CERTAMEN 3.

ECONOMETRÍA

NOMBRE:______Pauta__________________________ROL:__________________________
PROFESOR: Rodrigo Ortega Blu
AYUDANTES: Denisse Asenjo
Alexis Gallardo
FECHA: 19 de Agosto de 2013

I. Verdadero o Falso. Justifique aquellas sentencias falsas. Se descontarán las incorrectas.

(20 puntos).

1.___F___En una serie de tiempo, el coeficiente de correlación entre yt e yt-1 se denomina

autocorrelación de primer orden. Si el coeficiente de correlación es bajo, probablemente la
serie será integrada de orden uno I(1), es decir, no necesita ser diferenciada para ser usada en
regresión.
2.___F___El análisis de componentes principales (PCA) tiene como objetivo reducir la
dimensionalidad de un set de datos multivariado; el procedimiento más común que utiliza el
PCA se denomina K-medias. K-medias es un procedimiento usado en análisis de cluster.
3. ___V___Cuando se evalúa la autocorrelación de los residuales usando Durbin-Watson (DW)
se asume que los regresores son extrictamente exógenos.
4.___F___La diferenciación de una serie de tiempo I(1) se realiza restándole los valores de la
serie rezagada en una posición. La serie resultante debiera ser I(0) y seguir presentando
autocorrelación. No debiera presentar autocorrelación.
5.___F___Cuando los residuales de una regresión realizada con datos de series de tiempo
muestran autocorrelación, violando el supuesto de independencia, es posible corregir el
modelo usando por ejemplo un modelo autoregresivo; en este caso ni los coeficientes ni los
errores estándar cambian respecto al modelo original. Los coeficientes y los errores estándar
cambian.
6.___F___La regresión con cluster es una técnica usada para mejorar la calidad de un modelo
de regresión; consiste en realizar una regresión general y luego agrupar los valores estimados.
Se agrupan los datos originales en clusters y luego se realizan regresiones por cada uno de
ellos.
7.___V___Al igual que en el caso de heteroscedasticidad es posible usar errores robustos
contra la correlación serial.
8.___F___Una serie de tiempo es un proceso de raíz unitaria si en una regresión lineal simple
de los valores originales de la serie sobre aquellos rezagados en una posición, el coeficiente de
regresión es distinto de cero. Debe ser igual a uno.
9.___F___Kriging es un interpolador lineal no sesgado que se usa para estimar valores en
posiciones temporales o espaciales no muestreadas. Lo pesos usados sobre los puntos vecinos
son inversamente proporcionales a la distancia desde estos a la posición a estimar. Los pesos
se extraen desde el variograma.
10.__F___La diferencia entre los modelos espaciales con lag (rezago) y aquellos autoregresivos
es que en el primer caso se incluye en el modelo la dependencia espacial de los residuales y en
el segundo la de la variable original. Es al revés.
II. Los siguientes son datos de series de tiempo (datos mensuales) que corresponden a las
equivalencias respecto al dólar de dos monedas extranjeras en Chile: yen japonés
(yen/dólar) y el euro (euro/dólar). (35 puntos)

Sobre estos datos se realizaron dos regresiones del yen sobre el euro, cuyos resultados
incompletos se muestran a continuación.

1. Regresión 1

Los residuales del modelo fueron regresados sobre los residuales rezagados, obteniéndose los
siguientes resultados.

2. Regresión 2
Los residuales del modelo fueron regresados sobre los residuales rezagados, obteniéndose los
siguientes resultados.

1. Complete las tablas respectivas y explique brevemente los modelos analizados. ¿Que
se evalúa en el caso de las regresiones de los residuales?
En el modelo 1 se analiza el efecto del euro sobre el yen, sin tendencia; mientras que
en el modelo 2 se incluye la tendencia. En el caso de las regresiones de los residuales
se busca determinar si las series yen y euro están cointegradas, es decir que los
residuales de la regresión que las relaciona no son una raíz unitaria, es decir que rho es
distinto de 1 (o theta es distinto de cero si se usa Δût sobre ût-1 ).
2. Determine si las series analizadas son cointegradas. ¿Qué significa que las series sean
cointegradas?. Establezca las pruebas de hipótesis respectivas y use las pruebas
estadísticas apropiadas. ¿Cuál es la conclusión en cada caso? ¿Cuál sería la prueba
más apropiada y por qué?
En ambos modelos evaluados, las series yen y euro no están cointegradas, pues no fue
posible rechazar la raíz unitaria (rho=1)

H0: ρ=1
Ha: ρ≠1
La prueba que era posible usar en este caso era t (por los datos disponibles) y
estimada como:
 Si se hubiese usado Δût sobre ût-1 la prueba sería:

En este caso, dado que la tendencia fue significativa, la prueba más apropiada sería
aquella que considera la tendencia, en el modelo 2.

3. De los datos originales de ambas series se separaron 10 observaciones, fuera de la

muestra, para realizar una validación cruzada. Utilizando un estadístico apropiado
estime la calidad de las predicciones con cada modelo.

La validación cruzada señala que el mejor modelo es aquel que incluye la tendencia.

III. El siguiente es un set de datos multivariado de datos de viviendas. Sobre cada ítem de la
muestra se midieron diferentes atributos. (25 puntos)

precio tasación dormitorios Sitio m2 Indice

0.39
258 287 4 6525 1850
0.95
714 655 5 28231 3331
0.38
295 318 3 6056 1837
0.47
225 250 3 18838 1294
0.33
203 258 3 6341 1574
0.47
370 352 3 9903 2076
0.66
478 478 7 8400 3529
0.33
227 233 4 3597 1760
0.33
251 224 3 5763 1630
0.33
268 267 3 5642 1376
 Utilizando el método del coeficiente de variación aprendido en clases, estime los pesos para
cada variable. Junto con ello, estime un índice que combine linealmente cada atributo.

La variable de mayor peso es aquella que tiene mayor CV, en este caso el sitio.

El índice se obtiene de la siguiente forma:

Índice= 0.36*0.20 +0.44*0.17+0.57*0.14+0.23*0.32+0.52*0.16=0.39

IV. Los siguientes son datos provenientes de una serie de tiempo. En base a dichos datos
utilizando los tres vecinos más próximos y el algoritmo de distancia inversa al cuadrado
estime los valores para los tiempos no muestreados. Muestre sus cálculos. (20 puntos)

t valor
5 238.3
15 243.8
40 239.4
68 241.3
110 239.1
123 242.9
151 248.6
161 248.7
284 247.0
320 246.5

t Valor estimado
25 241.9
50 240.1
75 241.2
100 239.8
125 242.8
150 248.6
Fórmulas útiles

12
 m 1

RMSE   m 1  eˆn2 h1 
 h 0 

Tablas:

Tabla de F alfa=0,05

gl numerador
gl denom. 1 2 3
160 3.900 3.053 2.661
161 3.900 3.052 2.661
162 3.900 3.052 2.660
163 3.899 3.051 2.660
164 3.899 3.051 2.660
165 3.898 3.051 2.659
166 3.898 3.050 2.659
167 3.898 3.050 2.659
168 3.897 3.050 2.658
169 3.897 3.049 2.658
170 3.897 3.049 2.658
Tabla de t

alfa
gl 0.01 0.05 0.1
160 2.607 1.975 1.654
161 2.607 1.975 1.654
162 2.607 1.975 1.654
163 2.606 1.975 1.654
164 2.606 1.975 1.654
165 2.606 1.974 1.654
166 2.606 1.974 1.654
167 2.606 1.974 1.654
168 2.605 1.974 1.654
169 2.605 1.974 1.654
170 2.605 1.974 1.654

Valores críticos para cointegración. Sin tendencia

Significancia (%)
1 5 10
Valor crítico -3.9 -3.34 -3.04

Valores críticos para cointegración. Con tendencia lineal

Significancia (%)
1 5 10
Valor crítico -4.32 -3.78 -3.5