Econometría 1 – Segundo parcial

Pregunta 1: Verdadero o Falso

a) Si E (u X ) ≠ 0 , entonces E (u ) ≠ 0
b) Si el test de White sugiere rechazar la hipótesis nula, entonces no hay heterocedasticidad
causada por las variables explicativas del modelo.
c) El estimador de mínimos cuadrados generalizados factibles es el mejor estimador lineal
insesgado bajo heterocedasticidad.
d) Dado que el test de Durbin Watson tiene una “zona inconclusa”, no es posible
determinar a partir del mismo si la hipótesis nula de dicho test es cierta o falsa.
e) Un proceso estocástico (serie de tiempo) es estacionario si y solo si la media es
constante.

Pregunta 2

Considere el siguiente modelo de regresión:

Yi = a + bX i + ui + δ ui Z i

En donde ui satisface todos los supuestos clásicos, y Xi y Zi son variables observables que
son tratadas como no-estocasticas; δ > 0 y Zi toma valores positivos.

a) Muestre que dicho modelo es en general heterocedástico y explique analíticamente bajo

que condiciones no lo es.
b) Proponga un test de heterocedasticidad apropiado para este modelo. Describa como lo
implementaría.
c) En el contexto de este modelo, proponga un estimador para a y b.

Pregunta 3: Variables dependientes binarias

Un investigador se encuentra estudiando cómo determina el ingreso familiar el hecho de si

la familia vive en una casa propia o alquilada. Para esto se plantea el siguiente modelo:

Yi = β 0 + β1 X i + μi

Donde:

Yi: es una variable binaria que indica lo siguiente:

Si Yi=0, la familia vive en una casa alquilada
Si Yi=1, la familia vive en una casa propia
Xi: es el ingreso familiar del ultimo año

Preguntas:
a) ¿Qué inconvenientes observa acerca de la aplicación de MCO en la estimación del
modelo planteado?
b) Explique conceptualmente y con ayuda de un gráfico la intuición acerca de suponer una
relación no lineal entre Yi y Xi.
Pregunta 4

A continuación se presentan los resultados de las estimaciones mínimo – cuadrática de un

modelo del logaritmo del agregado monetario M2 en términos reales (lm2) como función
del logaritmo del PIB (lpib) y del logaritmo de la tasa de interés nominal para depósitos a
30 días (ltnomin). Los datos corresponden a observaciones mensuales de series de tiempo
para Argentina desde enero de 1993 hasta marzo de 2003.

Source | SS df MS Number of obs = 123

-------------+------------------------------ F( 2, 120) = 16.43
Model | 1.9005223 2 .95026115 Prob > F = 0.0000
Residual | 6.93862169 120 .057821847 R-squared = 0.2150
-------------+------------------------------ Adj R-squared = 0.2019
Total | 8.83914399 122 .072452 Root MSE = .24046

------------------------------------------------------------------------------
lm2 | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
ltnomin | -1.235988 .2405198 -5.14 0.000 -.7597758 -1.712201
lpib | 1.005088 .2565537 3.92 0.000 .4971291 1.513046
_cons | -2.327099 3.205746 -0.73 0.469 -8.674252 4.020055
------------------------------------------------------------------------------

Durbin-Watson d-statistic(3, 123) = 0.2190672

a) Interprete los coeficientes estimados en términos económicos y estadísticos.

b) Explique como evaluaría autocorrelación residual.
c) Un colega efectúa el siguiente comentario respecto del modelo: “los resultados del
modelo son incorrectos porque se debería introducir como variable explicativa a la
variación del tipo de cambio nominal como medida adicional del costo de oportunidad”.
Comente.