00

UNIVERSIDAD NACIONAL FEDERICO VILLARREAL

Facultad de
Ciencias
Económicas EAP
de Economía

CURSO: Nota
ECONOMETRÍA II
SEMESTRE:
2021 – I
SECCIÓN:
PROFESOR: Mg. Pedro Chávez V.
Alumno(a): Daniel Alberto Delgado Donayre
Fecha: 24/09/2021Duración: 90 minutos
2DA PRÁCTICA CALIFICADA
1. ¿Cuál es el significado de regresión espuria y cointegración? ¿Existe
conexión entre estos conceptos? (4 puntos)
La regresión espuria es un problema en la especificación de nuestro modelo y se por el riesgo
asociado de no analizar la estacionariedad en las series de tiempo, esto nos genera
resultados poco confiables y, por lo tanto, los parámetros calculados no se pueden tomar
para realizar pronostico y análisis. Y los problemas son los estimadores MCO calculan
siempre parámetros estadísticamente significativos, esto quiere decir que presentan t y F
elevados , que rechazan la hipótesis nula. El valor del R al cuadrado es muy cercano a 1,
indicando el modelo seria el adecuado, aun si no lo fuese. Y el estadístico Durbin – Watson
tiende a cero, sugiriendo la autocorrelación positiva.
La cointegración se da cuando las series no estacionarias tienden a moverse juntas a lo largo
del tiempo. Y se evalua al realizar un análisis de la serie de tiempo, viendo si existe
integración. Si hay presencia de raíces unitarias, se debe examinar su posible existencia,
mediante el teorema de representación de Granger. Si cada serie del modelo es no
estacionaria y al hacer la regresión, la serie resulta estacionaria, se puede determinar que las
series están cointegradas.
Prueba estadística formal: Engle GrangerGranger Prueba de estacionariedad sobre los
residuos. (Ho:Los residuos son estacionarios)
La conexión si existe ya que al realizar la evaluación o análisis de integración para poder
detectar la estacionariedad en la serie y adicional la existencia de cointegración Si cada
serie del modelo es no estacionaria y al hacer la regresión, la serie de los residuos
resulta estacionaria, puedo decir que las series están cointegradas. Si la serie de residuos
resulta no estacionaria, la regresión podría ser espuria. Entonces la existencia de una nos
ayuda a determinar la no existencia de la otra.
 2. ¿Cuál es la diferencia, si acaso, entre las pruebas de raíz unitaria y las
pruebas de cointegración? (4 puntos)
La prueba de raíz unitaria es la Dickey Fuller y sirve para poder determinar la
estacionariedad de una serie temporal. y no solo eso ya que evalúa también
una verdadera serie no estacionaria con una serie estacionaria con una tendencia
temporal. El test de Dickey Fuller puede discriminar entre ambos efectos
siendo un test exigente. Buscando la serie tenga una tendencia determinista.
Se evalúa la existencia de autocorrelación en la serie que la invalidaría y rechazaría
la hipótesis nula.
La prueba de cointegración debe ser integradas de orden 1 series no estacionaria
con una raíz unitaria con tendencia determinista. Y se evalua la relación de equilibrio
en el largo plazo. Y se evalúa si es o no es una regresión de cointegración o una
regresión espuria. La serie de residuos tiene media cero, nunca hay tendencia
determinista y se evalúa la tendencia estocástica y se aplica el test a los residuos.
Se realiza el dickey Fuller aumentado, no da que no hay retardos y el estadístico no
cae en el intervalo y se determina la presencia de la autocorrelacion en la serie. Se
repite el test de raíz determinando los números de retardos. Y validar si hay
tendencia. Buscando que los residuos sean estacionarios para buscar la
cointegración.

3. ¿Cuál es la conexión, de existir, entre las pruebas de causalidad de Granger

y el diseño de modelos VAR? (4 puntos)

Una vez estimado el VAR , se puede:

Construir la función Impulso Respuesta , la cual permite ver cual sería el impacto de un
choque en el tiempo. Hacer la prueba de causalidad de Granger : Se dice que una variable
𝑥causa en el sentido de Granger a una variable 𝑦, si 𝑥me ayuda a pronosticar el
comportamiento de 𝑦.)