Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ejercicios (S3 CS)
Ejercicios (S3 CS)
& & '
o para un parmetro especfico $
#
%
( )
## # #
a '
2
,
donde (
)
representa la varian!a constante de la perturbacin aleatoria *+, " a
##
los
valores de la diagonal principal de *&-&,
./
, nosotros utili!aremos un estimador para la
varian!a (
)
de +0 es decir, utili!aremos
'
a
##
# #
es a3ora reempla!ada por%
?
##
# #
a
Puede demostrarse ue esta nueva distribucin es una 4t5 de Student. Recordemos,
para ello, ue una 4t5 se define como%
( )
6 n
6 n
'
t
=
2
1 , 0
2
'
'
" a3ora, puede demostrarse ue
2 2 2 2
' ' '
+
M
+ M+ + e e
= =
es una suma de 4n.65 normales *2,/, al cuadrado, es decir, una 9
)
con 4n.65 grados de
libertad, de modo ue%
6 n
6 n ##
# #
##
# #
##
# #
t
'
6 n
a
e e
a
6 n
e e a
= =
2
2
) 1 , 0 (
'
'
:s pues, la e8presin general del intervalo ue, para una 'ormal sera%
( ) ( ) [ ]
= + 1
Pr
2 / 2 /
;< ' ;< '
ueda a3ora%
( ) ( ) [ ]
= + 1
Pr
2 / 2 /
;< t ;< t
- /Au< se entien2e 3or =3rue8a t>
B
en e1 conte@to 2e 1a estiaci!n 2e 1os
3ar0etros 2e un M.RC6
La 4prueba t5 o clculo de la 4t de Student5 es un contraste de significacin por el
cual se utili!an los resultados muestrales de la estimacin para verificar la verdad o
falsedad de una determinada 3iptesis. En el caso de la estimacin param1trica, esa
1
Utilizando la terminologa de Gujarati, !"! (200#) $%onometra &%!Gra'(ill!
4prueba t5 se utili!a para verificar la verdad o falsedad de la 3iptesis nula de ue el
verdadero valor de cada uno de los parmetros del modelo es nulo. En caso de
demostrarse ue esta 3iptesis es cierta, la variable relativa a ese parmetro no
debera incluirse en la especificacin al entenderse ue su relacin con la endgena
*medida precisamente por el valor del parmetro, es nula.
- /Au< incon4enientes 3resenta 1a ratio =,> coo contraste 2e si?nificaci!n
conDunta6
El inconveniente principal tiene ue ver con la 3iptesis nula ue se contrasta. La
3iptesis nula postula ue el valor de <=;=S los parmetros reales del modelo
planteado es simultneamente nulo. Esta 3iptesis tiene poca verosimilitud dado ue es
de suponer ue, tras un cuidado proceso de especificacin, el analista 3abra
euivocado el /22> de la seleccin del con#unto de variables ue considera de inter1s
para anali!ar la endgena.
- /Au< 4entaDa se 2eri4a 2e 1a estiaci!n 2e un M.RC u1ti4ariante
uti1i5an2o 4aria81es estan2ari5a2as6
:l estandari!ar las variables antes de la estimacin de los parmetros eliminamos el
efecto de las unidades de medida de cada una de ellas sobre el valor de los parmetros.
:s pues, los parmetros obtenidos de la regresin con variables estandari!adas
pueden compararse unos con otros a fin de determinar la variable con ms 4peso5, las
4ms importante5 cuantitativamente 3ablando sobre los movimientos de la variable
endgena.
- /C!o se inter3reta e1 4a1or 2e 1a 3ro8a8i1i2a2 ;ue: a 1a 2erec"a 2e 1a ratio
=t> Een 1a F1tia co1una 2e1 3ane1 2e resu1ta2osG a3arece coo resu1ta2o
80sico en cua1;uier estiaci!n 2e un o2e1o rea1i5a2o 3or E-CieHs6
Esa probabilidad se denomina t1cnicamente p.value " es el nivel e8acto de
significacin ms ba#o al ue puede rec3a!arse la 3iptesis nula *parmetro?2,. Es
decir, para un nivel de significacin ma"or, la 3iptesis nula debe aceptarse. +na
interpretacin ms sencilla es considerar ese valor como la probabilidad e8acta de
cometer un error de tipo I, es decir, de rec3a!ar la 3iptesis nula *aceptando por tanto
el parmetro como significativo, siendo cierta. :s pues, si observamos un valor de, por
e#emplo, 2,2@ *en tantos por uno,, diramos ue, al aceptar el parmetro como
significativo, 4arriesgamos5 un @> o, lo contrario, tomamos una decisin correcta con
un nivel de confian!a del A@>.
- /C!o se inter3reta e1 4a1or 2e 1a R
2
6
El valor de la R
)
es el porcenta#e de la varian!a de la variable endgena real ue es
capa! de reproducir el modelo. Si observamos ue analticamente la varian!a de la
endgena real puede descomponerse en la suma de la varian!a de la endgena
estimada ms la del error " damos por supuesto ue el ob#etivo del anlisis de
regresin es precisamente e8plicar las variaciones de la variable endgena, parece
ra!onable pensar ue a ma"or valor de la R
)
me#or a#uste 3abremos logrado.
- Deuestre ;ue 1a 4arian5a 2e 1a en2!?ena rea1 3ue2e 2esco3onerse en 1a
sua 2e 1a 4arian5a 2e 1a en2!?ena estia2a 9 1a 4arian5a 2e1 resi2uo 2e 1a
estiaci!n.
La demostracin puede encontrarse en la pgina )BB del libro 4Modelos
Econom1tricos5 de :ntonio Pulido " Culin P1re!, edicin )22/, editorial Pirmide.
- /Cu01 es 1a 3rinci3a1 uti1i2a2 2e1 3orcentaDe e2io 2e error a8so1uto frente
a 1a sua cua2r0tica resi2ua1 e2ia6
La principal venta#a est relacionada con la medicin del error en t1rminos relativos
del porcenta#e medio de error absoluto. La medicin del error cometido en cada
observacin en porcenta#e del valor de la variable endgena para esa misma
observacin permite conocer en u1 medida el error es grande o peueDo dado el
tamaDo de la variable ue estamos anali!ando0 de otra manera, los modelos estimados
sobre variables endgenas medidas en unidades grandes tenderan a presentar errores
grandes " viceversa.
- /%i "a9 un 0@io en 1a serie en2!?ena rea1 9 un #nio en en2!?ena
estia2a ;u< error se coete en t<rinos 2e aDuste 2e ten2encia Ti3o I o
Ti3o II6
+na divergencia de este tipo se considera al mismo tiempo de tipo I " II dado ue un
m8imo es un cambio de tendencia radicalmente distinto a un mnimo.
- /Cu01 es 1a uti1i2a2 2e 1a ' 2e T"ei16
La + de <3ei compara los crecimientos de la endgena real con los de la endgena
estimada utili!ando una e8presin ue fluctEa entre 2 *m8ima coincidencia, " /
*m8ima divergencia,. La ratio permite, por tanto, conocer en u1 medida es capa! de
reproducir el modelo estimado los movimientos del fenmeno anali!ado.
E$ERCICIO% N'MIRICO%
- O8ser4e 1a si?uiente sa1i2a 2e E-CieHs en 1a ;ue se re1aciona e1 E31eo
Tota1 2e un 3a#s EEETOTG con e1 PI. en uni2a2es onetarias constantes
.ase JK E+DPMJKG 9 1a Masa %a1aria1 Tota1 Perci8i2a 3or 1os Tra8aDa2ores
E%ALEG: ta8i<n en uni2a2es constantes. Ca1cu1e 1os 4a1ores ;ue fa1tan en
1os es3acios arca2os con un interro?ante.
Dependent Variable: EETOT
Method: Least Squares
Date: 11/26/03 Tie: 23:!3
Siple: 1"#0 1""$
%n&luded obser'ations: 2"
Variable (oe))i&ient Std* Error t+Statisti& ,rob*
( !331*-33 "6$*2!6- ? ?
.D,M$6 0*26#60# ? 6*-626!- ?
S/LE ? 22$*332" +!*-#!#36 ?
0+squared ? Mean dependent 'ar 11$$3*1!
/d1usted 0+squared ? S*D* dependent 'ar !$#*1"$$
S*E* o) re2ression 3-3*33-" /3ai3e in)o &riterion 1-*612""
Su squared resid 306-$!0* S&h4ar5 &riterion 1-*#!--3
Lo2 li3elihood +20$*$$$3 6+statisti& 2#*"!0$0
Durbin+7atson stat 0*3"02-$ ,rob86+statisti&9 ?
Los valores de la ratios 4t5 para el t1rmino independiente, la desviacin tpica del
parmetro de F;PMGH o el coeficiente de S:LE pueden obtenerse todos ellos a partir
de la e8presin general de la ratio 4t5%
)
) (
;<
t =
)0*2 ! )
2)*+ ! ,*-
+## ! )##1
) ( = =
I
t
0+1+0- ! 0
+*2*)+ ! *
2*.*0. ! 0
) (
-*
= =
F;PM
;<
2,0 ! 12)0 +.).#* ! ) ##2, ! 22- = =
S:LE
2
= = = =
"
+
"
"
S
S
S
S
R
Para calcular la R
)
corregida aplicamos la e8presin%
*. ! 0
2*
2-
) *, ! 0 1 ( 1
1
) 1 ( 1
2 2
= =
=
6 n
n
R R
- En e1 eDe31o anterior: ca1cu1e 1os 3ar0etros estan2ari5a2os conocien2o
;ue 1a Des4iaci!n T#3ica 2e +DPMJK es LBB):542 9 1a 2e %ALE B:2M.
;ado ue la desviacin tpica de la variable endgena es @GK,/AGG, podemos calcular
los parmetros estandari!ados sencillamente a partir de la e8presin%
) (
) (
/
i
i#
# #
7 ;<
& ;<
=
.) , 2
1,-- , )-.
2, , 1
2,0 , 12)0
/
= =
S:LE
2+ , #
1,-- , )-.
)+2 , .11#
2*.*0. , 0
/
-*
= =
F;PM
1
2 2
2
=
+
=
+
i i
i i
"
'
"
'
" "
'
+
El valor, en el medio del rango 2./ representa una capacidad de a#uste mediocre de los
cambios pese a ue los cambios de tendencia son bien recogidos. Es decir, aunue los
m8imos " mnimos son captados por el modelo, la cuanta de las variaciones no es
adecuadamente medida por el mismo.
B.. Las medida del porcenta#e medio de error absoluto *computando los errores con las
variables en niveles, arro#an un resultado del ),H> sin e8cluir ningEn valor del
clculo%
(1)
Real
(2)
Estimada
(3)=(1)-(2)
Error
(4)=abs((3)/(1))
% Abs(Error/Real)
1970 11240,0 10628,9 611,1 0,0544
1971 11326,7 10868,3 458,4 0,0405
1972 11583,4 11292,0 291,4 0,0252
1973 11967,1 11725,2 241,9 0,0202
1974 12096,0 12038,7 57,3 0,0047
1975 11840,4 11995,8 -155,4 0,0131
1976 11748,6 12129,0 -380,4 0,0324
1977 12594,8 12189,7 405,1 0,0322
1978 12375,8 12127,3 248,5 0,0201
1979 12166,8 11965,4 201,4 0,0166
1980 11796,7 11887,7 -91,0 0,0077
1981 11443,3 11685,7 -242,4 0,0212
1982 11294,2 11614,1 -319,9 0,0283
1983 11170,0 11558,8 -388,8 0,0348
1984 10966,3 11468,7 -502,4 0,0458
Suma 0,3971
romedio 2,!%
Si ueremos e8cluir los atpicos de la serie de valores porcentaules *antes de "
promediarlos,, consideramos un rango de variacin asumible en los errores
porcentuales de la media ST. ) veces la desviacin tpica de los mismos, ue con estos
datos resulta ser *2,2)H@,ST. ) U 2,2/JB, esto es, un lmite inferior de 2,222 " superior
de 2,2@J. 'ingEn valor est fuera de estos lmites.
E$ERCICIO% ACANOADO%
- %u3on?a un o2e1o en e1 ;ue 1as 4aria81es uti1i5a2as son to2as e11as 1os
1o?aritos 2e 1os ni4e1es 2e 1as 4aria81es ori?ina1es. /Au< 4entaDa ofrece
este ti3o 2e o2e1o en 1o?aritos so8re 1a es3ecificaci!n en ni4e1es6
Supuesto un modelo estimado en logaritmos *por e#emplo con una Enica e8gena,%
i i i
u & 7 + + =
1 1 0
log
log
puede observarse ue, matemticamente, el parmetro $
/
es la derivada parcial de
4log*&
/i
,5 respecto a 4log*7
i
,5%
i
i
&
7
log
log
1
=
o lo ue es igual%
i
i
i
i
i
i
&
&
7
7
&
7
1
1
1
log
log
=
Si observamos esta e8presin, podemos decir ue el parmetro es algo similar a la
elasticidad de 7
i
sobre &
/i
. Por tanto, los parmetros de un modelo en logaritmos son
especialmente Etiles dado ue la elasticidad es un concepto de notable utilidad en el
anlisis de la relacin e8istente entre dos variables *porcenta#e de movimiento de la 7
frente a un movimiento del /> en la variable &,.
- /C!o 3ue2e a2a3tarse 1a 3rue8a =t>: 2esarro11a2a en 1a secci!n te!rica
3ara e1 contraste 2e nu1i2a2 in2i4i2ua1 2e 1os 3ar0etros 7
B
9 7
2
a1
contraste 2e 1as "i3!tesis conDuntas EaG 7
B
P 7
2
9 E8G 7
B
Q 7
2
PB6
La 3iptesis de nulidad de un parmetro individual $
#
se reali!aba a partir de la
e8presin de su distribucin 4t5%
6 n
##
# #
t
a
=
2
Iov Mar Mar ;< ;< + = =
;e modo ue la ratio 4t5 ueda entonces%
( ) ( ) ( )
6 n
t
Iov Mar Mar
=
+
2 1 2 1
#
con la ue contrastaremos V
2
W$
J
?2 con sencille! dado ue los programas de
estimacin 3abituales ofrecen, no slo las varian!as de los parmetros, sino sus
covarian!as.
Si ueremos contrastar la segunda 3iptesis mencionada en el enunciado, $
/
S $
)
?/
procederemos de manera similar solo ue, en este caso, la variable instrumental de
inter1s sera
2 1 #
+ =
"a ue, as generada, podramos contrastar la 3iptesis
V
2
W$
J
?/ lo ue es igual V
2
W$
J
./?2
( )
( )
6 n
t
;<
=
+
#
2 1
teniendo en cuenta ue, a3ora, la varian!a de
#
es%
( ) ( ) ( ) ( ) ( )
2 1 2 1 2 1 #
,
2
Iov Mar Mar ;< ;< + + = + =
- %u3on?a ;ue se "an o8teni2o 1os si?uientes resu1ta2os en 1a estiaci!n 2e
una funci!n Co88-Dou?1as 3ara 1a econo#a e@icana en e1 3er#o2o BM55-
BML4. Contraste 1a "i3!tesis 2e ren2iientos constantes a esca1a con un
ni4e1 2e confian5a 2e1 M5N.
Ln PI.P-B:K524 Q 0:))ML 1n Tra8aDo Q0:J4K0 1n Ca3ita1
tE7
1nETra8aDoG
GPB:J2M5
tE7
1nECa3ita1G
GPM:0K25
Co4E7
1nETra8aDoG
: 7
1nECa3ita1G
GP0:B2
La 3iptesis de rendimientos constantes a escala postula ue la suma de las
elasticidades traba#o S capital debe ser igual a la unidad0 si la suma supera la unidad
se 3abla de rendimientos crecientes a escala. +tili!ando la ratio 4t5 podemos
computar la 3iptesis%
( )
( )
6 n
t
;<
=
+
+
2 1
2 1
1
donde $
/
" $
)
son respectivamente las elasticidades capital traba#o obtenidas en la
regresin " la desviacin tpica de la suma ueda%
( ) ( ) ( ) ( ) ( )
2 1 2 1 2 1 #
,
2
Iov Mar Mar ;< ;< + + = + =
Para obtener las desviaciones tpicas de ambos parmetros $
/
" $
)
recordamos ue%
)
;<
t =
de modo ue%
1-). , 0
-2,) , 1
##,. , 0
)
(
1
= = ;<
0,#+ , 0
0*2) , ,
-+* , 0
)
(
2
= = ;<
:s pues%
( ) ( ) ( ) ( ) ( ) )#22 , 0
2
2 1 2 1 2 1 #
= + + = + = Iov Mar Mar ;< ;<
En nuestro caso n.6?)2.J?/, con lo ue el contraste ueda%
( )
( )
#+, , 0
)#22 , 0
1-). , 0
1
2 1
2 1
= =
+
+
;<
Malor ue ueda mu" le#os del valor crtico de tablas para un A@> con /K grados de
libertad *),/2AG,. 'o podemos rec3a!ar, por tanto, la 3iptesis de ue la suma de
elasticidades es igual a la unidad, o lo ue es igual, admitimos, por tanto, la 3iptesis
de rendimientos constantes a escala.
- /E@iste una re1aci!n ana1#tica entre 1a ratio , 9 1a R
2
6
Si. Para ilustrarlo partimos de la e8presin de la L asociada a la 3iptesis nula de ue
todos los parmetros e8cluido el t1rmino independiente son nulos%
6 n R
6 R
6 n
" "
e e
6
" "
e e
6 n e e
6 e e " "
L
6 n 6
=
/ ) 1 (
1 /
/
'
'
1 / )
'
'
1 (
/ '
1 / ) ' ' (
2
2
, 1
;e este modo, puede observarse ue cuando la R
)
es 2, la L toma tambi1n el valor 2 "
ue cuanto ma"or sea el valor de la R
)
, ma"or es tambi1n el de la L.
- %u3on?a e1 si?uiente ?r0fico en e1 ;ue se re3resentan unos "i3ot<ticos
4a1ores 2e una 4aria81e en2!?ena rea1 frente a su estia2a. %i o8ser4a
2eteni2aente 3o2r#a afirar sin teor a e;ui4ocarse ;ue 1a 4arian5a 2e 1a
en2!?ena rea1 9 1a estia2a son i?ua1es. En esas con2iciones: 1a R2 toar#a
e1 4a1or B 9: sin e8ar?o: e1 aDuste es c1araente ina2ecua2o. /Po2r#a
e@31icar esta incon?ruencia6
+$
+6
+-
+2
0
2
-
6
$
1 2 3 - ! 6 # $ " 10 11 12
< real
< estiada
Sencillamente este grfico no responde a una situacin ue realmente pueda obtenerse
aplicando MI= sobre un MPRM. El procedimiento de MI= garanti!a unos valores de
los parmetros ue minimi!an el error0 sobre el 3ipot1tico modelo representado en el
grfico, el simple cambio de los signos de los parmetros estimados generara un error
nulo en todas las observaciones de modo ue el procedimiento de minimi!acin ue
rige MI= encontrara esta solucin como la solucin ptima. Recuerde ue, con MI=,
la varian!a de la endgena real debe descomponerse en varian!a de la estimacin ms
varian!a del error0 es evidente ue en el grfico representado esta situacin no se
cumple.
- Ca1cu1e 9 coente e1 4a1or 2e 1os co3onentes 2e 1a ' 2e T"ei1 3ara 1os
2atos 2e en2!?ena rea1 9 estia2a 2e1 si?uiente eDe31o
En2!?ena Rea1 En2!?ena Estia2a
BMJ0 0:2! 0:22
BMJB 0:26 0:2$
BMJ2 0:30 0:2-
BMJ) 0:-! 0:32
BMJ4 +0:3! +0:1!
BMJ5 +0:12 0:0!
BMJK 0:2! 0:12
BMJL 0:2- 0:21
BMJJ 1:20 0:$"
BMJM +0:"0 +0:$0
BMM0 +1:10 +0:-0
BMMB +2:00 +1:60
BMM2 2:30 1:-0
BMM) 0:2! 0:22
El clculo de la + de <3eil total se obtiene fcilmente con la siguiente e8presin%
( )
20- , 0
0## , 1 +,, , 0
12, , 0
1
1
2 2
2
=
+
=
+
i i
i i
"
'
"
'
" "
'
+
El valor, cercano a cero, ilustra un ra!onable a#uste en t1rminos de tasas de
crecimiento. Para descomponer el valor en los tres componentes de error, sistemtico
*o en media,, de dispersin " de correlacin, necesitamos calcular las medias " las
desviaciones tpicas de las tasas reales " observadas as como, para el error de
correlacin, el coeficiente de correlacin simple entre unas " otras. Los clculos arr#an
los siguientes resultados%
0 , 0
0## , 1 +,, , 0
0* , 0 0* , 0
1
2 2
=
+
=
+
=
i i
M
"
'
"
'
" "
+
Las medias de las tasas reales " estimadas coinciden por lo ue el error sistemtico es
cero. Esto no es una casualidad aritm1tica, la igualdad se deriva del 3ec3o de ue el
modelo estimado utili!aba valores de la endgena e8presados en tasas de crecimiento
de modo ue los valores de las tasas estimadas deben coincidir necesariamente en
media con los valores reales *recordemos ue la suma de errores del modelo debe ser
cero,. Evidentemente, si el modelo estuviera inicialmente estimado en niveles " a
posteriori genersemos las tasas de la endgena real " estimada, no encontraramos
esta igualdad.
1-1 , 0
0## , 1 +,, , 0
01) , 1 .0+ , 0
1
1
2 2
=
+
=
+
=
i i
"
"
S
"
'
"
'
S S
+
10+ , 0
0## , 1 +,, , 0
01) , 1 .0+ , 0 ) ,.- , 0 1 ( 2
1
1
) 1 ( 2
2 2
=
+
=
+
=
i i
"
"
I
"
'
"
'
S S r
+