APLICACIN EXAMEN JUNIO 2002

Con los datos en logaritmos de consumo, LC, y renta, LY (Aplicaciones de Econometra p. 211):
obs
1963:1
1963:2
1963:3
1963:4
1964:1
1964:2
1964:3
1964:4
1965:1
1965:2
1965:3
1965:4
1966:1
1966:2
1966:3
1966:4
1967:1
1967:2
1967:3
1967:4
1968:1
1968:2
1968:3
1968:4
1969:1
1969:2
1969:3
1969:4
1970:1
1970:2
1970:3
1970:4

LC

LC
LY
Medias

LY

MEDIAS, VARIANZAS Y COVARIANZAS

LC
0.003896
0.003062
8.829242

LY
0.003062
0.002954
8.994980

a) Estime la relacin entre consumo y renta. Obtenga el valor de la elasticidad.

b) Suponga que la tabla que se recoge a continuacin recoge la matriz de varianzas y covarianzas
de los residuos de la regresin entre consumo y renta. Analice si ambas series estn cointegradas
(valor crtico 2.96).
R
R
0.000751
R1 - 0.000125
DR 0.000875
DR1 0.000121

R1
-0.000125
0.000755
-0.000879
0.000871

DR
0.000875
-0.000879
0.001755
-0.000750

DR1
0.000121
0.000871
-0.000750
0.001741

donde R son los residuos, R1 los residuos retrasados un periodo, y DR1 la primera diferencia de los
residuos retrasados en un periodo (n=30).

SOLUCIN:

a. Modelo a estimar Ct = + Yt + Vt, en el que el consumo estara determinado

por el nivel de renta. Como la regresin est expresada en logaritmos, la
elasticidad sera el valor de :

b=

Cov(C , Y ) 0,003062
=
= 1,03656
Var (Y )
0,002954

b. Dos variables estn cointegradas si una combinacin lineal de variables

integradas es estacionaria, es decir, si los residuos de la regresin entre ambas
variables son estacionarios [integrados de orden cero I(0)]. Se puede reducir, en
definitiva, el contraste de integracin al contraste de races unitarias de los
residuos de la regresin . Es ms correcto realizar el contraste de ADF que el DF
para evitar situaciones de autocorrelacin.
La ecuacin a estimar es Zt = Zt-1 + Zt-1 + Vt, . Sustituyendo Zt por DR,
Zt-1 por DR1 y Zt-1 por R1. El modelo a estimar es DRt = R1t + DR1t + Vt.
DR = b 1 R1 + b 2 DR1 + d t

b = x' x

x' y =

S R21

S R1, DR1
2
S DR
1

S DR , R1
0,000755
=
S DR , DR1
0,000871

0,000871
0,001741

0,000879
0,000750

b = 0,000000558

b=

3.136,936936
1.569,369369

0,001741
0,000871

0,000871
0,000755

1.569,369369
1.360,36036

0,000879
0,000750

0,000879
0,000750

1,5807969
0,360115

La estimacin del modelo es entonces: DRt = -1,5807969 R1 + 0.360115 DR1t.

Ahora tenemos que ver si b1 = -1.5807969 es significativamente distinto de cero.
Se contrasta como si fuera una t, aunque el valor de las tablas del contraste ADF
es mayor que el de la t clsica.

Primero calculamos la varianza de las discrepancias de la regresin :

d 2 y ' y b' x ' y

D

t =1 t
=
=
=
nk
nk
nk
n

0,000879

30
0
,
001755

1
,
5807969
0
,
360115

0,000750

=
2
=
30 2
=

30( 0,001755 0,0011194342 ) 0,01906698

=
= 0,000680963
28
28

La varianza del parmetro b 1 es:

Var (b 1 ) = 2 x' x

1
3.136,936936
= 0,000680963

1.569,369369
n

1.569,369369
1.360,36036

1
30

Var (b 1 ) = 0,000680963 x

t=

3.136,936936
= 0,071204599
30

Estadstico t-Student:
b
Var (b1 )

1,5807969
0,071204599

= 5,924 < 2,96

Como en trminos absolutos el valor calculado es mayor que el de tablas,

rechazamos la hiptesis nula, el parmetro b1 es significativamente distinto de
cero. Concluimos que las discrepancias de la regresin son estacionarias y, por
tanto, las variables Consumo y Renta estn cointegradas. Los estadsticos de la

regresin seran fiables, indicando una relacin entre esas dos variables a largo
plazo.