EXAMEN D’ECONOMETRIA-I.

GRAU D’ECONOMIA 13-07-2015

COGNOMS……………………………….………………..…………NOM…………..………..DNI………………….

Nota: En tots els contrastos que cal fer en l’examen és necessari definir: Ho, Ha, estadístic de prova, distribució que segueix
l’estadístic i criteri de decisió.

Es pretén analitzar l’efecte que sobre els salaris del treballadors tenen un conjunt de variables. A partir d’una mostra de 500
individus, es disposa d’informació sobre les següents variables: wage (salaris $ per hora), educ (anys d’estudis), exper (anys
d’experiència laboral), male (variable fictícia que pren valor 1 si l’individu és home i 0 si és dona).

1. A partir d’aquesta informació en un primer moment s’especifica i estima per MQO el model (1):

lwage i = β1 + β 2 leduc i + β 3lexperi + β 4 male i + ui (model 1)

On la lletra “l” davant de la variable correspon al logaritme de la varible corresponent.

S’ha estimat el model amb 490 observacions i s’ha obtingut la predicció per les 10 restants. Els estadístics associats a la
capacitat predictiva són:

Error medio 0,1071

Error cuadrático medio 0,10541
Raíz del Error cuadrático medio 0,32466
Error absoluto medio 0,26878
Porcentaje de error absoluto medio 20,748
U de Theil 0,64843
Proporción de sesgo, UM 0,10883
Proporción de regresión, UR 0,002463
Proporción de perturbación, UD 0,88871

A partir d’aquests resultats, analitzeu la capacitat predictiva d’aquest model amb tots els instruments adients. Expliqueu com
s’han obtingut els resultats que utilitzeu per fer aquesta anàlisi i la seva interpretació. És bona o dolenta la capacitat predictiva?
Per què? (1,5 punts)
2. S’estima el model 1 per MQO amb les 500 observacions, obtenint-se el següents resultats:

Model 1: OLS, using observations 1-500

Dependent variable: lwage

Coefficient Std. Error t-ratio p-value

const -1,46212 0,320305 -4,5648 <0,00001 ***
lexper 0,259122 0,0301457 8,5956 <0,00001 ***
leduc 0,877003 0,115314 7,6053 <0,00001 ***
male 0,416965 0,0484982 8,5975 <0,00001 ***

Mean dependent var 1,825340 S.D. dependent var 0,603060

Sum squared resid 120,8941 S.E. of regression 0,493698
R-squared Adjusted R-squared
F(3, 496) 82,85243 P-value(F) 1,83e-43
Log-likelihood -354,5461 Akaike criterion 717,0921
Schwarz criterion 733,9506 Hannan-Quinn 723,7074

Obtingueu l’R2 i l’R2 corregit i valoreu els resultats obtinguts (1 punt)

3. S’estima el següent model (model 2) per MQO, on dd és una variable fictícia que pren valor 1 per l’observació número
320 i 0 en la resta de casos, obtenint-se el següents resultats:

Model 2: OLS, using observations 1-500

Dependent variable: lwage

Coefficient Std. Error t-ratio p-value

const -1,5974 0,349947 -4,5647 <0,00001 ***
lexper 0,32874 0,0308944 10,6407 <0,00001 ***
leduc 0,960315 0,126357 7,6000 <0,00001 ***
dd 1,41041 0,54172 2,6036 0,00950 ***

Mean dependent var 1,825340 S.D. dependent var 0,603060

Sum squared resid 137,0378 S.E. of regression 0,525629
R-squared 0,244875 Adjusted R-squared 0,240308
F(3, 496) 53,61500 P-value(F) 4,97e-30
Log-likelihood -385,8815 Akaike criterion 779,7630
Schwarz criterion 796,6214 Hannan-Quinn 786,3782

Quin és l’objectiu d’aquesta estimació i quins resultats es poden establir? (1 punt)

 2
4. S’estima el següent model (model 3) per MQO, on Z és z i = leduc i + lexperi , obtenint-se el següents resultats:
3

Model 3: OLS, using observations 1-500

Dependent variable: lwage

Coefficient Std. Error t-ratio p-value

const 0,31966 0,135934 2,3516 0,01908 **
Z 0,276693 0,031081 8,9023 <0,00001 ***
male 0,404647 0,0501892 8,0624 <0,00001 ***

Mean dependent var 1,825340 S.D. dependent var 0,603060

Sum squared resid 129,9582 S.E. of regression 0,511356
R-squared 0,283887 Adjusted R-squared 0,281005
F(2, 497) 98,51204 P-value(F) 9,18e-37
Log-likelihood -372,6204 Akaike criterion 751,2408
Schwarz criterion 763,8846 Hannan-Quinn 756,2022

Quina hipòtesi permet contrastar els resultats d’aquesta estimació en relació al model 1 i quines conclusions es poden establir a
partir del contrast? (1,5 punts)

5. Se sospita que les 3 primeres observacions que tenen alguna característica que les diferencia de la resta. Per tal d’analitzar
aquesta circumstància, s’estima el model 1 per la resta d’observacions obtenint els següents resultats:

Model 4: OLS, using observations 4-500 (n = 497)

Dependent variable: lwage

Coefficient Std. Error t-ratio p-value

const -1,48474 0,321559 -4,6173 <0,00001 ***
lexper 0,257136 0,0303488 8,4727 <0,00001 ***
leduc 0,886297 0,115848 7,6505 <0,00001 ***
male 0,420859 0,0490095 8,5873 <0,00001 ***

Mean dependent var 1,825747 S.D. dependent var 0,604537

Sum squared resid 120,5186 S.E. of regression 0,494429
R-squared 0,335145 Adjusted R-squared 0,331100
F(3, 493) 82,83848 P-value(F) 2,07e-43
Log-likelihood -353,1412 Akaike criterion 714,2825
Schwarz criterion 731,1168 Hannan-Quinn 720,8899
Es pot concloure que hi ha un comportament diferenciat d’aquestes tres observacions no incloses en l’estimació el model 4
respecte la resta d’observacions que sí estan incloses en l’estimació? Justifiqueu la resposta (1,5 punts)

6. Posteriorment s’estima el següent model:

Model 5: OLS, using observations 1-500

Dependent variable: lwage

Coefficient Std. Error t-ratio p-value

const -0,274377 1,20762
lexper 0,128642 0,131416
leduc 0,415361 0,467018
male 0,193152 0,224705
Yadj2 0,153342 0,150325

Mean dependent var 1,825340 S.D. dependent var 0,603060

Sum squared resid 120,6405 S.E. of regression 0,493678
R-squared Adjusted R-squared
F(4, 495) 62,40454 P-value(F) 1,08e-42
Log-likelihood -354,0211 Akaike criterion 718,0422
Schwarz criterion 739,1152 Hannan-Quinn 726,3112
Nota: Yadj2 denota la variable endògena ajustada elevada al quadrat de l’estimació del model 1.

Quin és l’objectiu que es persegueix en l’estimació del model 5 en referència al model 1? Quina conclusió se’n deriva? Per
què? (1 punt)
7. A continuació es pretén analitzar si hi ha diferències en els salaris del treballadors segons estiguin treballant en una ciutat
petita, mitjana o gran. Per aquest motiu, es defineixen tres variables: smllcity que pren valor 1 quan la ciutat del treballador
és petita i 0 en cas contrari, medcity que pren valor 1 quan la ciutat del treballador és mitjana i 0 en cas contrari i bigcity
que pren valor 1 quan la ciutat del treballador és gran i 0 en cas contrari. Els resultats de l’estimació per MQO són:

Model 6: OLS, using observations 1-500

Dependent variable: lwage

Coefficient Std. Error t-ratio p-value

smllcity 1,80235 0,0375724 47,9700 <0,00001 ***
medcity 1,64774 0,0520789 31,6392 <0,00001 ***
bigcity 2,04368 0,0516736 39,5498 <0,00001 ***

Mean dependent var 1,825340 S.D. dependent var 0,603060

Sum squared resid 171,1922 S.E. of regression 0,586900
R-squared 0,056673 Adjusted R-squared 0,052877
F(2, 497) 14,92928 P-value(F) 5,05e-07
Log-likelihood -441,5140 Akaike criterion 889,0280
Schwarz criterion 901,6719 Hannan-Quinn 893,9895

Coefficient covariance matrix

smllcity medcity bigcity
0,00141169 0,000 0,000 smllcity
0,00271221 0,000 medcity
0,00267016 bigcity

7.a. Obtingueu els paràmetres estimats del model: lwagei = γ 1 + γ 2 smllcityi + γ 3 medcityi + Vi ? (1 punt)

7.b. Contrastaeu la hipòtesi H 0 : γ 3 = 0 i comenteu el seu significat econòmic. (1,5 punts)

-----------------------------------------------------------------------------------------------------------------------------------------------------
Valors Crítics

F(1,500;0,05)=3,86 F(2,500;0,05)=3.01 F(3,500;0,05)=2,62

F(1,497;0,05)=3,86 F(2,497;0,05)=3,01 F(3,497;0,05)=2,62

F(1,496;0,05)=3,86 F(2,496;0,05)=3,01 F(3,496;0,05)=2,62

F(1,495;0,05)=3,86 F(2,495;0,05)=3,01 F(3,495;0,05)=2,62

F(1,494;0,05)=3,86 F(2,494;0,05)=3,01 F(3,494;0,05)=2,62

F(1,493;0,05)=3,86 F(2,493;0,05)=3,01 F(3,493;0,05)=2,62

F(1,492;0,05)=3,86 F(2,492;0,05)=3,01 F(3,492;0,05)=2,62

t(500;0,05/2)=1,96 t(498;0,05/2)=1,96 t(497;0,05/2)=1,96

t(496;0,05/2)=1,96 t(495;0,05/2)=1,96 t(494;0,05/2)=1,96