ECONOMETRIA II

EXAMEN FINAL
11 de Febrero de 2020

Nombre: Código:
1. (Vale 1) Usted desea estimar un modelo econométrico para explicar el deterioro ambiental
usando la variable emisión de dióxido de carbono (CO2 ) como variable dependiente y las sigu-
ientes regresoras: ingreso económico (P IB), densidad poblacional (P OB), inversión extranjera
directa (IE), grado de apertura (AP ER), consumo de energı́a (EN ER), inversión en ciencia y
tecnologı́a (T EC). La ecuación estimada utilizando información para diferentes paı́ses y el año
2018 se presenta a continuación (errores estándar entre paréntesis):
\2i ) = −0.569 + 1.063ln(P IBi ) − 0.084ln(P IB 2 ) + 0.571ln(P OBi ) + 0.612ln(IEi )
ln(CO i
(0.351) (0.421) (0.021) (0.253) (0.251)
+ 0.005AP ERi + 0.471ln(EN ERi ) + 0.171ln(T ECi )
(0.001) (0.210) (0.101)

A partir de la información anterior usted podrı́a concluir lo siguiente:

Responda Falso (F) o Verdadero (F)
a. Un incremento de 1% en P IB está asociado con un aumento de las emisiones de CO2 de
1.063%, manteniendo lo demás constante ( )
b. Un incremento de 1% en AP ER está asociado con un aumento de las emisiones de CO2 de
0.005%, manteniendo lo demás constante ( )
c. El coeficiente que acompaña a la variable P OB es significativo pero el que acompaña a T EC
no es significativo al 5% ( )
Suponga que la información estadı́stica sugiere que la inversión extranjera se ha dirigido prin-
cipalmente a la creación y fortalecimiento de empresas altamente contaminantes en paı́ses con
ingresos bajos donde los costos laborales son menores y las reglamentaciones ambientales son
menos estrictas. Qué problema podrı́a ocasionar esta situación en el modelo de regresión esti-
mado?

Qué solución propondrı́a usted? Justifique brevemente.

1
2. (Vale 1) Complete la afirmación colocando la letra que corresponda
( ) El estimador de variables instrumentales puede ser usado para
( ) Los datos longitudinales pueden ser usados para
( ) El método de efectos aleatorios correlacionados puede usarse para
( ) Una medida correctiva para el problema de correlación serial del término de error es
( ) Una medida correctiva para el problema de heterocedasticidad del término de error es
( ) El criterio de información AIC puede ser usado para
( ) La función de autocorrelación parcial muestral (FACP) puede ser usada para
( ) El gráfico de la serie puede ser usado para
( ) El modelo de MCO dinámicos es usado para
( ) La prueba de Engel-Granger puede ser usada para
a. identificar los órdenes p y q de un modelo ARMA
b. diferenciar las variables del modelo
c. identificar el orden q de un modelo MA
d. eliminar el sesgo resultante de simultaneidad y variables omitidas
e. incluir rezagos adicionales de la variable dependiente
f. obtener estimadores más eficientes
g. probar si dos o más series están cointegradas
h. detectar el tipo de tendencia que tiene una serie temporal
i. identificar el orden p de un modelo AR
j. eliminar el sesgo resultante de la violación del supuesto de normalidad
k. aplicar una transformación logarı́tima a las variables
l. elegir entre los métodos de efectos fijos y efectos aleatorios
m. realizar inferencia estadı́stica válida
n. eliminar el sesgo resultante de trabajar con una muestra pequeña
o. verificar el supuesto de ruido blanco del término de error
3. (Vale 1) La teorı́a del efecto de Fisher implica que la tasa de interés nominal y la tasa de
inflación esperada están cointegradas con un coeficiente de cointegración igual a 1. La siguiente
tabla presenta los estadı́sticos de contraste de raı́ces unitarias y cointegración para estas dos
series temporales:

Interés Inflación Interés - Inflación

Estadı́stico t -2.13 -2.91 -3.21
Valor crı́tico 5% -2.86 -2.86 -3.34

Encierre la respuesta correcta:

a. La tasa de interés es I(0)/I(1)
b. La tasa de inflación es I(0)/I(1)
c. La tasa de interés y la tasa de inflación SI/N O están cointegradas
De acuerdo con los resultados anteriores, cuál de los siguientes modelos recomendarı́a usar?
a. Interést = α + βInflaciónt + ut
b. ∆Interést = α0 + γ0 ∆Inflaciónt + ut

2
c. ∆Interést = α0 + γ0 Inflaciónt + ut
d. Interést = α0 + γ0 ∆InflaciónP
t + ut
e. Interést = α + βInflaciónt + pj=−p δj ∆Inflaciónt−j + ut
f. ∆Interést = α0 + γ0 ∆Inflaciónt + γ(Interést−1 − βInflaciónt−1 ) + ut

4. (Vale 0.5) A continuación se presenta el gráfico, la función de autocorrelación muestral

(FAC) y la función de autocorrelación parcial muestral (FACP) para una serie económica Y y
su primera diferencia dY .

(a)

1.0

1.0
15
10

0.5

0.5
5

Partial ACF
ACF

0.0

0.0
Y

−0.5

−0.5
−5
−10

−1.0

−1.0
0 200 400 600 800 1000 0 5 10 15 20 25 30 0 5 10 15 20 25 30

Time Lag Lag

(b)
4

1.0

1.0
2

0.5

0.5
Partial ACF
ACF

0.0

0.0
0
dY

−0.5

−0.5
−2

−1.0

−1.0
−4

0 200 400 600 800 1000 0 5 10 15 20 25 30 0 5 10 15 20 25 30

Time Lag Lag

Figure 1: (a) Gráfico, FAC y FACP muestral de la serie Y . (b) Gráfico, FAC y FACP muestral de la serie dY .

De acuerdo con los gráficos, el modelo ARIMA(p,d,q) para la serie Y que usted propondrı́a
serı́a ARIMA( , , )
5. (Vale 0.5) Sea Zt = α0 + Zt−1 + vt , donde vt ∼ RB(0, 1) y Z0 = 0. La media y varianza de

3
Zt son respectivamente
a. α0 y 1
b. α0 t y 1
c. α0 y t
d. α0 t y t
e. α0 y t − s
f. α0 t y t − s
6. (Vale 0.5) Responda Falso (F) o Verdadero (V)
a. El estimador de efectos fijos es adecuado cuando se considera que el efecto inobservable no
se correlaciona con ninguna variable explicativa ( )
b. Cuando el término de error uit sigue una caminata aleatoria, los estimadores de PD son
preferidos a los de EF ( )
c. La probabilidad de éxito P (y = 1|x) es una función no lineal de las variables explicativas en
el modelo de probabilidad lineal ( )
d. La primera diferencia de un proceso integrado de orden uno I(1) es estacionario y débilmente
dependiente ( )
e. Un modelo autorregresivo de orden p es un modelo de regresión lineal múltiple en el que los
regresores son los p primeros retardos del término de error ( )

7. (Vale 0.5) Considere el modelo

∆yt = µ + Πyt−1 + Γ1 ∆yt−1 + vt

donde yt es un vector aleatorio de dimensión 2 × 1.

Bajo qué condiciones sobre la matrix Π es yt cointegrado? Cuál serı́a el rango de la matriz Π
en este caso?