Ejemplo examen final

APELLIDO Y NOMBRE:
MAESTRIA EN EVALUACION DE PROYECTOS
ITBA-UCEMA
METODOS ECONOMETRICOS
PROFESOR: DANIEL LEMA
EXAMEN FINAL 2014
LA PONDERACIÓN DE LA NOTA ES 1/3 PARA CADA PROBLEMA.
RESPONDA EL PROBLEMA 1 EN ESTA MISMA HOJA. ESCRIBA SU
APELLIDO Y NOMBRE EN LA PARTE SUPERIOR DE CADA HOJA DE
RESPUESTAS EN LETRA IMPRENTA.
1. RESPONDER VERDADERO/FALSO (V o F en el margen IZQUIERDO)
1. Si se omite del modelo una variable relevante, SIEMPRE los estimadores de los
parámetros remanentes resultarán inesgados.
2. En el modelo PROBIT, si el valor del “indice” es cero, entonces la probabilidad
de poseer la característica codificada con Y=1 será del 50%.
3. Si en una estimación de ventas de helados en función de ingresos se trata de
controlar el diferencial de ventas en las distintas estaciones del año usando
variables binarias (dummy) el siguiente sería un modelo correcto:
VENTASt = 0 + 1 Verano + 2 Otoño + 3Primavera + + 4 Ingresos de
los consumidorest + ut
Donde Verano, Otoño y Primavera son variables dummy que asumen valor
uno en los meses correspondientes la estación de referencia y cero en caso
contrario.
4. El R2 está definido como el cociente entre la Suma de Cuadrados Regresión y la
Suma de Cuadrados Total del modelo
5. Lo aconsejable para incrementar el valor de R2 es incorporar al modelo tantas
variables como sea necesario hasta llegar al valor deseado.
6. El siguiente modelo es una función de demanda con elasticidad precio constante
igual a ß1:
Log(cantidad)=ß0+ß1 log(precio)+ß2log(ingreso)+u.
7. Todo estimador tiene asociada una distribución muestral de probabilidad,
entonces un estimador es una variable aleatoria
8. Suponga el modelo LogY= ß1+ ß2 X + u. Donde Y es ventas y X es el año.
Si el estimador ß2 =0.04 puede interpretarse que las ventas aumentan un 4
por ciento por cada año.
1
9. Considere una variable dummy codificada como Hombre=0 y Mujer=1. Si el
promedio de la dummy es 0.75, eso significa que el 75% de la muestra son
mujeres.
10. En el caso de imponer una restricción sobre los parámetros, cuanto mayor sea la
diferencia entre la Suma de Cuadrados Residual del modelo Restringido y la Suma
de Cuadrados Residual del modelo sin Restringir, más apropiada es la restricción
que se ha impuesto.
2. Justificar preguntas 3 y 8 del problema 1.
3. Con datos casas vendidas en una localidad se obtuvo la siguiente ecuación que
relaciona el precio de las viviendas (precio) con la distancia a un incinerador de basura
que se acaba de construir (dist):
log(precio) = 9.40 + 0.312 log(dist)
n = 135, R2 = 0.162
(i) Interprete el coeficiente de log(dist). ¿Es el signo de esta estimación el
esperado? ¿por qué?
(ii) Suponga que el valor del error estándar del coeficiente estimado para log(dist) es
0.12 y el estadístico t asociado t = 2.6. El p-value es p=0.03. Explique como
evaluaría la hipótesis nula Interprete el p-value reportado.
(iii)¿Cree usted que una regresión simple proporciona un estimador insesgado,
(ceteris paribus), de la elasticidad del precio con respecto a dist? (Para responder
piense en la decisión de las autoridades sobre dónde situar el incinerador, qué otros
factores influyen en el precio de una casa y si estos factores pueden correlacionarse
con la distancia al incinerador)
iv) Suponga que se propone ahora la siguiente regresión:
log(precio) =  +  log(dist)+habit + u
donde habit el el número de habitaciones de las casas.
a) ¿Qué signo espera que tenga el coeficiente 
b) Si la correlación entre las variables log(dist) y habit fuera positiva y significativa, ¿ la
regresión simple de log(precio) contra log(dist) produciría un estimador de 1 con
sesgo negativo o positivo? ¿Que implica esto?
2