Académique Documents
Professionnel Documents
Culture Documents
INSTRUCCIONES:
Conteste el examen dando una respuesta despus de cada pregunta. Puede realizarlas
regresiones en Excel, stata, spss o e-views y pegar los resultados en el lugar que corresponda.
Los resultados hechos en stata se ven mejor si se pegan en formato courier new tamao 8.
No se aceptan respuestas de exmenes en otro formato que no sea Word, y con su nombre:
parcial1_ernesto_salazar.doc.
Number of obs
F( 2,
22)
Prob > F
R-squared
Adj R-squared
Root MSE
=
=
=
=
=
=
25
814.99
0.0000
0.9867
0.9855
116.45
-----------------------------------------------------------------------------valueadd |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------capital |
3.21638
.646073
4.98
0.000
1.876507
4.556254
labor |
5.378828
.4770994
11.27
0.000
4.389384
6.368272
_cons | -27.05547
32.90971
-0.82
0.420
-95.30602
41.19508
------------------------------------------------------------------------------
Los residuales no tienen una distribucin normal ya que no muestran la tpica forma de la
campana.
.0487
=
=
16.85
0.0048
=
=
7.99
0.0047
La forma de solucionar los valores atpicos en las regresiones es creando variables dummy.
Para definir un modelo estadstico, sea i y el salario y i x el gnero del i-simo profesor. 1 i x =
para hombre y xi = 0 para mujer. Entonces
, donde
6. (3 puntos) Realice una prueba de hiptesis, usando el comando ttest (ejemplo: ttest mpg,
by(treated) (two-group mean-comparison test) ) con 95% de confianza y diga si la diferencia
entre los salarios por gnero estadsticamente significativa.
Ha: diff != 0
Pr(|T| > |t|) = 0.0000
, es decir
, tal
7. (3 puntos) Realice una prueba de hiptesis, con 95% de confianza y diga si la diferencia
entre los salarios por gnero estadsticamente significativa, asumiendo que las varianzas
condicionales diferentes. Las preguntas 5 y 6 son ms fciles de hacer en STATA, usando el
comando ttest, pero puede hacerlo en Excel si gusta.
ttest salary, by (male) unequal
Two-sample t test with unequal variances
-----------------------------------------------------------------------------Group |
Obs
Mean
Std. Err.
Std. Dev.
[95% Conf. Interval]
---------+-------------------------------------------------------------------Women |
129
43386.47
879.8068
9992.684
41645.62
45127.32
Men |
383
53457.15
644.2388
12608
52190.45
54723.85
---------+-------------------------------------------------------------------combined |
512
50919.81
564.2278
12767.02
49811.32
52028.3
---------+-------------------------------------------------------------------diff |
-10070.68
1090.46
-12217.37
-7923.987
-----------------------------------------------------------------------------diff = mean(Women) - mean(Men)
t = -9.2353
Ho: diff = 0
Satterthwaite's degrees of freedom = 275.522
Ha: diff < 0
Pr(T < t) = 0.0000
Ha: diff != 0
Pr(|T| > |t|) = 0.0000
Si realizara un anlisis de varianza (ANOVA, es decir, mirar TSS, RSS y ESS ) pero ahora
8. (3 puntos) Realice la regresin del salario en el gnero, qu nos indica el coeficiente del
gnero.
reg salary male
Source |
SS
df
MS
-------------+-----------------------------Model | 9.7867e+09
1 9.7867e+09
Residual | 7.3505e+10
510
144126764
-------------+-----------------------------Total | 8.3291e+10
511
162996760
Number of obs
F( 1,
510)
Prob > F
R-squared
Adj R-squared
Root MSE
=
=
=
=
=
=
512
67.90
0.0000
0.1175
0.1158
12005
-----------------------------------------------------------------------------salary |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------male |
10070.68
1222.118
8.24
0.000
7669.674
12471.68
_cons |
43386.47
1057.006
41.05
0.000
41309.85
45463.09
-----------------------------------------------------------------------------El coeficiente del gnero, nos indica que por cada unidad ms de salario, ste va a
aumentar 10,070.68.
10. ( 3 puntos) Existe un valor atpico? Cul? Corrija el modelo y escriba la ecuacin.
****
11. (1 punto) Cul es el valor mnimo y mximo de marketability (variable market)?
. sum market
Variable |
Obs
Mean
Std. Dev.
Min
Max
-------------+-------------------------------------------------------market |
512
.9488281
.1493698
.71
1.33
El valor mnimo es 0.71 y el mximo es 1.33.
12. (3 puntos) Realice la regresin del salario en la variable market, qu nos indica el
coeficiente de la variable market.
. reg salary market
Number of obs
F( 1,
510)
Prob > F
R-squared
Adj R-squared
Root MSE
=
=
=
=
=
=
512
99.13
0.0000
0.1627
0.1611
11693
-----------------------------------------------------------------------------salary |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------market |
34480.73
3463.149
9.96
0.000
27676.94
41284.53
_cons |
18203.52
3326.323
5.47
0.000
11668.54
24738.5
-----------------------------------------------------------------------------La variable market nos indica que por cada unidad ms, aumentar 34,480.73, ya que esta es
estadsticamente significativa (comprobado por los intervalos de confianza).
14. (3 puntos)Dado que la variable market nunca toma valores cero, interpretar el intercepto
del modelo no tiene sentido, por lo que se centrar la variable restndole su media. Reste la
media a la variable market y nmbrela marketc, y haga de nuevo la regresin.
. gen marketc= ( market- .9485214 )
. reg salary marketc
Source |
SS
df
MS
-------------+-----------------------------Model | 1.3555e+10
1 1.3555e+10
Residual | 6.9736e+10
510
136737923
-------------+-----------------------------Total | 8.3291e+10
511
162996760
Number of obs
F( 1,
510)
Prob > F
R-squared
Adj R-squared
Root MSE
=
=
=
=
=
=
512
99.13
0.0000
0.1627
0.1611
11693
-----------------------------------------------------------------------------salary |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------marketc |
34480.73
3463.149
9.96
0.000
27676.94
41284.53
_cons |
50909.23
516.7856
98.51
0.000
49893.94
51924.52
------------------------------------------------------------------------------
Un cambio de 0.1 en el salario indicaria un cambio de 3,448.07 por cada unidad adicional.
Ha: diff != 0
Pr(|T| > |t|) = 0.0000
Podramos hacer un match entre hombres y mujeres con iguales caractersticas y comparar su
salario, pero todava no vemos eso. Por ahora lo que podemos hacer es asumir que la variable
market tiene la misma influencia en el salario para hombres y mujeres, y analizar si el sexo
tiene algn efecto adicional despus de controlar por el efecto de marketability.
Number of obs
F( 2,
509)
Prob > F
R-squared
Adj R-squared
Root MSE
=
=
=
=
=
=
512
79.47
0.0000
0.2379
0.2350
11167
-----------------------------------------------------------------------------salary |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------male |
8192.463
1155.899
7.09
0.000
5921.543
10463.38
marketc |
30162.98
3362.837
8.97
0.000
23556.23
36769.73
_cons |
44782.21
995.43
44.99
0.000
42826.55
46737.87
------------------------------------------------------------------------------
Hasta ahora el modelo usado tambin puede llamarse anlisis de covarianza (ANCOVA)
porque adems de usar una variable categrica (como gnero), hay una variable continua
como marketc tambin llamada covariate o covariado. Otro covariado que pudisemos
utilizar son los aos desde que se gradu la persona a la fecha (yearsdg).
19. (1 punto) Corra la regresin
donde
Number of obs
F( 3,
508)
Prob > F
R-squared
Adj R-squared
Root MSE
=
=
=
=
=
=
512
346.91
0.0000
0.6720
0.6701
7333.5
-----------------------------------------------------------------------------salary |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------male |
1484.588
801.9758
1.85
0.065
-91.0098
3060.185
marketc |
38649.54
2232.555
17.31
0.000
34263.36
43035.72
yearsdg |
959.4903
37.00714
25.93
0.000
886.7844
1032.196
_cons |
35185.8
751.2252
46.84
0.000
33709.91
36661.69
------------------------------------------------------------------------------
20. (2 puntos) Calcule los residuales y trace una grfica de los residuales en funcin de la
variable independiente x.
21. (7 puntos) Satisface los supuestos del MCO? realice las pruebas necesarias.
1)las medias tienden a cero
Jarque Bera prueba para revisar la normalidad de la regresin: Si la chi2 tiende a cero,
no se rechaza la H0. En este caso, no se rechaza pues tiende a cero ( 3.9e-21)
. jb e
Jarque-Bera normality test: 94.01 Chi(2)
Jarque-Bera test for Ho: normality:
3.9e-21
=
=
34.19
0.0000
=
=
58.03
0.0000
22. (5 puntos) Con este ltimo modelos conteste si existe o no discriminacin en los salarios
entre hombres y mujeres profesores de la universidad.
No existe discriminacion de salarios por el genero. Se afirma desde el momento que se
corre la regresin en los intervalos de confianza.
23. (1 puntos) Qu sucede si la variable marketc fuera cero, y los aos desde que se gradu la
persona 10.
Seria
Y = 35185.8 + 1484.58(hombre=1, mujer=0) + 0 + 959.49(10)
RESUMEN
25. (2 puntos) Qu prueba hara para saber si en los dos ejercicios anteriores aplica un
modelo lineal?
Esta el teorema de Gauss-Markov que dice que se tienen que cumplir ciertos supuestos.
26. (3 puntos) En que caso de los anteriores podra realizar una prueba de CHOW?
En ninguno, porque esta prueba se utiliza para estandarizar los coeficientes en un largo
periodo de tiempo.
27. (10 puntos) Explique la diferencia entre una prueba de Chow y una Prueba Predictora de
Falla.
Ambas pruebas se utilizan para estandarizar los coeficientes (1, 2, 3, n) en un largo
periodo de tiempo. Un ejemplo puede ser la inflacin en un pas durante varios aos.