Bryam Estiven Cárdenas Arias

A01683999

ECONOMETRÍA FINANCIERA

Tarea de la Semana 10
Capítulo 11 y 12 del libro de Gujarati
Ejercicios

Capítulo 11

1. Ejercicio 11.1
Establezca si las siguientes afirmaciones son verdaderas, falsas o inciertas y comente sus razones
brevemente:

a) En presencia de heteroscedasticidad, los estimadores de MCO son sesgados e ineficientes.

Falso. En este caso los estimadores son ineficientes pero imparciales.

b) Si hay heteroscedasticidad, las pruebas convencionales t y F son inválidas.

Verdadero. Los intervalos son muy grandes y pueden generar resultados imprecisos en la
evaluación de la varianza.

c) En presencia de heteroscedasticidad, el método de MCO habitual siempre sobreestima los errores

estándar de los estimadores.
Incierto. El resultado con o sin corrección por heteroscedasticidad es consistentemente la
sobreestimación del verdadero error estándar obtenido mediante el MCG, en especial para
valores grandes de α.

d) Si los residuales estimados mediante una regresión por MCO exhiben un patrón sistemático,
significa que hay heteroscedasticidad en los datos.
Falso. La identificación de un patrón no determina la heteroscedasticidad en los datos, ya que
esto puede deberse a otro tipo de factores como una alta correlación.

e) No hay una prueba general de heteroscedasticidad que no esté basada en algún supuesto acerca
de cuál variable está correlacionada con el término de error.
Verdadero. Puesto que existen diferentes supuestos de heteroscedasticidad, al no ser
observable dicha relación de manera directa se hace inevitable las suposiciones.

f) Si el modelo de regresión está mal especificado (por ejemplo, si se omitió una variable
importante), los residuos de MCO mostrarán un patrón claramente distinguible.
Verdadero. Como se mencionó en la respuesta del punto d) los patrones se pueden dar por
factores externos a la heteroscedasticidad.
2. Ejercicio 11.21
Para responder este ejercicio, tome en cuenta que el valor crítico de una F con 25 grados de libertad en
el numerador y en el denominador y con un α=0.05 es 1.9554.

Tiene la siguiente información:

SCR1 basado en las primeras 30 observaciones = 55, gl = 25

SCR2 basado en las últimas 30 observaciones = 140, gl = 25

Realice la prueba de heteroscedasticidad de Goldfeld-Quandt en el nivel de significancia de 5%.

𝑆𝐶𝑅2 /𝑔𝑙 140/25

𝜆= =
𝑆𝐶𝑅1 /𝑔𝑙 55/25

𝝀 = 𝟐, 𝟓𝟒𝟓𝟓

Como el valor de 𝜆 (F estimado) es mayor que F crítico, se puede afirmar que la heteroscedasticidad en
la varianza del error es muy probable.

3. Ejercicio
Se proporcionan datos de dos variables en la hoja de cálculo de Excel de esta semana. A partir de estos
datos elabore la prueba de heteroscedasticidad de White.

a) Estime en GRETL el modelo:

𝑌𝑖 = 𝛽1 + 𝛽2 𝑋𝑖 + 𝑢𝑖

𝑌𝑖 = 50,2651 − 0,139871𝑋𝑖 + 𝑢𝑖

Valor Coeficiente Desv. Típica Estadístico t valor p

Const 50,2651 1,56950 32,03 <0,0001
X −0,139871 0,0120302 −11,63 <0,0001

b) Para efectuar la prueba de White usted necesitará los residuales estimados al cuadrado de la
regresión. La otra variable es X2.
Los datos de estas dos variables se encuentran al final del documento, Anexo 1.

c) Una vez que tiene los residuos estimados al cuadrado, estime la siguiente regresión auxiliar:

𝑢̂𝑖2 = 𝛼1 + 𝛼2 𝑋𝑖 + 𝛼3 𝑋𝑖2 + 𝑣𝑖

𝑢̂𝑖2 = 198,681 − 2,43497𝑋𝑖 + 0,00729629𝑋𝑖2 + 𝑣𝑖

Valor Coeficiente Desv. Típica Estadístico t valor p

Const 198,681 39,2052 5,068 <0,0001
X −2,43497 0,553620 −4,398 <0,0001
X2 0,00729629 0,00163054 4,475 <0,0001

De la tabla de resultados de GRETL, obtenga la R2 de la regresión anterior. R2 = 0,204546

 d) Calcule el estadístico de prueba de White.

𝑊 = 𝑛 × 𝑅 2 = 81 × 0,204546

𝑾 = 𝟏𝟔, 𝟓𝟔𝟖𝟐

e) Concluya si existe heteroscedasticidad en el modelo con base en el estadístico. Para brindar

la conclusión tome en cuenta que el valor crítico de una χ2 con α=0.05 es 5.9915.

Teniendo en cuenta que H0: No existe heterocedasticidad. Y dado que el estadístico de prueba (W) excede
el valor crítico (χ2), se rechaza la hipótesis nula y por ende puede concluir que existe heteroscedasticidad.

Capítulo 12

4. Pregunta 12.1
Establezca si las siguientes afirmaciones son verdaderas o falsas. Justifique su respuesta brevemente.

a) Cuando hay presencia de autocorrelación, los estimadores de MCO son sesgados e ineficientes.
Falso. A pesar de no ser eficientes los estimadores son imparciales.

b) La prueba d de Durbin-Watson supone que la varianza del término de error ut es homoscedástica.

Verdadero. Se siguen los supuestos del modelo de regresión lineal.

5. Pregunta 12.3
Al estudiar el movimiento en la participación de la producción de los trabajadores en el valor agregado
(es decir, la participación laboral), Gujarati* consideró los siguientes modelos:

Modelo A: Yt = β0 + β1t + ut
Modelo B: Yt = α0 + α1t + α2t2 + ut

donde Y = participación laboral y t = tiempo. Con base en información anual de 1949 a 1964 se
obtuvieron los siguientes resultados para la industria metalúrgica básica:

Modelo A: Yt = 0.4529 − 0.0041t R2 = 0.5284 d = 0.8252

(−3.9608)

Modelo B: Yt = 0.4786 − 0.0127t + 0.0005t2

(−3.2724) (2.7777)
R2 = 0.6629 d = 1.82

a) ¿Hay correlación serial en el modelo A? ¿En el modelo B?

Teniendo en cuenta que n = 15 y k = 2, en el modelo A, dL = 1,077 y dU = 1,361, por lo cual se puede

concluir que hay autocorrelación positiva en los datos al caer en la zona de rechazo de H0.

Para el modelo B n = 15 y k = 3, se tiene que dL = 0,946 y dU = 1,543, se acepta la hipótesis nula de que
no hay autocorrelación, positiva o negativa en los datos.
 b) ¿Qué explica la correlación serial?

La correlación serial esta dada porque en el modelo las variables no cuentan con la transformación y/o
interpretación necesaria para eliminar la correlación, es así como con la presencia de un modelo
cuadrático ya no se presenta este inconveniente.

6. Ejercicio
Corrobore que el estadístico de Durbin-Watson es el que aparece en el output que brinda GRETL. Para
ello, utilice los datos de la semana 10.

f) Estime en GRETL el modelo:

𝑌𝑖 = 𝛽1 + 𝛽2 𝑋𝑖 + 𝑢𝑖

𝑌𝑖 = 50,2651 − 0,139871𝑋𝑖 + 𝑢𝑖

Valor Coeficiente Desv. Típica Estadístico t valor p

const 50,2651 1,56950 32,03 <0,0001
X −0,139871 0,0120302 −11,63 <0,0001

g) Recupere los residuales estimados de la regresión y los residuales estimados al cuadrado.

Los datos de estas dos variables se encuentran al final del documento, Anexo 1.

h) Calcule el estadístico de prueba de Durbin-Watson:

∑𝑡=𝑛 ̂ 𝑡 − 𝑢̂𝑡−1 )2
𝑡=2 (𝑢 1993,02
𝑑= =
∑𝑡=𝑛 ̂𝑡2
𝑡=1 𝑢
2983,58

𝒅 = 𝟎, 𝟔𝟔𝟕𝟗𝟗𝟓

i) Concluya si existe autocorrelación en el modelo con base en el estadístico.

Los valores críticos (límites) para d, con n = 81 y k = 2, son d L = 1,611 y dU = 1,662, por lo cual se
rechaza la hipótesis nula y se concluye que existe autocorrelación positiva en los residuos del modelo.
 𝟐 𝟐
Y X 𝟐 ( − −𝟏 )

65 49 2.401 43,41 21,99 483,50 𝛽1 = 50,2651

56 55 3.025 42,57 13,43 180,31 73,29 𝛽2 = -0,139871
56 55 3.025 42,57 13,33 177,63 0,01
49 70 4.900 40,47 8,53 72,69 23,06
1993,02
47 53 2.809 42,85 3,65 13,31 23,79
46 70 4.900 40,47 5,73 32,79 4,32
2983,58
45 55 3.025 42,57 2,83 8,00 8,40
59 62 3.844 41,59 17,61 310,00 218,42
53 62 3.844 41,59 11,71 137,05 34,81 𝒅= 0,667995
43 80 6.400 39,08 4,32 18,70 54,50
41 73 5.329 40,05 1,05 1,09 10,75
41 92 8.464 37,40 3,50 12,27 6,04
41 92 8.464 37,40 3,50 12,27 0,00
40 73 5.329 40,05 0,35 0,12 9,97
40 66 4.356 41,03 -1,43 2,06 3,17
39 73 5.329 40,05 -0,75 0,57 0,46
39 78 6.084 39,36 -0,46 0,21 0,09
39 92 8.464 37,40 1,40 1,97 3,45
38 78 6.084 39,36 -1,16 1,33 6,54
42 90 8.100 37,68 4,52 20,46 32,24
41 92 8.464 37,40 3,50 12,27 1,04
41 74 5.476 39,91 0,79 0,62 7,39
40 95 9.025 36,98 3,02 9,14 5,01
39 81 6.561 38,94 0,36 0,13 7,07
39 95 9.025 36,98 1,82 3,32 2,13
38 92 8.464 37,40 1,00 1,01 0,67
38 92 8.464 37,40 1,00 1,01 0,00
38 92 8.464 37,40 1,00 1,01 0,00
47 52 2.704 42,99 3,91 15,27 8,44
36 103 10.609 35,86 0,44 0,20 12,02
36 84 7.056 38,52 -2,42 5,84 8,17
36 84 7.056 38,52 -2,42 5,84 0,00
35 102 10.404 36,00 -0,60 0,36 3,30
35 102 10.404 36,00 -0,70 0,49 0,01
35 81 6.561 38,94 -3,84 14,71 9,84
35 90 8.100 37,68 -2,58 6,64 1,58
35 90 8.100 37,68 -2,68 7,16 0,01
33 102 10.404 36,00 -2,80 7,83 0,01
33 102 10.404 36,00 -3,10 9,60 0,09
32 130 16.900 32,08 0,22 0,05 11,00
32 95 9.025 36,98 -4,78 22,82 24,95
32 95 9.025 36,98 -4,78 22,82 0,00
32 102 10.404 36,00 -3,80 14,43 0,96
32 95 9.025 36,98 -4,78 22,82 0,96
32 93 8.649 37,26 -5,76 33,14 0,96
32 100 10.000 36,28 -4,78 22,83 0,96
31 100 10.000 36,28 -4,88 23,79 0,01
31 98 9.604 36,56 -5,16 26,60 0,08
31 130 16.900 32,08 -0,88 0,78 18,28
34 115 13.225 34,18 -0,48 0,23 0,16
33 115 13.225 34,18 -1,58 2,50 1,21
31 115 13.225 34,18 -2,88 8,29 1,69
31 115 13.225 34,18 -2,88 8,29 0,00
30 180 32.400 25,09 5,31 28,21 67,10
29 160 25.600 27,89 1,01 1,03 18,47
28 130 16.900 32,08 -4,08 16,66 25,97
28 96 9.216 36,84 -8,84 78,10 22,62
28 115 13.225 34,18 -6,18 38,19 7,06
28 100 10.000 36,28 -8,28 68,53 4,40
28 100 10.000 36,28 -8,28 68,53 0,00
28 145 21.025 29,98 -2,28 5,22 35,93
26 120 14.400 33,48 -7,88 62,10 31,32
25 140 19.600 30,68 -5,38 28,98 6,24
24 140 19.600 30,68 -6,78 46,01 1,96
24 150 22.500 29,28 -5,68 32,31 1,21
24 165 27.225 27,19 -3,59 12,86 4,40
24 165 27.225 27,19 -3,59 12,86 0,00
24 165 27.225 27,19 -3,59 12,86 0,00
24 165 27.225 27,19 -3,59 12,86 0,00
24 245 60.025 16,00 7,50 56,30 122,98
23 280 78.400 11,10 12,30 151,26 23,00
23 162 26.244 27,61 -4,21 17,69 272,41
23 162 26.244 27,61 -4,51 20,30 0,09
23 140 19.600 30,68 -7,78 60,58 10,74
23 140 19.600 30,68 -7,78 60,58 0,00
20 175 30.625 25,79 -6,29 39,53 2,24
18 322 103.684 5,23 12,87 165,72 367,15
17 238 56.644 16,98 0,22 0,05 160,00
17 263 69.169 13,48 3,52 12,40 10,87
17 295 87.025 9,00 7,70 59,24 17,44
13 236 55.696 17,26 -4,06 16,45 138,12 Anexo 1.