Tarea Econometria 1

TAREA ECONOMETRÍA 2

Problema C5.1
Gráfico:

.15
0

.05

.1

Density

.2

.25

i)

-5

TAREA ECONOMETRÍA 2

0

5
Fitted values

10

15

Gráfico:

0

.5

1

Density

1.5

2

ii)

.5

iii)

1

1.5
Fitted values

2

2.5

El supuesto RLM.6, normalidad, está más cerca de ser satisfecho en el modelo lognivel ya que su media es más cercana acero (1,5 log-nivel v/s 5 en nivel-nivel) y
además tiene menor varianza que en el modelo nivel-nivel. Sin embargo, no se cumple
ya que la media no es cero.

Problema C7.7
i)

Cuando educ = 12,5 la diferencia aproximada entre los salarios de mujeres y hombres
es de [-0.2267887 - 0.0055645*12,5] = -0.29634495. Cuando educ = 0 la diferencia es
-0,227. Entonces, teniendo 12,5 años deeducación se produce una diferencia de 7%
aproximadamente entre los salarios de mujeres y hombres.

ii)

El coeficiente de female es ahora el diferencial de sueldo entre mujeres y hombres
teniendo 12,5 años de educación. Su valor es de -0.296345 (es el mismo que el valor
encontrado en i).

iii)

El estadístico t para ii) es de -8,27 con un p-value de cero por lo que el coeficiente esestadísticamente significativo al 95% de confianza, ya que se está evaluando el

TAREA ECONOMETRÍA 2

diferencial de salario entre mujeres y hombres teniendo 12,5 años de educación.
Comparando con i) tenemos que el coeficiente de female en i) representa el
diferencial de salario entre mujeres y hombres cuando educ = 0 y su estadístico t es de
-1,35 con p-value de 0.176 por lo tanto no essignificativo estadísticamente al 95%.
Esto implica que cuando comparamos la diferencia entre salarios de mujeres y
hombres cuando ninguno tiene educación y por lo tanto no se espera una diferencia
significativa.

Problema C7.8
i)

Si existe discriminación contra las minorías y se han controlado por otros factores
entonces el signo esperado de β1 debe ser positivo.

ii)

El coeficiente de whitees 0,2005957 y es estadísticamente significativo al 95% con un
test t de 10,11 y un p-value de cero. En el sentido práctico es grande ya que
representa un 20% más de aprobación si la raza del solicitante es white.

iii)

El coeficiente de white baja a 0,1288196 lo que implica que en i) el coeficiente de
white tenía sesgo positivo. El test t de white es de 6,53 con p-value de cero por lo quesigue siendo estadísticamente significativo al 95% lo que indica que se mantiene la
discriminación contra los no blancos.

iv)

El coeficiente de race*obrat es 0,0019385 y su test t es de 2,38 con p-value de 0,017 lo
que implica que es estadísticamente significativo al 95% de confianza.

v)

El efecto de ser blanco cuando obrat = 32 es [1.036185 + 0,0205353 + 0,0019385race –0,0145344*32] y depende de la raza del solicitante. Analizando los datos, asumimos
que si race = 5 el solicitante es blanco por lo que el efecto de ser blanco en la
probabilidad de aprobación cuando obrat = 32 es de [1.036185 + 0,0205353 +
0,0019385*5 – 0,0145344*32] = 0,601537, es decir 60% más aproximadamente.

Problema C9.7
i)

Son 205 observaciones donde obrat > 40 de un total de 1989.

ii)El R2 disminuye, SSR disminuye, la significancia global se mantiene y el estadístico t de
white disminuye de 6,53 a 6,51 y el p-value se mantiene en cero. Es decir white sigue
siendo estadísticamente significativo.

iii)

La estimación de βwhite no pareciera ser demasiado sensible a la muestra utilizada.

TAREA ECONOMETRÍA 2

Problema C7.11
i)

Resumen nettfa:
Variable |
ObsMean Std. Dev.
Min
Max
-------------+-------------------------------------------------------nettfa | 9275 19.07168 63.96384 -502.302 1536.798

ii)

H0: βe401k = 0
H1: βe401k ≠ 0
El coeficiente de e401k es 18.85832 y el estadístico t es de 14,01 con p-value de cero.
Por esta razón se rechaza H0 y en promedio una familia elegible para 401k tiene
$18.858 más de nettfa.

iii)

βe401k =...