que el efecto sobre el porcentaje de votos del candidato A de un incremento de
un 1% en los gastos de campaa de A se ve compensado por un incremento de un
1% en los gastos de campaa de B:
c) Estime el modelo utilizando los datos del chero VOTE1 del libro de
Wooldridge sobre los resultados electorales en 173 contiendas electorales entre dos
partidos para las elecciones a la cmara de representantes de Estados Unidos en
1988 y presente los resultados en la forma habitual.
d) Cmo afectan los gastos de campaa del candidato A a sus resultados
electorales? y los gastos de campaa de B?.
e) Contraste la hiptesis del apartado b frente a una alternativa bilateral
utilizando un estadstico t.
f) Escriba el modelo restringido imponiendo la restriccin del apartado
b. Estime dicho modelo y utilice un estadstico F para contrastar de nuevo la
hiptesis del apartado b. Qu relacin hay entre el estadstico t del apartado e
y el estadstico F que acaba de calcular?.
Solucin:
a) Manteniendo todos los dems factores jos un aumento de un 1%
en los gastos de la campaa electoral supone un incremento de 0:01 1 puntos
porcentuales en el porcentaje de votos del candidato A: Ntese que como la
variable de gasto en la campaa electoral est en logaritmos, un incremento de un
1% en esta variable es aproximadamente equivalente a un incremento de 0:01 en
log(expendA):
b) La hiptesis en trminos de los parmetros de modelo es
H0 :

+
12

=0

c) El modelo estimado es
\ = 45:1 + 6:08 log(expendA)
voteA

6:62 log(expendB) + 0:152prtystrA;

(0:382)

(0:379)

(0:062)

n = 173;

R = 0:7925

d) Un aumento de 10% en los gastos de campaa del candidato A,


manteniendo constante los gastos de campaa del candidato B y la fuerza del
partido del candidato A; supone un incremento en el porcentaje de votos del
candidato A de 0:608 puntos porcentuales.
Un aumento de 10% en los gastos de campaa del candidato B, manteniendo
constante los gastos de campaa del candidato A y la fuerza del partido del
candidato A; supone una disminucin en el porcentaje de votos del candidato
A de 0:662 puntos porcentuales.
e) Para contrastar esta hiptesis tenemos que reparametrizar el modelo.
Sea = 1 + 2 ; entonces 2 =
1 y substituyendo en el modelo tenemos
voteA =
=

+
0+
0

log(expendA) + (
1 ) log(expendB) + 3 prtystrA + u
log(expendB)) + log(expendB) + 3 prtystrA + u
1 (log(expendA)
1

Si denimos d log(exp) = log(expendA) log(expendB); el modelo reparametrizado


es
voteA = 0 + 1 d log(exp) + log(expendB) + 3 prtystrA + u
y la hiptesis es que tenemos que contrastar es ahora H0 : = 0:
Estimamos el modelo reparametrizado obteniendo los siguientes resultados
\ = 45:1 + 6:08 d log(exp)
voteA
(0:382)

n = 173;

0:534 log(expendB) + 0:152prtystrA;


(0:533)

(0:062)

R = 0:7925

El estadstico t es
t=

se(b)

t169 bajo H0

0:534
El valor del estadstico de contraste en la muestra es t = 0:533
= 1:002 y
el p-valor del contraste bilateral aparece en la tabla es 0:3180: Por tanto, no
podemos rechazar la hiptesis nula a ningn nivel de signicacin razonable,
no hay suciente evidencia para rechazar la hiptesis de que el efecto sobre el
porcentaje de votos del candidato A de un incremento de un 1% en los gastos de
campaa de A se ve compensado por un incremento de un 1% en los gastos de
campaa de B:
f) El modelo restringido es

voteA =

1 d log(exp)

13

3 prtystrA

+u

El estadstico F es
F =

(SCRr SCRnr ) =1
SCRnr =(173 3 1)

F1;169 bajo H0

Utilizando los resultados de la estimacin del modelo restringido y no restringido


vemos que SCRnr = 10055:08 y SCRr = 10114:76; y por tanto
F =

(10114:76 10055:08)
= 1:003
10055:08=169

Podemos calcular el p-valor del contraste P rob(F1;169 > 1:003) = 0:318 y vemos
que coincide con el p-valor que obtenamos utilizando el estadstico t. Los dos
contrastes son equivalentes y la relacin entre los estadsticos de contraste es que
F = t2 .
10.- Considere el siguiente modelo para los salarios
log(wage) =

1 educ

2 f educ

3 meduc

4 exper

+u

(3)

donde wage son los ingresos mensuales en dlares, educ son los aos de educacin,
f educ son los aos de educacin del padre, meduc son los aos de educacin de
la madre y exper los aos de experiencia laboral.
a) Estime el modelo utilizando los datos del chero WAGE2 del libro de
Wooldridge y presente los resultados en forma de ecuacin.
b) Interprete el coeciente estimado de f educ y contraste si esta variable
es signicativa.
c) Interprete el coeciente estimado de meduc y contraste si esta variable
es signicativa.
d) Contraste la hiptesis de que, teniendo en cuenta el nivel de educacin
y la experiencia laboral, ni los aos de educacin del padre ni los de la madre
inuyen en el salario de los hijos. Compare este resultado con los resultados que
ha obtenido en los apartados b) y c).
e) Contraste frente a una alternativa bilateral si, una vez que hemos tenido
en cuenta el nivel de educacin y la experiencia laboral, los aos de educacin del
padre y la madre tienen el mismo efecto sobre el salario de los hijos.
Solucin:
a) Los resultados de la estimacin son:
\
log(wage)
= 5:397 + 0:0654educ + 0:0115f educ + 0:0117meduc + 0:0234exper
(0:0078)

n = 722;

(0:0056)

(0:0063)

(0:0038)

R = 0:158

b) El coeciente estimado de f educ indica que, manteniendo jos los


aos de educacin, la experiencia laboral y los aos de educacin de la madre, un
aumento de un ao en los aos de educacin del padre supone un aumento de un
14

1:15% en el salario del hijo. Puesto que el p-valor del contraste de signifcatividad
para esa variable es 0:038 la variable es signicativa al 4%:
c) El coeciente estimado de meduc indica que, manteniendo jos los aos
de educacin, la experiencia laboral y los aos de educacin del padre, un aumento
de un ao en los aos de educacin de la madre supone un aumento de un 1:17%
en el salario del hijo. Puesto que el p-valor del contraste de signifcatividad para
esa variable es 0:064 la variable es signicativa al 7%:
d) Tenemos que contrastar
H0 :
H1 :

2
2

= 3=0
6 0 o 3 6= 0
=

Para hacer este contraste tenemos que imponer estas dos restricciones, estimar el
modelo restringido y comparar las sumas cuadrticas del modelo restringido y no
restringido mediante un estadstico F . El modelo restringido es
log(wage) =

1 educ

4 exper

+u

El estadstico de contraste es
F =

(SCRr SCRnr ) =2
SCRnr =(722 4 1)

F2;717 bajo H0

donde SCRnr es la suma cuadrtica residual del modelo no restringido y SCRr


es la suma cuadrtica residual del modelo restringido. Utilizando los resultados
de la estimacin del modelo no restringido y del modelo restringido tenemos que
SCRnr = 106:781997 y SCRr = 109:073975; y por tanto
F =

(109:073975 106:781997) =2
= 7:69
106:781997=717

El p-valor del contraste es P rob(F2;717 > 7:69) = 0:00049 y podemos rechazar la


hiptesis nula a cualquier nivel de signicacin razonable: Ntese que el p-valor
de este contraste es mucho ms pequeo que los p-valores de los contrastes de
signicatividad individual de las dos variables utilizados en los apartados anteriores.
El motivo es que los aos de educacin del padre y la madre estn fuertemente
correlacionados y por tanto los errores estndar de los coecientes estimados de
estas dos variables son relativamente grandes.
e) Tenemos que contrastar
H0 :
H1 :

2
2

=
6=

3
3

para eso tenemos que reparametrizar el modelo.


sustituimos 2 = + 3 en el modelo (3)
log(wage) =
=
=

+
0+
0+

1 educ

Denimos

+ 2 f educ + 3 meduc + 4 exper + u


1 educ + ( + 3 ) f educ + 3 meduc + 4 exper + u
1 educ + f educ + 3 (f educ + meduc) + 4 exper + u
15

Deniendo peduc = f educ + meduc; el modelo reparametrizado que tenemos que


estimar es:
log(wage) =

1 educ

+ f educ +

3 peduc

4 exper

+u

y la hiptesis que tenemos que contrastar es


H0 :
H1 :

=0
6= 0

Utilizando los resultados de la estimacin vemos que el p-valor del contraste


es 0:98 y por tanto no podemos rechazar la hiptesis nula a ningn nivel de
signicacin razonable. Concluimos que una vez que hemos tenido en cuenta el
nivel de educacin y la experiencia laboral, los aos de educacin del padre y la
madre tienen el mismo efecto sobre el salario de los hijos.

16