EXAMEN FINAL – ECONOMETRÍA 2

PROF. JOSÉ J. CERDA-HERNÁNDEZ

(1) El objetivo de este ejercicio es ajustar un modelo lineal dinámico para el ingreso promedio mensual
(IPM) entre 2007 y 2019 con un efecto de región o grupo, donde los grupos son definidos de la
siguiente forma: I-selva, II-sierra, III-costa, y la remuneración mı́nima vital (RMV) como variable
explicativa. Los datos son presentados en el archivo ingreso.xlsx
Definamos los siguientes modelos para los datos presentados anteriormente:
Modelo I: Yij,t = αi + βXt + γYij,t−1 + εijt , εijt ∼ N (0, σ 2 )
P3
Modelo II: Yij,t = µ + αi + βXt + γYij,t−1 + εijt , i=1 αi = 0, εijt ∼ N (0, σ 2 )
Modelo III: Yij,t = µi + βXt + γYij,t−1 + εijt , µ1 − µ3 = α1 , µ2 − µ3 = α2 , εijt ∼ N (0, σ 2 )
donde i = 1, 2, 3 (que corresponde a las regiones), Yij,t es el IPM en el año t y Xt es la RMV en el
año t.

(a) (1 pto) Explicar el siginificado de los parámetros αi en el modelo. Por qué en el Modelo II,
X3
αi = 0? Es un modelo factorial? Explique con detalle.
i=1

(b) (1 pto) Cuántos parámetros tiene el modelo?

(c) (2 ptos) Hacer un análisis de causalidad entre X e Y . Explique sus resultados.
(d) (2 ptos) Estimar todos los parámetros desconocidos del modelo usando el estimador de MCO.
Explique sus resultados y comente si el modelo es significativo o no.
(e) (2 ptos) Construir una gráfica conjunta de Yij,t e Ŷij,t y calcular el MSE (error cuadrático
medio).
(f) (2 ptos) Un investigador desea saber si existe o no una diferencia en el comportamiento de los
datos entre la sierra y selva. Definir la hipótesis H0 correspondiente y los estadı́sticos adecuados
para testear la hipótesis planteada.
(g) (1 pto) Cuál será su conclusión para la hipótesis del ı́tem anterior?
(h) Sea λ = −2(log `H0 − log `H ) ∼ χ2k , donde k es la diferencia entre el número de parámetros
del modelo completo y el número de parámetros del modelo bajo H0 , `H es la función de
verosimilitud para el modelo completo y `H0 es la función de verosimilitud para el modelo bajo
H0 .
(i) (2 ptos) Definir el modelo para H0 (definido en el item f) y estimar los parámetros
desconocidos de ese modelo.
(ii) (2 ptos) Escribir la función de verosimilitud para el modelo completo y para el modelo
sobre H0 .
(iii) (1 ptos) Calcular el valor estadı́stico λ para constrastar H0 , y calcular el p-valor corre-
spondiente.
(i) (1 ptos) Definir la hipótesis H
e 0 que no hay diferencia entre la selva, sierra y costa, en términos
de los parámetros del modelo.
(j) (1 pto) Calcular el valor del estadı́stico F para contrastar H
e 0 . Calcular el p-valor correspondi-
ente. Cuál es su conclusión?
(k) (2 ptos) Bajo el modelo completo, contrastar
H0 : β = 0 vs H1 : β > 0
Date: August 6, 2021.
1
2 PROF. JOSÉ J. CERDA-HERNÁNDEZ

(l) (2 ptos) Sea H0∗ : β = 0. Definir el modelo bajo H0∗ y explicar el significado de ese modelo.
Estimar los parámetros desconocidos bajo H0∗ .

Los alumnos que no estén en la lista trabajarán el modelo I.

Modelo II
(a) Abarca, Jose
(b) De la Cruz mercado
(c) Diaz, Eduardo
(d) Huaman, Mario
(e) Jara, Luis
(f) Lecca, Roger
(g) Mejia, Gabriel
(h) Valer, Oscar
(i) Sifuentes, Romario

Modelo III
(a) Rivera, Luis
(b) Ramos, Principe
(c) Quispe, Bryan
(d) Mendoza, Shirley
(e) Julca, Ruben
(f) Coyla, Alvaro
(g) Apaza, Lucio
(h) Cortez, Pablo
(i) Riveros, Jhosh
Department of Statistics and Economics, National Engineering University, Lima – Perú.
Email address: jcerdah@uni.edu.pe