UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

FACULTAD DE CIENCIAS ECONOMICAS

Curso: Econometría II
Profesora: Mg. Beatriz Castañeda S.

Práctica 1

1. Suponiendo que el término perturbación del modelo econométrico sigue distribución normal
N(0, 2u )
y t = √ β 1 +β 2 x t + ut ; t = 1,2, ..., T
a) Obtener las expresiones analíticas para aplicar el algoritmo de Gauss – Newton y
proporcionar las expresiones de cálculo para la primera iteración a partir de las
condiciones iniciales 1 = 0, 2 = 1.

b) Obtener las expresiones analíticas para aplicar el algoritmo de Newton Raphson y

proporcionar las expresiones de cálculo para la primera iteración a partir de las
condiciones iniciales 1 = 1, 2 = 1.

2. Sea el modelo de crecimiento logístico

− β 3 x t −1
y t =β 1 ( 1+ β 2 e ) +ut
a) Proporcione las expresiones analíticas de la variable transformada y la especificación
del modelo para estimar los coeficientes con el método de regresión linealizada.
¿Cuáles serían las expresiones de cálculo para la primera iteración si se asume como
valores iníciales 1 = 1; 2 = 1 y 3 = 1?

b) Proporcione las expresiones analíticas para aplicar el algoritmo de Gauss-Newton.

¿Cuáles serían las expresiones de cálculo para la primera iteración si se asume como
valores iníciales 1 = 1; 2 = 1 y 3 = 1?

3. Sea el modelo
y t =( φ+ ρ) y t−1−φ ρ y t−2 +ε t
a) Proporcione las expresiones analíticas de la variable transformada y la especificación
del modelo para estimar los coeficientes con el método de regresión linealizada.
b) Se desea probar la hipótesis H 0:  = 0 aplicando la prueba de Multiplicadores de
Lagrange. Presente la expresión analítica del modelo auxiliar para obtener la estadística
ML = TR².

4. Se postula el modelo de Cobb-Douglas multiplicativo para la producción de la economía

mexicana en el periodo 1955 -1974. (fprod-mexicana.wf)
β β
PIBt =β 1 Trabajo 2 Capital 3 +ε t
a) Formule las expresiones analíticas para estimar los parámetros del modelo utilizando el
algoritmo de Gauss-Newton. (sugerencia, exprese al modelo en su forma teórica Y t = β1
X2β3 X3β3+εt)

b) Con la data en el periodo indicado se estimó el modelo obteniéndose los siguientes

resultados
 Dependent Variable: PIB
Method: Least Squares (Gauss-Newton / Marquardt steps)
Date: 09/29/16 Time: 18:26
Sample: 1955 1974
Included observations: 20
Convergence achieved after 57 iterations
Coefficient covariance computed using outer product of gradients
PIB=C(1)*TRABAJO^C(2)*CAPITAL^C(3)

Coefficient Std. Error t-Statistic Prob.  

C(1) 0.529235 0.271241 1.951157 0.0677

C(2) 0.181060 0.141299 1.281400 0.2173
C(3) 0.882769 0.070815 12.46589 0.0000

R-squared 0.994213    Mean dependent var 218506.3

Adjusted R-squared 0.993532    S.D. dependent var 82602.34
S.E. of regression 6643.194    Akaike info criterion 20.57805
Sum squared resid 7.50E+08    Schwarz criterion 20.72741
Log likelihood -202.7805    Hannan-Quinn criter. 20.60721
Durbin-Watson stat 0.289903

Matriz de covarianzas de los estimadores de los coeficientes

C(1) C(2) C(3)
C(1)  0.073572 -0.033668  0.013804
C(2) -0.033668  0.019965 -0.009641
C(3)  0.013804 -0.009641  0.005015

Analice la hipótesis de que en el año 1970, un aumento de un millón de pesos en el

capital tiene un efecto marginal de un aumento 0.9 millones de pesos en el PIB.
(PIB1970=296530 millones de pesos de 1960, Trabajo 1970=12955 miles de personas y
Capital1970 = 455049 millones de pesos de 1960)

5. Se postula el siguiente modelo de regresión exponencial para la relación entre las

comisiones (comisión en %) que un fondo mutualista paga sus consultores de inversión por
el manejo de sus bienes y el valor neto de los bienes del fondo (activos en miles de millones
de dólares). (comisión-activos nl.wf)
β Activos i
Comisioni =β 1 e 2 + εi
c) Formule las expresiones analíticas para estimar los parámetros del modelo utilizando el
algoritmo de Newton Raphson, asuma como valores iniciales β 1=0.45 y β2=0.01.
(sugerencia, exprese al modelo en su forma teórica Y i = β1 eβ2Xi +εi)
d) Con la data se estimó el modelo obteniéndose los siguientes resultados

Dependent Variable: COMISION

Method: Least Squares (Newton-Raphson / Marquardt steps)
Date: 09/30/16 Time: 19:31
Sample: 1 12
Included observations: 12
Convergence achieved after 6 iterations
Coefficient covariance computed using outer product of gradients
COMISION=C(1)*EXP(C(2)*ACTIVOS)

Coefficient Std. Error t-Statistic Prob.  

C(1) 0.508902 0.007459 68.22451 0.0000

 C(2) -0.005965 0.000484 -12.31499 0.0000

R-squared 0.938535    Mean dependent var 0.432317

Adjusted R-squared 0.932388    S.D. dependent var 0.050129
S.E. of regression 0.013035    Akaike info criterion -5.691383
Sum squared resid 0.001699    Schwarz criterion -5.610566
Log likelihood 36.14830    Hannan-Quinn criter. -5.721305
Durbin-Watson stat 0.349343

Matriz de covarianzas de los estimadores de los coeficientes

C(1) C(2)
C(1)  5.56E-05 -2.92E-06
C(2) -2.92E-06  2.35E-07

Analice la hipótesis de que la tasa de cambio de la Comisión ante un cambio en los

activos es una reducción de 0.002% (-0.002) cuando los activos son de 20 mil millones
de dólares (Activos = 20)