Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ejercicios Recomendados
Exámenes de LE
cursos 2006/2007 a 2009/2010
Tareas del CC
Edición revisada
Febrero 2011
Queda terminantemente prohibida la reproducción no autorizada de esta recopilación, y la dis-
tribución no autorizada de copias de la misma, ası́ como cualquier otra infracción de los derechos
que sobre esta recopilación corresponden al departamento de Econometrı́a y Estadı́stica de la
Facultad de Ciencias Económicas y Empresariales de la UPV/EHU.
c
°UPV/EHU c
2000. Edición revisada °2011.
Autores:
Departamento de Economı́a Aplicada III
Índice
EJERCICIOS RECOMENDADOS 5
Tema 2. Heterocedasticidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
Tema 3. Autocorrelación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3
PROBLEMA LE 2009. 5 (Jun-2009. Evaluación No Continua. Prueba práctica.) 105
TAREA 1 129
TAREA 2 130
TAREA 3 131
TAREA 4 133
TAREA 5 135
TAREA 6 136
TAREA 7 138
TAREA 8 139
TAREA 9 140
TAREA 10 141
TAREA 11 142
4
EJERCICIOS RECOMENDADOS
PROBLEMA 1 (PV.G28)
donde Ctj denota el consumo del municipio j en t, Rtj la renta media de las familias del municipio
j en t y Ptj la población del municipio j en t, donde j = A, B.
½
σAB si t = s
E(uA B
t , us ) =
0 en otro caso
Indica separadamente para cada uno de los siguientes casos, cómo contrastarı́as las siguientes
hipótesis nulas. Explica razonadamente en cada caso, el método de estimación que eliges, el
estadı́stico del contraste y los supuestos bajo los cuales el contraste es válido.
2 = 2, σ 2 = 2. Contrastar H : α + α = 0
1. Si σAB = 1, σA B 0 1 2
2 = 2, σ 2 = 1. Contrastar H : α = β
2. Si σAB = 0, σA B 0 2 2
PROBLEMA 2 (PV.E8)
t 1 2 3
Yt 1 1 0
Xt 1 -1 1
E(u1 u3 ) = E(u3 u1 ) = 1
E(u1 u2 ) = E(u2 u1 ) = E(u2 u3 ) = E(u3 u2 ) = 0
5
3. Dada la información anterior, ¿qué propiedades tiene el estimador Mı́nimo-Cuadrático
Ordinario?
4. ¿Conoces un estimador con mejores propiedades? ¿Cuál es? ¿Qué propiedades tiene? Es-
cribe su matriz de varianzas y covarianzas. (No la estimes, escribe solo su fórmula y dı́ que
son cada uno de sus elementos.)
6. Estima, por el método de M.C.O. y utilizando cálculo matricial, los parámetros del modelo
transformado.
PROBLEMA 3 (PV.E15)
Un investigador A quiere explicar los gastos de los estudiantes con el siguiente modelo:
(1) Yi = α + βXi + ui i : 1, . . . , N
siendo Yi : gastos del estudiante i
Xi : ingresos del estudiante i
En el modelo (1) se cumplen todas las hipótesis básicas, especialmente
E(ui ) = 0
V ar(ui ) = σu2 ∀i
E(ui us ) = 0 ∀i 6= s
Otro investigador B dice que es mejor agrupar los datos de cada clase, para simplificar los
cálculos, y estimar los parámetros con los datos agrupados. En total los alumnos están divididos
en 8 clases y el número de alumnos en cada clase es n1 , n2 , . . . , n8 . El investigador B utilizará por
tanto 8 observaciones de cada variable, cada una correspondiente a una clase:
Pnj Pnj
Yk Xk
Yj = k=1
nj Xj = k=1
nj j : 1, 2, . . . , 8
Y j = α + βX j + vj j : 1, 2, . . . , 8
2. Los dos investigadores desean estimar sus modelos por mı́nimos cuadrados. ¿Qué métodos
te parecen adecuados a cada caso? ¿Por qué?
3. ¿Cómo cambiarı́an tus conclusiones del apartado anterior si el número de alumnos fuera
el mismo en todas las clases?
6
PROBLEMA 4 (PV. E40)
Para analizar el efecto del stock de capital (K) sobre el valor añadido bruto por ocupado (VAB)
en la Comunidad Autónoma Vasca (CAV) se dispone de los siguientes datos:
1. Estima por MCO los parámetros del modelo y contrasta la significatividad de la variable
stock de capital.
Para la Comunidad Autonoma de Navarra se supone un modelo análogo:
7
Tema 2. Heterocedasticidad
PROBLEMA 6 (PV.E6)
Supongamos el modelo:
Yt = β1 + β2 X2t + β3 X3t + ut t = 1, 2, · · · , T
donde:
E(ut ) = 0 ∀t
1
E(u2t ) = 2 ∀t
X3t
E(ut , us ) = 0 ∀t 6= s
2. En el caso de que T=4, escribe la matriz de regresores, X, del modelo transformado sa-
biendo que:
t 1 2 3 4
X2t 0 1 1 2
X3t 3 0.5 1 1
PROBLEMA 7 (PV.E20)
Sea el modelo
Yi = α + βXi + ui i = 1, . . . , N
con Var(ui )=Pi2 σ 2 .
Decide cuál de los siguientes modelos está correctamente transformado para corregir este pro-
blema de heterocedasticidad y explica por qué.
(1) Pi Yi = α + βPi Xi + Pi ui
Yi α Xi ui
(2) = +β +
Pi Pi Pi Pi
Yi Xi ui
(4) =α+β +
Pi Pi Pi
8
PROBLEMA 8 (PV.E38)
El modelo de consumo:
Ct = β1 + β2 Rt + ut (1)
se ha estimado con datos anuales de la CAV desde 1965 hasta 1994. Se han realizado dos
estimaciones MCO por separado, con los diez primeros datos y con los diez últimos:
y la regresión sobre Rt :
û2t û0 û
= 64519, 0 + 0, 52Rt + v̂t R2 = 0, 71 σ̂ 2 = SCR = 1500 (3)
σ̂ 2 30
Utiliza la información que te proporcionan estas dos últimas regresiones para contrastar
la misma hipótesis nula que en el apartado a).
3. Explica cómo estimarı́as los parámetros del modelo transformado. ¿Qué propiedades tienen
tus estimadores?
9
5. El estimador MCO de los parámetros de la ecuación (4) es ineficiente. Muestra cómo
utilizarı́as este estimador para contrastar la Ho : β2 = 1 de forma tal que tu contraste sea
válido. (No olvides explicar claramente qué son cada uno de los elementos del estadı́stico
de contraste.)
6. ¿Son ambos contrastes equivalentes o preferirı́as alguno de los dos? Razona tú respuesta.
Una entidad comercial en proceso de expansión desea realizar un estudio sobre la relación entre
el sector industrial y el número de oficinas por provincia. Para ello dispone de una muestra de 50
observaciones de las variables S (número de sucursales por provincia) y L (número de licencias
comerciales, indicador de la importancia del sector comercial). Su gabinete de estudios estima
por MCO la siguiente ecuación:
Si = β1 + β2 Li + ui (5)
La representación gráfica de la variable endógena Si y de los residuos MCO del ajuste (6) sobre
la variable explicativa Li es la siguiente:
a) El responsable del gabinete de estudios se muestra insatisfecho con estos resultados. ¿Qué pro-
blemas crees que reflejan los gráficos anteriores?
El mismo responsable propone dos posibles vı́as para mejorar la estimación. La primera consiste
en estimar por MCO la siguiente ecuación:
S 1 p ui
√i = β1 √ + β2 Li + √ (7)
Li Li Li
10
b) ¿Cuál es la hipótesis básica que se debe incumplir en el modelo (5) para utilizar el modelo
(7)? ¿Cuál es la solución que está proponiendo? ¿En qué espera mejorar respecto a la
estimación MCO primera (6)?
c) A la vista de la representación gráfica de la variable √SLi y de los residuos del ajuste MCO
√ i
del modelo (7) sobre Li , ¿crees que está resolviendo correctamente el problema?
v̂i2
= 0, 053 + 0, 017 Li + êi , R2 = 0, 014 SCR = 89, 72 (10)
0, 21 (0, 09) (1, 6)
Además, tras ordenar la muestra en función de los valores de la variable L, se han estimado dos
regresiones (8) con las primeras y últimas 12 observaciones. Las sumas de cuadrados de residuos
obtenidas son SCR1 = 0, 77 y SCR2 = 0,992 respectivamente.
d) ¿Crees que el modelo (8) presenta el mismo problema de incumplimiento de hipótesis que
el modelo (5)? Justifica tu respuesta mediante un contraste. Explica detalladamente lo que
haces y por qué lo haces.
e) ¿Alguna de las dos soluciones propuestas te parece mejor que la otra? Razona tu respuesta.
11
donde se supone que ui tiene distribución normal y se conocen los datos de 10 familias:
i 1 2 3 4 5 6 7 8 9 10 Suma
Y 8 91 191 22 55 32 81 176 138 31 825
X 4 49 100 9 25 16 36 81 64 16 400
û2i X
= −0, 245 + 0, 0311Xi + ŵi ŵi2 = 1, 1473 R2 = 0, 89 (12)
48, 65
a) Usa algún método gráfico para ver si existen indicios de heterocedasticidad. Comenta los
resultados.
d) ¿Es la variable renta del cabeza de familia, X, relevante para explicar el consumo familiar,
Y?
12
PROBLEMA 12 (LE 2002.1)
Con una muestra de 15 paı́ses se desea estimar el efecto que un aumento en las cotizaciones de
la Seguridad Social tendrı́a sobre la parte de las cotizaciones a cargo de los trabajadores. La
información, correspondiente al año 1982, de las cotizaciones a la Seguridad Social (CSS) y la
parte correspondiente a los trabajadores (CSST), en ambos casos como porcentaje del total de
ingresos fiscales se presenta en las dos primeras columnas de la siguiente tabla:
CSS CSST û
Austria 31,9 13,5
Bélgica 29,8 10,1 -0,08327
Dinamarca 2,8 1,5 -2,97434
Francia 43,2 11,5
Alemania 36,2 16,1
Irlanda 15,0 5,4 -1,65393
Italia 47,2 7,1
Japón 30,4 10,7 0,38986
Luxemburgo 28,0 11,2 1,39732
Paı́ses Bajos 41,6 18,0
Portugal 28,5 10,8 0,89160
España 46,5 10,3
Suiza 31,0 10,2 -0,23700
Reino Unido 16,9 7,6 0,14433
EE.UU. 27,7 10,8 1,06076
CSSTi = β1 + β2 CSSi + ui i = 1, . . . , 15
Los resultados de la estimación del modelo anterior por MCO con la muestra de los 15 paı́ses
son los siguientes:
d i
CSST = 3, 8823 + 0, 211442 CSSi (13)
(t − estad.) (1, 69) (3, 01)
1. Fijate en la tabla, en la tercera columna se muestran los residuos MCO, ûi . Indica la
forma general de obtener ûi . A continuación completa los que faltan en la misma tabla y
en el siguiente gráfico:
2. Una vez completado el gráfico comenta si crees que puede existir algún problema razonando
tu respuesta.
13
Primera submuestra
d i = 0, 463351 + 0, 374431CSSi
CSST (14)
CSSTi 1,5
CSSi 2,8
CSSTi 13,5
CSSi 31,9
14
4. Dada la evidencia obtenida en los apartados anteriores y con la siguiente información,
estima eficientemente los coeficientes del modelo. Explica cómo se obtiene este estimador
y qué supuestos se están haciendo para que este estimador sea eficiente.
5. Con el estimador que has propuesto en el apartado anterior contrasta la hipótesis nula
de que un aumento en las cotizaciones de la Seguridad Social recaerı́a totalmente sobre
los trabajadores, esto es Ho : β2 = 1. Indica todos los supuestos necesarios para que sea
válido el contraste.
En el modelo
Yt = β1 + β2 X2t + β3 X3t + ut t = 1, . . . , T
donde
X2t y X3t son variables fijas
E(ut ) = 0 ∀t
E(u2t ) = σt2 t = 1, . . . , T
E(ut us ) = 0 ∀t, s t 6= s
1. Si σt2 no es conocida: Escribe el estadı́stico y todos sus elementos ası́ como la regla de
decisión para realizar el contraste H0 : β2 = 0 basándote en el estimador MCO de β2 .
Yi = β1 + β2 Xi + ui i = 1, . . . , N
donde Xi es no estocástica, ui ∼ N (0, σi2 ), E(ui uj ) = 0 para i 6= j y σi2 es una función creciente
con Xi .
a) ¿Qué problema existe en el modelo anterior? ¿Cómo podrı́a detectarse? Explica en detalle
el contraste que propones.
15
b) ¿Qué consecuencias tiene en P los contrastes de hipótesis sobre β1 y β2 utilizar en los es-
û2
tadı́sticos t o F el estimador Ni−2i (X 0 X)−1 ? Razona tu respuesta.
donde ûi = Yi − β̂1 − β̂2 Xi son los residuos resultantes de estimar los parámetros β1 y β2
por mı́nimos cuadrados ordinarios.
i) ¿Podrı́an dar conclusiones distintas los contrastes realizados en d) y g)? ¿Por qué?
16
PROBLEMA 15 (LE 2004.5)
Se dispone de una base de datos sobre el precio de venta y distintas caracterı́sticas de 224
viviendas pertenecientes a dos áreas residenciales del condado de Orange en California (USA),
Dove Canyon y Coto de Caza 1 . Dove Canyon es una zona de viviendas relativamente pequeñas
construidas alrededor de un campo de golf. Coto de Caza es un área de mayor nivel de vida
aunque más rural con viviendas más grandes. Las variables que se consideran son
a) Escribe el modelo teórico que se ha estimado y comenta los resultados obtenidos en térmi-
nos de bondad de ajuste, significatividad y signos de los coeficientes estimados.
d
ûi 2
= − 5, 94184 + 0, 00172457 sqfti
SCRA /224 (-10,387) (12,727)
2
N = 224 R = 0, 421826 SCR = 1478, 52
1
Fuente: Ramanathan, Ramu (2002) Introductory econometrics with applications. Fichero data7-24.gdt.
17
Figura 1: Gráfico de residuos MCO sobre la variable sqft
Residuos de la regresión (= salepric observada − ajustada)
800
600
400
200
residuo
−200
−400
−600
−800
0 50 100 150 200
index
600
400
200
residuo
−200
−400
−600
−800
3000 4000 5000 6000 7000 8000 9000 10000 11000
sqft
18
RESULTADOS B Variable dependiente: salepric
c) ¿En que varı́an los resultados mostrados ahora (RESULTADOS B) con los primeros (RE-
SULTADOS A)? ¿Por qué? ¿Cuáles son fiables y para qué? Explica razonadamente.
Por último se muestran los resultados de la estimación por Mı́nimos Cuadrados Generali-
zados o Ponderados utilizando como variable de ponderación el inverso del cuadrado del
tamaño de la vivienda esto es, sqf1 t2 .
d) ¿Qué se quiere decir con datos ponderados y datos originales? ¿Por qué se utiliza como
variable de ponderación el inverso de sqf t2 ? Explica razonadamente.
19
e) ¿Qué resultados de los tres A,B, ó C te parecen mejores? ¿Por qué?
Se desea analizar la siguiente la relación entre los gastos agregados en sanidad, Yi y la renta
agregada, Xi , ambos en billones de dólares, para 51 estados norteamericanos2 :
Yi = β1 + β2 Xi + ui (16)
Los resultados de la estimación por Mı́nimos Cuadrados Ordinarios son los siguientes:
Ŷi = 0, 3256 + 0, 1420 Xi R2 = 0, 999 (17)
d β̂i ))
(desv( (0,3197) (0,0019)
d β̂i )W hite )
(desv( (0, 2577) (0, 0031)
û2i
û0 û
= 0, 113 + 0, 008Xi + ²̂i R2 = 0, 3269 SCE = 55, 89 (18)
T
1
residuo
-1
-2
-3
-4
-5
0 100 200 300 400 500 600 700
Renta
1. Explica cómo crees que se han calculado los residuos y para qué crees que se ha dibujado
la Figura 3. Interprétala.
2
Ramanathan, R. (2002), Introductory econometrics with applications, fichero data3-2.gdt.
20
2. Teniendo en cuenta la Figura 3 realiza el contraste que consideres oportuno.
4.a) Razona la forma funcional escogida para la varianza de la perturbación. Explica cómo
crees que se han obtenido las estimaciones.
5.a) Explica detalladamente cómo estimarı́as los coeficientes del modelo (16) bajo este
supuesto.
5.b) Suponiendo σ̂i2 = â + b̂Xi . Realiza dicha estimación con la siguiente información
muestral:
P 2 P 2 P P
P ûi = 148, 699 P ûi X i = 34945, 67 P(X i /σ̂i )2 = 196420, 998
P(Xi /σ̂i 2 ) = 1608, 337
(1/σ̂i )2 = 34, 738 (Yi /σ̂i 2 ) = 236, 139 (Yi Xi /σ̂i 2 ) = 28484, 578 (Yi2 /σ̂i 2 ) = 4168, 919
6. ¿Qué comentarı́as sobre la validez de los contrastes realizados en los apartados 3), 4.b) y
5.c)?
21
PROBLEMA 17 (LE 2005.5)
En el modelo
2. Explica qué ventajas presenta este estimador frente al de Mı́nimos Cuadrados Ordinarios.
Razona tu respuesta.
Se dispone de datos anuales del consumo (Ct ) y renta (Rt ) de USA desde 1950 hasta 1985. Para
analizar la proporción de renta que se dedica al consumo se propone el modelo Ct = α+βRt +ut ,
donde ut sigue una distribución normal. Al estimar el modelo por MCO se obtienen los siguientes
resultados:
b t = 11, 374 + 0, 898 Rt
C
(1,181) (153,603)
P 2
T = 36 R̄2 = 0, 998 ût = 12044, 2
(entre paréntesis, los estadı́sticos t)
Utiliza estos resultados para contrastar si las perturbaciones del modelo considerado han
mantenido constante su dispersión. Explica claramente todos los pasos del contraste.
22
2. Asimismo, se desea contrastar la posibilidad de que la dispersión de las perturbaciones
dependa de Rt . Utiliza una de las siguientes regresiones para realizar dicho contraste.
Explica claramente todos los elementos del contraste realizado.
û2t P
(1) = 1, 345 + 0, 345Rt + 0, 581Ct + ŵt ; R2 = 0, 890; ŵt2 = 4, 515
334, 561
P
(2) ût = 7, 205 + 0, 014Rt + 0, 546ût−1 + ŵt ; R2 = 0, 329; ŵt2 = 19, 455
P
(3) û2t = −3, 305 + 0, 953Rt + ŵt ; R2 = 0, 129; ŵt2 = 9, 315
û2t P
(4) = −1, 272 + 0, 001Rt + ŵt ; R2 = 0, 189; ŵt2 = 94, 651
334, 561
3. Teniendo en cuenta que la renta ha mantenido una tendencia creciente durante los años
considerados en la muestra y los resultados obtenidos en los dos apartados anteriores, di-
buja en un gráfico el comportamiento que esperas que tengan los residuos MCO frente a Rt .
4. Suponiendo que V ar(ut ) = σ 2 Rt4 explica detalladamente cómo estimarı́as de la mejor for-
ma posible los parámetros α y β. Razona qué propiedades tiene el estimador propuesto.
Se propone el siguiente modelo de regresión para estudiar el efecto de los gastos en publicidad,
Xi , en los ingresos, Yi , de los restaurantes de una determinada ciudad:
De una muestra de 166 restaurantes, se dispone del promedio de los ingresos (en miles de euros)
y del gasto en publicidad mensual (en cientos de euros) de los restaurantes agrupados según al
barrio al que pertenecen.
Barrio 1 2 3 4 5 6 7
Yj 10 12 14 18 17 18 20
Xj 3 5 9 12 15 17 19
nj 9 4 36 16 81 4 16
23
P P
donde X j = n1j i∈Bj Xi , Y j = 1
nj i∈Bj Yi y nj indica el número de restaurantes en el barrio
Bj , j = 1, 2, . . . , 7.
1. Dado que sólo tienes la información de los promedios, ¿en qué modelo podrı́as estimar los
parámetros α y β? Indica la propiedades de las perturbaciones de dicho modelo.
2. Estima eficientemente los parámetros del modelo y describe en detalle el estimador utili-
zado y sus propiedades.
3. Contrasta si el gasto en publicidad tiene un efecto marginal positivo sobre los ingresos.
4. Sin hacer los cálculos, ¿cómo estimarı́as el modelo que has propuesto en el apartado 1
si la varianza de las perturbaciones del modelo original (20) aumenta con los gastos en
publicidad tal que Var(ui ) = σu2 Xi ?
Para analizar el precio de las viviendas (en miles de dólares) de San Diego en 1990 (Yi ) en
función del área de la vivienda (pies al cuadrado) (Ai ) y el número de habitaciones (Hi ), se
dispone de una muestra de 14 viviendas Se especifica el siguiente modelo de regresión lineal:
Yi = β1 + β2 Ai + β3 Hi + ui i = 1, . . . , 14
û2i
= −2,106 + 0,002Ai + ω̂i R2 = 0,3727 SCR = 19,294
1500,03
24
x
500
x x
50
Residuos MCO
x x
x x x x
Precio
x
300
x xx x
0
x x
x
x
x x xx xx
x x
−50
0 100
Area Area
û2i
= −0,150 + 0,001Ai + ω̂i R2 = 0,3727 SCR = 0,098
21000,44
y los gráficos:
a) Interpreta β̂2 .
d) Supón que V (ui ) = σ 2 Ai y el resultado de la estimación del modelo por MCG es:
25
Tema 3. Autocorrelación
PROBLEMA 21 (PV.E44)
En la siguiente tabla se recogen los datos de salarios (Y ) y horas trabajadas (X) para los
empleados de una empresa. Además se conoce si el empleado es hombre (H) o mujer (M ):
P 2 P
Y 170 180 165 165 105 95 100 90 P Yi = 153900 P Yi 2= 1070
X 40 50 30 40 50 35 40 35 P Xi = 320 Xi = 13150
Sexo H H H H M M M M Xi Yi = 43075
Para explicar los salarios de los trabajadores de la empresa, un investigador propone el siguiente
modelo: Yi = α + βXi + ui donde ui ∼ N ID(0, σu2 )
1. Estima por MCO los parámetros del modelo y contrasta la significatividad de la variable
X.
3. Otro investigador piensa que el sexo es una variable relevante para la determinación del
salario. Propón y estima un modelo que tenga en cuenta esta hipótesis y contrástala.
4. Teniendo en cuenta que en este modelo el estadı́stico de Durbin y Watson toma el valor
d = 2, 2 ¿hay evidencia de autocorrelación de tipo AR(1) en las perturbaciones de este
modelo? ¿Cómo se relaciona este resultado con lo obtenido en el apartado b)?
Se analiza la relación entre las ventas de un producto, (Y ) y su precio, (X) para lo cual se ha
especificado el siguiente modelo:
Yt = α + β Xt + ut (21)
t 1 2 3 4 5 6
Y 27 32 25 31 30 32
X 9 12 8 10 12 11
û -0,5 0 -1 2 -2 1,5
26
1. ¿Hay evidencia de autocorrelación de primer orden en el modelo (21)? Básate en algún
estadı́stico de contraste.
para distintos valores de ρ∗ obteniendo las siguientes Sumas de Cuadrados Residuales (SCR):
ρ∗ -0,1 -0,2 -0,3 -0,4 -0,5 -0,6 -0,7 -0,8 -0,9 -0,99
SCR 9,4 7,8 6,5 5,3 4,2 3,3 2,6 2,1 1,7 2,1
Sea el modelo Yt = α + βXt + ut con ut = ρut−1 + εt εt ∼ N ID(0, σε2 ) Con los siguientes
datos:
Yt 3 3 4 3 2 2
Xt 1 2 3 4 5 6
a) Sabiendo que el valor poblacional de ρ es 0,7, estima los parámetros α y β por el método
de Mı́nimos Cuadrados Generalizados (MCG). Muestra explı́citamente los cálculos.
Una empresa ha encargado a dos técnicos, (técnico A y técnico B), el análisis de la relación entre
los ingresos de la empresa, Y (medidos en miles de millones de pesetas), el precio de la gasolina,
X (en pesetas/litro), y el precio del transporte público, Z (en pesetas). Para ello disponen de
27
90 observaciones.
El técnico A estima por MCO y obtiene los siguientes resultados:
Ŷt = 12 + 1, 5 Xt + 0, 8 Zt DW = 1, 64 (23)
d
(desv) (0,4) (0,5)
(A1) Un aumento del precio de la gasolina de una peseta hace aumentar los ingresos de la
empresa en 1500 millones de pesetas.
(A2) Los cambios en el precio del transporte público no afectan a los ingresos de la empresa.
Ŷt = 1, 5 + 0, 1 Pt − 0, 5 Qt + 0, 7 Xt (26)
d
(desv) (0, 2) (0, 3) (0, 15) (0, 05)
R2 = 0, 87 SCR = 215
iid
a) Contrasta la significatividad de Pt , asumiendo que ut ∼ (0, σu2 ). Comenta el resultado
obtenido.
28
b) Utilizando uno de los siguientes resultados contrasta la existencia de autocorrelación de
primer orden en las perturbaciones:
t Y X
1 2 -3
2 10,2 5
3 17,9 13
4 2,3 -3
5 10 5
6 18,2 13
7 -5,7 -11
8 -14,1 -19
Sumas 40,8 0
a) Usa algún método gráfico para ver si existen indicios de autocorrelación. Comenta los
resultados.
29
d) Utilizando el resultado anterior estima los parámetros del modelo, α y β, por MCGF.
Se dispone de observaciones anuales de las variables Consumo (Ct ) y Renta (Rt ) para un paı́s.
Los datos se muestran en las primeras columnas de la siguiente tabla:
Obs. C R Cb û
1 8,547 11,0 8,0483680 0,498632
2 8,942 13,5 9,7986580 -0,856658
3 10,497 14,0 10,148716 0,348284
4 10,173 14,9 10,778820 -0,605820
5 11,997 15,1 10,918843 1,078157
6 10,729 18,0 12,949180 -2,220180
7 12,750 18,8 13,509273 -0,759273
8 15,611 19,1 13,719307 1,891693
9 13,545 21,0 15,049528 -1,504528
10 17,843 21,2 15,189551
11 21,610 34,0 24,151036
12 25,473 34,3 24,361070
13 24,434 35,0 24,851152
14 28,274 38,0 26,951500
2. Obtén el valor del estadı́stico de Durbin y Watson y realiza el contraste para el cuál
está diseñado. Indica todos los elementos del contraste incluyendo la hipótesis nula y la
alternativa.
30
3. Utilizando la siguiente información realiza el contraste de Breusch y Godfrey. Indica
todos los elementos del contraste incluyendo la hipótesis nula y la alternativa.
4. Dada la evidencia obtenida en los apartados anteriores, qué consecuencias tiene en:
a) Las propiedades para muestras finitas del estimador de los coeficientes del modelo.
Razona y demuestra tu respuesta.
b) La inferencia utilizando los estadı́sticos t mostrados en la ecuación (27). Razona tu
respuesta.
6. Considera la siguiente información y completa lo que falta, (está indicado con puntos).
ρ̂ -0,99 -0,9 -0,8 -0,7 -0,6 -0,5 -0,4 -0,3 -0,2 -0,1 0,0 0,1
SCR∗ 15,9 14,8 14,2 14,1 14,7 15,8 17,5 19,9 22,8 26,2 30,3 34,9
31
siendo
t=....
X
SCR∗ = {(Yt∗ − βˆ1 X1t
∗
− βˆ2 X2t
∗ 2
} (29)
t=....
Yt∗ = Ct − ρ̂Ct−1 ; ∗
X1t = ....................; ∗
X2t = ....................
−1
βˆ1 ..................
= .................. ..................
βˆ2
.................. .................. ..................
32
(a) Datos
5.6 .8 (b) Residuos MCO
.6
5.2
.4
4.8
.2
residuos
log(A)
4.4 .0
-.2
4.0
-.4
3.6
-.6
3.2 -.8
-2.8 -2.4 -2.0 -1.6 -1.2 -0.8 -0.4 5 10 15 20 25 30
Año
log(P)
dt ) = 6, 82 + 1, 31 ln(Pt )
ln(A SCR = 5, 620 σ̂t = 5, 066 × t (4)
d
(desv) (0, 29) (0, 12)
dt ) = 6, 09 + 0, 94 ln(Pt )
ln(A SCR = 2, 642 ût = 0, 34ût−1 + et (5)
d
(desv) (0, 24) (0, 16)
dt ) = 6, 13 + 0, 98 ln(Pt )
ln(A SCR = 2, 532 ût = 0, 36ût−1 + 0, 002ût−2 + et (6)
d
(desv) (0, 25) (0, 17)
33
PROBLEMA 29 (LE 2005.4)
Se desea estimar una función de producción tipo Cobb-Douglas para el sector agrı́cola y ganadero
en los Estados Unidos. Para ello se dispone de una base3 de datos anuales para el periodo de
1948 a 1993 sobre los siguientes ı́ndices con base en el año 1982:
Yt = β1 + β2 Lt + β3 EXt + β4 Kt + ut (31)
Los resultados de la estimación por Mı́nimos Cuadrados Ordinarios son los siguientes:
1. Explica cómo crees que se han calculado los residuos y para qué se ha dibujado la Figura
4. Interpreta el gráfico y comenta si hay evidencia de algún problema.
2. Realiza los contrastes de autocorrelación que consideres oportunos utilizando toda la in-
formación ofrecida. Explica detalladamente.
3
Rammanathan, R. (2002), Introductory econometrics with applications, data 9-5.gdt
34
Figura 4: Residuos MCO Modelo 1
0.06
0.04
0.02
0
residuo
-0.02
-0.04
-0.06
-0.08
-0.1
1950 1955 1960 1965 1970 1975 1980 1985 1990
A la vista de los resultados de la estimación del modelo (3) el investigador estima de nuevo
la función de producción por el método de Hildreth y Lu. Los resultados utilizando el
programa GRETL son los siguientes:
4. Explica razonadamente qué muestra la Figura 5. ¿Qué quiere decir que la SCR sea mı́nima
para rho = 0,35?
35
Figura 5: Hildreth-Lu. La SCR es mı́nima para rho = 0,35
0.2
0.18
0.16
0.14
SCR
0.12
0.1
0.08
0.06
-1 -0.5 0 0.5 1
rho
Contrasta la hipótesis nula H0 : β3 = 2β4 . Explica todos los elementos del contraste.
36
Tema 4. Regresores Estocásticos
PROBLEMA 30 (PV.G18)
Qt = βPt + ut
donde ut ∼ iid(0, 0,0921). Dado que el precio Pt se determina simultáneamente con la cantidad
Qt , se sospecha que Pt pueda estar correlacionada con ut . Se dispone de datos de un ı́ndice de
costes de almacenamiento, St , que se determina exógenamente, por lo que se considera indepen-
diente de ut .
PROBLEMA 31 (PV.G22)
Se dispone de observaciones de otra variable, Xt∗ que puede aproximarse a Xt , esto es:
1. Demostrar que si se utiliza Xt∗ en lugar de Xt , para estimar β por MCO en el modelo:
Yt = βXt∗ + vt t = 1, ..., T
37
PROBLEMA 32 (LE 1998.6)
1. Como consecuencia de la ocultación de datos por parte de las empresas, se observa que
la variable “gastos en publicidad” utilizada en (35), es solamente una aproximación de
los verdaderos gastos de publicidad, A∗ esto es, At = A∗t + ²t ²t ∼ iid(0, σ²2 ), ²t y ut
independientes. Por esta razón, la estimación Mı́nimo Cuadrática del modelo viene dado
por:
Vbt = 25727 − 0, 96 Pt + 1, 36 At (35)
(9871) (0, 33) (0, 4)
A partir de una muestra de 52 observaciones se han obtenido los siguientes productos cruzados:
Yt X1t X2t Zt
Yt 100 80 -60 60
X1t 100 -40 -10
X2t 80 50
Zt 40
38
P
por ejemplo X1t X2t = −40
2. Siendo Zt el instrumento para X1t , estima los parámetros β1 y β2 del modelo utilizando
el método de variables instrumentales.
Como conclusión del resultado del contraste ¿cuál es el método adecuado para estimar el
modelo (7)? ¿Qué propiedades tienen dichos estimadores?
y se sabe que X1t se determina con Yt ya que X1t = Yt + X2t donde E(X2t ut ) = 0 ∀t.
Si se dispone de una muestra de 60 observaciones donde se han obtenido los siguientes productos
cruzados:
Yt X1t X2t
Yt 100 40 -60
X1t 80 40
X2t 100
P
por ejemplo Yt X2t = −60.
39
f) Si el investigador ignorara que X1t = Yt + X2t , ¿Cómo podrı́a darse cuenta de que
E(X1t ut ) 6= 0? Explica y realiza el contraste. Suponer que σ 2 = 1.
1. Escribe el modelo adecuado y explica con claridad el método de estimación a utilizar y las
razones que te llevan a elegirlo.
Se quiere estimar el modelo Yt = βXt + ut y se sospecha que puede haber factores no observables
recogidos en ut que estén correlacionados con Xt .
1. Si esta sospecha fuese cierta, ¿qué implicaciones tendrı́a en las propiedades del estimador
de β por MCO? Razona formalmente la respuesta.
2. ¿Bajo qué condiciones Xt−1 serı́a un buen instrumento para Xt a la hora de obtener un
estimador de β por variables instrumentales? Razona formalmente la respuesta.
Se dispone de una muestra de 60 observaciones donde se han obtenido los siguientes pro-
ductos cruzados:
Yt Xt Xt−1
Yt 50 20 -30
Xt 40 20
Xt−1 50
P
por ejemplo Yt Xt−1 = −30.
40
P
4. ¿Qué hubiera ocurrido si Xt Xt−1 = 0?
Yt = β1 + β2 Xt + ut t = 1, 2, . . . , T (39)
Como conclusión del resultado del contraste ¿cuál es el método adecuado para estimar el
modelo (39)? ¿Qué propiedades tienen dichos estimadores?
En el modelo:
41
1. Enuncia el teorema de Mann y Wald aplicándolo a la ecuación (41). Recuerda que tienes
que incluir las condiciones para que sea aplicable e indica claramente qué resultados
produce. Demuestra las implicaciones que tiene este teorema para el estimador de MCO
de los parámetros del modelo.
2. En la ecuación (41) indica cómo contrastarı́as la hipótesis de significatividad conjunta de
los regresores. Escribe la hipótesis nula, la alternativa, el estadı́stico de contraste y su
distribución, ası́ como la regla de decisión. Indica claramente cómo se obtienen cada uno
de los elementos del estadı́stico de contraste.
t 1 2 3 4 5 6 Suma
Yt 5,0 4,0 3,5 4,0 4,5 5,0 26,0
Xt∗ 6,0 7,0 6,0 7,0 8,0 8,0 42,0
a) ¿Qué ocurre si la variable Xt∗ es una variable medida con error, donde Xt∗ = Xt + εt ?
(Ayuda: partiendo del modelo Yt = β1 + β2 Xt + wt , Xt serı́a una variable no observable y
wt y εt son perturbaciones independientes).
b) Si sólo se sospecha que Xt∗ está medida con error, ¿cómo contrastarı́as si el estimador
MCO es consistente? Realiza el contraste sabiendo que la correlación entre Xt∗ y Xt−1
∗ es
∗
0,429 y que Xt−1 no está correlacionada con ut .
c) Suponiendo que de b) deduces que el estimador MCO es inconsistente, contrasta (no tengas
en cuenta que T es pequeño) si la variable Xt∗ es significativa.
En el modelo
Yt = β1 + β2 X2t + β3 X3t + ut ut ∼ iid(0, σ 2 )
donde X2t es una variable fija y X3t es una variable estocástica .
Denotamos por β al vector de parámetros desconocidos.
42
4. Si X3t es estocástica pero se satisface el Teorema de Mann y Wald ¿podemos hacer infe-
rencia sobre β a pesar de no conocer la distribución de ut ? Razona tu respuesta.
P P
donde por ejemplo Y1t X1t = −60 y Y1t2 = 100
5. Dado el resultado del contraste del apartado anterior, ¿qué estimador es preferible en este
caso? ¿ Por qué?
Supón que el ahorro de una persona depende de su renta permanente mediante la relación:
Yi = α + βRi + vi (44)
43
donde Yi es el ahorro anual y Ri es la renta permanente anual de un trabajador. No es posible
observar la renta permanente R, por lo que el modelo de regresión a estimar es:
Yi = α + βXi + ui (45)
siendo Xi la renta anual de un trabajador, que se utiliza como aproximación a R. Los resultados
de la estimación MCO con datos de 50 individuos en el año 1999 son:
µ ¶ µ ¶ µ ¶
α̂ 4, 34 2 0 −1 0, 7165 −0, 009
= σ̂M CO (X X) = 1, 023 ×
β̂ M CO −0, 856 0, 0001
i) La teorı́a económica mantiene que la relación renta permanente-ahorro es positiva. Sin em-
bargo, la estimación MCO de la pendiente β es negativa. ¿Crees que pueda existir algún
problema que dé lugar a esta aparente contradicción? Razona tu respuesta.
µ ¶ µ ¶ µ ¶
α̃ 0, 988 1, 7088 −0, 0223
= σ̃V2 I (Z 0 X)−1 Z 0 Z(X 0 Z)−1 = 1, 3595 ×
β̃ VI
0, 039 0, 0003
iii) Realiza el contraste de Hausman. Relaciona estos nuevos resultados con tu respuesta del
apartado i).
Yi = β1 + β2 EDUi + wi i = 1, ..., N
donde Yi y EDUi son las ganancias salariales anuales (en decenas de miles de euros) y el nivel
de educación de un individuo respectivamente. Además E(EDUi wi ) = 0 para todo i y wi es un
ruido blanco.
Se dispone de una muestra de 1000 individuos. Sin embargo, se mide el nivel de educación a través
de la variable observada, años de estudio, Si , que está medida con error, tal que Si = EDUi + εi
donde εi es un ruido blanco independiente de EDUi y de wi .
44
Utilizando el método de Mı́nimos Cuadrados Ordinarios (MCO) en base a la información mues-
tral disponible, se han obtenido los siguientes resultados:
Disponemos de una variable adicional Pi , que mide los años de educación del padre de ese
individuo i. Para la muestra de 1000 individuos se tiene la siguiente información:
P P P P 2
i Yi = 2988, 232 i Si = 16707 i Yi Si = 50071, 6 i Si = 283539
P P P P 2
i Pi = 14343 i Yi Pi = 42914, 7 i Pi Si = 240466 i Pi = 206469
P 2
i Yi = 9028, 9
h) Indica de manera razonada cuál de los dos estimadores elegirı́as teniendo en cuenta el
resultado del contraste de Hausman.
45
PROBLEMA 44 (LE 2004.3)
P 2
P P P 2
P P 2
t y2t = 42 t y1t y2t =5 t y2t Xt = 12 t Xt = 10 t Xt y1t =3 t y1t = 11
donde Yt , X1t y X2t representan la tasa de crecimiento del consumo, el tipo de interés y la
inflación en el periodo t respectivamente. Se supone que ut ∼ iid(0, σ 2 ). La variable X1t se
supone no estocástica, pero la inflación, al estar determinada por la demanda de consumo, se
46
considera estocástica. Se dispone a su vez de información sobre la tasa de crecimiento de los
costes de producción, Pt , que se considera no estocástica.
100 -14 -16 0,012 -0,030 0,059
0
ZZ= -14 95 -15 0 −1 0 0 −1 0
(X Z) Z Z[(X Z) ] = 0,002 0,008 -0,010
-16 -15 155 -0,006 -0,033 0,142
Si Z es la matriz de instrumentos, estima el modelo por variables instrumentales. Escribe
la matriz Z y el instrumento que se utiliza, argumentando por qué se elige dicho instru-
mento. ¿Qué propiedades tiene este estimador?
P 2
3. Si además ût,V I = 2,037, ¿cómo podrı́as contrastar si el estimador MCO es consistente?
Explica y realiza el contraste. De acuerdo con este contraste, ¿qué método de estimación
elegirı́as?¿Por qué?
Se quiere analizar si la volatilidad de las acciones del BBVA (X1t ) afecta a su rendimiento (Yt ).
Para ello se propone el siguiente modelo:
Yt = β0 + β1 X1t + β2 X2t + ut t = 1, 2, ..., 100
donde ut ∼ iid(0, σ 2 ) y X2t es el tipo de interés de las letras del tesoro a un año. Un investigador
estima el modelo por MCO obteniéndose el siguiente resultado:
Ŷt = 0, 7 − 0, 3X1t − 0, 1X2t (49)
con
0, 31 0, 12 −0, 15
Vd
ar(β̂) = σ̂ 2 (X 0 X)−1 = 0, 17 0, 12 0, 31 0, 07
−0, 15 0, 07 0, 13
47
1. Contrasta si la volatilidad afecta al rendimiento de las acciones del BBVA.
2. Otro investigador considera que, aunque X2t puede considerarse una variable no estocásti-
ca, la volatilidad está determinada por los mismos factores que afectan al rendimiento y,
por lo tanto, ut y X1t estarán correlacionados. ¿Qué implicaciones tendrı́a este hecho en
la estimación por MCO del modelo en la ecuación (49)?
3. Este segundo investigador decide estimar el modelo por VI utilizando como instrumento
la volatilidad del Ibex35, obteniendo los siguientes resultados:
con
0, 41 0, 23 −0, 25
Vd
ar(β̂V I ) = 0, 21 0, 23 0, 33 0, 09
−0, 25 0, 09 0, 16
Explica detalladamente cómo se han obtenido las estimaciones de β0 , β1 y β2 y comenta
las propiedades de estos estimadores. ¿Qué condiciones tiene que cumplir la volatilidad del
Ibex35 para que sirva como instrumento?
5. Contrasta, utilizando los resultados obtenidos mediante VI, si la volatilidad afecta al ren-
dimiento de las acciones del BBVA.
6. Realiza algún contraste para comprobar cuál de los investigadores está actuando mejor a
la hora de estimar y contrastar la hipótesis de interés. Explica detalladamente tus conclu-
siones.
48
Tema 5. Modelos Dinámicos
PROBLEMA 47 (PV.E42)
Se quiere estudiar la dependencia de la bolsa de Madrid de las bolsas de Nueva York y Londres.
Para ello se define el siguiente modelo
Md
ADt = 0, 0095 + 0, 4990 LONt−1 + 0, 1800 N Yt−1 DW = 0, 82 R2 = 0, 88 (51)
(Desv. tipicas →) (0, 0032) (0, 1200) (0, 1900)
Posteriormente se añade la variable explicativa M ADt−1 al modelo y se estima con los mismos
datos obteniendo:
M ADt = 0, 0031 + 0, 1910 M ADt−1 + 0, 8400 LONt−1 + 0, 0600 N Yt−1 + v̂t (52)
(0, 0012) (0, 0800) (0, 2460) (0, 0120)
con DW = 1, 9 y
4. A la vista de los resultados de 2) y 3) ¿qué puedes afirmar sobre la validez de los modelos
(51) y (52)?
Yt = β1 Yt−1 + β2 Xt + ut (53)
49
Los tres investigadores no se ponen de acuerdo sobre el método de estimación adecuado, por lo
que deciden presentar tres estimaciones alternativas:
µ ¶ µ P 2 P ¶−1 µ P ¶
β̂1 P Yt−1 PYt−1 Xt P Yt−1 Yt
= (54)
β̂2 Yt−1 Xt Xt2 Xt Yt
µ ¶ µ ¶µ ¶
0, 831371 0, 00046 −0, 00134 4442, 139
= (55)
0, 882068 −0, 00134 0, 0076 903, 487
µ ¶ µ P P ¶−1 µ P ¶
β̂1 P Xt−1 Yt−1 Xt−1
P 2 Xt P Xt−1 Y t
= (56)
β̂2 Xt Yt−1 Xt Xt Yt
µ ¶ µ ¶µ ¶
0, 770343 0, 003809 −0, 00291 0, 770343
= (57)
1, 060368 −0, 01112 0, 012178 903, 0487
donde además BG = 27, 66 SCR = 165, 5112
µ ¶ µ P ∗2 P ∗ ∗
¶−1 µ P ∗ ∗
¶
β̂1 P ∗Y t−1 Y
P ∗2
t−1 Xt Y
P ∗ ∗
t−1 Y t
= (58)
β̂2 Yt−1 Xt∗ Xt Xt Y t
µ ¶ µ ¶µ ¶
0, 775642 0, 001035 −0, 00117 1014, 806
= (59)
1, 090742 −0, 00117 0, 00938 245, 7676
P
∗ ût ût−1
ρ = P 2 = 0, 5387823 (60)
ût−1
donde además ût = Y − X β̂V I BG = 0, 27 SCR = 118, 0408
50
5. ¿Qué método de estimación está utilizando? Razónalo.
6. A la vista de lo comentado en los apartados anteriores, ¿qué investigador ha utilizado el
mejor estimador? Razona tu respuesta.
ût = − 0, 01 − 0, 003 X2t − 0, 004 X3t + 0, 004 X4t + 0, 62 ût−1 − 0, 007 ût−2
d
(desv) (0, 09) (0, 008) (0, 012) (0, 004) (0, 09) (0, 107)
51
1. En base a los resultados del modelo (61), ¿crees que en dicho modelo se verifican las
hipótesis básicas? Realiza los contrastes que creas necesarios para justificar tu respuesta.
2. Razona cuáles son las propiedades del estimador MCO en el modelo (61).
3. En base a los resultados del modelo (62), ¿crees que en dicho modelo se verifican las
hipótesis básicas? Realiza los contrastes que creas necesarios para justificar tu respuesta.
Razona tú respuesta.
4. Razona cuáles son las propiedades del estimador MCO en el modelo (62).
Se quiere analizar la relación entre inflación (Yt ) y tipos de interés (Xt ) para lo que se dispone
de 100 observaciones mensuales. Para ello se especifica el siguiente modelo
Yt = β0 + β1 Xt + ut
donde se considera que Xt es una variable no estocástica. Se estima por MCO y se obtiene
-5
-10
10 30 50 70 90 t
52
a) Comenta el gráfico de los residuos, señalando si encuentras alguna evidencia contra el
cumplimiento de alguna hipótesis básica.
b) Con los siguientes resultados sobre los residuos contrasta la existencia de autocorrelación
de tipo AR(1) en las perturbaciones.
100
X 100
X 100
X
û2t = 739, 3073 , (ût − ût−1 )2 = 194, 3556 , ût ût−1 = 632, 2639
t=1 t=2 t=2
c) Se piensa que la dispersión en la inflación es menor en los últimos años. Contrasta dicha
hipótesis utilizando las dos regresiones siguientes que se han realizado separadamente con
los 32 primeros y con los 32 últimos datos:
d) De acuerdo con tus resultados en b) y c) comenta las propiedades del estimador MCO de
los coeficientes en (63).
e) Otro investigador opina que un modelo adecuado para explicar la relación entre tipos de
interés e inflación deberı́a tener en cuenta el dinamismo existente en esta última, por lo
que decide incluir la inflación en el mes anterior como regresor, obteniendo por MCO el
siguiente modelo estimado,
R2 = 0, 91 , DW = 1, 70
f) De acuerdo con lo obtenido en el apartado e), comenta las propiedades de los estimadores
por MCO en la ecuación (64). ¿Cambian en algo tus conclusiones del apartado d)?
53
PROBLEMA 51 (LADE 2002.6)
De la macroeconomı́a básica se sabe que los cambios en la oferta monetaria inducen cambios
en los tipos de interés. Sin embargo, uno esperarı́a que los cambios se produjeran a lo largo de
varios periodos de tiempo. Supongamos que otras variables, como el gasto público, no afectan
significativamente a los tipos de interés. En el siguiente modelo, para datos trimestrales, se
supone un efecto distribuido a lo largo de cinco periodos:
a) Se ha estimado el modelo mediante MCO con 100 datos, obteniendo unos residuos cuyo
coeficiente de autocorrelación muestral de primer orden ha tomado el valor ρ̂ = 0, 75. Te-
niendo en cuenta este valor, contrasta la existencia de autocorrelación de tipo AR(1) en
las perturbaciones del modelo.
c) Si te piden que contrastes la hipótesis de que los cambios en la oferta monetaria no afectan
al tipo de interés, ¿cómo lo harı́as?
Con datos anuales desde 1948 hasta 1989 se ha estimado la siguiente función de consumo para
el Reino Unido:
Ct = β1 + β2 RDt + ut (65)
donde C es el consumo per cápita y RD es la renta disponible per cápita (en libras). Ambas
variables están medidas en términos reales. Los resultados de la estimación han sido:
Variable dependiente: C
54
Figura 7: Gráfico de residuos del modelo (65)
250
200
150
100
50
residuo
−50
−100
−150
−200
1950 1955 1960 1965 1970 1975 1980 1985 1990
b) Después de analizar los resultados el investigador cree que este modelo puede estar incorrectamente
especificado. ¿Cuál puede ser la razón de esta afirmación? Utilizando los resultados de la estimación
y el gráfico, repite los pasos que ha realizado para llegar a esta conclusión.
A continuación, considera dos re-especificaciones para la función de consumo. La primera propuesta junto
con los resultados de la estimación son:
Variable dependiente: C
55
Figura 8: Gráficos de residuos del modelo (66)
80 80
60 60
40 40
20 20
residuo
residuo
0
0
−20
−20
−40
−40
−60
−60
−80
−80 2000 2500 3000 3500 4000 4500 5000
1950 1955 1960 1965 1970 1975 1980 1985 1990
Renta Disponible
d) Analiza los resultados de la estimación del modelo (66). Dada la evidencia encontrada, explica
cuáles son las consecuencias sobre el estimador MCO de los coeficientes y si son fiables las desvia-
ciones tı́picas mostradas.
56
Figura 9: Gráficos de residuos del modelo (67)
0.02 0.02
0.015 0.015
0.01 0.01
0.005 0.005
residuo
residuo
0
0
−0.005
−0.005
−0.01
−0.01
−0.015
−0.015
−0.02
−0.02 7.6 7.8 8 8.2 8.4
1950 1955 1960 1965 1970 1975 1980 1985 1990
ln(Renta disponible)
f) Analiza los resultados de la estimación del modelo (67). ¿Re-estimarı́as los parámetros del modelo?
Justifica tu respuesta.
g) ¿Qué modelo te parece mejor para explicar el comportamiento del consumo? ¿Por qué? Justifica
tu respuesta.
h) ¿Qué contraste ha realizado para llegar a esta conclusión? Utilizando los resultados de la esti-
mación del modelo 5, repite los pasos que ha realizado para llegar a esta conclusión. Supón que
vt ∼ N ID(0, σv2 ).
57
t Yt Xt ût,M CO
1 8,5 11
2 8,9 13
3 16 14
4 7,8 14,9
5 16,4 15,1 0,625
6 7,9 18 -1,864
7 18 18,8 1,304
8 8 19,1 -0,797
.. .. .. ..
. . . .
1. Utilizando las observaciones muestrales de la tabla anterior obtén los residuos de MCO iniciales.
Analiza gráficamente la posible presencia de autocorrelación de primer orden en las perturbaciones.
Explica detalladamente cómo contrastarı́as formalmente este supuesto.
-1
residuos
-2
-3
-4
-5
-6
1980
2. En el caso de rechazar la hipótesis nula del apartado anterior y suponiendo que las perturbaciones
siguen un AR(1), es decir, ut = ρut−1 +²t ²t ∼ iid(0, σ²2 ), demuestra las propiedades del estimador
MCO de los parámetros de la relación (1).
58
0,103060 -0,000948 -0,001003
(X 0 X)−1 = -0,000948 0,000019 -0,000015
-0,001003 -0,000015 0,000103
-0,233 0,203 -0,207 -0,233 -0,0062 0,033
0
(Z X) −1
= -0,0062 0,0032 -0,0032 0
(X Z) −1
= 0,203 0,0032 -0,021
0,033 -0,021 0,021 -0,207 -0,0032 0,021
6. Con la información anterior, ¿se puede estimar los parámetros de la relación (1) mejorando las
propiedades del estimador de VI? Describe el método que propones y sustituye los sumatorios an-
teriores en la fórmula del estimador correspondiente. (No debes calcular las estimaciones.)
7. ¿Cómo contrastarı́as la hipótesis nula H0 : β2 = 1? Detalla explı́citamente todos los elementos que
intervienen en dicho contraste.
El dueño de una editorial propone explicar sus ventas de libros a través del modelo:
donde Vt denota las ventas, Pt , el precio medio de los libros y Gt , los gastos realizados en publicidad. Las
variables Pt y Gt se consideran no estocásticas. Estimado el modelo por MCO se obtiene:
59
Su hijo piensa que la estimación del modelo anterior por MCO no es la más adecuada. Por tanto, decide
realizar la siguiente regresión auxiliar:
y utilizar sus resultados para estimar el modelo (69) mediante el método de Variables Instrumentales. El
resultado de dicha estimación aparece a continuación:
1. Explica por qué se ha utilizado la regresión auxiliar (71) para obtener los estimadores de Varia-
bles Instrumentales del modelo estimado (72). Escribe las expresiones del estimador de variables
instrumentales y del estimador de su matriz de varianzas y covarianzas para este modelo concreto,
detallando cada matriz utilizada.
3. Dado el resultado del apartado anterior, ¿puedes hacer algún comentario sobre el cumplimiento de
las hipótesis básicas de las perturbaciones del modelo? Razona la respuesta.
60
EXÁMENES de los cursos 2006/2007 a 2009/2010
Una empresa familiar dedicada al arreglo de coches siniestrados, encarga a una gestorı́a un estudio sobre
la relación existente entre el número de trabajadores, L, y los beneficios anuales obtenidos (medidos en
miles de euros), M , durante los últimos 46 años. El gestor le propone la siguiente relación:
Mt = α1 + α2 Lt + ut t = 1, . . . , T (1)
donde supone que la variable Lt es no estocástica y la perturbación sigue una distribución normal de
media cero. Los resultados de la estimación MCO son los siguientes:
ct
M = 7, 4408 − 0, 6310 Lt R2 = 0, 968 DW = 1, 333 t = 1, . . . , 46 (2)
d β̂i ))
(desv( (0,0843) (0,0170)
4.6 0.06
4.5 0.04
4.4 0.02
residuo
M
4.3 0
4.2 -0.02
4.1 -0.04
4 -0.06
3.9 -0.08
3.8 -0.1
0 5 10 15 20 25 30 35 40 45 0 5 10 15 20 25 30 35 40 45
û2t
(û0 û/46) = 0, 1740 + 0, 0351 t + ξˆ2t SCR = 60, 5979 R2 = 0, 1418 (B)
ût
(û0 û/46) = 0, 2232 − 0, 3517 t + 2, 4571Lt + ξˆ3t SCR = 36, 3244 R2 = 0, 2187 (C)
2. Comenta los gráficos. ¿Crees que el modelo (1) cumple todas las hipótesis básicas?
61
3. Basándote en la información proporcionada, ¿qué supuestos sobre la perturbación podrı́as contras-
tar? Realiza los posibles contrastes indicando todos los elementos necesarios.
No satisfecho con los resultados el gestor procede a estimar el siguiente modelo alternativo:
Mt = β1 + β2 Lt + β3 L2t + vt t = 1, . . . , T (3)
62
Media de la var. dependiente -8,41529e-05 R2 0,0374139
D.T. de la variable dependiente 0,0400752 R̄2 corregido -0,0330193
Suma de cuadrados de los residuos 0,0680212 F(3,41) 0,531197
Desviación tı́pica de los residuos (σ̂) 0,0407315 Estadı́stico de Durbin–Watson 1,97476
ii. ¿A qué se debe la contradicción que se obtiene entre los Apartados 3 y 5.i?
6. A la vista de los resultados obtenidos en la estimación del modelo (3), ¿cuáles son las consecuencias
sobre el estimador de MCO y las desviaciones estimadas mostradas?
Otro de los socios de la gestorı́a presenta los siguientes resultados obtenidos empleando otro estimador
alternativo.
7. Escribe la función de regresión poblacional que se está estimando e indica cuáles son los supuestos
sobre la perturbación que se han asumido. ¿Cuál es el método de estimación que se está empleando?
Escribe la fórmula matricial del estimador y cada uno de sus componentes.
Se dispone de 62 observaciones sobre las siguientes caracterı́sticas de los terremotos registrados en Alaska
durante el periodo 1969-19784 :
4
Fuente: Fuller, W.A. (1987). Measurement Error Models. Wiley, New York.
63
Yt El logaritmo de la amplitud de onda en metros por segundo, (m/sg).
Xt∗ El logaritmo de la amplitud del cuerpo longitudinal de la onda en m/sg.
Wt El logaritmo de la traza máxima de amplitud de onda a corta distancia en m/sg.
Se quiere estimar cuál es el efecto sobre Yt de la velocidad de amplitud del cuerpo de la onda de un
terremoto, Xt , mediante el modelo:
· ¸−1
2, 118 −0, 403
(X 0 X)−1 =
−0, 403 0, 077
ut =
E(ut ) =
V ar(ut ) =
Cov(ut , us ) =
E(Xt∗ ut ) =
El modelo anterior ha sido reestimado por variables instrumentales (VI). Para ello se ha utilizado como
instrumento para el regresor Xt∗ a la variable Wt , cuya medición se puede realizar con exactitud. Se han
obtenido los siguientes resultados.
64
4. Escribe explı́citamente las condiciones necesarias para que el estimador de VI sea consistente.
6. Contrasta la hipótesis de que, en media, la amplitud del cuerpo longitudinal de la onda recogida
en un sismógrafo no es relevante sobre la amplitud de la onda.
El Departamento de Sanidad de E.E.U.U. quiere estudiar la relación entre el gasto sanitario agregado
en billones de dólares (exphlth), la renta personal disponible agregada también en billones de dólares
(income), el porcentaje de población que supera los 65 años en el año 2005 (seniors) y la población
en millones (pop). Para ello encarga un estudio a dos becarios de la facultad de Económicas de Harvard
poniendo a su disposición datos de 2005 para dichas variables sobre 51 estados americanos y los siguientes
resultados5 :
El becario A supone que las variables income, seniors y pop son no estocásticas, que la perturbación
sigue una distribución normal y concluye que tanto la renta como el porcentaje de población mayor de 65
años son variables individualmente significativas para explicar el gasto sanitario y presenta los siguientes
resultados:
5
Fuente: Ramanathan, Ramu (2002): Introductory Econometrics with Applications, fichero data8-3.gdt.
65
residuos MCO versus pop Residuos de la regresión (= exphlth observada − ajustada)
5 4
4 3
3
2
2
1
1
0
residuo
residuo
0
−1
-1
−2
-2
−3
-3
-4 −4
-5 −5
0 5 10 15 20 25 30 0 10 20 30 40 50
pop index
1. ¿Qué modelo está estimando el becario A? Analiza la información proporcionada en los gráficos y
realiza los contrastes que consideres oportunos.
2. ¿Qué supuestos está realizando sobre la media, varianza y covarianzas de la perturbación?, ¿qué méto-
do de estimación está utilizando?
3. ¿Estás de acuerdo con sus conclusiones sobre la significatividad individual de las variables? Realiza
los contrastes que creas oportunos para justificar tus argumentos.
Al mismo tiempo el becario B, que también supone que las variables income, seniors y pop son no
estocásticas y que la perturbación sigue una distribución normal llega a las mismas conclusiones sobre la
significatividad individual de las variables. Presenta los resultados siguientes:
66
Modelo becario B: estimaciones MC.Ponderados utilizando las 51 observaciones 1-51
Variable dependiente: exphlth
1
Variable utilizada como ponderación:
pop2
4. ¿Qué modelo está estimando el becario B?, ¿qué supuesto está realizando sobre la varianza de la
perturbación?, ¿qué método de estimación está utilizando?
5. ¿Estás de acuerdo con sus conclusiones sobre la significatividad individual de las variables? Realiza
los contrastes que creas oportunos para justificar tus argumentos.
Un agricultor quiere conocer la relación que existe entre la cantidad de fresas recolectadas en sus tierras,
Q, medida en kilogramos, y el número de jornaleros contratados, L. Para ello encarga un estudio sobre
la relación entre ambas variables a un económetra, quien especifica el siguiente modelo:
donde Lt es no estocástica y ut sigue una distribución normal. La estimación MCO presenta los siguientes
resultados:
bt
Q = 1115, 93 − 2, 4462 Lt R2 = 0, 8594 DW = 0, 3210 T = 35 (2)
(estad-t) (36,62) (-14,20)
Además se dispone de las siguientes regresiones, donde ût son los residuos obtenidos de (2):
67
ût = 31, 25 − 0, 1814Lt + 0, 8958ût−1 + ζ̂1t SCR = 26981, 8 R2 = 0, 7041 (A)
û2t
(û0 û/35) = 0, 4432 + 2, 2378Lt + ζ̂3t SCR = 70, 4985 R2 = 0, 0427 (C)
û2t
(û0 û/35) = 1, 7899 + 0, 9955ût−1 + ζ̂4t SCR = 55, 2297 R2 = 0, 0577 (D)
900
100
800
50
residuo
Q
700
600
-50
500
400 -100
1970 1975 1980 1985 1990 1995 2000 1970 1975 1980 1985 1990 1995 2000
1. ¿La muestra se compone de datos de sección cruzada o datos temporales?, ¿por qué?
3. Comenta el gráfico que representa los valores reales y los ajustados de la variable endógena. ¿Crees
que se trata de un buen ajuste? Comenta el gráfico de los residuos. A la vista de ambos gráficos,
¿crees que el modelo cumple todas las hipótesis básicas?
5. Dada la evidencia encontrada explica cuáles son las consecuencias sobre el estimador MCO de los
coeficientes y la fiabilidad de los estadı́sticos mostrados.
A la vista de los resultados obtenidos en los contrastes anteriores el económetra estima la relación (1)
empleando otro estimador que cree más adecuado al contexto. Los resultados que obtiene son los siguien-
tes:
68
Variable Coeficiente Desv. tı́pica Estadı́stico t valor p
const 1456,54 186,561 7,8073 0,0000
L 2,74197 1,13652 2,4126 0,0217
6. ¿Qué método de estimación se está empleando? Especifica detalladamente todos los pasos que se
han de llevar a cabo para obtener todas las estimaciones anteriores. ¿Por qué es más adecuado que
el anterior? Razona tu respuesta basándote en las propiedades del estimador.
En una conversación con el agricultor, éste le comenta que en general a una buena cosecha, le suceden
buenas cosechas y que cuando se obtiene una mala cosecha es muy probable que las siguientes sean malas
también. Esto hace reflexionar al económetra porque pudiera ser que la cantidad de fresas recogidas en
la temporada anterior influyera en la cosecha actual. En base a su sospecha el económetra especifica y
estima el siguiente modelo:
Qt = α1 + α2 Lt + α3 Qt−1 + wt (3)
Resultados de la estimación:
ŵt = −255, 47 + 0, 579406Lt + 0, 231059Qt−1 − 0, 804475ŵt−1 + η̂3t SCR = 10958, 4 R2 = 0, 4869 (G)
ŵt2
(ŵ0 ŵ/34) = 0, 4432 + 2, 2378Lt + η̂4t SCR = 77, 8328 R2 = 0, 05665 (H)
ŵt
(ŵ0 ŵ/34) = 3, 9229 + 2, 2552ŵt−1 + 0, 3463Qt−1 + η̂5t SCR = 50, 0805 R2 = 0, 0064 (I)
7. Realiza los contrastes que creas oportunos y calcula o razona las siguientes igualdades:
E(wt ) =
E(wt2 ) =
69
Cov(wt , ws ) =
E(Lt wt ) =
E(Qt−1 wt ) =
E(β̂M CO ) =
8. ¿Qué puedes decir sobre el Teorema de Mann y Wald y la consistencia de estimador MCO?
9. Para poder comprobar que la cosecha de la temporada anterior es un factor que determina la
cosecha actual se ha obtenido la siguiente estimación consistente, asintóticamente eficiente y
válida para hacer inferencia del modelo (3):
Qt − ρ̂Qt−1 = 25, 28 (1 − ρ̂) + 0, 064 (Lt − ρ̂Lt−1 ) + 1, 067 (Qt−1 − ρ̂Qt−2 ) + ²̂t (4)
d α̂i )) | {z } (0,125) | {z } (0,048)
(desv( Xt∗ L∗
| {z } t
Qt∗
R2 = 0, 981 DW = 1, 98
siendo ²t es un ruido blanco tal que ²t = wt − ρwt−1 y wt son las perturbaciones del modelo (3).
a) ²t ∼ ( , )
b)
−1
α̂1 ............ ............ ............
25, 28 ............
α̂2 ............ ............ ............
= 0, 064 ............
=
α̂3 ............ ............ ............
1, 067 ............
.........
c) ¿Cuál es el estimador consistente de ρ empleado? Describe todos los elementos y las condiciones
que te garantizan la consistencia del parámetro ρ estimado.
d) ¿Es cierto que la cosecha de la temporada anterior es un factor que determina la cosecha actual?
¿Qué implicaciones tiene el resultado?
Una consultora americana tiene firmado un contrato para realizar un estudio sobre la relación entre el
número de patentes y los gastos en Investigación y Desarrollo (RD) en Estados Unidos. Para ello dispone
70
de datos anuales para los años 1960 a 1993 de las siguientes variables6 :
P AT EN T St = β1 + β2 RDt + ut t = 1, . . . , 34 (1)
1. Interpreta el coeficiente estimado que acompaña a la variable RD. ¿Tiene el signo esperado?, ¿es
una variable significativa?
Figura 11: PATENTS sobre RD, PATENTS observada y estimada y Residuos MCO sobre tiempo
PATENTS con respecto a R_D PATENTS observada y estimada Residuos de la regresin (= PATENTS observada - estimada)
200 200 25
Y = 34,6 + 0,792X estimada
actual
20
180
180
15
160
10
160
140 5
PATENTS
PATENTS
residuo
140 0
120
-5
120
100 -10
-15
80 100
-20
60
60 80 100 120 140 160 80 -25
1960 1965 1970 1975 1980 1985 1990 1960 1965 1970 1975 1980 1985 1990
R_D
¿Qué problema parece existir en el modelo anterior? Razónalo con detalle y comenta las posi-
bles consecuencias sobre los resultados mostrados y los obtenidos en el apartado anterior.
Después de probar con diversas especificaciones la consultora decide elegir de entre las siguientes:
3. ¿Son estos dos modelos lineales?, ¿por qué? ¿Son ambos modelos dinámicos?, ¿por qué?
6
Fuente: Ramanathan, Ramu (2002): Introductory Econometrics with Applications, fichero data3-3.gdt.
71
4. Escribe la matriz de datos que corresponde a cada modelo.
MODELO B: P ATd EN T S t = 135, 887 − 1, 789 RDt + 0, 813 RDt−4 + 0, 00790 RDt2
d
(desv) (22, 493) (0, 356) (0, 097) (0, 00160)
d N −W est
(desv) (30, 555) (0, 475) (0, 120) (0, 002)
R2 = 0, 979 DW = 0, 842 BG(4) = 11, 974
15 6
10 4
5 2
residuo
residuo
0 0
-5 -2
-10 -4
-15 -6
-20 -8
1960 1965 1970 1975 1980 1985 1990 1960 1965 1970 1975 1980 1985 1990
5. ¿Crees que los gráficos de los residuos reflejan algún problema? Contrástalo.
6. ¿Por qué crees que han utilizado el estimador de Newey-West para la obtención de las desviaciones
tı́picas? ¿te parece razonable su uso en las dos especificaciones?
7. Utilizando toda la información proporcionada, ¿cuál crees que puede ser la mejor especificación
para determinar el número de patentes? Razona tu respuesta. ¿Es el modelo escogido un modelo
con dinámica?
8. Dado el modelo que has escogido, obtén el incremento medio en el número de patentes inscritas
cuando el gasto en investigación y desarrollo correspondiente a ese año aumenta en un billón de
dólares manteniendo el resto de los factores constantes. Dado el rango muestral, ¿es el incremento
estimado positivo?
72
PROBLEMA LE 2007. 2 (Jun-2007)
Una empresa quiere analizar el precio (P) de las viviendas en un determinado paı́s en función del tipo de
interés (I) y del Producto Interior Bruto (PIB). Para ello se dispone de datos trimestrales correspondientes
al periodo 1963-1985. Los resultados de la estimación son los siguientes:
El analista de la empresa, tras observar los residuos, sospecha que la varianza de las perturbaciones al
principio de la muestra son menores que los correspondientes al final de la muestra. Por ello propone dos
posibles especificaciones:
donde la variable ficticia Dt toma valor uno para las observaciones comprendidas en el periodo 1963-1975
y cero en caso contrario.
1. ¿Qué pretenden recoger las ecuaciones (2) y (3)?, ¿en qué se diferencian? Escribe la matriz de
varianzas y covarianzas de la perturbación asociada a cada una de las propuestas. (Supón que
E(ut us ) = 0 t 6= s.)
Al final el analista se decide por una de las especificaciones y obtiene los siguientes resultados
3. Escribe la función de regresión poblacional que ha estimado el analista. Especifica las hipótesis
necesarias sobre la perturbación para que la ponderación empleada sea la adecuada. Demuestra tus
afirmaciones.
73
4. Escribe detalladamente la expresión del estimador empleado.
−1
βb.......... =
5. Si la especificación adecuada para la varianza fuese la recogida en la ecuación (3), ¿qué consecuen-
cias tendrı́a sobre las estimaciones de Mı́nimos Cuadrados Ponderados mostradas? En este caso,
¿cómo estimarı́as los coeficientes del modelo?, ¿por qué?
El director de una empresa desea estudiar la función de demanda de silicona para la construcción de
equipamientos. Para ello dispone de una muestra de datos mensuales7 desde 1983:1 hasta 1990:5 sobre
los galones producidos de silicona (Q) y el precio por galón en dólares (P ). Con estos datos se estima el
siguiente modelo:
Qt = β1 + β2 Pt + ut (1)
74
1. ¿Qué hipótesis se están asumiendo sobre la perturbación del modelo para que los estadı́sticos-t
anteriores tengan validez?, ¿y sobre la variable explicativa? Razónalas.
2. Indica cómo y para qué se ha calculado el valor “Estadı́stico de Durbin-Watson = 1,32875”. Dado
el valor de este estadı́stico, ¿son creı́bles las hipótesis asumidas para la perturbación en el apartado
anterior?
Se dispone además de los siguientes gráficos:
3000 6000
2000 5000
residuo
1000
Q
4000
0 3000
-1000 2000
-2000 1000
-3000 0
1983 1984 1985 1986 1987 1988 1989 1990 1983 1984 1985 1986 1987 1988 1989 1990
El director, tras analizar los resultados de la estimación y los gráficos disponibles decide proponer
este nuevo modelo:
Qt = α1 + α2 Pt + α3 Qt−1 + vt (2)
3. ¿Qué razones crees que han llevado al gerente a proponer el nuevo modelo? Razónalo en base a los
gráficos y todos los resultados disponibles.
Los conocimientos de econometrı́a del gerente son limitados y no confı́a en tomar la decisión
adecuada sobre el método de estimación, por lo que duda entre dos alternativas. Los primeros
resultados de que dispone son los siguientes:
75
b) Escribe explı́citamente la fórmula del estimador.
b) Enuncia el teorema de Mann y Wald y verifica si se satisfacen sus condiciones en este caso.
Indica las propiedades del estimador. ¿Cuál de los dos métodos de estimación te parece la
más adecuada?, ¿por qué?
La inmobiliaria BOSHOUSE contrató a un gestor para que le asesore en su polı́tica de fijación de precios.
Para ello le presenta la siguiente información obtenida con 88 observaciones sobre precios de venta y
sus determinantes correspondientes a hogares situados en Boston y su área de influencia. Las variables
disponibles son: precio de la vivienda en miles de dólares (price), tamaño de la parcela en pies cuadrados
(lotsize), tamaño de la vivienda en pies cuadrados (sqrft) y número de dormitorios (bdrms). El analista
propone dos especificaciones alternativas para determinar el precio de la vivienda. Los resultados de la
primera especificación se muestran a continuación:
76
Modelo 1: estimaciones MCO utilizando las 88 observaciones 1–88
Variable dependiente: price
200
150
100
residuo
50
-50
-100
-150
0 10 20 30 40 50 60 70 80 90
Residuos de la regresin (= price observada - estimada) Residuos de la regresin (= price observada - estimada)
250 250
200 200
150 150
100 100
residuo
residuo
50 50
0 0
-50 -50
-100 -100
-150 -150
0 10000 20000 30000 40000 50000 60000 70000 80000 90000 1500 2000 2500 3000 3500
lotsize sqrft
1. ¿Qué modelo está estimando la empresa? Interpreta los dos primeros coeficientes estimados del
modelo.
2. Interpreta la información contenida en los gráficos y realiza los contrastes que creas oportunos.
¿Cuáles son las propiedades del estimador MCO? Razona tus afirmaciones.
3. Dados los resultados obtenidos, propón una estructura para la matriz de varianzas y covarianzas.
¿Cómo la estimarı́as?
77
Modelo 2: estimaciones MCO utilizando las 88 observaciones 1–88
Variable dependiente: ln(price)
0.6
0.4
0.2
residuo
-0.2
-0.4
-0.6
-0.8
Residuos de la regresin (= lprice observada - estimada)0 10 20 30 40 50 60 Residuos
70 de la regresin
80 90 observada - estimada)
(= lprice
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
residuo
residuo
0 0
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
-0.8 -0.8
7 7.5 8 8.5 9 9.5 10 10.5 11 11.5 7.2 7.4 7.6 7.8 8 8.2
llotsize lsqrft
4. ¿Qué modelo está estimando la empresa? ¿Recogen los coeficientes lo mismo que en la espe-
cificación anterior? Razona tu respuesta.
5. Interpreta la información contenida en los gráficos y realiza los contrastes que creas oportu-
nos. ¿Cuáles son las propiedades del estimador MCO? Razona tus afirmaciones.
6. Dados los resultados obtenidos, propón una estructura para la matriz de varianzas y cova-
rianzas. ¿Cómo la estimarı́as?
78
7. ¿Cuál de las dos especificaciones te parece más adecuada para determinar el precio de la
vivienda?, ¿por qué?
Un estudiante pretende medir la relación que existe entre el consumo y la renta en Estados Unidos para
el periodo 1947:01-1980:4. Para ello dispone de datos trimestrales8 del consumo per capita (C, medido
en dólares con año base 1982) y de la renta disponible per capita (RD, medido en dólares con año base
1982).
El estudiante comienza estimando un modelo de regresión simple que relaciona estas dos variables de
forma lineal obteniendo los siguientes resultados y gráficos de residuos:
PARTE 1
8
Los datos corresponden al libro: Undergraduate Econometrics de R.C. Hill, W.E. Griffiths y G.G. Judge,
John Wiley and Sons, 2001
79
Residuos de la regresin (= C observada - estimada) Residuos de la regresin (= C observada - estimada)
250 250
200 200
150 150
100 100
50 50
residuo
0
residuo
-50
-50
-100
-100
-150
-150
-200
-200
-250
-250
-300
-300 5000 6000 7000 8000 9000 10000
1950 1955 1960 1965 1970 1975 1980
RD
En base a los resultados obtenidos el estudiante decide estimar una segunda especificación:
1.d) Escribe el modelo de regresión lineal general propuesto. ¿Es el modelo dinámico?
1.e) Explica detalladamente cuál es la diferencia entre la especificación del Modelo 2 y la del Modelo
1. ¿Por qué crees que ha estimado este segundo modelo?
1.f) Si la renta disponible per capita aumentara en un dólar, ¿cuál es la variación estimada sobre el
consumo per capita?
1.g) ¿Qué supuestos sobre la perturbación son necesarios para que el estimador MCO sea el de mı́nima
varianza?, ¿se cumplen estos supuestos?
PARTE 2
El estudiante reflexiona sobre la posible relación entre las variables de interés y llega a la conclusión de
que probablemente el consumo esté determinado por el consumo realizado en el periodo anterior:
80
Los resultados de estimación que obtiene se muestran a continuación:
2.b) ¿Qué supuestos sobre las variables explicativas son necesarios para que el estimador MCO sea in-
sesgado?, ¿se cumplen estos supuestos? Razona tu respuesta.
El estudiante quiere analizar más detenidamente los resultados obtenidos para el Modelo 3 por lo que
decide estimar la siguiente regresión auxiliar:
2.c) ¿Para qué le sirve al estudiante los resultados de la estimación de esta regresión auxiliar?, ¿qué es
lo que pretende contrastar? ¿Cuál es la conclusión que obtiene? Contrástalo.
2.d) Dados los resultados obtenidos en la regresión auxiliar, ¿cuáles son las propiedades del estimador
empleado en el Modelo 3? Razona tu respuesta.
81
PARTE 3
El estudiante parece estar seguro de la especificación del modelo que quiere estimar es la misma que
analiza en la PARTE 2, es decir
sin embargo no tiene claro el estimador que deberı́a emplear. A continuación el estudiante presenta los
resultados que obtiene al estimar el modelo de dos formas alternativas:
3.a) ¿Qué método de estimación ha utilizado? Escribe explı́citamente la fórmula del estimador en base
al modelo transformado.
X³
t=.... ´2
SCR∗ = Yt∗ − βˆ1 X1t
∗
− βˆ2 X2t
∗
− βˆ3 X3t
∗
− βˆ4 X4t
∗
t=....
Yt∗ = ..........................; ∗
X1t = ..........................; ∗
X2t = ..........................
∗ ∗
X3t = ..........................; X4t = ..........................
−1
βb.......... =
3.b) Dados los resultados de estimación mostrados, ¿cuál es la estructura para la matriz de varianzas y
covarianzas de la perturbación que está proponiendo el estudiante en esta Alternativa 1?
82
E(uu0 ) =
3.c) Basándote en el resultado del contraste realizado en el apartado 2.c), ¿te parece adecuada la matriz
de varianzas y covarianzas de la perturbación que ha empleado en la Alternativa 1? En conse-
cuencia, ¿cuáles son las propiedades del estimador empleado?
3.e) Realiza el contraste de Hausman. ¿Te sorprende el resultado que obtienes?, ¿es coherente con los
resultados obtenidos en la PARTE 2?, ¿por qué?
3.f) ¿Qué método de estimación ha utilizado? Escribe explı́citamente la fórmula del estimador y la
Función de Regresión Muestral (FRM).
−1
βb.......... =
FRM:
83
3.g) ¿Cuáles son las propiedades del estimador empleado? ¿Qué condiciones son necesarias para que
este estimador sea consistente?
3.h) Si tuvieras que escoger entre las alternativas de estimación empleadas para estimar el modelo (1),
¿cuál escogerı́as? Razona tu respuesta.
La cadena de supermercados ALIMENTAX S.A. quiere determinar una polı́tica de expansión dentro de
su comunidad autónoma y para ello ha encargado a su gerente el estudio de la función de consumo en
dicha comunidad. Se dispone de una muestra anual9 de 1959 a 1994 de observaciones sobre las siguientes
variables:
Ct = β1 + β2 Wt + β3 Pt + ut t = 1, . . . , T (1)
84
PARTE 1:
1. ¿Qué quiere decir que las variables están medidas en términos reales?
2. Interpreta el parámetro β2 :
40
20
0
residuo
−20
−40
−60
−80
−100
1960 1965 1970 1975 1980 1985 1990
4. ¿Se cumplen todas las hipótesis básicas sobre la perturbación? Analiza todos los resultados mostra-
dos y completa las matrices que aparecen a continuación de acuerdo con el contraste o contrastes
realizados:
E(u) =
E(uu ) = . . . . . .
0
5. Suponiendo que Wt y Pt son no estocásticas, razona las propiedades que tiene el estimador MCO
de los coeficientes del modelo (1).
PARTE 2:
El gerente está preocupado por la especificación de modelo por lo que decide estudiar dos especifi-
caciones alternativas.
• Especificación A:
Ct = β1 + β2 Wt + β3 Wt−1 + β4 Pt + ut t = 1, . . . , T
85
Especificación A: estimaciones MCO utilizando las 35 observaciones 1960–1994
Variable dependiente: C
6. Comenta las siguientes afirmaciones razonando si son ciertas o falsas y por qué:
a) “El estimador MCO empleado en la Especificación A es no lineal”.
b) “La matriz de varianzas y covarianzas de los coeficientes estimados por MCO en la Especifi-
cación A es V (β̂) = σ 2 (X 0 X)−1 ”. Realiza los contrastes que consideres oportunos.
• Especificación B:
Ct = β1 + β2 Wt + β3 Pt + β4 Ct−1 + ut t = 1, . . . , T (2)
86
Residuos de la regresión (= C observada − estimada)
60
40
20
0
residuo
−20
−40
−60
−80
1960 1965 1970 1975 1980 1985 1990
7. Dados todos los resultados de la estimación anterior, ¿qué puedes decir sobre la validez de los
contrastes de significatividad mostrados?
PARTE 3:
A la vista del Resultado 1 el gerente reestima el modelo (2) obteniendo los siguientes outputs:
87
9. ¿Por qué ha utilizado el gerente dicho método de estimación?
11. Describe paso a paso el proceso llevado a cabo por el gerente para obtener estos resultados. ¿En
qué se diferencia este estimador con el empleado en el Resultado 2?
12. De los tres resultados mostrados para el modelo (2), ¿con cuál te quedarı́as? Razona tu respuesta.
La muestra de datos necesaria para realizar esta prueba se encuentra en los archivos de muestra de Gretl
y corresponde a Ramanathan data8-2.gdt. En este fichero vas a encontrar la siguiente información:
88
Renta personal agregada y gasto en transporte urbano (1993) para los estados de EEUU.
EXPTRAV = Gasto en transporte en billones de dólares (Rango 0,708 - 42,48).
INCOME = Renta Personal en billones de dólares (Rango 9,3 - 683,5).
POP = Población, en millones, (Rango 0,47 - 31,217).
1. Estima por MCO un modelo que relacione el gasto en transporte con la renta personal incluyendo
un término independiente. Completa:
1.a) El modelo que me han pedido que estime es:
d i
exptrav = +
d β̂M CO ))
(desv( ( ) ( )
R2 = SCR = N=
i 1 2 3 4
ûM CO,i
12
10
6
residuo
−2
−4
−6
0 100 200 300 400 500 600 700
income
89
14
12
10
6
uhat1
-2
-4
-6
0 5 10 15 20 25 30
pop
2.c) A la vista del resultado del contraste anterior, ¿son las perturbaciones de modelo esféricas?
Escribe la matriz de varianzas y covarianzas de la perturbación.
2.d) Completa la siguiente expresión para el estimador eficiente de los coeficientes del modelo
propuesto en 1.a) bajo el supuesto de que var(ui ) = σ 2 P OPi :
−1
β̂... =
90
4.a) Resultados de la estimación:
d i
exptrav = +
d β̂...... ))
(desv( ( ) ( )
d i) =
V ar(u + +
4.c) Explica la diferencia entre el contraste realizado en el apartado 3.b) y el realizado en el apar-
tado 4.b).
Yi = β1 + β2 Xi + ui i = 1, . . . , N (1)
a) ¿Qué problema existe en el modelo anterior? ¿Cómo podrı́a detectarse? Explica en detalle el con-
traste que propones y las consecuencias de rechazar o no la nula.
b) ¿Qué consecuencias tiene en los contrastes de hipótesis sobre β1 y β2 la utilización del estimador
MCO y el de VI? Razona tu respuesta en cada caso.
Se dispone de una muestra de 500 observaciones que da lugar a las siguientes sumas de cua-
drados y de productos cruzados10 :
10
Fuente: Libro Undergraduate Econometrics. de Hill, Griffiths y Judge (2001).
91
1 Yi Xi Z1i
1 500 1530,17 14,48 -0,23
Yi 7163,54 1551,83 448,79
Xi 1037,57 451,24
Z1i 509,40
P P
donde por ejemplo Yi Xi = 1551, 83 y Yi = 1530, 17.
c) Utilizando la información muestral dada, completa todos los elementos dentro de las matrices para
la obtención de las estimaciones de β1 y β2 por VI, considerando como único instrumento a Z1 :
−1
3, 03
βbV I =
=
0, 996
Ŷt = ...
d β̂V I ))
(desv( ( ) ( )
d) ¿Bajo qué condiciones es consistente el estimador VI del apartado anterior? ¿Es un estimador
asintóticamente eficiente? Razona tu respuesta.
Conjunto de restricciones
1: b[const] = 3
2: b[X] = 1
Valor muestral del estadı́stico de contraste: chi^2(2) = 0,490224,
con valor p = 0,782617.
.
Se ha considerado un estimador alternativo al utilizado en c) obteniéndose los siguientes resultados
en Gretl.
92
Modelo 2: estimaciones MC2E utilizando las 500 observaciones 1–500
Variable dependiente: Y
Instrumentos: const Z1 Z2
Variable Coeficiente Desv. tı́pica Estadı́stico t valor p
const 3,03113 0,0445796 67,9936 0,0000
X 1,00899 0,0448997 22,4721 0,0000
f) Explica paso a paso la obtención de este estimador ¿Es mejor que el anterior? Razona.
Una agencia de viajes de Chicago quiere analizar si hay diferencias significativas entre las familias en
la elección del destino de vacaciones, más o menos alejados de su lugar de residencia, en función del
número de hijos pequeños en la familia. Para ello dispone de una muestra de 200 familias de esta ciudad
entrevistadas en el año 2007 y se especifica el siguiente modelo11 :
donde M iles son las millas recorridas por una familia en las vacaciones de ese año, Income es la renta
familiar anual en miles de dólares, age es la edad media de los adultos en la familia y kids el número de
hijos menores de 16 años existentes en la familia.
Una primera estimación del modelo por MCO produce los siguientes resultados:
Md
ilesi = −391, 55 + 14, 201 Incomei + 15, 741 agei −81, 826 kidsi (3)
d β̂M CO ))
(desv( (169,8) (1,80) (3,757) (27,13)
R2 = 0, 340605 SCR = 40099000
Figura 13: Gráfico de residuos MCO sobre la variable Income y sobre la variable Age
Residuos de la regresión (= Miles observada − estimada) Residuos de la regresión (= Miles observada − estimada)
2000 2000
1500 1500
1000 1000
500 500
residuo
residuo
0 0
−500 −500
−1000 −1000
−1500 −1500
20 40 60 80 100 120 25 30 35 40 45 50 55
Income age
11
Los datos corresponden al fichero vacation.dat del libro Undergraduate Econometrics de Hill, Griffiths y Judge
(2001).
93
a) ¿Qué te sugieren los gráficos? Comenta detalladamente cada uno de ellos.
b) Después de agrupar las observaciones de todas las variables en dos grupos en función de un ordena-
miento decreciente de la variable Income y estimar el modelo (2) anterior por MCO separadamente
para cada grupo, se obtienen las siguientes resultados:
Realiza un contraste para verificar si lo que sugieren los gráficos es estadı́sticamente significativo.
Debes señalar claramente todos los elementos del contraste incluidas la hipótesis nula y la alterna-
tiva.
c) Si el contraste realizado te diera que rechazas la hipótesis nula, ¿qué cambiarı́as de los resultados
presentados en (3) si no quisieras cambiar el método de estimación de los coeficientes? ¿Por qué y
para qué lo harı́as? Explica detalladamente.
94
Suma de cuadrados de los residuos 580616,
Desviación tı́pica de los residuos (σ̂) 54,4272
R2 0,390722
R̄2 corregido 0,381397
F (3, 196) 41,8975
d) Completa las siguientes expresiones sobre el término de perturbación del modelo y el método de
estimación utilizado en la obtención de estos resultados.
i=....
X
Criterio de estimación:........ SCR = (Yi∗ − βˆ1 X1i
∗
− βˆ2 X2i
∗
− βˆ3 X3i
∗
− βˆ4 X4i
∗ 2
)
i=....
Yi∗ = ...................; ∗
X1i = .....................; ∗
X2i = ...................;
∗ ∗
X3i = ...........................; X4i = .............................;
−1
β̂...... =
95
PROBLEMA LE 2008. 6 (Sep-2008. Prueba práctica.)
El fichero de datos llamado inv.gdt necesario para realizar esta prueba se encuentra en eKASI. En este
fichero12 vas a encontrar información para los años 1974 a 2003 de las siguientes variables:
1. Estima por MCO un modelo que relacione la Inversión real con el Producto Nacional Bruto real y
el tipo de interés incluyendo un término independiente. Completa:
1.a) El modelo que me han pedido que estime es:
R2 = SCR = T =
t 2000 2001 2002 2003
ûM CO,t
12
Fuente: Undergraduate Econometrics de Hill, Griffiths y Judge.
96
Residuos de la regresin (= I observada - estimada)
6
0
residuo
-2
-4
-6
-8
1975 1980 1985 1990 1995 2000
30
25
Inversin
20
15
10
5
1975 1980 1985 1990 1995 2000
2. Se considera que ut puede seguir un proceso AR(p) o MA(p) con p hasta de orden 2. Realiza el
contraste oportuno.
2.a) Escribe la hipótesis nula, la alternativa y el estadı́stico de contraste que vas a utilizar junto
con su distribución bajo la hipótesis nula. Indica claramente de donde salen cada uno de los
elementos de este estadı́stico.
...... = ................................................................................................................................
R2 =
Valor muestral del estadı́stico =
Valor crı́tico para un nivel de significación (α = 5 %)=
Aplica la regla de decisión:
2.c) A la vista de los resultados del contraste anterior, ¿son las perturbaciones de modelo esféri-
cas? ¿Por qué?
ut = + ²t ²t ∼ .......( , )
97
E(uu0 ) =
| {z }
(........ × .......)
t=....
X
Criterio de estimación:........ SCR = {(Yt∗ − βˆ1 X1t
∗
− βˆ2 X2t
∗
− βˆ3 X3t
∗ 2
}
t=....
Yt∗ = ...........................; ∗
X1t = .............................;
∗ ∗
X2t = .........................; X3t = .............................;
−1
β̂...... =
3.b) Dibuja el gráfico de SCR, completa la función de regresión muestral obtenida, la estimación
de ρ y el valor mı́nimo de la función criterio.
4. Obtén desviaciones tı́picas de los coeficientes estimados por MCO robustas a la posible existencia
de autocorrelación.
4.a) Escribe aquı́ los resultados de la estimación:
98
4.b) Contrasta la significatividad del tipo de interés.
4.c) Explica la diferencia entre el contraste realizado en el apartado 3.c) y el realizado en el apar-
tado 4.b). ¿Cambia el resultado? ¿Con cuál te quedarı́as? Razona en detalle tu elección.
Un estudiante pretende medir la relación que existe entre inventarios y las ventas de la industria manu-
facturera de EE.UU para el periodo de 1950 a 1991, ambos años inclusive. Para ello dispone de datos
anuales13 sobre las variables V EN T AS e IN V EN T ARIOS ambas medidas en millones de dólares. Se
considera a la variable V EN T AS no estocástica.
El estudiante propone la siguiente especificación:
IN V ENd
T ARIOS t = 433, 951 + 1, 543 V EN T ASt + 158, 805 time
ˆ β̂i ))
(desv( (2774,17) (0,019) (269,107)
2
R = 0, 9992 SCR = 2, 202257e + 09 DW = 1, 3755 BG(1) = 4, 061
2) ¿Crees que la perturbación del modelo puede presentar algún problema? Realiza el contraste o
contrastes que sean pertinentes. (No olvides escribir la hipótesis nula y alternativa ası́ como el es-
tadı́stico de contraste y distribución asociada para todos aquellos contrastes que decidas realizar).
3) ¿Por qué crees que el estudiante ha introducido la variable tendencia (time) como regresor en el
modelo?
13
Fuente: Ramanathan, Ramu (2002):Introductory Econometrics with Applications, Conjunto de datos Gujarati,
fichero Table12.9.gdt.
99
Figura 14:
INVENTARIOS observada y estimada Residuos de la regresión (= INVENTARIOS observada − estimada)
900000 35000
estimada
observada
800000 30000
25000
700000
20000
600000
15000
INVENTARIOS
500000
residuo
10000
400000
5000
300000
0
200000
−5000
100000 −10000
0 −15000
1950 1955 1960 1965 1970 1975 1980 1985 1990 1950 1955 1960 1965 1970 1975 1980 1985 1990
4) Ayuda al estudiante a decidir entre las dos estimaciones de la especificación (1). ¿Cuál de las dos
elegirı́as y por qué? Razona detalladamente tu respuesta en base a las propiedades de los estima-
dores y la inferencia realizada en el apartado 2).
100
• El estudiante considera ahora la inclusión de la variable IN V EN T ARIOSt−1 en el modelo y estima
la siguiente ecuación:
IN V EN T ARIOSt = β1 + β2 V EN T ASt + β3 time + β4 IN V EN T ARIOSt−1 + ut t = 2, . . . , 42 (2)
donde ut es una variable aleatoria con distribución normal. Los resultados de la estimación de la ecuación
(2) son los siguientes:
9) ¿Cuál de las dos especificaciones alternativas consideradas en las ecuaciones (1) y (2) elegirı́as
tú para estudiar la evolución de la variable IN V EN T ARIOS? ¿Cómo estimarı́as la especificación
elegida?
101
1. Escribe la matriz de varianzas y covarianzas del vector de perturbaciones:
2. Escribe la ecuación del correspondiente modelo transformado con perturbaciones esféricas. De-
muestra que sus perturbaciones son homocedásticas.
4. Estima los coeficientes del modelo con la siguiente información muestral utilizando el estimador
eficiente:
P 2 P P
P(X2i /Zi ) = 196420, 998 P(Xi /Zi ) = 1608, 337 P(1/Zi ) = 34, 738
(Yi /Zi ) = 4168, 919 (Yi Xi /Zi ) = 28484, 578 (Yi /Zi ) = 236, 139
Una consultora quiere analizar la Inversión en vivienda (INV) en un determinado paı́s en función del tipo
de interés (I) y del Producto Interior Bruto (PIB). Para ello se dispone de datos trimestrales correspon-
dientes al periodo 1963-1985. Los resultados de la estimación son los siguientes:
El analista de la empresa, tras observar los residuos, sospecha que la varianza de las perturbaciones al
principio de la muestra es menor que para las correspondientes al final de la muestra. Por ello propone
dos posibles especificaciones:
donde la variable t = 1, 2, 3 . . . y la variable ficticia Dt toma valor uno para las observaciones comprendidas
en el periodo 1963-1975 y cero en caso contrario.
102
1. 1.a) ¿Qué recogen las ecuaciones (2) y (3)? ¿Cual recoge mejor la sospecha del analista?
1.b) Completa la matriz de varianzas y covarianzas de la perturbación asociada a cada una de las
propuestas, donde E(ut us ) = 0 para todo t 6= s.
E(uu0 )(2) = Σ(2) =
E(uu0 )(3) = Σ(3) =
El analista se decide por una de las dos especificaciones para la matriz de varianzas y covarianzas
de las perturbaciones, elige un método de estimación y obtiene los siguientes resultados
3. ¿Qué criterio de estimación ha utilizado el analista? ¿Por qué? Especifica las hipótesis necesarias so-
bre la perturbación para que la ponderación empleada sea la adecuada. Demuestra tus afirmaciones.
103
5. Si la especificación adecuada para la varianza fuese la recogida en la ecuación (3):
5.a) ¿qué consecuencias tendrı́a sobre las propiedades del estimador de Mı́nimos Cuadrados Pon-
derados mostradas? Demuestra tus afirmaciones.
5.b) En ese caso, ¿cómo estimarı́as los coeficientes del modelo si desconoces los parámetros γ1 y
γ2 ? ¿Porqué?
Un estudiante está realizando su proyecto de fin de carrera sobre la demanda de pescado en el Fulton
Fish Market, un mercado localizado en Nueva York y que opera desde hace 150 años. Para ello dispone
de una muestra de 111 observaciones de datos diarios, desde el 2 de diciembre de 1991 al 8 de mayo de
1992, sobre las siguientes variables:
104
Ecuación de demanda: estimaciones MC2E
Variable dependiente: lquan
Instrumentos: stormy
1. Explica en detalle como se han obtenido las estimaciones MC2E mostradas. Escribe de forma ex-
plı́cita cada una de las matrices que intervienen en la expresión del estimador.
2. Escribe y explica las condiciones tanto para poder obtener el estimador MC2E como para que éste
sea consistente.
4. A la luz del resultado del contraste, ¿Qué estimador elegirı́as? Razona tu respuesta en términos de
las propiedades de los estimadores.
5. Contrasta la hipótesis nula de que una variación porcentual unitaria en el precio de la merluza se
traduce en una variación porcentual unitaria en la cantidad demandada de merluza en ese mercado.
PARTE 1
El fichero de datos necesario para la realización de esta prueba se encuentra en los archivos de muestra
105
de Gretl y corresponde a Gujarati Table12-9.gdt. Son datos del periodo 1950 a 1991 de las siguientes
variables:
1. Estima por MCO el siguiente modelo y completa utilizando los resultados obtenidos con Gretl:
IN Vd
EN T S t = + SALESt
d β̂M CO ))
(desv( ( ) ( )
R2 = SCR = T =
DW = c βˆ1 , βˆ2 ) =
cov(
Residuo ût
2. Se considera que ut puede seguir un proceso AR(p) o MA(p) con p hasta de orden dos. Realiza el
contraste de Breusch-Godfrey.
2.a) Escribe la hipótesis nula y la alternativa del contraste.
2.b) Aplica el contraste y completa:
Regresión auxiliar obtenida:
...... = ..............................................................................................
R2 =
Estadı́stico y distribución bajo la hipótesis nula:
Valor muestral del estadı́stico =
Aplica la regla de decisión para un nivel de significación (α = 5 %)
3. Estima de nuevo los coeficientes del modelo por MCO pero obtén desviaciones tı́picas de los coefi-
cientes estimados robustas a la posible existencia de autocorrelación.
106
¿Para qué sirven las desviaciones tı́picas ası́ obtenidas? ¿Cuando son de utilidad? Explica detalla-
damente.
4. Contrasta la hipótesis conjunta de que en media si las ventas son cero no hay inventarios y de que
un aumento en el nivel de ventas de un millón de dólares aumentarı́a los inventarios en 2 millones
y medio de dólares. Escribe la hipótesis nula, la alternativa, el estadı́stico de contraste y su distri-
bución bajo la nula.
Conjunto de restricciones
1: b[const] = 0
2: b[SALES] = 2,5
Estadı́stico de contraste: F robusto(2, 40) = 9272,21, con valor p
= 4,55217e-054
Estimaciones restringidas:
PARTE 2
El estudiante preocupado por los resultados obtenidos en la estimación de la especificación anterior decide
probar con otras especificaciones alternativas.
• ESPECIFICACIÓN A:
El estudiante considera la inclusión de la variable time = 1, 2, . . . , 42 en el modelo y estima la siguiente
ecuación:
IN V EN T St = β1 + β2 SALESt + β3 time + ut t = 1, . . . , 42
y realiza las siguientes estimaciones:
Estimación 1 de la ESPECIFICACIÓN A:
107
Coeficiente Desv. tı́pica estadı́stico t valor p
const 433,951 2774,17 0,1564 0,8765
SALES 1,54340 0,0198097 77,9117 0,0000
time 158,805 269,107 0,5901 0,5585
1. ¿Por qué crees que el estudiante ha introducido la variable tendencia (time) como regresor en el
modelo? ¿Es relevante incluirla? ¿Por qué crees que se obtiene ese resultado? Obtén y utiliza los
gráficos y contrastes que consideres oportunos. Razona tu respuesta.
Estimación 2 de la ESPECIFICACIÓN A:
108
Estadı́sticos basados en los datos rho-diferenciados:
• Estimación de la ESPECIFICACIÓN B:
IN V EN T St = β1 + β2 SALESt + β3 SALESt−1 + ut t = 2, . . . , 42
4. Estima esta especificación por MCO y completa utilizando los resultados obtenidos con Gretl:
IN Vd
EN T S t = + SALESt + SALESt−1
d β̂M CO ))
(desv( ( ) ( ) ( )
R2 = DW = T =
109
5. Contrasta la significatividad de la variable SALES en aquella especificación A, B o C que consi-
deres más adecuada. Justifica tu elección de la especificación y resultados para la realización del
contraste, utilizando toda la información proporcionada y obtenida. As u vez, explica todos los
elementos del contraste.
Un investigador dispone de una base de datos anuales14 , para el perı́odo de 1948 a 1993, de los siguientes
ı́ndices agrarios de EEUU, todos ellos con base 1982:
El objetivo del investigador es determinar la función de producción agraria, para ello especifica el siguiente
modelo de regresión lineal:
en el que se considera que los regresores son no estocásticos. Los resultados obtenidos de la estimación
MCO son los que se muestran a continuación:
14
Fuente: Ramanathan, Ramu (2002): Introductory Econometrics with Applications, data 9-5.gdt
110
Residuos de la regresión (= output observada − estimada) output observada y estimada
15 120
estimada
observada
110
10
100
5
90
residuo
output
0 80
70
−5
60
−10
50
−15 40
1950 1955 1960 1965 1970 1975 1980 1985 1990 1950 1955 1960 1965 1970 1975 1980 1985 1990
1. Explica cómo se han calculado los residuos y para qué sirven los gráficos. Interpreta ambos gráficos
y señala si existe alguna evidencia de que la perturbación del modelo no cumpla alguna de las
hipótesis básicas, justificando tu respuesta.
2. Realiza algún contraste basándote en la información disponible, para cualquier problema detectado
en el apartado anterior. Explica detalladamente todos los elementos que intervengan.
3. Con respecto a los contrastes de significatividad individual de las variables explicativas del modelo
(1):
3.a ¿Es fiable realizarlos utilizando la información disponible? ¿Por qué?
3.b ¿Serı́a posible llevarlos a cabo si no tuviésemos otra opción que la de estimar los coeficientes
del modelo por MCO? Explica cómo lo harı́as en caso afirmativo.
Viendo los resultados obtenidos el investigador decide estimar el mismo modelo por el método de Cochrane-
Orcutt (CO). A continuación se muestran los resultados obtenidos:
111
4. ¿Cuándo estás dispuesto a aplicar este método de estimación? En particular, ¿consideras adecuado
utilizar este método en las circunstancias actuales? Responde razonadamente.
5. Describe detalladamente cómo obtener las estimaciones de los coeficientes del modelo (1) utilizando
el método del apartado anterior.
7. Utilizando esta información, explica detalladamente la validez del siguiente estadı́stico de contraste
β̂5,M CO − 0 H0 ,d
−→ N (0, 1)
d
desv(β̂5,M CO )
para argumentar a favor de incluir en el modelo el retardo de la variable endógena como variable
explicativa.
112
coeficientes del modelo (2):
R2 = 0, 976 DW = 2, 30
siendo ²t es un ruido blanco tal que ²t = vt − ρvt−1 y vt son las perturbaciones del modelo (2).
−1
−27, 47 ............ ............ ............ ............ ............ ............
−0, 058 ............ ............ ............ ............ ............ ............
0, 546 = ............ ............ ............ ............ ............ ............
−0, 130 ............ ............ ............ ............ ............ ............
0, 925 ............ ............ ............ ............ ............ ............
PT PT PT PT PT −1 PT Q∗ X ∗
∗2 ∗ ∗ ∗ ∗ ∗ ∗ ∗ ∗ 3 t t
−27, 47 3 Xt 3 Xt LBt 3 Xt LNt 3 Xt M At 3 Xt Qt−1
P
PT PT PT PT T ∗
3 Qt LBt
∗
−0, 058 LBt∗2 LBt∗ LNt∗ LBt∗ M A∗t LBt∗ Q∗t−1
3 3 3 3
P
PT PT PT T ∗ ∗
0, 546 = LNt∗2 LNt∗ M A∗t LNt∗ Q∗t−1
3 Qt LNt
3 3 3
PT ∗
−0, 130 PT PT
∗
3 Qt M At
M A∗2 M A∗t Q∗t−1
3 t 3
PT ∗ ∗
PT
0, 925 Q∗2 3 Qt Qt−1
3 t−1
d) ¿Cuál es el estimador consistente de ρ empleado? Describe todos los elementos y las condiciones
que te garantizan la consistencia del parámetro ρ estimado.
9. Utilizando la información contenida en la ecuación (3), explica detalladamente la validez del si-
guiente estadı́stico de contraste
β̂5 − 0 H0 ,d
−→ N (0, 1)
d β̂5 )
des(
113
para argumentar a favor de incluir en el modelo el retardo de la variable endógena como variable
explicativa. Finalmente, ¿incluirı́as dicha variable en el modelo?
10. ¿Cuál es el estimador óptimo, dada toda la información de que dispones, para los parámetros de
la ecuación (2)? Razona tu respuesta detalladamente en relación a todas las alternativas posibles.
El fichero de datos necesario para la realización de esta prueba se encuentra en el fichero earnings.gdt
que se encuentra en la web eKasi. Los datos corresponden a 540 individuos y contienen información sobre
educación, trabajo, ingresos y otras caracterı́sticas personales. En particular, se dispone de las variables
siguientes:
1. Estima por MCO el siguiente modelo para los ingresos, completando la estimación con la salida
que se obtiene de Gretl:
d i
EARN = ... FEMi ... Si
d β̂M CO ))
(desv( ( ) ( ) ( )
R2 = SCR = cov(
c β̂2 , β̂3 ) =
114
EARNi ûi d i
EARN
i=1
i=2
i=3
3. Realiza el contraste de Goldfeld y Quandt para el supuesto de que V ar(ui ) = f (Si ), siendo f ()
una función creciente. Para ello, selecciona, por un lado, los valores de Si estrictamente menores
a 13 y, por otro, los valores de Si estrictamente mayores a 14 y rellena los espacios en blanco a
continuación:
e) Valor muestral del estadı́stico y resultado del contraste, con indicación del nivel de significa-
ción:
f ) Comenta el resultado del contraste y razona sobre las consecuencias que tiene sobre el esti-
mador empleado en (1).
115
En adelante usa todas las 540 observaciones disponibles.
4. Obtén la estimación MCO con desviaciones tı́picas robustas al problema planteado. Completa la
expresión del estimador de White:
Vd
ar(β̂M CO )...... = ...............................................
Completa la ecuación estimada:
d i
EARN = ... FEMi ... Si
d
(desv......) ( ) ( ) ( )
a) Explica detalladamente cómo se calcula el estimador eficiente de los coeficientes β1 , ..., β5 del
modelo (1).
c) Obtén los datos ponderados correspondientes a las variables del modelo (1) correspondientes
al estimador del apartado 5a) anterior.
Variables
i=1
i=2
i = 540
d i
EARN = ... FEMi ... Si
d β̂..... ))
(desv( ( ) ( ) ( )
116
6. Dado el siguiente modelo estimado:
¿Te parece adecuada la ponderación utilizada? ¿Qué puedes decir acerca de la fiabilidad de los
resultados? ¿Y la de los estadı́sticos de contraste mostrados? Razona.
Donde
¿Qué método de estimación se está utilizando? ¿Cuál es la diferencia con respecto al utilizado en
el apartado 5)? Describe paso a paso el proceso para obtener las estimaciones.
8. Si tuvieras que escoger entre las alternativas de estimación empleadas para estimar el modelo (1),
¿cuál escogerı́as? Razona tu respuesta.
9. Contrasta la hipótesis de que los años de experiencia es una variable determinante para los ingresos.
¿Ocurre lo mismo con el número de horas semanales trabajadas?
117
PROBLEMA LE 2010. 1 (Jun-2010. Evaluación Continua.)
Un estudiante pretende estudiar los determinantes de consumo de gasolina en U.S. Para ello dispone de
observaciones anuales en el perı́odo de 1960 a 1995 sobre las siguientes variables15 :
G: Consumo de gasolina total, en U.S., gasto total dividido por su ı́ndice de precios.
Pg: Índice de precios de la gasolina.
R: Renta disponible, per cápita.
Ps: Índice de precios agregado del consumo de servicios.
Gt = β1 + β2 P gt + β3 Rt + β4 P st + β5 Gt−1 + ut t = 2, . . . , 36 (1)
2. ¿Crees que la perturbación del modelo puede presentar algún problema? Realiza el contraste o
contrastes que sean pertinentes especificando todos sus elementos.
15
Fuente: Greene, W. H. (1999): Análisis Econométrico, ed. Prentice Hall. Conjunto de datos incluido en gretl,
carpeta Greene, fichero greene7-8.gdt.
118
Residuos de la regresión (= G observada − estimada)
10
residuo
0
−2
−4
−6
−8
−10
1965 1970 1975 1980 1985 1990 1995
5. ¿Qué puedes decir de la consistencia del estimador empleado? ¿cómo es plim β̂M CO ?
Después de analizar los resultados anteriores el estudiante decide reestimar el modelo (1) por un
método alternativo. Sus resultados son los siguientes:
Estimación MC2E, usando las observaciones 1961–1995 (T = 35)
Variable dependiente: G
Instrumentos: const Pg Pg 1 R R 1 Ps Ps 1
R2 = 0, 968 DW = 2, 30
119
con ²t ruido blanco tal que ²t = ut − ρut−1 y ut son las perturbaciones del modelo (1).
b) ¿Cuál es el método de estimación que se ha utilizado en (2) para que el estimador de β sea consis-
tente y asintóticamente eficiente? Razona tu respuesta.
9. Utilizando la información contenida en la ecuación (2), explica detalladamente la validez del si-
guiente estadı́stico de contraste
β̂5 − 0 H0 ,d
−→ N (0, 1)
d β̂5 )
des(
para argumentar a favor de incluir en el modelo el retardo de la variable endógena como variable
explicativa. Finalmente, ¿incluirı́as dicha variable en el modelo?
Se quiere analizar la evolución de los salarios anuales de los profesores, SALARY en función de su
antigüedad como doctores, Y EARS. Para ello se dispone de una muestra para el año 1995 correspondiente
a 222 profesores de siete universidades de EE.UU y se especifica el siguiente modelo16 :
SALARYi = β1 + β2 Y EARSi + ui i = 1, . . . , 222 (3)
Una primera estimación del modelo por MCO proporciona los siguientes resultados:
d i
SALARY = 52, 2375 + 1, 4911 Y EARSi R2 = 0, 4393 (4)
d
desv(β̂i,M CO ) (2, 3728) (0, 1135)
d β̂i,M CO )W hite
desv( (1, 6376) (0, 0958)
ĉ2
u i
û0 û
= 0, 395 + 0, 03335 Y EARSi + ²̂i SCE = 27, 98 (5)
N
Junto con el gráfico de residuos MCO frente a la variable Y EARS (Figura 15).
120
Figura 15: Residuos MCO frente a YEARS
60
40
20
residuo
−20
−40
−60
0 5 10 15 20 25 30 35 40 45
YEARS
3. Completa las siguientes matrices bajo los supuestos que está realizando el analista sobre el com-
portamiento de la perturbación del modelo (3).
E(u) =
E(uu0 ) =
4. ¿Qué se quiere conseguir con este método de estimación? ¿De qué depende que el estimador obte-
nido sea eficiente dentro de los lineales e insesgados? Razona tu respuesta.
121
2. Diferenciar distintos métodos de estimación y evaluar su uso de acuerdo a las caracterı́sticas de las
variables económicas de interés para obtener resultados fiables.
4. ... valorar adecuadamente los resultados obtenidos del análisis de un modelo econométrico.
La Fundación Vicente Ferrer quiere analizar la dependencia del gasto en alimentación con respecto al
gasto total en 55 familias de la India17 . Para ello encarga el estudio a un analista el cual dispone de
observaciones para el año 1970 de las variables f oodexp, gasto en alimentación en rupias, y totexp gasto
familiar total, en rupias. El analista estima por MCO la ecuación:
f oodexpi = β1 + β2 totexpi + ui i = 1, . . . , 55 (1)
Los resultados de dicha estimación son los siguientes:
d
f oodexp = 94, 2088 + 0, 4368 totexpi SCR = 236893, 6 R2 = 0, 3698 (2)
i
d β̂i ))
(des( (50,8563) (0,0783)
Además tras ordenar la muestra en función creciente de los valores de la variable totexp se han realizado
dos regresiones como en (1) separadamente con las primeras y últimas 18 observaciones obteniéndose las
siguientes sumas de cuadrados de los residuos: SCR1 = 16127, 92 y SCR2 = 103821, 1.
foodexp con respecto a totexp (con ajuste mínimo−cuadrático) Residuos de la regresión (= foodexp observada − estimada)
650 200
Y = 94,2 + 0,437X
600
150
550
100
500
50
450
foodexp
residuo
400 0
350
−50
300
−100
250
−150
200
150 −200
400 450 500 550 600 650 700 750 800 400 450 500 550 600 650 700 750 800
totexp totexp
1. Interpreta los dos gráficos anteriores, ¿la perturbación del modelo cumple todas las hipótesis bási-
cas? Realiza el contraste o contrastes que consideres oportuno.
2. ¿Es válido el valor estadı́stico-t = 5, 577 para contrastar la significatividad de la variable totexp?
Razona tu respuesta.
El analista propone una estimación alternativa del modelo y presenta los siguientes resultados ob-
tenidos con el software gretl:
122
Estadı́sticos basados en los datos ponderados:
Suma de cuadrados de los residuos 347,0674
R2 0,439979 Adjusted R2 0,429412
F (1, 53) 41,63923 P-value(F ) 3,42e–08
3. Escribe el correspondiente modelo transformado y demuestra que las perturbaciones son esféricas,
si el peso especificado se corresponde con la expresión correcta para var(ui ).
ii) ¿Qué se quiere conseguir con este método de estimación? ¿De qué depende que el estimador
obtenido sea eficiente dentro de los lineales e insesgados? Razona tu respuesta.
El analista no está satisfecho con los resultados anteriores y contempla la posibilidad de que la
relación entre las variables no sea una relación lineal sino exponencial tal que f oodexpi = exp{α1 +
α2 totexpi + υi } y estima por MCO el modelo :
Ln(fd
oodexp)i = 5, 1080 + 0, 0012 totexpi SCR = 1, 7018 R2 = 0, 3952 (4)
d β̂i ))
(desv( (0,1363) (0,0002)
ĉ2
υi
υ̂ 0 υ̂
= −0, 20739 + 0, 00188 totexpi
N
SCT = 115, 31 SCR = 112, 7172 R2 = 0, 022555
5. ¿Presenta el modelo (3) el mismo problema de incumplimiento de hipótesis que el modelo (1)?
Justifica tu respuesta mediante un contraste. Explica detalladamente lo que haces y por qué lo
haces.
6. Tras reflexionar sobre todos los resultados el analista propone a la organización estimar el modelo
(3) por MCO. ¿Es correcta su elección? Razona tu respuesta.
7. ¿Recoge α2 en (3) el mismo efecto que β2 en (1)? ¿En qué se diferencian ambas especificaciones?
donde
123
Sin embargo se utiliza como variable para medir la experiencia a la variable educ (años de escolarización
de individuo en 1976). Esta es una variable observable tal que: educi = experi + ²i , donde ²i es un ruido
blanco independiente de experi y de vi . En base a la información disponible se han obtenido los siguientes
resultados utilizando el método de Mı́nimos Cuadrados Ordinarios para una muestra de 3010 individuos:
d
Ln(wage)i = 5, 5708 + 0, 0520 educi (6)
d β̂K ))
(des( (0,0388) (0,0028)
Se dispone de una variable adicional near variable ficticia con valor 1 si el individuo i vivió cerca
de la universidad al menos durante 4 años. Para la muestra de 3010 individuos se tiene la siguiente
información:
P 2
P P 2
P neari = 2053 P Ln(wage)i educi = 251114, 3746 P educi = 551079 2
P educi = 39923 P Ln(wage)i neari = 12957, 3066 P Ln(wage)i = 118616, 3629
neari = 2053 educi neari = 27771 Ln(wage)i = 18848, 1140
2. Propón un estimador alternativo al de MCO razonando bajo qué condiciones éste serı́a consistente.
Indica su distribución asintótica.
4. Contrasta la importancia del problema de error de medida y en función del mismo indica razona-
damente cuál de los dos estimadores propuestos elegirı́as.
124
3. Adquirir destreza en el uso de un software econométrico para analizar relaciones entre variables
económicas.
Se dispone de observaciones anuales en el perı́odo de 1960 a 1995 sobre las siguientes variables18 :
C: Consumo de gasolina total, en U.S., gasto total dividido por su ı́ndice de precios.
Pg: Índice de precios de la gasolina.
R: Renta disponible, per cápita.
2. Demuestra las propiedades para muestras finitas del estimador empleado. ¿Qué significa muestras
finitas en este contexto?
0.04
0.03
0.02
0.01
residuo
−0.01
−0.02
−0.03
−0.04
−0.05
1965 1970 1975 1980 1985 1990 1995
4. ¿Crees que la perturbación del modelo puede presentar algún problema? Realiza el contraste o
contrastes que sean pertinentes especificando todos sus elementos.
i) Escribe la hipótesis nula, la alternativa y el estadı́stico de contraste que vas a utilizar junto con su
distribución bajo la hipótesis nula. Indica claramente de donde salen cada uno de los elementos de
este estadı́stico.
18
Fuente: Greene, W. H. (1999): Análisis Econométrico, ed. Prentice Hall. Conjunto de datos incluido en gretl,
carpeta Greene, fichero greene7-8.gdt.
125
ii) Aplı́calo a los datos del archivo y completa:
Regresión auxiliar obtenida:
...... = ................................................................................................................................
6. ¿Cómo es plim β̂M CO ?¿Qué puedes decir de la consistencia del estimador empleado?¿Y de su dis-
tribución asintótica?
7. Reestima el modelo (1) por el método de variables instrumentales, utilizando como instrumentos
además del término constante, LRt y LP gt , a las variables retardadas LP gt−1 y LRt−1 . Completa:
dt
LC = ··· ··· ···
d β̂M C2E ))
(desv( ( ) ( ) ( ) ( )
Z=
−1
βb.......... =
iii) ¿Consideras que los instrumentos utilizados son adecuados? Razona tu respuesta.
126
iv) ¿Son adecuadas las desviaciones tı́picas mostradas para realizar inferencia válida? ¿Es un
estimador asintóticamente eficiente?
8. Utiliza el método de Hildreth-Lu para estimar los parámetros β del modelo. Completa:
dt
LC = ··· ··· ···
d β̂HL ))
(desv( ( ) ( ) ( ) ( )
i) ¿Es este estimador consistente y asintóticamente eficiente? ¿Adolece del mismo problema que
el estimador de Cochrane-Orcutt? ¿Cómo modificarı́as este último? Razona tu respuesta.
ii) Contrasta la hipótesis de que la elasticidad renta es igual a la unidad. Escribe la hipótesis
nula, la alternativa y el estadı́stico de contraste que utiliza gretl para obtener el resultado
mostrado. Realiza el contraste.
Se quiere analizar la evolución de los salarios anuales de los profesores, SALARY en función de su
antigüedad como doctores, Y EARS. Para ello se dispone de una muestra para el año 1995 correspondiente
a 222 profesores de siete universidades de EE.UU. Se especifica el siguiente modelo19 :
1. Estima por MCO el modelo. Dibuja y comenta el gráfico de residuos frente a YEARS:
Gráfico de residuos MCO frente a YEARS Comentario:
Residuos de la regresión (= SALARY observada − estimada)
80
60
40
20
residuo
−20
−40
−60
0 5 10 15 20 25 30 35 40 45
YEARS
19
Fuente: Ramanathan, Ramu (2002): Introductory Econometrics with Applications, fichero data3-11.gdt.
127
2. Contrasta adecuadamente la significatividad de la variable Y EARS utilizando el estimador MCO.
Realiza el análisis previo que consideres oportuno y escribe todos los resultados utilizados para
realizar el contraste, ası́ como la expresión de los estadı́sticos utilizados y su distribución bajo H0 .
d i
SALARY = ···
d ......... (β̂M CO ))
(desv ( ) ( )
3. Utiliza un método de estimación alternativo a MCO con el que se quiera ganar eficiencia asintótica
tal que, basándote en el supuesto de que la varianza de la perturbación es una función de YEARS,
requiera de la modelización y estimación de esta. Explica todos los pasos utilizados, razonando
todos ellos y mostrando al menos los siguientes resultados:
Yi∗ = ..................................; ∗
X1i = ..................................;
∗
X2i = ..................................
−1
β̂...... =
c) Regresión auxiliar:
σ̂i2 = .............................................................................
d i =
SALARY ···
d β̂M CGF ))
(des( ( ) ( )
128
TAREAS del CC
TAREA 1
Se dispone de una base de datos sobre el precio de venta y distintas caracterı́sticas de 224 viviendas
pertenecientes a dos áreas residenciales del condado de Orange en California (USA), Dove Canyon y
Coto de Caza 20 . Dove Canyon es una zona de viviendas relativamente pequeñas construidas alrededor
de un campo de golf. Coto de Caza es un área de mayor nivel de vida aunque más rural con viviendas
más grandes. Las variables que se consideran son
Puedes acceder a estos datos ejecutando GRETL → En Archivo → Abrir datos → Archivo de muestra
→ Elige Ramanathan, el fichero data7-24.gdt
a) Especifica un primer modelo para analizar si el tamaño y la edad de la vivienda son factores
que explican o no el precio de la vivienda. Estima el modelo por Mı́nimos Cuadrados Ordinarios.
Comenta los resultados obtenidos en términos de bondad de ajuste, significatividad y signos de los
coeficientes estimados. Razona si te parecen adecuados los resultados.
b) Obtén el gráfico de los residuos de la estimación MCO de esta primera especificación. ¿Qué te
sugiere este gráfico? Comenta si crees que existe algún problema de mala especificación.
c) Introduce como variable explicativa en el modelo la variable city. Interpreta qué te recoge el coefi-
ciente que la acompaña.
d) Estima esta segunda especificación por MCO. Comenta los resultados y compara estos con los
obtenidos en el apartado a). ¿Ha mejorado la especificación? Razona tu respuesta.
En lo que sigue considera esta segunda especificación del modelo.
e) Obtén los siguientes gráficos.
• Gráfico de la serie de residuos MCO.
• Gráfico de residuos MCO sobre la variable age.
20
Fuente: Ramanthan, Ramu (2002) Introductory econometrics with applications fichero data7-24.gdt
129
• Gráfico de residuos MCO sobre la variable sqft.
f) Analiza de forma razonada la información que te proporcionan los gráficos.
g) Realiza algún(os) contraste(s) de heterocedasticidad. Explica el procedimiento de contraste y co-
menta los resultados obtenidos.
h) Teniendo en cuenta la evidencia obtenida en g), ¿qué resultados de los obtenidos en d) no son
fiables para la inferencia? ¿Cómo lo modificarı́as si quieres seguir utilizando el mismo método de
estimación (MCO) de los coeficientes del modelo? Utiliza el procedimiento que está implementado
en GRETL para ello (HCCM). Comenta los resultados y compáralos con los obtenidos en d).
i) Estima por Mı́nimos Cuadrados Generalizados o Ponderados utilizando como variable de ponde-
ración el inverso del cuadrado del tamaño de la vivienda. Analiza los resultados.
j) ¿Qué se quiere decir con datos ponderados y datos originales? ¿Por qué se utiliza como variable de
ponderación el inverso de sqf t2 ? Explica razonadamente.
k) Propón otra especificación para modelizar la varianza del término de perturbación que incluya
tanto age como sqf t y estima por Mı́nimos Cuadrados Generalizados Factibles.
l) Escribe una sección de conclusiones donde resumas los resultados obtenidos a lo largo de todo el
ejercicio. Además tienes que elegir con qué resultados te quedarı́as y por qué.
TAREA 2
Se dispone de una base de datos anuales sobre ı́ndices de producción y factores de producción agrı́colas
y ganaderos con base 1982, para el perı́odo de 1948 a 1993 en U.S. 21 Las variables que se consideran son
130
Puedes acceder a estos datos ejecutando GRETL → En Archivo → Abrir datos → Archivo de muestra
→ Elige Ramanathan, el fichero data9-5.gdt
TAREA 3
131
Se dispone de una base de datos para 51 estados de E.E.U.U. sobre el gasto agregado en transporte
urbano (EXP T RAV ) y la renta disponible agregada (IN COM E) correspondientes al año 199322 . Las
variables que se consideran son:
a) Especifica un modelo para analizar si la renta disponible agregada explica el gasto agregado en
transporte urbano. Interpreta sus coeficientes.
b) Estima el modelo por Mı́nimos Cuadrados Ordinarios. Comenta los resultados obtenidos en térmi-
nos de bondad de ajuste, significatividad y signos de los coeficientes estimados. Razona si te parecen
adecuados los resultados.
Estados con mucha población es probable que tengan una mayor variabilidad en los gastos en viajes que
los estados con poca población. Se puede pensar que la varianza de la perturbación crece con la población.
Dado que disponemos de datos sobre la población de los diferentes estados, es conveniente que analices
esta posibilidad. Para ello:
132
j.1) Escribe el modelo transformado correspondiente. Estima eficientemente el modelo transfor-
mado propuesto. Compara los resultados con los obtenidos en la estimación del apartado h),
¿puedes establecer alguna conclusión?
j.2) Dibuja los residuos de la estimación del modelo transformado frente a su correspondiente
variable exógena. Interpreta dicho gráfico y compáralo con el correspondiente realizado en h).
¿Cómo interpretas lo que ves?
k) Especifica un modelo para la relación entre las variables EXP T RAV e IN COM E bajo el supuesto
de que σi2 = α1 + α2 P OPi . Estima el correspondiente modelo transformado detallando claramente
todo el proceso a realizar.
l) Escribe una sección de conclusiones donde resumas los resultados obtenidos a lo largo de todo el
ejercicio.
TAREA 4
Se quiere analizar la demanda de helado de mediados del siglo pasado en un estado de EEUU. Para ello
se dispone de una base de datos de 30 observaciones recogidos cada cuatro semanas durante los años 1951
a 1953, concretamente desde el 18 de marzo hasta el 11 de julio23 . Las variables que se consideran son:
Puedes acceder a estos datos ejecutando GRETL → En Archivo → Abrir datos → Archivo de muestra
→ Entonces: Elige Ramanathan, el fichero data9-1.gdt
1. Dado que no se está acostumbrado a las unidades de medida americanas y sabiendo que una pinta
equivale a 0,473 litros, un grado centı́grado son 1,8 grados Fahrenheit y que el dólar está a 0,82
euros, cambia las unidades de las variables de forma que estén en unidades españolas.
2. Especifica un modelo en el que relaciones el consumo de helado (Q) con el precio (P), la renta (I)
y el cuadrado de la temperatura (F 2 ).
23
Fuente: Datos del artı́culo de Hildreth, C. y J. Lu (1960), “Demand relations with autocorrelated disturban-
ces”, Technical Bulletin No 2765, Michigan State University, recogida en Ramanathan, R. (2002), Introductory
econometrics with applications.
133
a) Interpreta los coeficientes del modelo.
b) Estima el modelo por Mı́nimos Cuadrados Ordinarios (MCO). ¿Son los signos de los coefi-
cientes los esperados?
c) Si la temperatura media de las cuatro primeras semanas hubiese aumentado un grado centı́gra-
do manteniéndose constantes los valores del resto de las variables, ¿en cuánto estimas la va-
riación del consumo per capita de helados correspondiente a ese mismo periodo? ¿Y si la
temperatura en ese periodo hubiera sido de 25 grados centı́grados? ¿Y si hubiera sido de 40
grados centı́grados?
d ) Comenta los resultados obtenidos en cuanto a la significatividad de las variables y la bondad
de ajuste.
3. Obtén el gráfico de los residuos. ¿Qué te sugiere este gráfico? Comenta si crees que existe algún
problema de mala especificación o incumplimiento de hipótesis básicas.
4. Contrasta la existencia de un proceso autorregresivo de orden uno en las perturbaciones empleando
el estadı́stico de Durbin y Watson. ¿Qué concluyes sobre el resultado del contraste?
5. Contrasta la existencia de un proceso autorregresivo de orden dos en las perturbaciones empleando
el estadı́stico de Breusch y Godfrey.
6. Teniendo en cuenta la evidencia empı́rica obtenida en el apartado anterior, ¿qué resultados de los
obtenidos en el apartado 2 no son fiables para la inferencia?
7. Estima el modelo por Mı́nimos Cuadrados Generalizados Factibles (MCGF) empleando el proce-
dimiento de Cochrane y Orcutt para la estimación del parámetro de correlación.
a) Describe minuciosamente el proceso de estimación que se ha llevado a cabo hasta obtener las
estimaciones de todos los parámetros.
b) Escribe la recta de regresión muestral.
c) Obtén el gráfico de residuos y comenta los resultados.
8. Estima los coeficientes del modelo por Mı́nimos Cuadrados Generalizados (MCG) bajo el supuesto
de que la correlación entre ut y ut−1 es -0,7.
a) Describe detalladamente el proceso de estimación.
b) Escribe la recta de regresión muestral.
c) Obtén el gráfico de los residuos y comenta todos los resultados obtenidos.
9. Dados los resultados obtenidos en los apartados 7 y 8, ¿qué estimador emplearı́as para estimar los
coeficientes del modelo? Razona tu respuesta.
10. Si la renta disponible semanal aumentara en un euro manteniéndose constantes las demás variables:
11. Escribe una sección final de conclusiones donde resumas y relaciones todos los resultados obtenidos
a lo largo de la tarea.
134
TAREA 5
Para la realización de este ejercicio utilizamos el fichero de datos del libro de Wooldridge que tendreis
como archivo de muestra smoke en Gretl . Son datos para 807 individuos varones residentes en distintos
estados americanos en el año 1979. Las variables que están en este fichero son
Puedes acceder a estos datos ejecutando GRETL → En Archivo → Abrir datos → Archivo de muestra
→ Elige Wooldridge, fichero smoke24
135
e) Muestra los resultados de estimar el Modelo (1) por el método de Variables Instrumentales utili-
zando la variable restaurn como instrumento para cigs. ¿Son los resultados muy diferentes a los
obtenidos por MCO? Comenta estos resultados.
f) Escribe la matriz de instrumentos Z y la matriz de variables explicativas del modelo, X. No pongas
los valores muestrales, simplemente utiliza los nombres de las variables en las columnas. Escribe su
dimensión.
g) Escribe la expresión del estimador de VI utilizado. Escribe los elementos de Z 0 X y Z 0 Y utilizando
sumatorios y su dimensión. ¿Qué caracterı́sticas tiene que tener Z para que el estimador se pueda
obtener? ¿Qué condiciones tiene que satisfacer Z para que el estimador tenga propiedades deseables
y los contrastes sean válidos?
h) Se dispone además de otro instrumento adicional para cigs, la variable lcigpric. Estima el modelo
(1) por Mı́nimos Cuadrados en 2 Etapas utilizando todos los instrumentos. Muestra el resultado
obtenido en Gretl. Compara estos resultados con los obtenidos en el apartado e).
i) Calcula las correlaciones entre los instrumentos y la variable cigs. ¿Qué indican estas correlaciones
sobre la bondad de estos instrumentos?
j) Realiza la regresión de la variable cigs sobre todos los posibles instrumentos incluida la
constante:
cigs = α1 + α2 educ + α3 age + α4 age2 + α5 lcigpric + α6 restaurn + ui (2)
di i = 1, . . . , 879 y utiliza esta variable como instru-
Guarda la serie ajustada de la regresión cigs
mento para cigs. ¿Obtienes los mismos resultados que en el apartado h)? ¿Por qué obtienes esos
resultados? ¿Son las variables lcigpric y restaurn significativas?
k) Realiza el contraste de Hausman para los resultados del apartado e). A la vista del resultado ¿Cómo
estimarı́as los coeficientes del modelo (1)?
l) Contrasta si la variable edad es significativa. ¿En cuánto se estima el cambio en la renta cuando el
individuo tiene un año adicional y el resto de las caracterı́sticas se mantienen constantes? ¿Es esta
variación la misma para todos los individuos en la muestra?
TAREA 6
El Departamento de Sanidad de E.E.U.U. quiere estudiar la relación entre el gasto sanitario agregado
en billones de dólares (exphlth), la renta personal disponible agregada también en billones de dólares
(income), el porcentaje de población que supera los 65 años en el año 2005 (seniors) y la población en
millones (pop). Para ello encarga un estudio a dos becarios de la facultad de Económicas de Harvard
136
poniendo a su disposición datos de 2005 para dichas variables sobre 51 estados americanos25 .
Puedes acceder a estos datos ejecutando GRETL → En Archivo → Abrir datos → Archivo de muestra
→ Elige Ramanathan, fichero data8-3.gdt.
1. Escribe la función de regresión poblacional que te permita analizar la influencia de las variables
explicativas income, seniors y pop sobre la variable exphlth. Estı́mala por MCO. Interpreta los coe-
ficientes estimados del modelo. Contrasta la significatividad individual de las variables explicativas
del modelo. Escribe los supuestos necesarios sobre la perturbación para que los estadı́sticos tengan
validez.
2. Obtén los siguientes gráficos y comenta la información que te proporcionan
a) Gráfico de la serie de residuos MCO.
b) Gráfico de residuos MCO sobre la variable pop.
c) Gráfico de residuos MCO sobre la variable income.
3. Bajo el supuesto de que la varianza de la perturbación es una función creciente de la población,
var(ui ) = σ 2 popi :
-Primera submuestra:
Muestra → Establecer rango → Establecer rango muestral → Inicio: 1 y Final: T1
,→ Estimamos el modelo para la primera submuestra
-Muestra → Recuperar el rango completo
-Segunda submuestra:
Muestra → Establecer rango → Establecer rango muestral → Inicio: T1 + p + 1 y Final: T
,→ Estimamos el modelo para la segunda submuestra
b) Para el supuesto de que var(ui ) = σ 2 pop2 . Escribe el modelo transformado asociado y de-
muestra las propiedades de la nueva perturbación.
c) Para el supuesto sobre var(ui ) del apartado anterior estima el modelo por Mı́nimos Cuadrados
Generalizados o Ponderados. Analiza los resultados.
d ) ¿Qué se quiere decir con datos ponderados y datos originales?
25
Fuente: Ramanathan, Ramu (2002): Introductory Econometrics with Applications, fichero data8-3.gdt.
137
TAREA 7
Se quiere analizar la demanda de helado de mediados del siglo pasado en un estado de EEUU. Para ello
se dispone de una base de datos de 30 observaciones recogidos cada cuatro semanas durante los años 1951
a 1953, concretamente desde el 18 de marzo hasta el 11 de julio26 . Las variables que se consideran son:
Puedes acceder a estos datos ejecutando GRETL → En Archivo → Abrir datos → Archivo de muestra
→ Elige Ramanathan, el fichero data9-1.gdt
1. Dado que no se está acostumbrado a las unidades de medida americanas y sabiendo que una pinta
equivale a 0,473 litros, un grado centı́grado son 1,8 grados Fahrenheit y que el dólar está a 0,82
euros, cambia las unidades de las variables de forma que estén en unidades españolas. Para ello:
0, 82 1
Lt = 0, 473 Qt Rt = 0, 82 It Et = Pt Ct = Ft
0, 473 1, 8
2. Especifica un modelo en el que relaciones el consumo de helado (L) con el precio (E), la renta
(R) y el cuadrado de la temperatura (C 2 ). Estı́malo por MCO y obtén el gráfico de los residuos.
¿Qué te sugiere este gráfico? Comenta si crees que existe algún problema de mala especificación o
incumplimiento de hipótesis básicas.
3. Contrasta la existencia de un proceso autorregresivo de orden uno en las perturbaciones empleando
el estadı́stico de Durbin y Watson. ¿Qué concluyes sobre el resultado del contraste?
4. Contrasta la existencia de un proceso autorregresivo de orden dos en las perturbaciones empleando
el estadı́stico de Breusch y Godfrey.
138
c) Basándote en el contraste de Breusch y Godfrey, ¿cuál es la ecuación que describe el proceso
estocástico de la perturbación? Contrástalo.
5. Teniendo en cuenta la evidencia empı́rica obtenida en el apartado anterior, ¿qué resultados de los
obtenidos en el segundo apartado no son fiables para la inferencia?
6. Estima el modelo por Mı́nimos Cuadrados Generalizados Factibles (MCGF) empleando el proce-
dimiento de Cochrane y Orcutt o Hildreth-Lu para la estimación del parámetro de correlación.
a) Describe minuciosamente el proceso de estimación que se ha llevado a cabo hasta obtener las
estimaciones de todos los parámetros.
b) Escribe la recta de regresión muestral.
c) Obtén el gráfico de residuos y comenta los resultados.
7. Escribe una sección final de conclusiones donde resumas y relaciones todos los resultados obtenidos
a lo largo de la tarea.
TAREA 8
Se dispone de una base de datos anuales sobre ı́ndices de producción y factores de producción agrı́colas
y ganaderos con base 1982, para el perı́odo de 1948 a 1993 en U.S. 27 Las variables que se consideran son
Puedes acceder a estos datos ejecutando GRETL → En Archivo → Abrir datos → Archivo de muestra
→ Elige Ramanathan, el fichero data9-5.gdt
27
Fuente: Economic report of the President, 1996, Tablas B-95 y B-96, recogidas en Ramanathan, Ramu (2002)
Introductory econometrics with applications.
139
a) Especifica un modelo doblemente logarı́tmico en el que relaciones el logaritmo de la producción
con el logaritmo de todos los inputs, para analizar si los factores de producción tenidos en cuenta
son útiles para explicar o no la producción agrı́cola-ganadera en U.S. en el perı́odo de 1948 a 1993.
Estima el modelo por Mı́nimos Cuadrados Ordinarios. Interpreta los parámetros que acompañan
al factor trabajo y al factor tamaño de la explotación. Comenta los resultados obtenidos de la
estimación en términos de bondad de ajuste, significatividad y signos de los coeficientes estimados.
Razona si te parecen adecuados los resultados.
b) Obtén el gráfico de los residuos de la estimación MCO de esta especificación. ¿Qué te sugiere este
gráfico? Comenta si crees que existe algún problema de mala especificación o inclumplimiento de
hipótesis básicas.
c) En el modelo propuesto en el apartado a) contrasta la existencia de un proceso autorregresivo
de orden uno en las perturbaciones con el estadı́stico de Durbin Watson y con el estadı́stico de
Breusch Godfrey. A continuación contrasta la existencia de un proceso autorregresivo de orden
tres. ¿Qué concluyes sobre los resultados de los contrastes?
d) Teniendo en cuenta la evidencia obtenida en c), ¿qué resultados de los obtenidos en a) no son
fiables para la inferencia? ¿Cómo lo modificarı́as si quieres seguir utilizando el mismo método
de estimación (MCO) de los coeficientes del modelo? Utiliza el procedimiento implementado en
GRETL. Comenta los resultados y compáralos con los obtenidos en a).
e) Estima el modelo por el procedimiento de Cochrane-Orcutt. Escribe el modelo a estimar y descri-
be claramente el proceso de estimación que se ha llevado a cabo hasta obtener las estimaciones
de los parámetros. Obtén el grafico de residuos, comenta sus resultados. ¿Crees que hay algún
inclumplimiento de las hipótesis básicas sobre la perturbación en el modelo estimado?
f) Reestima el modelo suprimiendo los regresores no significativos y repite el estudio de existencia de
autocorrelación en las perturbaciones.
g) Escribe una sección final de conclusiones donde resumas y relaciones todos los resultados obtenidos
a lo largo del ejercicio. Además elige el modelo que estarı́as dispuesto a especificar (el propuesto
en el apartado a), el del apartado e) o el del apartado f)) Argumenta tú decisión.
h) ¿Qué quiere decir que los ı́ndices tienen la base en el año 1982? Si la base no fuese la misma para
todos los ı́ndices ¿ tendrı́a sentido el análisis? ¿por qué? ¿qué tendrı́as que hacer para solucionar
tu problema?
TAREA 9
Se desea estimar una función de producción tipo Cobb-Douglas para el sector agrı́cola y ganadero en los
Estados Unidos. Para ello se dispone de una base28 de datos anuales para el periodo de 1948 a 1993 sobre
los siguientes ı́ndices con base en el año 1982:
28
Rammanathan, R. (2002), Introductory econometrics with applications, data 9-5.gdt.
140
Yt = Indice de la producción agrı́cola y ganadera (en logaritmos)
Lt = Indice de utilización del factor trabajo (en logaritmos)
EXt = Indice del tamaño de la explotación (en logaritmos)
Kt = Indice del gasto en maquinaria (en logaritmos)
Yt = β1 + β2 Lt + β3 EXt + β4 Kt + ut (3)
TAREA 10
En un estudio sobre la polı́tica de natalidad del gobierno de E.E.U.U. en el siglo XX se tienen datos
anuales sobre las siguientes variables29 , para el perı́odo 1913-1984:
29
Wooldridge, J.M. (2001), Introducción a la Econometrı́a, data fertil3.gdt.
141
gfr nacimientos por 1000 mujeres de edad entre 15-44
pe reducción fiscal en términos reales, en dólares
year secuencia temporal, de 1913 a 1984
pill =1 si a~
no >= 1963. Este a~ no fue el del inicio de la
comercialización de la pı́ldora anticonceptiva.
ww2 =1 si el a~no está entre 1941 y 1945 (2a guerra mundial)
TAREA 11
142
3. Utilizar diversas fuentes estadı́sticas y adquirir destreza en el uso de un software econométrico para
analizar relaciones entre variables económicas.
4. Valorar adecuadamente los resultados obtenidos para elaborar informes económicos
En un estudio sobre la polı́tica de natalidad en los E.E.U.U. en el siglo XX se tienen los datos siguientes
de frecuencia anual sobre las variables siguientes30 , para el periodo 1913-1984:
30
Wooldridge, J.M. (2001), Introducción a la Econometrı́a, data fertil3.gdt.
143