• Author / Uploaded
• maria

Citation preview

Maria Jose Erazo Ortiz Juan Pablo Daza Castaño

Taller 3 Econometría II Universidad Santo Tomás Punto 1 a) Obtenga estadísticas descriptivas e histogramas de todas las variables y estime la siguiente regresión por MCO eei = β0 + β1gdpi + ui . Comente sobre sus resultados Histogramas, características descriptivas y regresión. Para el caso del PIB:

El Producto interno bruto para estos 34 países tiene una media de 249 millones de dólares, el país con el PIB más grande se encuentra por los 2586 millones, el más pequeño por los 5 millones de dólares y hay una desviación estándar de 478 millones una desviación estándar de 478 millones

La gráfica muestra que la mayor parte de los países de la muestra tienen un PIB entre (0-500) cero y los 500 millones de dólares para 1980 y algunos unos valores muy altos.

Para el caso de la población:

La media poblacional para estas 34 observaciones se encuentra en 31, millones de habitantes, siendo 227 millones el dato del país con más población y el país de menor población con una cantidad de 0,36 millones de habitantes. Una desviación estándar de 46 millones de personas.

A su vez, la mayoría de los países tienen una población que se encuentra entre los (0-50) cero y cincuenta millones de habitantes. Para el caso del gasto público en educación:

La media del gasto público en educación se encuentra en los 14,3 millones de dólares, el país que más invierte en educación gasta 181.3 millones de dólares y el que menos invierte, gasta 0,22 millones.

La mayor parte del gasto se encuentra entre 0 y los 75 millones, dandose la mayor concentracion inferior a los 40 millones de dolares. Regresión (gasto en educación vs PIB):

La regresión nos dice que por cada millón del producto interno bruto se invierte un 6% en educación, con un intervalo de confianza del 95% la inversión en educación se encuentra entre 6,3% y 7%. El 97,9 por ciento de la variabilidad en la inversión en educación está explicado por el modelo.

B)Calcule los residuales de la anterior regresión, realizar un scatter plot entre los residuales al cuadrado y el PIB ¿existen indicios de heterocedasticidad? ¿Por qué?

Existe heterocedasticidad, la variable independiente está relacionada con el error, la dispersión de los puntos está concentrada en una parte de la gráfica. c) Calcular las pruebas Breusch-Pagan, White, Harvey y Gleiser. Conclusiones. Breusch-Pagan:

White:

Ambas pruebas muestran bajos valores de p (0.000 para la prueba de Breusch-Pagan y 0.000para la prueba de White), los datos son significativamente heterocedásticos puesto que están por debajo de un umbral de nivel de significancia de 0.05, en consecuencia, se rechazar la hipótesis nula de que los residuos son homocedásticos.

Harvey:

los valores de p están por debajo de un valor de significancia de 0.5 (estan en 0.0004) lo que hace que exista heterocedasticidad , es decir que la varianza no es constante durante la muestra.

Gleiser:

empleando el MCO y determinando los errores, se deduce que no hay heterocedasticidad puesto que el valor de r no es lo suficientemente grande para explicar la evolución del error, como estimada de la evolución de las perturbaciones aleatorias.

Punto 2. a) Estadísticas descriptivas. ¿que miden dichas variables?

-Morekids:

Esta variable muestra si la mama tuvo más de dos hijos. En el grafico se puede apreciar que la densidad es mayor en la parte de las madres que solo tuvieron un hijo.

-Variable weeksm1:

Esta variable mide las semanas trabajadas por la mama en 1979.

La mayor parte de las madres no trabajaron, pero algunas otras si lo tuvieron que hacer y en últimas unas en demasiada cantidad. La media de las semanas trabajadas es de 19 semanas, la mínima cero, en el caso de las madres que no trabajaron y la máxima es de 52 semanas. -Varibale samesex:

Si los dos primeros hijos son del mismo sexo. Podría decirse que la mitad de las madres tuvieron sus dos primeros hijos del mismo sexo. En general lo que miden estas variables son cualidades de los nacimientos de las personas y en el caso de la variable de las semanas, las cantidades de semanas trabajadas por parte de la madre quizás en el tiempo de embarazo.

b) Regresión de “semanas trabajadas” vs “más de dos hijos”

En primer lugar, podría decirse que por cada hijo que se tenga de más, las semanas trabajadas de las madres se reducen en 5 semanas. No es una estimación adecuada ya que el modelo explica apenas un 1,43% de los datos, es decir que “más hijos” por sí solo, no explica de la mejor manera al número de semanas trabajadas por la madre. En este modelo se evidencia que la variable “morekids” no es capaz de explicar las semanas trabajadas por las madres c) Regresión “morekids” “samesex”

-Aunque observando el estadístico (t), siendo este (2