i) ¿Por qué es lógico que el coeficiente en hsperc sea negativo?

Se define de modo que cuanto mas pequeño sea, menor será la posición del estudiante
en el instituto todo lo demás igual peor del alumno .de pie en la escuela secundaria ,
es mas bajo es su espera college gpa
ii) ¿Cuál es el promedio de calificaciones universitario predicho cuando hsperc = 20 y sat =
1,050?
Colgpa=1.392-0,135(20)+00148(1,050)=2676
iii) Suponga que dos graduados de bachillerato, A y B, se gradúan en el mismo percentil de
bachillerato, pero el puntaje SAT del estudiante A es 140 puntos más alto
(aproximadamente una desviación estándar en la muestra). ¿Cuál es la diferencia
predicha en el promedio de calificaciones universitario para estos dos alumnos? ¿Es
grande la diferencia?
A = colgpa = 1.392 – 0.0135*20 + 0.00148*1190 = 2,28832
B = Colgpa = 1.392 – 0.0135*20 + 0.00148*1050 = 2.676
A-B = 2.28832-2.676 = 0.2072
A tendrá una puntuación más alta en un 0.2072
iv) Manteniendo hsperc constante, ¿que diferencia en las puntuaciones SAT conduce a
una diferencia estimada colgpa de .50, o medio punto de puntuación? Comente su
respuesta.
0.5 = 1.392 + 0.00148sat
0.5 – 1.392 = 0.00148sat
-0.892/0.00148 = sat 602.70 = -sat
Manteniendo hsperc constante con una diferencia de 602.70 en sat conduce a una
diferencia estimada de medio punto en colgpa.

2.2 Los datos en el archivo WAGE2.WF1 sobre trabajadores hombres se utilizan para
estimar la ecuación siguiente:
educ = 10.36 - .094 sibs + .131 meduc + .210 feduc
n = 722, R2 = .214,
Donde, educ es años de escolaridad, sibs es número de hermanos, meduc es años de
escolaridad de la madre y feduc años de escolaridad del padre.
i) ¿Tiene sibs el efecto esperado? Explique. Manteniendo constantes meduc y
feduc ¿cuánto tiene que aumentar sibs para tener una reducción de un año en
los años de educación predichos? (Aquí es aceptable una respuesta en números
no enteros.)
Si, el signo es negativo lo que implica que para un nivel de educación del padre
y la madre fijos ,el tener mas hermano disminuye ek nivel de educación este
hecho puede deberse a que cuanto mas hermano haya menos recurso
 económicos y menos tiempo podrán dedicar los padres a cada hijo según el
modelo estimado su mantenemos meduc y feduc fijos y aumentamos en 10.6
el numero de hermanos los años de de educación disminuirán
0,094x10.6=1año y por lo tanto el efecto es pequeño

Para reducir un año de educación predicha tendría que tener 11hermanos

ii) Explique la interpretación del coeficiente de meduc.
Cuando el nivel de educación de la madre aumenta en un año (manteniendo
constante los años de eduacion del padre y el numero de hermano )el nivel de
educación del hijo aumenta en 0,131 años 48 dia aproximadamente
iii) Suponga que el hombre A no tiene hermanos, y que su madre y su padre tienen
cada uno 12 años de escolaridad. El hombre B no tiene hermanos y su madre y
su padre tienen cada uno 16 años de escolaridad. ¿Cuál es la diferencia entre B
y A en años predichos de escolaridad?.

A educ = + .131 (12) + .210 (12)=4092

B educ = + .131 (16) + .210 (16)=5456

B-A=5456-4092=1364 AÑOS A DE EDUCACION MENOS QUE EL

INDIVIDUO B

2.3 El siguiente modelo es una versión simplificada del modelo de regresión múltiple utilizado por
Biddle y Hamermesh (1990) para estudiar el intercambio entre tiempo dedicado al sueño y dedicado
al trabajo, así como ver otros factores que afectan el sueño:

sleep = β0 + β1totwrk + β2educ + β3age + u, donde sleep y totwrk (trabajo total) se miden en
minutos por semana y educ y age se miden en años.

i) Si los adultos intercambian sueño por trabajo, ¿cuál es el signo de β1?

El signo de β1 en este caso sería negativo.

ii) ¿Qué signos cree que tendran β2 y β3?

β2 tendrá signo negativo
β3 tendrá signo positivo
iii) Utilizando los datos del archivo SLEEP75.WF1, la ecuación estimada es sleep = 3,638.25
+ .148 totwrk + 11.13 educ + 2.20 age n = 706, R2 = .113. Si una persona trabaja cinco
horas más a la semana, ¿cuántos minutos se predice que disminuya sleep? ¿Es este un
intercambio grande?

Si una persona trabaja cinco horas más a la semana, ¿cuántos minutos se predice que
disminuya sleep? ¿Es este un intercambio grande? Sleep = 0.148*300 Sleep = 44.4
minutos
iv) Analice el signo y la magnitud del coeficiente estimado para educ.
El signo de educ es negativo
v) ¿Diria que totwrk, educ y age explican gran parte de la variación en sleep? ¿Qué otros
factores podrian afectar el tiempo dedicado al sueño? ¿Es probable que esten
correlacionados con totwrk?
Totwrk,educ y age explican solo el 11.3%de la variabilidad de sleephay muchos otros
factores que pueden influir en el tiempo dedicado a dormir como la salud ,estado civil
al tener o no tener hijos pequeños si es posible que algunas de estas variables como por
ejemplo el estado de salud esta correlacionado con totwrk

2.4 El sueldo inicial medio para los recién graduados de la Facultad de Derecho se
determina mediante log(salary) = β0 + β1LSAT + β2GPA + β3log(libvol) + β4log(cost)+
β5rank + u,
Donde LSAT es la media del puntaje del grupo de graduados, GPA es la media del
(promedio general) del grupo, libvol es el número de volúmenes en la biblioteca de la
Facultad de Derecho, cost es el costo anual por asistir a dicha facultad y rank es una
clasificación de las escuelas de derecho (siendo rank = 1 la mejor).
i) Explique por qué se espera β5 = 0.
Un mayor valor de rango se asocia con una menor calidad de la escuela de leyes percibida. Esperamos
que los graduados de escuelas de menor rango tengan menores ingresos.
ii) ¿Qué signos espera para los otros parámetros de pendiente? Justifique sus
respuestas.
Esperamos que cada uno de los otros coeficientes de pendiente, β 1 a β4 , será positivo. Las
puntuaciones más altas de LSAT y los GPA universitarios indican una mayor calidad de los estudiantes.
Las otras dos variables, el número de volúmenes en la biblioteca de leyes y el costo de asistencia,
son indicadores de la calidad de la escuela de leyes. Por ejemplo, las escuelas que contratan una
mejor facultad de derecho tendrán un mayor costo de asistencia.
iii) Utilizando los datos del archivo LAWSCH85.WF1, la ecuación estimada es
log(salary) = 8.34 + .0047 LSAT + .248 GPA + .095 log(libvol) + .038 log(cost) -
.0033 rank n = 136, R2 = .842. ¿Cuál es la diferencia ceteris paribus predicha en
sueldo entre escuelas cuya media en el GPA difiera por un punto? (Responda
en términos porcentuales.)
La estimación β 2 dice que un aumento de un punto en el GPA mediana, sosteniendo otros ex
variables de explicativos constante, se asoció con un aumento proporcional 0,248 en salario
predicho, que es un aumento del 24,8% en el salario predicho
iv) Interprete el coeficiente de la variable log(libvol).
. Esta es una estimación de la elasticidad: para un aumento del uno por ciento en el número
de volúmenes en la biblioteca legal, manteniendo constantes otras variables explicativas, los
aumentos de salario predichos en 0.095%. [Tenga en cuenta que tuvimos que multiplicar la
estimación por 100 para expresar un cambio porcentual enparte (c), pero no tuvo que
ajustar la estimación para informar un cambio porcentual en la parte (d).]
v) ¿Diría que es preferible asistir a una Facultad de Derecho con ranking más
alto? En términos de sueldo inicial predicho, ¿Cuánto vale una diferencia de 20
en el ranking?
Parece que los estudiantes de escuelas mejor calificadas ganan salarios iniciales más altos,
incluso después de controlar algunas medidas objetivas importantes de la calidad de los
estudiantes y la escuela. El efecto ceteris paribus de moverse hacia arriba 20 lugares en el
ranking es ( - 20 ) ( 100 ) ( - 0 . 0033 ) = 6 . 6,interpretado como un aumento del 6.6% en el
salario inicial previsto.
2.5 En un estudio que relaciona el promedio de puntaje en las calificaciones universitarias con el
tiempo utilizado en diversas actividades, usted distribuye una encuesta entre varios alumnos. A
los alumnos se les pregunta cuantas horas utilizan a la semana en cuatro actividades: estudiar,
dormir, trabajar y diversión. Toda actividad que realicen se ubica en una de las cuatro categorías,
de modo que para cada alumno la suma de horas en las cuatro actividades debe ser 168.
i) En el modelo GPA = β0 + β1study + β2sleep + β3work + β4leisure + u, ¿Tiene sentido mantener
constantes sleep, work y leisure, y variar study?
No tiene sentido ya que todo su tiempo lo está utilizando en cosas que no le
favorece en sus calificaciones. En vez de estudiar más esta realizando otras
actividades
ii) Explique por qué este modelo viola el supuesto de variable independiente constante y
colinealidad perfecta entre variables explicativas.
Porque todas la variables están dependiendo una de otras por el tiempo
estimado y máximo para las cuatro actividades.
iii) ¿Cómo podría reformular el modelo para que sus parámetros tuvieran una interpretación útil
y se satisfaga el supuesto anterior?

GPA = β0 + β1study + β2sleep + β3work + u,

2.6 Considere un modelo de regresión múltiple que contiene tres variables

independientes, y sin tomar en cuenta el supuesto de heterocedasticidad.: y =
β0 + β1x1 + β2x2 + β3x3 + u. Le interesa calcular la suma de los parámetros de
x1 y x2; llame a esto θ1 = β1 + β2. 1= 1 + 2 es un estimador insesgado de θ1.
ii) Determine Var(1) en términos de Var(1), Var(2), y de Corr(1, 2).

2.7 ¿Qué de lo siguiente puede causar que los estimadores MCO sean
sesgados?
i) La heterocedasticidad.

ii) La omisión de una variable importante.

iii) Un coeficiente de correlación muestral de .95 entre dos variables

independientes incluidas en el modelo.
R.- la heterocedasticidad
2.8 Suponga que la productividad promedio de los trabajadores de las
empresas manufactureras (avgprod) depende de dos factores, el promedio de
horas de capacitación (avgtrain) y la habilidad promedio de los trabajadores
(avgabil): avgprod = β0 + β1avgtrain + β2avgabil + u.
Asuma que esta ecuación satisface los supuestos de Gauss-Markov. Si se han
otorgado subvenciones a las empresas cuyos trabajadores tienen habilidades
inferiores al promedio, de manera que avgtrain y avgabil están correlacionadas
de manera negativa, ¿Cuál es el sesgo probable en 1 que se obtiene de la
regresión simple de avgprod sobre avgtrain?
 avgprod ^ = β0+ β1 avgtrain tenemos que
E (β1) = β1+ β2 ; ~1 = Cov d (avgtrain; avgabil)/ V ar d (avgtrain)
La forma de subvencionar implica que β1< 0; mientras que esperaremos que
β2 > 0; por lo que el sesgo ser· negativo: β1 infraestimar· en media el verdadero
efecto de la formaciÛn, β1

2.9 La siguiente ecuación describe la media del precio de la vivienda en una

comunidad en términos de cantidad de contaminación (nox por oxido nitroso)
y del número promedio de habitaciones en las casas de la comunidad (rooms):
log(price) = β0 + β1log(nox) + β2rooms + u.
i) ¿Cuales son los signos probables de β1 y β2? ¿Cuál es la interpretación de
β1? Explique.
B1 es Negativo porque tiene que disminuir la contaminación
B2 es positivo porque aumenta las casas de la comunidad
ii) ¿Por qué podría nox [o con mas precisión, log(nox)] y rooms estar
correlacionados de manera negativa? Si es este el caso, ¿produce la regresión
simple de log(price) sobre log(nox) un estimador de β1 con sesgo hacia arriba
o hacia abajo?
porque al disminuir la contaminación de una comunidad aumenta la las casas
en la misma comunidad.
iii) Utilizando los datos del archivo HPRICE2.WF1, se estimaron las siguientes
ecuaciones:
log(price) = 11.71 + 1.043 log(nox), n = 506, R2 = .264.
log(price) = 9.23 + .718 log(nox) + .306 rooms, n = 506, R2 = .514.
¿Las estimaciones de la elasticidad de price con respecto a nox de las
regresiones simple y múltiple tienen la relación de lo que usted hubiera
predicho, dada su respuesta en el inciso ii)? ¿Quiere esto decir que -.718 está
en definitiva más cerca de la verdadera elasticidad que -.043?
Tel suyo es wsombrero que esperamosct de la tipical samBasado en nuestro análisis en la parte (ii). los
estimación de regresión simple, - 1.043, es más negati.ve (mayor en magnitud) que el multiple
regresiónestimación, - .718. Como esas estimaciones son solo para una muestra, nunca podemos saberque es
closer aβ1 Pero si esta es una muestra “típica”,β1 es cloSer a - 0.718.

2.10 Suponga que está interesado en calcular la relación ceteris paribus entre
y y x1. Para tal propósito, puede allegarse datos sobre dos variables de control,
x2 y x3. (Para mayor concreción, puede pensar en y como el puntaje de examen
final, en x1 como la asistencia a clases, en x como el GPA acumulado hasta el
semestre previo, y en x3 como el puntaje
de los exámenes de admisión SAT o ACT.) Sea 1 la estimación de la regresión
simple de y sobre x1 y sea 1 el estimado de la regresión múltiple de y sobre x1,
x2, x3.
i) Si x1 está altamente correlacionada con x2 y x3 en la muestra, y x2 y
x3 tienen efectos parciales grandes sobre y, ¿esperaría que 1 y 1 sean
similares o muy diferentes? Explique.
 ii) Si x1 casi no está correlacionada con x2 y x3, pero x2 y x3 están
fuertemente correlacionadas 1y 1 tenderán a ser similares o muy
diferentes? Explique.

iii) Si x1 está fuertemente correlacionada con x2 y x3, y x2 y x3 tienen

efectos parciales pequeños sobre y, ¿esperaría que ee(1) o ee( 1)
fueran mas pequeños? Explique.

iv) Si x1 casi no está correlacionada con x2 y x3, x2 y x3 tienen efectos

parciales grandes sobre y, y x2 y x3 están fuertemente
correlacionadas, ¿esperaría que ee(1) o ee(1) fueran más pequeños?
Explique.

i) ¿Cuál es el signo más probable para β2?

ii) ¿Cree que cigs y faminc estén correlacionados? Explique por que la correlación puede ser positiva
o negativa

ii) Ahora, calcule la ecuación con y sin faminc utilizando los datos del archivo BWGHT. WF1.
De los resultados en forma de ecuación incluyendo el tamaño de la muestra y la
Rcuadrada. Explique sus resultados enfocándose en si el añadir faminc modifica de
manera sustancial el efecto esperado de cigs sobre bwght
i) Escriba los resultados en forma de ecuación
ii) ¿Cuál es el incremento en precio estimado para una casa con una habitación (bdrms)
mas, manteniendo constante la superficie en pies cuadrados (sqrft)?
iii) ¿Cuál es el incremento en precio estimado para una casa con una habitacion adicional
de 140 pies cuadrados? Compare esto con su respuesta al inciso (ii).
iv) iv) ¿Que porcentaje de la variacion en el precio se explica por la extension en pies
cuadrados y el numero de habitaciones?
v) La primera casa en la muestra tiene sqrft = 2,438 y bdrms = 4. Determine el precio de
venta estimado para esta casa con la linea de regresion de MCO.
vi) vi) El precio de venta de la primera casa en la muestra fue $300,000 (asi que price =
300). Determine el residual para esta casa. ¿Sugiere esto que el comprador pago de mas
o de menos por la casa?

2.13 El archivo CEOSAL2.WF1 contiene datos de 177 CEO (directores generales) y puede
utilizarse para examinar los efectos del desempeño de la empresa sobre el sueldo de
los CEO.
i) Estime un modelo que relacione el sueldo anual (salary) con las ventas de la empresa
(sales) y el precio de mercado (mktval). Use el tipo de modelo que tiene elasticidad
constante para ambas variables independientes. Escriba los resultados en forma de
ecuación.
ii) Añada profits (utilidades de la empresa) al modelo del inciso (i). ¿Por qué esta variable
no puede incluirse en forma logarítmica? ¿Diría usted que estas variables de
desempeño de la empresa explican la mayor parte de la variación en sueldos de los
CEO?
iii) Añada la variable ceoten (antigüedad del CEO en el puesto) al modelo del inciso (ii).
¿Cuál es el rendimiento porcentual estimado por un año más de permanencia del CEO
en la empresa, manteniendo constantes los otros factores?
iv) Encuentre el coeficiente de correlación muestral entre las variables log(mktval) y
profits. ¿Estas variables están fuertemente correlacionadas? ¿Qué indica esto sobre los
estimadores de MCO?
 i) Obtenga los valores mínimo, máximo y promedio para las variables atndrte,
priGPA, y ACT (porcentaje de asistencia a clases, calificación promedio general
acumulada, calificación en el examen de admisión a la universidad,
respectivamente).
ii) Estime el modelo
iii) iii) Analice los coeficientes de pendiente estimados. ¿Hay alguna sorpresa?
iv) iv) ¿Cuál es el atndrte si priGPA = 3.65 y ACT = 20? ¿Qué piensa de este
resultado? ¿Hay alumnos en la muestra con estos valores de las variables
explicativas?
v) v) Si el alumno A tiene priGPA = 3.1 y ACT = 21 y el alumno B tiene priGPA = 2.1
y ACT = 26, ¿cuál es la diferencia predicha en sus tasas de asistencia?

2.15 Confirme la interpretación de descuento de los efectos parciales de las estimaciones de MCO,
haciendo de manera explícita tal descuento para el ejemplo 3.2. del texto de Wooldridge. Esto
requiere primero regresar educ sobre exper y tenure y guardando los residuales, 1. Después, regrese
log(wage) sobre 1. Compare el coeficiente de 1 con el coeficiente de educ en la regresión de
log(wage) sobre educ, exper y tenure

2.16 Para este problema, utilice los datos del archivo WAGE2.WF1. Como de costumbre, asegúrese
de que todas las regresiones que siguen contengan un intercepto.

i) Corra una regresión simple de IQ sobre educ para obtener el coeficiente de pendiente, por
ejemplo, 1.

ii) Corra la regresión simple de log(wage) sobre educ y obtenga el coeficiente de pendiente, 1.

iii) Corra la regresión múltiple de log(wage) sobre educ e IQ y obtenga los coeficientes de
pendiente, 1 y 2, respectivamente. iv) Verifique que 1 = 1+21.
 ii) ¿Qué piensa del intercepto estimado en el inciso i)? en
particular, ¿tiene sentido igualar a cero las dos variables
explicativas? [Sugerencia: recuerde que log(1)=0.]

iii) Ahora corra la regresión simple de math10 sobre

log(expend) y compare el coeficiente de pendiente con la
estimación obtenida en el inciso i). ¿Es ahora el efecto
estimado de los gastos por estudiante mayor o menor que
en el inciso i)?

iv) Determine la correlación entre lexpend = log(expend) y lnchprg. ¿Le parece razonable
el signo?
v) Use el inciso iv) para explicar sus hallazgos del inciso iii).

2.18 Utilice la base de datos DISCRIM.WF1 para responder esta pregunta. Hay datos
sobre los precios de diversos artículos de restaurantes de comida rápida situados en
zonas con distinto código postal, así como características de la población residente en
dicho código, pertenecientes a Nueva Jersey y Pennsylvania. La idea es ver si los
restaurantes de comida rápida tienen precios más altos en áreas con mayor
concentración de población afroestadounidense.
i) Determine los valores promedio, en la muestra, de prpblck (proporción de
afroestadounidenses) y de income (ingreso familiar medio), junto con sus desviaciones
estándar. ¿Cuáles son las unidades de prpblck y de income?
ii) Considere un modelo para explicar el precio de las bebidas refrescantes, psoda, en
términos de la proporción de población afroestadounidense y de ingreso medio:

iii) Compare la estimación del inciso ii) con la estimación mediante regresión simple de psoda
sobre prpblck. ¿Es el efecto de la discriminación mayor o menor cuando se controla el ingreso?

vi) Agregue ahora la variable prppov (proporción de personas en pobreza) a la regresión

del inciso iv). ¿Qué pasa con prpblck?
 vi) Encuentre la correlación entre log(income) y prppov. ¿Es aproximadamente lo que esperaba?

vii) Evalúe la afirmación siguiente: “como log(income) y prppov están fuertemente

correlacionadas, no tiene caso que estén en la misma regresión”.

ii) Interprete el coeficiente de mailsyear. ¿Es mayor o menor que el coeficiente correspondiente
en la regresión simple?

iii) Interprete el coeficiente de propresp. Tenga cuidado con las unidades de medición de
propresp.

iv) Ahora agregue a la ecuacion la variable avggift. ¿Qué pasa con el efecto estimado de mailsyear?

v) ¿Qué ha pasado con el coeficiente de giftlast en la ecuacion del inciso iv)? ¿Qué cree que este
pasando?