Licenciatura en Economía Política

ECONOMETRÍA
2019

Trabajo Práctico N° 3
Modelo Lineal General - Regresión Lineal Múltiple

EJERCICIO 1

Comente brevemente el significado de cada uno de los siguientes términos, y de ser necesario
utilice la formulación matemática pertinente:

a) Efecto parcial del coeficiente estimado en una regresión múltiple.

b) Error estándar de la regresión.
c) 𝑅2 y 𝑅2
d) 𝑟2 parcial
e) Grados de libertad.
f) Análisis de la varianza.

Desarrollo:

a) El significado del coeficiente de regresión parcial es el siguiente: β2 mide el cambio en el

valor de la media de Y, E(Y), por unidad de cambio en X2, con X3 constante. Expresado de
otra forma, proporciona el efecto “directo” o “neto” que tiene una unidad de cambio de X2
sobre el valor medio de Y, neto de cualquier efecto que X3 pueda ejercer en la media Y. De
igual forma, β3 mide el cambio en el valor medio de Y por unidad de cambio en X3, cuando
el valor de X2 se conserva constante, da el efecto “directo” o “neto” de una unidad de
cambio en X3 sobre el valor medio de Y, neto de cualquier efecto que X2 pudiera tener
sobre la media Y.
b) Derivamos las varianzas y los errores estándar de los estimadores. Las fórmulas
pertinentes son las siguientes:

O en forma equivalente,

donde r23 es el coeficiente de correlación muestral entre X2 y X3,

 Licenciatura en Economía Política
ECONOMETRÍA
2019

O, en forma equivalente,

En todas estas fórmulas, σ2 es la varianza de las perturbaciones poblacionales ui. un

estimador insesgado de σ2 está dado por

c) c)

R2, al igual que r2, se encuentra entre 0 y 1. Si es 1, la línea de regresión ajustada explica 100%
de la variación en Y. Por otra parte, si es 0, el modelo no explica nada de la variación en Y. Sin
embargo, por lo general R2 se encuentra entre estos dos valores extremos. Se dice que el ajuste
del modelo es “mejor” entre más cerca esté R2 de 1.

Una propiedad importante de R2 es que es una función no decreciente del número de varia-
bles explicativas o de regresoras presentes en el modelo; a medida que aumenta el número de
regresoras, R2 aumenta casi invariablemente y nunca disminuye. Planteado de otra forma, una
variable adicional X no reduce R2.

A medida que aumenta el número de variables X, es más probable que disminuya (al
menos, que no aumente); por tanto, R2, aumenta. En vista de esto, al comparar dos modelos de
regresión con la misma variable dependiente pero un número diferente de variables X, se debe
tener mucho cuidado al escoger el modelo con la R2 más alta.
 Licenciatura en Economía Política
ECONOMETRÍA
2019

Por la ecuación (7.8.4) de inmediato se comprende que 1) para k > 1, R2 Ajustada < R2 , lo cual
implica que, a medida que aumenta el número de variables X, R2 ajustada aumenta menos que
R2 no ajustada; y que 2) R2 ajustada puede ser negativa, aunque R2 es necesariamente no
negativa. En caso de que R2 ajustada resulte ser negativa en una aplicación, su valor se toma
como cero.

d) En el caso de dos variables vimos que r2, mide la bondad de ajuste de la ecuación de re-
gresión; es decir, da la proporción o porcentaje de la variación total en la variable depen-
diente Y explicada por la variable (única) explicativa X. Esta notación de r2 se extiende fá
cilmente a los modelos de regresión con más de dos variables. Así, en el modelo de tres
variables buscamos conocer la proporción de la variación en Y explicada por las variables
X2 y X3 con juntamente. La medida que da esta información se conoce como coeficiente de
determinación múltiple, y se denota por R2; conceptualmente se asemeja a r2.

e) En una función de regresión con dos variables utilizamos (n-2) gl; en el caso de 3
variables los gl. Son (n-3), porque para calcular , se deben estimar primero
los cuales consumen 3 gl. En el caso de 4 variables los gl serán (n-4) y así
sucesivamente.

EJERCICIO 2

Si X1, X2 y X3 son variables que no están correlacionadas, y cada una tiene la misma desviación
estándar, demuestre que el coeficiente de correlación entre X1 + X2 y X2 + X3 es igual a ½. ¿Por
qué el coeficiente de correlación no es cero?

Si Z=X1+X2 y W=X2+X3. En forma de desviación, podemos escribir eso como z=x1+x2 y

w=x2+x3. Por definición, la correlación entre Z y W es:

Porque las X no están correlacionadas.

Donde 𝛔2 es la varianza común.

 Licenciatura en Economía Política
ECONOMETRÍA
2019

El coeficiente no es cero porque, aunque las X no están correlacionadas individualmente, las

combinaciones por pares tampoco.

Como se acaba de demostrar lo que significa que la covarianza entre z y w es

una constante distinta de cero.

EJERCICIO 3

En la siguiente salida de regresión de la variable mpg en las variables weight y price se omitió
deliberadamente parte de la información (denotada con XXX en la tabla). Complete la
información faltante y detalle los pasos seguidos para obtenerla.

71

1573.934 786,967
68 12,11091
2397.476 2
71 799.078

-9,34
0.000173
39.94

EJERCICIO 4
La siguiente ecuación de regresión se estima como una función de producción:

log 𝑄 = 1.37 + 0.632 log 𝐾 + 0.452 log 𝐿 𝑅2 = 0.98

(0.257) (0.257)
 Licenciatura en Economía Política
ECONOMETRÍA
2019

Con: 𝑐𝑜𝑣(𝛽̂𝐾, 𝛽̂𝐿) = −0.044, tamaño de muestra =40.

Se pide pruebe las hipótesis siguientes con un nivel de significancia del 5%: a)

𝛽̂𝐾 = 𝛽̂𝐿

b) Existen rendimientos constantes a escala.

EJERCICIO 5

Suponga que aplicamos MCO a la función de consumo 𝐶𝑖 = 𝛼 + 𝛽̂𝑌𝑖 + 𝑢𝑖 y a la correspondiente

función de ahorros 𝑆𝑖 = 𝛾 + 𝛿𝑖 + 𝑖 donde para cada observación se cumple que 𝑌𝑖 = 𝐶𝑖 + 𝑆𝑖.

a) Mostrar que: 𝛿 = 1 − 𝛽̂.

Usando MCO obtenemos:

Es decir, la pendiente en la regresión de las economías de los ingresos (es decir, la propensión
marginal al ahorro) es uno menos la pendiente en la regresión de consumo sobre la renta, (es
decir, la propensión marginal a consumir). Dicho de otro modo, la suma de las dos propensiones
marginales es de 1, como debe ser en vista de la identidad que el ingreso total es igual al total de
los gastos de consumo y ahorro total. Por cierto, tenga en cuenta que

b) ¿La suma de los residuos al cuadrado es la misma en ambas regresiones?

El residuo al cuadrado para la función de consumo es

Ahora sustituimos por Zi, y con esto verificamos que son iguales.

c) ¿El R2 es el mismo en ambas regresiones? Explique.

No, ya que las dos regresiones no son las mismas.

 Licenciatura en Economía Política
ECONOMETRÍA
2019

EJERCICIO 6

El archivo cocaine.dat (de la base de datos de Hill) contiene 56 observaciones de variables

relacionadas a la venta de cocaína en polvo en Carolina del Norte en el periodo 1984-1991. Las
variables son:

PRICE: precio de la venta por gramo de cocaína en dólares

QUANT: número de gramos de la cocaína vendida (peso)
QUAL: calidad de la cocaína expresada como porcentaje de pureza
TREND: variable de tiempo, con 1984=1 hasta 1991=8
Considere el modelo de regresión: 𝑃𝑅𝐼𝐶𝐸 = 𝛽̂0 + 𝛽̂1𝑄𝑈𝐴𝑁𝑇 + 𝛽̂2𝑄𝑈𝐴𝐿 + 𝛽̂3𝑇𝑅𝐸𝑁𝐷 + 𝑢

a) ¿Qué signos esperaría que tengan los coeficientes 𝛽̂1, 𝛽̂2 𝑦 𝛽̂3?
La relación precio, cantidad en gramos positiva
La relación precio, calidad en pureza positiva
La relación precio, tiempo negativa
b) Estime el modelo, reporte los resultados e interprete los coeficientes estimados. ¿Tienen
los signos que esperaba?

El precio de la cocaína es explicado en un 51% a través de sus variables explicativas peso

en gramos, calidad en pureza y tiempo expuestos en esta regresión.
“quant” cada aumento en un gramo de cocaína incrementa en promedio en -0.6 dólares en
el precio venta.
“qual” cada aumento en un 1% en la calidad de la cocaína implica un aumento promedio
de 0.12 dólares en el precio de venta,
“trend” un aumento de una unidad de tiempo implica un incremento de -2.35 dólares en
el precio de venta.
c) ¿Qué proporción de la variación en el precio de la cocaína es explicada conjuntamente por
la variación en la cantidad, calidad y tiempo?
 Licenciatura en Economía Política
ECONOMETRÍA
2019

La proporción de la variación en el precio de la cocaína es explicada en un 63.12%

explicadas por la variación en cantidad, calidad y tiempo.