Taller N 1 de Econometr a II

TALLER Nº 1 ECONOMETRIA II
Universidad Colegio Mayor de Cundinamarca
Laura C. Riaño Luz D. Medina Esteban Jiménez Daniela Ramirez1


I. Multicolinealidad (Collinearity)
To the next model:

Commentthese proposals (true or false, and why?):
a. The equation one includes collinearity because the second independent variable is the square of the first one.
FALSE
The multicolinearity,it includes only the linear relations between the independent variable and eliminates the not linear existing relations between them, in the model and they are functionally related with X, but the relation is not linear, therefore the model does not violate the supposition of not multicolinearity.
b. If (1) has collinearity, this assumption’s violation can be corrected applying logarithmstransformation, giving as result equation number two

FALSE
To apply logarithms to a model, it is not useful to solve a problem of multicolinearity they exist other solutions to solve problems of this type in a model.
Like the following:
To increase the sample
Introduction of information a priori never knows itself a priori the real value of the population parameters
Elimination of variables thoughthis solution can generate problems of specification of the model
To coexist with the problem
II. Homocedasticidad y Consistencia
La base de datos sbprogen20131.dta contiene información acerca de los resultados de la prueba Saber Pro (total) para 65.534 estudiantes de todo el país. Las variables que se consideran que puedan ser determinantes del puntaje (total) son: el estrato donde vive elestudiante (estu_estrato, 1 a 6, 8: rural), el ingreso mensual familiar donde habita el estudiante (fami_ing_fmli), el estado civil (estu_estado_civil, 1: soltero, 2: casado, 3: viudo, 4: separado y 5: unión libre) y la disponibilidad de internet en el hogar (econ_sn_internet). Realizar los ejercicios solo para el municipio designado, el código del municipio se encuentra en la variableestu_reside_codmpio.

a. Realice un diagrama de dispersión de total versus estrato. ¿Qué observa en los datos? ¿Cuáles son las consecuencias de este comportamiento sobre los estimadores de MCO? ¿Y sobre las varianzas?
Dado el Grafico 1 se observa una tendencia entre las variables que si bien es positiva, no es muy notable. Esto da a entender que el estrato no posee una influencia muy fuerte sobre el puntajetotal de la prueba Saber pro.
Grafico 1. Diagrama de Dispersión entre la
Variable Total Y Estrato


Fuente: sbprogen20131.dta - Saber Pro
Comprimiendo las variables, el Grafico 2 deja ver con más claridad la existencia de una tendencia positiva del puntaje total en relación al estrato. Observando que para un mayor estrato se obtiene un puntaje promedio mayor, no obstante, la diferencia entrepuntajes dado el estrato no es significativa, pues la media del puntaje oscila entre 46.9 y 51.7.
Grafico 2. Diagrama de dispersión entre las medias
De la variable Total y el estrato

Fuente: sbprogen20131.dta - Saber Pro
Dados los gráficos intuitivamente podemos pensar que los estimadores de MCO pueden tener problemas en su varianza, pues dado el Grafico 1 las observaciones varían muchosobre la media por lo que se cree que los estimadores probablemente no sean eficientes y tengan problemas de heterocedasticidad.
b. La variable estrato es una variable discreta que mide el estrato donde reside el estudiante. Para cada uno de estos niveles calcule la varianza muestral con respecto al total. Describa la relación observada y si puede, grafique la varianza en función del estrato. ¿Serelaciona su respuesta con el problema encontrado en a)?
Tabla 1. Varianza por Estrato
ESTU_ESTRATO
varianza
1
11.9588
2
11.4432
3
11.25168
4
12.66619
5
16.45059
6
20.67241
Total
12.98.214
Fuente: sbprogen20131.dta - Saber pro

Dada la Tabla 1 y el Grafico 3 se corrobora lo encontrado en el punto anterior. Se Observa que los estratos 4, 5 y 6 se encuentran mas dispersos en relación a los...