Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. i) ¿En qué mes y año entró en vigor la ley del cinturón de seguridad en
California? ¿Cuándo aumentó el límite de velocidad en carretera a 65 millas
por hora?
Esta Ley, entro a regir en Enero del año 1986 y el límite de velocidad en
carretera aumento a 65 millas por hora en Mayo de 1987.
ii) Haga una regresión de la variable log (totacc) sobre una tendencia lineal en el
tiempo y 11 variables binarias mensuales, usando enero como el mes base.
Interprete la estimación del coeficiente de la tendencia. ¿Diría usted que hay
estacionalidad en el total de accidentes?
iii) Añada a la regresión del inciso ii) las variables wkends, unem, spdlaw y
beltlaw. Comente el coeficiente sobre la variable de desempleo (unem). ¿Su
signo y magnitud tienen sentido? Es significativa?
iv) En la regresión del inciso iii) interprete los coeficientes de spdlaw y beltlaw.
¿Los efectos estimados son los que usted esperaba? Son significativas las
variables? Explique su respuesta.
Inft=1.42361+0.4676257Unemt
ii) Obtenga los residuales de MCO del inciso i) u t y Estime la regresión de ut sobre
ut-1. (Está bien incluir un intercepto en esta regresión.) ¿Existe evidencia
contundente de correlación serial?
uh
L1. .5729695 .1161334 4.93 0.000 .3392052 .8067338
rho .7805446
rho .7740512
year 1948-1996
i3 Tasa de Interés deuda
pública inf Tasa de inflación
rec Ingresos del Gobierno
%PIB out Gastos del
Gobierno % PIB def
Déficit del Gobierno % PIB
i) Estime una regresión que busque identificar la posible relación causal entre la
tasa de interés de la deuda pública explicada por la inflación y el déficit del
gobierno. Interprete los coeficientes y diga si son significativos.
Source SS df MS Number of obs = 56
F( 2, 53) = 40.09
Model 272.420338 2 136.210169 Prob > F = 0.0000
Residual 180.054275 53 3.39725047 R-squared = 0.6021
Adj R-squared = 0.5871
Total 452.474612 55 8.22681113 Root MSE = 1.8432
Los coeficientes de las variables tasa de inflación y déficit del gobierno% PIB
afectan positivamente la tasa de interés de deuda pública. Estas variables son
altamente significativas para explicar la tasa de interés de deuda pública.
ii) Estime un Test de Durvin Watson de correlación serial. Existe a la luz de este
test correlación serial?
Durbin-Watson d-statistic( 3, 56) = .7161527
. reg i3 inf def El test anterior muestra existencia de correlación serial, pues este resultado
(0.7161527) no es cercano a 2.
Source SS df MS Number of obs = 56
iii) Estime un test de correlación serial53)tipo
F( 2, = AR(1)
40.09 asumiendo exogeneidad estricta,
Model 272.420338 2 136.210169 Prob > F = 0.0000
Residual
usando los
180.054275
residuos estimados.
53 3.39725047
Existe a =la
R-squared
luz de
0.6021
este test correlación serial?
Adj R-squared = 0.5871
Total 452.474612 55 8.22681113 Root MSE = 1.8432
uh
L1. .6225242 .1098185 5.67 0.000 .4022562 .8427922
uh1
L1. .071925 .1342418 0.54 0.594 -.1974509 .3413009
El test nos muestra que no existe correlación serial en este modelo, pues el
resultado (1.96) es aproximadamente 2, por tanto, este modelo es consistente con
no correlación serial.
ii) Use un test para correlación tipo AR(1) , usando los residuos estimados, con y
sin asumir exogeneidad estricta y diga en cada caso si el test indica la existencia
de correlación serial tipo AR(1).
uh
L1. .2918091 .1179825 2.47 0.016 .0562495 .5273687
1 0.003 ( 1, 65 ) 0.9553
El test F nos indica que existe correlación serial, porque si se observa el valor del
p-value no se puede rechazar H0
iii) Use un test para correlación tipo AR(2), usando los residuos estimados, con y
sin asumir exogeneidad estricta y diga en cada caso si el test indica la existencia
de correlación serial tipo AR(2).
. reg uh L1.uh L2.uh
uh
L1. .2938915 .125322 2.35 0.022 .0435321 .5442509
L2. -.0083428 .1253272 -0.07 0.947 -.2587127 .2420271
1 0.297 ( 1, 63 ) 0.5877
El test F nos indica que existe correlación serial, porque si se observa el valor del
p-valor no se puede rechazar H0.
ii) Use un test de DW alternativo (el que no asume exogeneidad estricta) para
testear la hipótesis de correlación serial. Diga si hay correlación serial.
1 255.261 ( 1, 67 ) 0.0000
El
. reg gfr pe pill ww2 test F nos indica que no existe correlación serial, porque si se observa el valor
del p-valor se puede rechazar H0
Source SS df MS Number of obs = 72
F( 3, 68) = 20.38
iii) Realice un test de correlación serial tipo AR(1) usando los residuos estimados.
Model 13183.6215 3 4394.54049 Prob > F = 0.0000
Residual Diga si hay
14664.2739 68 correlación
215.651087 serial.R-squared = 0.4734
Adj R-squared = 0.4502
Total 27847.8954 71 392.223879 Root MSE = 14.685
uh
L1. .2918091 .1179825 2.47 0.016 .0562495 .5273687
Source
Que
SS
cambia
df
en la
MS
estimación? Donde son los errores
Number of obs = 72
estándar más grandes?
F( 3, 68) = 20.38
Model 13183.6215 3 4394.54049 Prob > F = 0.0000
Residual 14664.2739 68 215.651087 R-squared = 0.4734
Adj R-squared = 0.4502
Total 27847.8954 71 392.223879 Root MSE = 14.685
Newey-West
gfr Coef. Std. Err. t P>|t| [95% Conf. Interval]
Utilizando errores tipo newey-west para un rezago los valores de los coeficientes
son los mismos en ambas regresiones, los errores estándar son muy similares en
ambas regresiones, sin embargo, son más grandes en la regresión con newey-
west y esto se ve reflejado en el estadisitico-t ya que sus p-valor aumentaron es
decir, aumento el nivel de significancia.
2016