

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Prepara tus exámenes
Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Prepara tus exámenes con los documentos que comparten otros estudiantes como tú en Docsity
Encuentra los documentos específicos para los exámenes de tu universidad
Estudia con lecciones y exámenes resueltos basados en los programas académicos de las mejores universidades
Responde a preguntas de exámenes reales y pon a prueba tu preparación
Consigue puntos base para descargar
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Comunidad
Pide ayuda a la comunidad y resuelve tus dudas de estudio
Ebooks gratuitos
Descarga nuestras guías gratuitas sobre técnicas de estudio, métodos para controlar la ansiedad y consejos para la tesis preparadas por los tutores de Docsity
Documento que contiene ejercicios resueltos de econometría i del curso 2015/16, donde se estudian modelos econométricos y se aplican técnicas estadísticas para estimar parámetros y evaluar hipótesis. Se trata de ejercicios relacionados con el análisis de regresión lineal simple y multiple, incluyendo el cálculo de coeficientes, errores estándar, r2 y contraste de hipótesis.
Tipo: Exámenes
1 / 3
Esta página no es visible en la vista previa
¡No te pierdas las partes importantes!


ECONOMETRÕA I - Control I. Curso 2015/16. 22/03/ 2016
Nombre............................................. Apellidos ...................................................................................................... grupo..............................
En todos los contrastes debe especiÖcar la hipÛtesis nula y alternativa, el estadÌstico de contraste, la distribuciÛn del estadÌstico de contraste bajo la hipÛtesis nula, el valor del estadÌstico de contraste en la muestra y la conclusiÛn a la que llegue.
1.- (6 puntos) Se considera el siguiente modelo para explicar el salario de los jugadores de la NBA
log(wage) = 0 + 1 minutes + 2 exper + 3 expersq + 4 age + u (1)
donde wage es el salario anual en miles de dÛlares, exper son los aÒos que el jugador lleva como profesional en la NBA, expersq la experiencia al cuadrado, minutes es el n˙mero de minutos jugados por temporada y age la edad del jugador en aÒos. a) Estime el modelo utilizando los datos del Öchero NBASAL del libro de Wooldridge y presente los resultados en forma de ecuaciÛn (par·metros estimados, errores est·ndar, tamaÒo muestral y el coeÖciente de determinaciÛn). Interprete el R^2 :øCÛmo cambiarÌan los coeÖcientes estimados del modelo (1) si el tiempo jugado por temporada se midiese en horas y no en minutos? øY los errores est·ndar? b) Interprete el coeÖciente estimado de age. Manteniendo constante la experiencia y el tiempo jugado por temporada, contraste si hay evidencia para aÖrmar que la edad ináuye negativamente en el salario del jugador.Utilice el p-valor para responder a esta cuestiÛn. c) øCu·l es el cambio porcentual estimado en el salario del jugador debido a un incremento de 30 minutos en el tiempo jugado por temporada, manteniendo constante la experiencia del jugador y su edad? Obtenga un intervalo de conÖanza al 95% para el cambio porcentual estimado en el salario debido a un incremento de 30 minutos en el tiempo jugado, manteniendo constante la experiencia del jugador y su edad. d) øQuÈ valor predice el modelo para log(wage) para un jugador con 10 aÒos de experiencia, 30 aÒos de edad y 50 horas jugadas por temporada? Si el salario de este jugador es de 3 millones de $, øpercibe un salario mayor o menor del valor predicho por el modelo? e) Contraste que manteniendo constante la media de minutos jugados por partido y la edad del jugador, la experiencia no ináuye en el salario del jugador. (nota: muestre los resultados intermedios)
SOLUCI”N a)
log(^ \wage) = 7 : 35 (0:83)
(0:00005)
minutes + 0: 222 (0:051)
exper 0 : 0054 (0:003)
expersq 0 : 0782 (0:036)
age
n = 269 R^2 = 0: 45
El coeÖciente de deteminaciÛn indica en este caso que minutes, exper, expersq y age explican el 45.0% de la variabilidad de log(wage): øCÛmo cambiarÌan los coeÖcientes estimados del modelo (1) si el tiempo jugado por temporada se midiese en horas y no en minutos? øY los errores est·ndar? minutes^ = minutes 60 ) minutes = 60 minutes SÛlo cambiarÌa el coeÖciente de la variable minutes y su error est·ndar.
log(^ \wage) = 7: 35 (0:83)
(0:003)
minutes^ + 0: 222 (0:051)
exper 0 : 0054 (0:003)
expersq 0 : 0782 (0:036)
age
b) El modelo estima que, manteniendo constante la experiencia y el tiempo jugado por temporada, un aÒo mas en la edad del jugador, disminuye su salario en un 7.82%
Tenemos que contrastar H 0 : 4 = 0 H 1 : 4 < 0 El estadÌstico de contraste es t =
b 4 ES(b 4 ) ^ t^264 bajo^ H^0
El valor del estadÌstico en la muestra es 2 : 192 el p valor = 0 :^02922 = 0:014 6, por lo que podemos rechazar la H 0 a un nivel de signiÖcaciÛn del 5%, pero no al 1%.
c) Un incremento de 30 minutos en el tiempo de juego por temporada, manteniendo constante los aÒos de experiencia y la edad del jugador, supone un incremento estimado en el salario del 1.5% (0: 0005 30 100 = 1: 5) Hay que obtener un intervalo para 30 1 y multiplicarlo por 100 : El intervalo es:
I 30 95% 1 = [0: 0005 30 t264;0: 025 30 0 :00005] = [0: 015 1 : 97 0 :0015] = [0: 015 0 :002955] = [0:012; 0:0179]
El intervalo es [1:2; 1:80]
d) log^ (wage) = 7:35 + (0: 0005 50 60) + (0: 222 10) (0: 0054 100) (0: 0782 30) = 8: 184 Dado que log(3:000) = 8, percibe un salario inferior. log^ (wage) log(3:000) = 8: 184 8 = 0: 184
e) Tenemos que contrastar
H 0 : 2 = 3 = 0 H 1 : 2 6 = 0 y=o 3 6 = 0
EstadÌstico F: El estadÌstico de contraste es: (^) R^2 nr R r^2
(1 R^2 nr) = 264
F 2 ; 264 bajo H 0
El modelo restringido es: log(wage) = 0 + 1 minutes + 4 age + v (2)
El Rr = 0: 404 y el Rnr = 0: 45
El valor del estadÌstico en la muestra es
(0: 45 0 :404) = 2 (1 0 :45) = 264
El p valor de este contraste es P rob (F 2 ; 264 > 11 :04) = 0: 000025 , por lo que se rechaza la hipÛtesis nula para cualquier nivel de signiÖcaciÛn razonable. La experiencia si ináuye en el salario del jugador. Por otra parte, como F = 11: 04 > F 2 ; 264 ; 0 : 05 = 3: 03 , podemos rechazar H 0 al 5%.