Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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:
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.
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.
𝑌𝑖 = 50,2651 − 0,139871𝑋𝑖 + 𝑢𝑖
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
𝑊 = 𝑛 × 𝑅 2 = 81 × 0,204546
𝑾 = 𝟏𝟔, 𝟓𝟔𝟖𝟐
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.
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:
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.
𝑌𝑖 = 𝛽1 + 𝛽2 𝑋𝑖 + 𝑢𝑖
𝑌𝑖 = 50,2651 − 0,139871𝑋𝑖 + 𝑢𝑖
∑𝑡=𝑛 ̂ 𝑡 − 𝑢̂𝑡−1 )2
𝑡=2 (𝑢 1993,02
𝑑= =
∑𝑡=𝑛 ̂𝑡2
𝑡=1 𝑢
2983,58
𝒅 = 𝟎, 𝟔𝟔𝟕𝟗𝟗𝟓
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 )