Professional Documents
Culture Documents
II SEMESTRE - 2018
Carrera – Economía
Econometría I
Prof.: J. Humerez Quiroz
TRABAJO PRÁCTICO Nº 1
1. Los ejercicios deberán ser resueltos en grupos de tres integrantes, conformados por afinidad. Cualquier
modificación del grupo deberá ser autorizada por el profesor de la materia.
2. Los trabajos de grupos con un número de miembros distinto al indicado en el punto (1) no serán
revisados.
3. Las preguntas computacionales deben ser presentadas en medio magnético.
4. La fecha de entrega es la clase inmediata después del primer parcial, de acuerdo a lo establecido al
inicio del semestre.
3. Uno de los criterios para ajustar una función es el de minimizar la suma de los errores al
cuadrado.
a) ¿En qué consiste el criterio de mínimos cuadrados ordinarios (MCO)?
b) Indique cuales son las propiedades que lo hacen ser el más adecuado.
c) Nombre otros dos de estos criterios e indique sus ventajas y desventajas.
d) ¿En qué consiste la propiedad MELI del estimador MCO?
e) Como hacer inferencia con Teoría Asintótica si el modelo NO presenta Normalidad en los
residuos.
5. Indique la importancia de suponer que el término de error estocástico sigue una distribución
normal.
8. Un investigador considera que la relación entre consumo y renta debe ser estrictamente
proporcional. Por ello plantea el siguiente modelo:
𝑪𝒕 = 𝜷𝒀𝑫
𝒕 + 𝒖𝒕
Se pide:
a) Deduzca la fórmula para estimar 𝛽.
b) Deduzca la fórmula para estimar la varianza 𝜎𝑢2 .
c) ¿En este modelo a que sería igual ∑𝑇𝑖=1 𝑢̂𝑡2 ?
Se pide:
Razone si son verdaderas o falsas las siguientes afirmaciones:
a) No depende del tamaño de la muestra.
b) Es mayor cuanto menor es la dispersión de las observaciones de la variable exógena.
1. Demuestre que si denotamos por “y “a la matriz de datos centrados de Y, entonces yTy coincide
con la suma los cuadrados totales (SCT) de la matriz Y.
4. Demuestre en un modelo de regresión lineal con ordenada en el origen que los residuos
mínimos cuadrados ordinarios, 𝒖 ̂ 𝑡 , son ortogonales,
̂ 𝒕 , y los valores ajustados de la regresión, 𝒀
𝒏
es decir, ∑𝒊=𝟏 𝒀̂𝒕 𝒖̂ 𝒕 = 𝟎 , o el vector de valores estimados 𝒀 ̂ 𝒕 esta incorrelacionado con el
vector de errores 𝑢̂𝑡 .
7. Demuestre que los residuos de la estimación por Mínimos Cuadrados ordinarios (MCO)
pueden expresarse como e = MU, siendo M la siguiente matriz simétrica e idempotente:
𝑴 = [𝑰 − 𝑿(𝑿𝑻 𝑿)−𝟏 𝑿𝑻 ]
M es ortogonal a X [𝑴𝑿 = 𝟎].
8. Pruebe que la suma de los cuadrados de los residuos de la estimación MCO puede escribirse
como:
̂𝑻 𝑿𝑻 𝒀
𝒆𝑻 𝒆 = 𝒀𝑻 𝒀 − 𝜷
9. Demuestre que el coeficiente de determinación con datos centrados se puede calcular como:
̂𝑻 𝑿𝑻 𝒀
𝜷
𝑹𝟐 =
𝒀̂𝑻 𝒀
̂
11. Demuestre que la matriz de covarianzas entre los coeficientes estimados y los errores mínimo
cuadráticos ordinarios del modelo de RLM es una matriz de ceros.
12. Realice los pasos de estimación de los parámetros mediante el método de Máxima
Verisimilitud y demuestre que el estimador de la varianza del error estocástico es sesgado.
13. Demuestre que el estimador de la varianza del error estocástico es un estimador insesgado.
̂ 𝒕 = 𝟏. 𝟕𝟐 + 𝟎. 𝟑𝟕 𝑿
𝒀 ̂ 𝟐𝒕 ; (𝟎, 𝟎𝟑) 𝑹𝟐𝟐𝒙 = 𝟎, 𝟕𝟏 (1)
̂ 𝒕 = 𝟐, 𝟑𝟕 + 𝟎. 𝟖𝟏 𝑿
𝒀 ̂ 𝟑𝒕 ; (𝟎, 𝟑𝟓) 𝑹𝟐𝟑𝒙 = 𝟎, 𝟐𝟐 (2)
𝒀 = 𝜷 + 𝜸𝑿 + 𝒖
Una vez realizada la estimación se extraía toda la información del que disponía excepto la
información de la siguiente tabla.
Obs. x u
1 1 2
2 3 -3
3 4 0
4 5 ¿?
5 6 ¿?
Con la información anterior el investigador debe calcular una estimación de la varianza de las
perturbaciones aleatorias. ¿Cómo debe proceder?
Y X1 X2
10 1 0
25 3 -1
32 4 0
43 5 1
58 7 -1
62 8 0
67 10 -1
71 10 2
- 𝑯𝟎 : 𝜷 𝟎 = 𝜷 𝟏 = 𝜷 𝟐 = 𝟎
- 𝑯𝟎 : 𝜷𝟏 = 𝟏𝟎𝜷𝟐
- 𝑯𝟎 : 𝟐𝜷𝟎 + 𝟐𝜷𝟏 + 𝟕𝜷𝟐 = 𝟓𝟎
- 𝑯𝟎 : 𝜷𝟏 = 𝟏𝟎𝜷𝟐 , 𝟐𝜷𝟎 + 𝟐𝜷𝟏 + 𝟕𝜷𝟐 = 𝟓𝟎
𝑌̅ = 12 , 𝑋̅2 = 8, 𝑋̅3 = 𝑩
−14 𝑬 4
𝑋 𝑇 2 𝐴 𝑦 =[ ] ; 𝑋 𝑇 2 𝐴 𝑋2 =[ ] ; 𝑒 𝑇 𝑒 = 91.846
20 4 40
1 12 7 4 1
1 8 1 0 −5
1 9 5 1 −1
𝑋= 1 𝑪 8 𝐴𝑋2 = 2 𝑫
1 4 6 −4 0
1 6 6 −2 0
[1 7 9] [1 3]
7 56 42
0.02403846 −0.002240385
[𝑋2𝑇 𝐴𝑋2 ]−1 = [ ] ; [𝑋 𝑇 𝑋] = [56 490 𝑭 ]
−0.002240385 0.002524038
42 𝑮 292
14 2
8 −4
7 −5 2.3592033 −0.17788462 −0.13221154
𝑇 −1
𝑦= 𝑯 𝐴𝑦 = 1 [𝑋 𝑋] =[−0.17788462 0.02403846 −0.00240385]
14 2 −0.13221154 −0.00240385 0.02524038
19 7
[9] [−3]
a) Halle: B, C, D, E, F, G y H.
b) Estimar los parámetros 𝛽 por Minimos Cuadrados Ordinarios.
c) Encuentre la SCT, SCE y la SCR.
d) Calcule el R-cuadrado, R- cuadrado ajustado y los valores de criterios de información de
Akaike y Schwartz.
Se pide:
a) Puede ofrecer una justificación a priori para este modelo (sugerencia: grafique cada
variable exógena en función de la Endógena)
b) Estime el modelo e interprete cada coeficiente.
c) Comente sus resultados desde el punto de vista de sus expectativas a priori.
d) Encuentre la Matriz de Varianzas y Covarianzas de los estimadores.
e) Elabore las pruebas de significancia Individual y Global.
f) Elabore una tabla ANOVA y determine la bondad de ajuste y su corregida.
g) Considere la siguiente función de demanda de dinero para Estados Unidos durante.
2. Considere la siguiente función de demanda de dinero para Estados Unidos durante el periodo
1980-1998:
𝜷
𝑴 = 𝜷𝟏 𝒀𝒕 𝟐 𝒆𝜷𝟑 𝒓+𝒖𝒕
- M = demanda real de dinero, de acuerdo con la definición M2 de dinero
- Y = PIB real
- r = tasa de interés
Para estimar la anterior función de demanda de dinero, revisar el archivo Excel <F_Money >
Nota: Para convertir cantidades nominales a reales, divida M y PIB entre IPC. No es
necesario dividir la tasa de interés variable entre el IPC. También tenga en cuenta que se
proporcionaron dos tasas de interés, una de corto plazo, medida de acuerdo con la tasa de
interés de los bonos del Tesoro a tres meses, y otra de largo plazo, medida según el
rendimiento de los bonos del Tesoro a 30 años, según la línea de estudios empíricos previos
que emplearon ambos tipos de tasas de interés.
a) Con los datos anteriores, calcule la función de demanda anterior. ¿Cuáles son las
elasticidades del ingreso y de la tasa de interés de la demanda de dinero?
En lugar de estimar la función demanda anterior, suponga que debe ajustar la función
𝑴
( ) = 𝜷𝟏 𝒆𝜷𝟑 𝒓+𝒖𝒕
𝒀 𝒕
b) ¿Cómo interpretaría los resultados? Muestre los cálculos necesarios.
c) ¿Cómo decidiría cuál es la mejor especificación? Se pide una prueba Formal.
3. Estime el siguiente modelo propuesto en base a los datos del archivo <F_cons >
𝟒 𝟒 𝟒 𝟑
4. En base a los datos del archivo <DataTP2> Estime el siguiente modelo de función de inversión
para Bolivia 1988 – 2015, periodicidad anual, por MCO
𝑰𝒕=𝜸𝟎+𝜷𝒕+𝜷𝟏𝑷𝑰𝑩𝒕+𝜷𝟐(𝒊−𝝅)𝒕+𝒖𝒕
- 𝐼𝑡=𝐼𝑛𝑣𝑒𝑟𝑠𝑖𝑜𝑛 𝑟𝑒𝑎𝑙
- 𝑡=𝑇𝑒𝑛𝑑𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝑙𝑎 𝑖𝑛𝑣𝑒𝑟𝑠𝑖𝑜𝑛
- 𝑃𝐼𝐵𝑡=𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑖𝑛𝑡𝑒𝑟𝑛𝑜 𝑏𝑟𝑢𝑡𝑜
- (𝑖−𝜋)𝑡=𝑡𝑎𝑠𝑎 𝑑𝑒 𝑖𝑛𝑡𝑒𝑟𝑒𝑠 𝑟𝑒𝑎𝑙
Δ𝒄𝒕=∝ + (𝒄𝒕−𝒚𝒕)−𝟏+𝜷𝟏Δ𝒚𝒕+𝜷𝟐𝒚−𝟑
a) Estime la siguiente regresión de consumo para Bolivia con la muestra 1990 – 2016, con
periodicidad trimestral, en base a los datos del archivo <F_cons>. Para la estimación de
la siguiente variable utilice una función de consumo Keynesiana y tome los residuos,
estos mismos serán la variable: (𝑐𝑡−𝑦𝑡)
b) Tomando en cuenta que el interés es pronosticar C t, escriba y desarrolle las
transformaciones matemáticas para obtener los pronósticos de la variable original.
c) Para 2017 Q1 el dato para el PIB es de 10.461.781,1 millones. Obtenga el pronóstico del
consumo para 2017Q1 y la banda de confianza para el 5% de nivel de significancia.