Examen Parcial

ECONOMETRIA II - EC611L 2016-I

UNIVERSIDAD NACIONAL DE INGENIERIA
Escuela Profesional de Ingenierı́a Económica
Rafael Caparó
rafael.caparo@unistra.fr
May 14, 2018

Abstract
El examen tiene una duración de 90 minutos, usted deberá enviar todos los archivos uti-
lizados al correo del curso, zipeados con su nombre, apellido y sección para completar la parte
de laboratorio. La prueba exige un nivel de rapidez - UNI, sea conciso en sus sustentaciones.
Respecto a los ejercicios se anula respuesta mal planteada, sea ordenado y claro con sus ecua-
ciones. Sólo use una media cara por respuesta.

1 Ejercicio para calentar

Suponga que una pareja que desea forman un hogar se vuelve propietaria de su casa si es lo
suficientemente rica, superior a un nivel de ingreso considerado no observable. Sean X1 yX2 son
sus respectivos ingresos. Suponemos que los ingresos de ambos cónyuges están correlacionados
(por un fenómeno bien conocido de la endogamia) y que:
     2 
X1 m1 σ1 ρσ1 σ2
∼N ,
X2 m2 ρσ1 σ2 σ22

1. Calcular (1 pto)1 :
P rob(X1 + X2 > s|X2 = x2 )
2. Calcular (1 pto):
P rob(X1 + X2 > s)

2 Aplicación de los modelos Logit Multinomiales

Sea yi la decisión de una persona ( individuo i) para elegir a un candidato presidencial, suponga
que solo hay tres candidatos: A, B y C, respectivamente codificadas como: 1, 2 y 3, el orden no
importa para esta aplicación. Se puede considerar como supuesto que se elija al candidato A (con
código 1) como referencia. Queremos modelar la probabilidad de ocurrencia (la probabilidad de
elegir al candidato) de estas tres modalidades en función de una sola variable para facilitar los
cálculos y una constante, la variable considerada como explicativa la denotaremos x y captura
el hecho si la persona que toma la decisión realizó estudios universitarios o no2 . Para este caso
considere un modelo logit multinomial tal que:

exp(αj + βj xi )
P rob(yi = j) = 3
Σk=1 exp(αk + βk xi )
1 ayuda:
ρσ1
X1 |X2 = x2 ∼ N (m1 + (x2 − m2 ), (1 − ρ2 )σ12
σ2
2 variable dicotómica denotada por xi = 1 si realizó estudios universitarios ó 0 si no realizó estudios universitarios

1
 Donde P rob(yi = j) designa la probabilidad que el individuo i escoja la elección j, considere:
α1 = β1 = 0 y que jota toma tres valores (1,2,3), adicionalmente se tiene 500 observaciones
repartidas, tal que:

Número de Observaciones yi xi
130 observaciones yi = A xi = SiEduc.Superior
130 observaciones yi = A xi = N oEduc.Superior
60 observaciones yi = B xi = SiEduc.Superior
120 observaciones yi = B xi = N oEduc.Superior
0 observaciones yi = C xi = SiEduc.Superior
60 observaciones yi = C xi = N oEduc.Superior

- Encuentre la M.V de los parámetros del modelo, escriba en función de los parámetros α2 , α3 , β2 y β3 ,
la probabilidad que el individuo i escoja las modalidades A, B o C para los sgtes casos: Cuando
xi = N oEduc.Superior y cuando xi = SiEduc.Superior.(1pto)
- Muestre la función de verosimilitud en logaritmos, en base a la cantidad de datos del cuadro
anterior y a los coeficientes α y β y compruebe si se obtiene la siguiente función a maximizar:
(1pto):

lnL(y, α2 , α3 , β3 , β2 ) = −ΣN
i=1 ln[1 + exp(α2 + β2 xi ) + exp(α3 + β3 xi )] + 180α2 + 60β2 + 60α3

- Mencione los algoritmos que utilizarı́a para maximizar la Verosimilitud, desarrolle algunos de los
algoritmos mencionados (2pts)
- Muestre que los estimadores de MV de los parámetros α2 , α3 , β2 y β3 verifican las cuatro
estimaciones siguiente(1pt):
ΣN ˆ N ˆ
i=1 P rob(yi = 2) = 180 ; Σi=1 P rob(yi = 2) ∗ xi = 60;
ΣN P ˆ
rob(y i = 3) = 60 ; ΣN
P ˆ
rob(yi = 3) ∗ xi = 0.
i=1 i=1
Considerando que:
ˆ exp(αˆj + βˆj xi )
P rob(y i = j) =
Σ3 exp(αˆk + βˆk xi )
k=1
- Determine el efecto marginal de la variable x sobre la probabilidad que el individuo escogiese
la modalidad j, considerando los tres posibles valores de j (1,2,3), muestre que el efecto marginal
sobre la probabilidad que el individuo escoja la modalidad de referencia es igual a(1pto):
exp(α2 ) + exp(α3 ) − exp(α2 + β3 ) − exp(α3 + β3 )
EMp0 |xi =
1 + exp(α2 + β2 ) + exp(α3 + β3 )

3 Estimación MV para modelos de variable dependiente

discreta
Recordando que en un modelo Probit la función de distribución Φ considerada N (0, 1), vamos a es-
timar los parámetros involucrados, ademas sabemos que los modelos donde la endógena es discreta
(Binomial) se estiman mejor con métodos como el de Máxima Verosimilitud (MV). El estimador
de MV es eficiente y mejora las estimaciones de los modelos lineales de probabilidad cuando se usa
técnicas como MCG, ante ello se le pide lo siguiente:

1. (1pto) Considere una función Probit para la distribución, muestre que la función de verosimil-
itud, cuando se considera una Probit está dada por:
0 0
L = ΠN Yi
1 [Φ(xi β)] [1 − Φ(xi β)]
1−Yi

2. (1pto) Utilice las CPO y encuentre las condiciones necesarias de optimalidad:

Yi − Φ(x0i β)
S(β) = ΣN
1 f (x0i β)xi = 0
Φ(x0i β)[1 − Φ(x0i β)]

2
 3. (1pto) Muestre que la matriz de información,I(β) (Matriz hessiana) respecto a los parámetros
β está dada por:
[f (x0i β)]2
I(β) = ΣN1 xi x0i
Φ(x0i β)[1 − Φ(x0i β)]

4. (1pto) Desarrolle un algoritmo en el software que usted requiera ( Python, R, MATLAB,Stata,etc)

para estimar los parámetros considerando la técnica de MV, recuerde la relación siguiente
para corregir al estimador del vector β en cada iteración:

β̂n = β̂n−1 + [I(β̂n−1 )]−1 S(β̂n−1 )

3.1 Ejercicios aplicados

Teniendo como muestra a los alumnos del curso de Econometrı́a II del ciclo pasado. Se desea
predecir si el alumno de este ciclo aprobará o no aprobará el curso, lo cual se estimará mediante
un modelo logit. Con datos de 60 estudiantes se construyó la variable dependiente, una variable
binaria que toma valor 1 si el alumno aprobó el curso, y el valor 0 si el alumno no aprobó el curso.

- Para el análisis suponga lo siguiente :

• Todos los alumnos reciben la misma dosis de educación que es denotado γ e, se ha considerado
como dosis de educación las horas impartidas en clase, las horas de repaso del estudiante en
su casa de los temas vistos, las horas de aprendizaje autoasistido del estudiante referente a
otros temas del curso, ası́ como las horas destinadas a los laboratorios y trabajos en grupo.
• Cada alumno tiene diferentes tipos de problemas (amor, dota, familiares,psicológicos, de
personalidad, distracción, falta de capacitada de ser autodidacta,etc. Los cuales pueden
agruparse entre intrı́nsecos y extrı́nsecos) los cuales serán denotados por yi∗ . Esta variable es
modelada por K variables cualitativas.

yi∗ = β0 + β1 x1 + β2 x2 + · · · + βk xk + εi

• Si el nivel de los problemas del alumno es mayor a la dosis de educación , el alumno desaprueba
el curso , pero si es menor el alumno aprueba el curso.

y = 0, si y1∗ < γ

y
e
y = 1, si y1∗ ≤ γ
e

Pregunta 1 (1pto). Mencione que variables explicativas puede añadir al modelo, intrı́nseca y
extrı́nsecas al individuo ¿Cuál serian las ventajas de usar un modelo logit?

Pregunta 2 (1pto). Exprese la probabilidad de que el alumno apruebe el curso en función de β y

e utilizando ”F ” (función acumulada) y ”xi ”. Dato σεεi ∼ F .
γ
i

Pregunta 3 (1pto).Tomando en cuenta la función logit: Expresar la log-verosimilitud del modelo

que utilizarı́a.

4 Laboratorio de ingenierı́a económica: Portafolio de bonos

de las AFPs, un análisis econométrico
La Administradora de Fondos de Pensiones AixAFP lo ha contratado para realizar un estudio
sobre el mercado de bonos peruano, la empresa desea incursionar al mercado local con una gran

3
cantidad de dinero3 . De esa manera: La gestión de grandes montos de dinero, la búsqueda de una
rentabilidad basada en el perfil del inversionista y la optimización de los recursos financieros serán
algunas de las responsabilidades que usted deberá tener en cuenta, para ello se le pide realice lo
siguiente:

- Construya una cross section del último mes y del ultimo año de los bonos que tienen las
AFPs peruanas, para ello deberá tener una columna con el ticker del bono, y sus caracterı́sticas
intrı́nsecas (emisor,monto,tasa cupón, entre otras ) y extrı́nsecas (calificaciones de las agencias,
paı́s, moneda, caracterı́sticas de las curvas de rendimiento, caracterı́sticas de la institución que
compra el bono,etc.), en base a la información de la SBS 4
construya su base de datos, para calentar comience haciendo un diagnóstico de la hoja 1 del
excel del mes de diciembre 2016(1pto).

- Estime la probabilidad que un bono adquirido por una AFP provenga del sector: Ban-
cos(4pts). Sugerencia: Deberá considerar la hoja 6 del excel de diciembre del 2016 de la web de
la SBS y construir su sección cruzada en función a los datos que encuentre, realice un diagnos-
tico descriptivo y estime un logit multinomial considerando como endógena la variable sectores
(Almacenes Comerciales, Bancos, Compañı́as de Seguros,Entidades Financieras Internacionales,
Financieras, Gobierno,... ) que previamente debe construir.

- Construya un logit con 1 si el bono local es de un banco y 0 el resto, estime la misma

probabilidad de la pregunta anterior (2pts)

5 Laboratorio de ingenierı́a económica en R o Stata: Econometrı́a

Bancaria
Este laboratorio esta relacionado a los temas vistos en clase, por ende debe considerar las sigu-
ientes lı́neas de acuerdo a los temas revisados y a las bases de datos aplicados. La base de datos
econometriabancaria.xls contiene datos que usted debe considerar para desarrollar dos modelos: 1)
El primer modelo consiste en encontrar el perfil del cliente que comete incumplimiento mientas que
2) El segundo modelo consiste en encontrar el perfil del cliente que puede ser considerado como
cliente Normal, Con Problema Potencial, Deficiente, Dudoso o Pérdida. Para desarrollar estos
modelos usted debe considerar lo siguiente:

1. Diagnóstico de los datos (1pto): Análisis descriptivo de los datos, presencia de datos ex-
tremos, raros o con poca interpretación, usar histogramas, gráficas de caja, scatters, pruebas
de normalidad, etc.
2. Encontrar un modelo que pueda predecir el incumplimiento. (2ptos): Se valida la capacidad
para interpretar los resultados del modelo estimado, la valides de los parámetros, la capacidad
predictiva y la forma de redactar su respuesta.
3. Encontrar un modelo que pueda hacer un ranking de clientes. (2ptos): Se valida la capacidad
para interpretar los resultados del modelo estimado, la valides de los parámetros, la capacidad
predictiva y la forma de redactar su respuesta.
4. Del modelo del incumplimento responda: 1) el estar en el ranking de universidad 2 y 3 da
lo mismo para el incumplimiento, 2) el estar en el ranking 2 de la universidad genera un
aumento del 100% respecto al estar en el ranking 1. (2ptos)

¡Enseña para que digan cuanto he aprendido y no para que digan cuanto sabes !

3 Se debe asumir a AixAFP como un inversionista no residente que tiene sus ingresos en EUR, considere los tipos

de cambio: EURUSD, USDPEN.

4 Revisar la siguiente web http://www.sbs.gob.pe/app/stats/EstadisticaBoletinEstadistico.asp?p=54