CERTAMEN 2

BAHIRON ASTUDILLO
PARALELO 1

1.-
a) Respecto a los estimadores del modelo del consumo mensual de cerveza, estos
cumplen la condición de que el modelo es lineal en sus parámetros (Todo esto bajo
el supuesto de insesgamiento) y, además, que su media condicional es 0 debido a que
𝐸(𝑢|𝑖𝑛𝑔𝑟𝑒𝑠𝑜, 𝑝𝑟𝑒𝑐𝑖𝑜, 𝑒𝑠𝑐𝑜𝑙𝑎𝑟𝑖𝑑𝑎𝑑, 𝑚𝑢𝑗𝑒𝑟) = 0. Con lo anterior se llega a la
conclusión de que las variables explicativas en todos los periodos no presentan una
correlación con el termino de error de los periodos. Por otra parte, la varianza no es
constante para cada x debido a que se presenta con un valor de 𝜎2𝑖𝑛𝑔𝑟𝑒𝑠𝑜2, lo que
debiese ser 𝜎2 para que se obtenga una varianza constante. En pocas palabras, en el
modelo no existe una varianza constante para cada x porque toma un valor distinto
de 𝜎2, lo que demostraría una ineficiencia debido a que la varianza sería diferente al
depender del ingreso2.

Sabido lo anterior, se puede comentar que los estimadores estimados serán sesgados
e ineficientes, ya que el valor del estimador es diferente al parámetro de interés.

b) La nueva ecuación para que los errores sean homocedásticos sería la siguiente:
(Siempre y cuando se cumpla con el siguiente parámetro: 𝑉𝑎𝑟(𝑢|x) = σ2)
𝑐𝑒𝑟𝑣𝑒𝑧𝑎 = 𝛽0 + 𝛽1𝑖𝑛𝑔𝑟𝑒𝑠𝑜 + 𝛽2𝑝𝑟𝑒𝑐𝑖𝑜 + 𝛽3𝑒𝑠𝑐𝑜𝑙𝑎𝑟𝑖𝑑𝑎𝑑 + 𝛽4𝑚𝑢𝑗𝑒𝑟 + 𝑢
𝐸(𝑢|𝑖𝑛𝑔𝑟𝑒𝑠𝑜, 𝑝𝑟𝑒𝑐𝑖𝑜, 𝑒𝑠𝑐𝑜𝑙𝑎𝑟𝑖𝑑𝑎𝑑, 𝑚𝑢𝑗𝑒𝑟) = 0 𝑉𝑎𝑟(𝑢|𝑖𝑛𝑔𝑟𝑒𝑠𝑜, 𝑝𝑟𝑒𝑐𝑖𝑜,
𝑒𝑠𝑐𝑜𝑙𝑎𝑟𝑖𝑑𝑎𝑑, 𝑚𝑢𝑗𝑒𝑟) = 𝜎2
Por otra parte, en el modelo es necesario dividir la expresión de consumo mensual de
cerveza en √ℎ𝑖 debido a que la varianza es de la forma 𝜎2hi, donde hi corresponde a
𝑖𝑛𝑔𝑟𝑒𝑠𝑜2. Una vez realizado esto se debe formar la nueva ecuación que permitirá
solucionar el problema de heterocedasticidad, ecuación que debe tomar los siguientes
valores:
2.-
a)

b)
3.-
a)

b)
4.-
a)
cd "C:\Users\bahironastudillo \OneDrive\Econometría/CERTAMEN2"
//Directorio

use income_democracy.dta, clear

*-Pregunta A-*

bys country: egen Dem_ind_m= mean(dem_ind)

bys country: egen Log_GDPPC_m= mean(log_gdppc)
gen Log_GDPPC_dm= log_gdppc - Log_GDPPC_m
gen Dem_ind_dm= dem_ind - Dem_ind_m

sort country year

reg Dem_ind_dm Log_GDPPC_dm, vce(cluster country) //de forma robusta

*-Pregunta B-*
b)
bys country: egen Dem_ind_m= mean(dem_ind)
bys country: egen Log_GDPPC_m= mean(log_gdppc)
gen Log_GDPPC_dm= log_gdppc - Log_GDPPC_m
gen Dem_ind_dm= dem_ind - Dem_ind_m

sort country year

reg Dem_ind_dm Log_GDPPC_dm if country=="Brasil", vce(cluster
country)

*-Pregunta C-*
c)
clear all // Después de cada Clear All es necesario volver a tomar la BD, para
realizar el ejercicio de nuevo, por ende debemos cargar la línea 3 (base de
datos)
**Pregunta A
bys country: egen Dem_ind_m= mean(dem_ind)
bys country: egen Log_GDPPC_m= mean(log_gdppc)
gen Log_GDPPC_dm= log_gdppc - Log_GDPPC_m
gen Dem_ind_dm= dem_ind - Dem_ind_m
 sort country year
reg Dem_ind_dm Log_GDPPC_dm, vce(cluster country)

**Modelo de efectos aleatorios: supone que no hay correlación entre

las x y los efectos aleatorios: MCG
xtreg dem_ind log_gdppc, re
estimate store model_re

**Prueba de multiplicador de lagrange de Breusch and Pagan para

los efectos aleatorios:H0 Var(alfa_i)=0.
xttest0

**D.2. Modelo de panel con efectos fijos: MCO a datos demeaning

xtreg dem_ind log_gdppc, fe

estimate store model_fe

** Prueba de especificación de Haussman:

**H0: no hay diferencias sistemáticas entre fe y re
**FE es consistente bajo H0 y Ha, pero ineficiente bajo H0
**RE es consistente y eficiente bajo H0, pero inconsistente bajo Ha
hausman model_fe model_re, sigmamore

***D.3. Modelo de panel con efectos fijos robustos (hac)

xtreg dem_ind log_gdppc, fe cluster(country)
estimate store model_fer

clear all
**Pregunta B
bys country: egen Dem_ind_m= mean(dem_ind)
bys country: egen Log_GDPPC_m= mean(log_gdppc)
gen Log_GDPPC_dm= log_gdppc - Log_GDPPC_m
gen Dem_ind_dm= dem_ind - Dem_ind_m

sort country year

reg Dem_ind_dm Log_GDPPC_dm if country=="Brasil", vce(cluster
country)

d)
e)
f)