Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 826 vistas

    Actividad STATA #1

    Cargado por

    Mario Chávez
    El documento presenta varios ejemplos de regresión simple y múltiple utilizando diferentes conjuntos de datos. En el primer ejemplo, se estima una regresión simple entre el salario y la antigüedad de los CEO, encontrando que los salarios aumentan en aproximadamente 1174.6% por cada año adicional de antigüedad. Otro ejemplo estima la relación inversa entre horas de sueño y trabajo, encontrando una disminución de solo 18 minutos de sueño por cada 2 horas adicionales de trabajo. Finalmente, se estima la relación entre

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Actividad STATA #1

    Cargado por

    Mario Chávez
    826 vistas4 páginas
    El documento presenta varios ejemplos de regresión simple y múltiple utilizando diferentes conjuntos de datos. En el primer ejemplo, se estima una regresión simple entre el salario y la antigüedad de los CEO, encontrando que los salarios aumentan en aproximadamente 1174.6% por cada año adicional de antigüedad. Otro ejemplo estima la relación inversa entre horas de sueño y trabajo, encontrando una disminución de solo 18 minutos de sueño por cada 2 horas adicionales de trabajo. Finalmente, se estima la relación entre

    Título original

    Actividad STATA #1 (1)

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento presenta varios ejemplos de regresión simple y múltiple utilizando diferentes conjuntos de datos. En el primer ejemplo, se estima una regresión simple entre el salario y la antigüedad de los CEO, encontrando que los salarios aumentan en aproximadamente 1174.6% por cada año adicional de antigüedad. Otro ejemplo estima la relación inversa entre horas de sueño y trabajo, encontrando una disminución de solo 18 minutos de sueño por cada 2 horas adicionales de trabajo. Finalmente, se estima la relación entre

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    826 vistas4 páginas

    Actividad STATA #1

    Cargado por

    Mario Chávez
    El documento presenta varios ejemplos de regresión simple y múltiple utilizando diferentes conjuntos de datos. En el primer ejemplo, se estima una regresión simple entre el salario y la antigüedad de los CEO, encontrando que los salarios aumentan en aproximadamente 1174.6% por cada año adicional de antigüedad. Otro ejemplo estima la relación inversa entre horas de sueño y trabajo, encontrando una disminución de solo 18 minutos de sueño por cada 2 horas adicionales de trabajo. Finalmente, se estima la relación entre

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 4

    EJERCICIOS EN STATA

    REGRESION SIMPLE

    1. La base de datos CEOSAL2.RAW contiene información sobre directores generales de empresas


    (CEO) estadounidenses. La variable salary es el sueldo anual, en miles de dólares, y ceoten son
    los anos de antigüedad como CEO de la empresa.
    a. Determina el sueldo y la antigüedad promedio de la muestra.

    El sueldo promedio es $ 865.86


    La antigüedad promedio es de 7.95 años
    b. ¿Cuántos de estos directivos se encuentran en su primer año como CEO (es decir,
    ceoten=0)? ¿Cuál es la mayor antigüedad entre estos CEO?
    5 directivos se encuentran en su primer año como CEO
    La mayor antigüedad ente los CEO es de 37 años
    c. Estimar el modelo de regresión simple

    log ( salary ) =β1 + β 2 ceoten+ u

    y reporta tus resultados. ¿Cuál es el aumento porcentual (aproximado) que se


    pronostica en el sueldo por cada año adicional de antigüedad como CEO?

    log ( salary ) =772.42+11.74 ceoten+u

    Si el numero de años de antigüedad aumenta en una unidad el salario incrementa en


    1174.60 %

    2. Utilice los datos de SLEEP75.RAW de Biddle y Hamermesh (1990) para analizar si existe una
    relación inversa entre las horas de sueño por semana y las horas de trabajo pagado por semana.
    Cualquiera de las variables puede usarse como la variable dependiente. Estime el modelo

    sleep=β 1 + β 2 totwrk +u

    donde sleep corresponde a minutos de sueño por semana durante la noche y totwrk
    corresponde al total de minutos de trabajo por semana.
    a. Dé sus resultados en forma de ecuación, además de la cantidad de observaciones y la
    r2. ¿Qué significa el intercepto de la ecuación?

    1
    sleep=4360.948+(−0.6851 totwrk)+u
    El número de obs. es de 706
    El r2 es igual a 0.10
    Cuando el total de minutos de trabajo por semana es 0 el número de minutos de sueño
    por semana es de 4360.948

    b. Si totwrk aumenta 2 horas, ¿cuánto se estima que disminuirá sleep? ¿Te parece que
    este efecto sea grande?
    Disminuiría solo 18 minutos de sueño a la semana, por ende, desde mi punto de vista no
    es un efecto tan grande

    3. Use la base de datos WAGE2.RAW para estimar una regresión simple que explique el salario
    mensual (wage) en términos de la puntuación del coeficiente intelectual (IQ).
    a. Determina el promedio muestral del salario y IQ. ¿Cuál es la desviación estándar
    muestral de IQ? (La puntuación del coeficiente intelectual está estandarizada, de
    manera que el promedio de la población es 100 y la desviación estándar es 15).

    El promedio muestral del salario es de $957.94 y el promedio muestral de IQ es de


    101.28
    Las desviación muestral de IQ es de 15

    b. Estima un modelo de regresión simple en el que el aumento de un punto en IQ


    modifique wage en una cantidad de dólares constante. Usa este modelo para
    determinar el aumento que se predice en wage para un aumento de 15 punto en IQ.
    ¿Explica IQ la mayor parte de la variación en wage?
    wage=β 1+ β2 IQ+ μ
    wage=116.99+ 8.30 IQ+ μ
    Si el IQ sufre un aumento de 15 puntos el wage subiría 124.54
    Dado que el r2 es 0.095, desde mi punto de vista, el 9.5 % de la variación en wage es
    explicada por la variación en IQ, por ende, la mayor parte de la variación de wage no
    está explicada.

    2
    c. Ahora, estima un modelo en el que cada aumento de un punto en IQ tenga un mismo
    efecto porcentual sobre wage. Si IQ aumenta en 15 puntos, ¿Cuál es el aumento
    porcentual pronosticado para wage?
    ln ⁡(wage)=β 1 + β 2 IQ+ μ
    ln ⁡(wage)=5.89+ 0.008(15)+ μ

    Si el IQ aumenta en 15 unidades el salario mensual incrementa en 0.008%

    REGRESION MULTIPLE

    4. Utilice los datos del archivo HPRICE1.RAW para estimar el modelo

    price=β 0 + β 1 sqrft + β 2 bdrms+u

    donde price es el precio de casas dado en miles de dólares.

    a. Escribe los resultados en forma de ecuación.

    price=−19.315+ 0.1284 sqrft +15.198 bdrms+u

    b. ¿Cuál es el incremento en precio estimado para una casa con una habitación (bdrms) más,
    manteniendo constante la superficie en pies cuadrados (sqrft)?
    El incremento del precio para una casa con una habitación más seria de 15.198
    c. ¿Cuál es el incremento en precio estimado para una casa con una habitación adicional de
    140 pies cuadrados? ¿Compara esto con tu respuesta al literal b.
    El incremento del precio para una casa habitación más de 140 pies cuadrados seria de
    33.179
    A medida que incrementa los pies también aumenta el precio
    d. ¿Qué porcentaje de la variación en el precio se explica por la extensión en pies cuadrados
    y el número de habitaciones?
    El 63.19% de la variación en el precio es explicada por la variación de la extensión de pies
    cuadrados y el numero de habitaciones
    e. La primera casa en la muestra tiene sqrft = 2,438 y bdrms = 4. Determine el precio de
    venta estimado para esta casa con la línea de regresión de MCO.
    Dado que la casa tiene sqrft = 2,438 y bdrms = 4, el precio estimado seria $354,605
    f. El precio de venta de la primera casa en la muestra fue $300,000 (así que price = 300).
    Determina el residual para esta casa. ¿Sugiere esto que el comprador pagó de más o de
    menos por la casa?
    Al sobrestimar el precio de la casa con casi 54,000, significa que el comprador pagó menos
    de lo que correspondía.

    3
    4

    También podría gustarte