Sociedad

11.1 Establzcase si las siguientes afirmaciones son ciertas, falsas o inciertas y brevemente de sus razones. a) En presencia de heteroscedasticidad, los estimadores MCO son sesgados al igual que ineficientes. (F) Porque en presencia de heteroscedasticidad los estimadores de MCO siguen siendo insesgados y consistentes pero ya no tienen varianza mnima es decir, ya no son eficientes. b) Si hayheteroscedasticidad, las pruebas convencionales t y F son invlidas. (V) Porque dado que Var EMBED Equation.3 no es mnima los intervalos de confianza tienden a ser innecesariamente grandes y las pruebas t y F tienden a ser imprecisas. c) En presencia de heteroscedasticidad, el mtodo MCO usual sobreestima siempre los errores estndar de los estimadores. (V) Porque si los residuos al cuadrado nos da unvalor mayor que cero o nos presenta un patrn sistemtico significa que existe heteroscedasticidad. e) No hay una prueba general de heteroscedasticidad que este libre de supuesto alguno sobre cul de las variables esta correlacionada con el trmino de error. (F) Porque no existe una prueba que nos seale especficamente que variable explicativa esta relacionada con el trmino de perturbacin, sino que msbien nos dan pruebas generales para detectar heteroscedasticidad. f) Si el modelo de regresin esta mal especificado (por ejemplo, se ha omitido una variable importante), los residuos MCO mostraran un patrn claramente distinguible. (V) Es verdadero porque al omitir una variable que tiene relevancia terica en el modelo se va a distinguir claramente un patrn sistemtico, ya que los residuos van apresentar un gran peso por la variable omitida. g) Si una regresora que tiene varianza no constante se omite (incorrectamente) de un modelo, los residuos MCO sern heteroscedsticos. (V) Es verdadero porque si se omite una variable que tiene varianza no constante, esta va a seguir presente en el modelo a travs del trmino de perturbacin y seguir siendo heteroscedstica. 11.2 En una regresin de salariospromedio (W,) sobre el nmero de empleados (N) para una muestra aleatoria de 30 empresas. Se obtuvieron los siguientes resultados EMBED Equation.3 7.5 0.009N t n.a. (16.10) R EMBED Equation.3 EMBED Equation.3 0.008 7.8 (1/N) t (14.43) (76.58) EMBED Equation.3 0.99 a) Cmo se interpretan las dos regresiones i) Dado un incremento unitario en elnmero de empleados se estima que los salarios promedio tambin se incrementar en 0.009 dlares, es decir existe una relacin directa entre los salarios promedio y el nmero de empleados, por tanto si se incrementa el nmero de empleados tambin se incrementarn los salarios promedios y viceversa. ii) Como observamos en la segunda regresin podemos darnos cuenta que el autor trata de corregir laheteroscedasticidad dividiendo el modelo para la variable estocstica con lo cual el modelo mejora ya que se obtiene un coeficiente de determinacin mayor y las pruebas t de significancia individual se incrementan. b) Qu esta suponiendo el autor al pasar de la ecuacin (1) a la (2) Estaba preocupado por la heteroscedasticidad Cmo se sabe El autor al pasar de la ecuacin (1) a la (2) supone que existeheteroscedasticidad y por la misma razn trata de corregir este problema dividiendo la regresin para la variable heteroscedstica a travs del mtodo de Mnimos Cuadrados Generalizados que es capaz de producir estimadores que son MELI. c) Se puede relacionar las intersecciones y las pendientes de los modelos S, ya que estamos considerando un mismo modelo en donde las relaciones entre las variables son directas,pero se puede observar que las pendientes y las intersecciones cambian debido a que se utiliza una medida para corregir la heteroscedasticidad. d) Se pueden comparar los valores EMBED Equation.3 de los modelos Por que si o por que no Los coeficientes de determinacin no son comparables en estos dos modelos de regresin ya que la variable dependiente no es la misma debido a la correccin de la...