Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. El Modelo Ingenuo: El siguiente proceso generador de datos (PGD) es tal que se cumplen los
supuestos estándar del modelo de regresión lineal simple:
𝑌𝑖 = 𝛽1 + 𝜀𝑖 , 𝑖 = 1,2, … , 𝑛
a. Justifique la existencia del término aleatorio 𝜀𝑖 .
b. Enuncie claramente los supuestos estándar.
c. Deduzca la expresión para el estimador mínimo cuadrático 𝑏1 . Comente en qué consiste el
método de MCO.
d. Pruebe que 𝑏1 es lineal e insesgado.
e. Encuentre la expresión de la varianza teórica de 𝑏1 .
f. Demuestre que la anterior varianza es mínima.
g. Encuentre el estimador insesgado de 𝜎𝜀2 .
3. El siguiente proceso generador de datos es tal que se cumplen los supuestos estándar del modelo de
regresión lineal simple:
𝑌𝑖 = 𝛽2 𝑋𝑖 + 𝜀𝑖 , 𝑖 = 1,2, … , 𝑛
a. Justifique la existencia del término aleatorio 𝜀𝑖 .
b. Enuncie claramente los supuestos estándar.
c. Deduzca la expresión para el estimador mínimo cuadrático de 𝛽2.
d. Pruebe que dicho estimador es lineal, aleatorio e insesgado.
e. Encuentre la expresión de la varianza teórica del estimador.
Econometría I Profesor: Juan Byron Correa F.
Septiembre de 2023 Monitor: Juan José Almeida
4. Con respecto a la estimación mínimo-cuadrática del intercepto en el modelo de regresión lineal simple:
𝑏1 = 𝑌̅ − 𝑏2 𝑋̅
a. Muestre su linealidad en 𝑌𝑖 y en 𝜀𝑖 .
b. Demuestre que es insesgado.
c. Encuentre la expresión de su varianza.
d. Explique claramente que señala el Teorema de Gauss - Markov respecto a dicha varianza.
5. Con el ánimo de estudiar la respuesta en gasto de la renta de sus hijos, un padre entrega a los cinco
que tiene las siguientes cantidades de mesada (𝑋𝑖 ) y observa sus gastos de consumo (𝑌𝑖 ).
HIJO 𝑋𝑖 𝑌𝑖
1 5 4
2 10 9
3 15 14
4 20 18
5 25 21
El quiere obtener:
a. Una discusión acerca de si en este caso el supuesto de que 𝑋𝑖 es estocásticamente fijo tiene
sentido o no.
b. Las ecuaciones normales.
c. Estimar por MCO la función consumo-renta de sus hijos.
d. Comprobar las restricciones que impone el método de los momentos.
e. Calcular los coeficientes de correlación y de determinación.
Calcular:
Econometría I Profesor: Juan Byron Correa F.
Septiembre de 2023 Monitor: Juan José Almeida
Otro investigador B sólo tiene acceso a los datos de 𝑋 e 𝑌, a partir de ellos trata de obtener una
estimación del coeficiente de la variable 𝑋, para lo cual utiliza dos estimadores alternativos:
∑(𝑋𝑖 − 𝑋̅)(𝑌𝑖 − 𝑌̅)
𝛽̃1 = 𝛽̃2 = 0,01 ∗ (𝑌6 + 𝑌5 + 𝑌2 + 𝑌1 )
∑(𝑋𝑖 − 𝑋̅)2
a. Generar los valores de Y, y calcular ambos estimadores.
b. Discutir las propiedades de los dos estimadores.
c. Con base en la varianza de ambos estimadores, el investigador B decide utilizar el segundo para
aproximar el valor del parámetro de X. Comentar, en función de la información de que dispone A,
si la decisión es correcta o no, prestando especial atención al error cuadrático medio.
a. Demostrar que 𝑏̂ ∗ ℎ̂ = 𝑅 2
b. Demostrar que 𝑔̂ = (1 − 𝑅 2 )𝑋̅ − 𝑎̂𝑅 2 /𝑏̂
c. ¿Qué sucede cuando la bondad del ajuste es perfecta?
12. En el modelo de regresión lineal simple sin intercepto en el que se cumplen todos los supuestos se
define el siguiente estimador:
∑𝑛𝑖=1 𝑌𝑖
𝑏=
∑𝑛𝑖=1 𝑋𝑖
a. Encuentre la expresión lineal y aleatoria de 𝑏
b. Encuentre la expresión de la varianza de 𝑏. ¿Puede ser mínima la varianza? (Sustente).
c. Suponga que el modelo tiene intercepto. Repita 12.1 y 12.2 en este nuevo contexto.
d. ¿Puede apelarse al Teorema de Gauss-Markov para señalar que este estimador es de varianza
mínima? ¿Cómo puede comparase con el estimador MCO del mismo parámetro del modelo?
13. Basado en Baltagi (1995). Para el modelo de regresión sin constante 𝑌𝑖 = 𝛽𝑋𝑖 + 𝜀𝑖 , (𝑖 = 1, 2, … , 𝑛)
donde 𝛽2 es un escalar y 𝜀𝑖 ~ 𝑖𝑖𝑑(0, 𝜎 2 ) independiente de 𝑋𝑖 . Considere los siguientes tres
estimadores insesgados de 𝛽.
∑𝑛
𝑖=1 𝑋𝑖 𝑌𝑖 𝑌̅ ∑𝑛 ̅
𝑖=1(𝑋𝑖 −𝑋)(𝑌𝑖 −𝑌)
̅
𝑏1 = ∑𝑛 2 ; 𝑏2 = 𝑋̅ y 𝑏3 = 𝑛
∑𝑖=1(𝑋𝑖 −𝑋̅ )2
𝑖=1 𝑋𝑖
Este ejercicio demuestra un resultado más general, que dice que el estimador MELI de 𝛽 en este caso 𝑏1 ,
tiene una correlación positiva con cualquier otro estimador lineal insesgado de 𝛽, y que esta correlación
puede ser fácilmente calculada a partir de la razón de las varianzas de los dos estimadores.
16. Se estima un modelo 𝑌𝑡 = 𝛼 + 𝛽𝑋𝑡 + 𝜀𝑡 y se obtiene lo siguiente: (Se utiliza la letra 𝑠 para denotar
errores estándar estimados)
𝑌𝑡 = 𝛼̂ + 𝛽̂ 𝑋𝑡 + 𝜀̂𝑡
𝑠𝛼̂ 𝑠𝛽̂ 𝑠𝜀̂
a. Suponiendo conocido el número de datos, encuentre una expresión para calcular el 𝑅 2 del
modelo con base en la información disponible.
b. Se define una nueva variable 𝑍𝑡 = 𝑋𝑡 − 𝑌𝑡 y un nuevo modelo
𝑍𝑡 = 𝑔 + ℎ𝑋𝑡 + 𝑣𝑡
c. Suponiendo que la perturbación aleatoria 𝑣𝑡 está bien comportada, pruebe que para verificar la
hipótesis nula 𝐻0 : ℎ = 0 y 𝐻0 : 𝑔 = 0, el estadístico de prueba es
𝑡0 = (1 − 𝛽̂ )⁄𝑠𝛽̂ 𝑡0 = 𝛼̂ ⁄𝑠𝛼̂
x 2
i 100 x y i i 200 y2
i 560
a. Explique claramente en qué consiste el supuesto de exogeneidad de Xi.
b. Obtenga el estimador mínimo cuadrático de la pendiente del modelo y su correspondiente error
estándar de estimación.
c. Calcule el coeficiente de determinación y haga dos interpretaciones de este.
d. Se propone un estimador alterno 𝛽̃ para el cual 𝐸(𝛽̃) = 𝛽 + 10 y la estimación de 𝜎𝛽̃2 es 0.01.
¿Con qué criterio se puede elegir entre los dos estimadores? Con base en dicho criterio elija entre
los dos.
e. Verifique la hipótesis de que la pendiente del modelo es 2.5, asumiendo un valor de tabla de 3.
18. Al estudiar el Consumo de bienes durables en función del Ingreso personal disponibles para Colombia
durante el periodo de 1950 a 1996 se obtuvieron los siguientes resultados.
===============================================
Dependent variable: Consumo
-----------------------------------------------
Ingreso 0.875
(_____)
Constant 8.520***
(1.462)
-----------------------------------------------
Observations 47
R2 ____
Adjusted R2 ____
Sum square Residual 298.78 (df = 45)
F Statistic _____ (df = 1; 45)
===============================================
Note: *p<0.1; **p<0.05; ***p<0.01
19. Suponga una función de salarios: log(𝑆𝑎𝑙𝑎𝑟𝑖𝑜) = 𝛽1 + 𝛽2 𝐸𝑑𝑢𝑐𝑎𝑐𝑖ó𝑛𝑖 + 𝜀𝑖 donde el salario esta
expresado en pesos. Suponga que se cambia la escala de medición del salario de pesos a centavos.
¿Cómo se afecta(n) el(los) coeficientes del modelo estimado?
20. Se cree que dos variables 𝑋 y 𝑌 están relacionadas según la ecuación 𝑌𝑖 = 𝛽1 + 𝛽2 𝑋𝑖 + 𝜀𝑖 . Para
verificar esta relación, dos investigadores toman muestras diferentes de 8 estudiantes y estiman 𝛽2
por MCO obteniendo;
Primer Investigador
𝑌𝑖 4.0 4.5 4.5 3.5y 4.5 4.5 5.5 5.0
𝑋𝑖 3.0 3.0 3.0 3.0 4.0 4.0 4.0 4.0
Segundo Investigador
𝑌𝑖 2.0 2.5 2.5 1.5 11.5 10.5 1.5 11.0
𝑋𝑖 1.0 1.0 1.0 1.0 10.0 10.0 10.0 10.0
23. Suponga un grupo de datos que es generado a partir de un proceso generador de datos (PGD) que
Econometría I Profesor: Juan Byron Correa F.
Septiembre de 2023 Monitor: Juan José Almeida
satisface todos los supuestos del MCRL excepto el supuesto de media cero en los errores. Suponga
que la 𝐸(𝜀𝑖 ) = 𝜇𝑖 .
a. Muestre que el estimador MCO de la pendiente, 𝑏2 es insesgado si 𝜇𝑖 = 𝜇 con 𝜇 una constante
para todo 𝑖 = 1, 2, ⋯ , 𝑛.
b. Suponga que 𝜇𝑖 = 𝑥𝑖 /10 es proporcional al nivel de 𝑥𝑖 . Obtenga el sesgo 𝐸(𝑏2 ) − 𝛽 bajo los
supuestos definidos.
c. Discuta si el supuesto de media cero, puede ser chequeado a partir de los residuales 𝑒̂𝑖 .
Considere una situación particular para 𝑏1 y 𝑏2 .
25. Bajo los supuestos del modelo de regresión lineal, pruebe los siguientes resultados para el error de
predicción ef . La notación ̅
X, ̅Y y e̅ es usada para denotar los promedios muéstrales sobre la
estimación muestral i = 1,2, … , n.
a. 𝑒𝑓 = (𝑌𝑛+1 − 𝑌̅) − 𝑏2 (𝑋𝑛+1 − 𝑋̅)
1
b. E[(𝜀𝑛+1 − 𝜀̅)2 ] = 𝜎 2 (1 + 𝑛)
c. Calcule la varianza del error de predicción para Xn+1. Comente sobre la diferencia entre este
resultado y el 25.3; en particular, explique porque Var(ef ) > 𝑉𝑎𝑟(ei ).
26. Demostrar que en el modelo de Regresión Lineal Simple (la letra S denota error estándar estimado)
𝑆 𝑆2 𝐶𝑜𝑣(𝑋𝑖 ,𝑌𝑖 )
a. 𝑏2 = 𝑟̂ ∗ 𝑆𝑌 𝑅 2 = 𝑏2 ∗ 𝑆𝑋2 𝑏2 = 2
𝑋 𝑌 𝑆𝑋
(1−𝑅 2 ) ∑ 𝑦𝑖2 𝑟√𝑛−2
b. 𝜎 2 = 𝐵𝑎𝑗𝑜 𝐻0 : 𝛽2 = 0, 𝑡0 = √1−𝑅2
𝑛−2
29. Dado el siguiente modelo de regresión múltiple, en el cual se cumplen todas las hipótesis de partida
𝑌𝑖 = 𝛽1 + 𝛽2 𝑋𝑖2 + 𝛽3 𝑋𝑖3 + 𝛽4 𝑋𝑖4 + 𝜀𝑖
De la observación de las variables se sabe ∑𝑛𝑖=1 𝑌𝑖2 = 19,2, y
16 8 4 4 1,594 −2,25 −0,50 1,125 4
−2,25 3,50 0,50 −1,50
𝑿′ 𝑿 = [ 8 5 3 0] (𝑿′ 𝑿)−1 =[ ] 𝑿′ 𝒀 = [5]
4 3 6 3 −0,50 0,50 0,50 −0,50 0
−4 0 3 7 1,125 −1,50 −0,50 1 5
a. Obtenga el vector de estimadores MCO y los errores estándar
b. Calcular el coeficiente de determinación y el ajustado
c. Obtener intervalos de confianza para los parámetros del modelo
d. Construya el intervalo de confianza para 𝛽2, 𝛽3 y para 𝛽2 + 𝛽3 , comparar los resultados
e. Construya las pruebas de significancia individual y conjunta
f. Pruebe la hipótesis nula: 𝐻0 : 𝛽2 = 𝛽3
g. Probar la hipótesis: 𝛽2 = 𝛽3 y 𝛽4 = 0 de forma conjunta
31. Obtenga la expresión para 𝒆, el vector de residuales MCO, con base en la matriz generadora de
residuales 𝑴.
a. Demuestre que 𝑴 es una matriz simétrica e idempotente
b. Obtenga la distribución del vector de residuales 𝒆
c. Dado que 𝑠 2 = 𝒆′ 𝒆/(𝑛 − 𝑘), y con base en el resultado de b.) demuestre que 𝑠 2 (𝑛 − 𝑘)/𝜎 2
sigue una distribución ji-cuadrado con 𝑛 − 𝑘 grados de libertad.
32. Dado el modelo 𝑌𝑡 = 𝛽0 + 𝛽1 𝑋𝑡1 + 𝛽2 𝑋𝑡2 + 𝛽3 𝑋𝑡3 + 𝜀𝑡 y dadas las siguientes sumas de
cuadrados y productos en forma de desviaciones respecto a sus medias para 24 observaciones.
𝑛
10 10 5 7
𝒙 𝒙 = [10 30 15] ; 𝒙 𝒚 = [ −7 ] ; ∑ 𝑌𝑖2 = 60
′ ′
5 15 20 −26 𝑖=1
a. Pruebe cada una de las siguientes hipótesis nulas: 𝐻0 : 𝛽1 = 1; 𝐻0 : 𝛽2 = 1 y 𝐻0 : 𝛽3 = −2
b. Pruebe la hipótesis: 𝐻0 : 𝛽1 + 𝛽2 + 𝛽3 = 0.
c. Como hacer de forma diferente la hipótesis: [𝛽1 , 𝛽2 , 𝛽3 ] = [1, 1, −2].
33. Una empresa de servicios informáticos desea estimar la demanda de dichos servicios en su localidad,
para lo cual utiliza, con datos trimestrales para 10 años.
𝐷𝑡 = 𝛽1 + 𝛽2 𝑃𝑡 + 𝛽3 𝑅𝑡 + 𝜀𝑡
Econometría I Profesor: Juan Byron Correa F.
Septiembre de 2023 Monitor: Juan José Almeida
35. Suponga que se tiene información de los índices de Consumo, Precios de los alimentos e Ingresos de
los consumidores para un determinado periodo antes de la segunda guerra mundial y para después de
la misma. Se desea verificar si el comportamiento de las variables antes y después de la guerra es
igual o no.
Construya el estadístico para realizar esta prueba.
36. Demuestre el teorema de Gauss Markov para el vector de coeficientes 𝜷. Plantee los supuestos
necesarios para que se cumpla dicho teorema.
37. Suponga la función de producción Cobb - Douglas. Plantee tres estadísticos diferentes que permitan
probar la hipótesis de rendimientos constantes a escala.
38. Los datos sobre un problema de tres variables conducen a los siguientes resultados
𝑛
33 0 0 132
′
𝑿 𝑿 = [ 0 40 20] ; ′
𝑿 𝒀 = [ 24 ] ; ∑(𝑌𝑖 − 𝑌̅)2 = 150
0 20 60 92 𝑖=1
39. En el modelo de regresión múltiple, 𝑌̂𝑓 es el predictor óptimo, suponga que se tiene un vector 𝑅 =
[𝑋1𝑓 , 𝑋2𝑓 , 𝑋3𝑓 ]. Deduzca la distribución del error de predicción individual.
40. Considere el modelo 𝒀 = 𝑿𝜷 + 𝜺 con hipótesis nula 𝑹𝜷 = 𝒓 donde 𝑹 es una matriz conocida de
orden 𝑞 × 𝑘, y 𝒓 es un vector conocido 𝑞 × 1, con 𝑞 el número de restricciones en el modelo.
a. Bajo las condiciones anteriores, obtenga el estimador de mínimos cuadrados restringido 𝒃𝑅 .
Muestre que 𝒃𝑅 = 𝒃 + 𝑨(𝑹𝒃 − 𝒓), donde 𝑨 = (𝑿′𝑿)−𝟏 𝑹′ [𝑹(𝑿′ 𝑿)−𝟏 𝑹′ ] .
b. Sea 𝒆 = 𝒀 − 𝑿𝒃 y 𝒆𝑹 = 𝒀 − 𝑿𝒃𝑹 . Obtenga la forma funcional de 𝒆𝑹 ′𝒆𝑹 y muestre que la
razón 𝐹 puede ser expresada como
Econometría I Profesor: Juan Byron Correa F.
Septiembre de 2023 Monitor: Juan José Almeida
41. Sea el modelo lineal general 𝒀 = 𝑿𝜷 + 𝜺, suponiendo conocidos los vectores de valores 𝑹 y 𝒓, se
define la hipótesis lineal general 𝐻0 : 𝑹𝜷 = 𝒓, donde
𝒃 ~ [𝜷, 𝜎 𝟐 (𝑿′𝑿)−𝟏 ]
a. Construya los estadísticos de prueba: de Wald, F, Multiplicadores de Lagrange y de Razón de
verosimilitud.
b. Dado el modelo:
ln̂
(𝑌𝑡 ) = 1,370 + 0,632 ln(𝐾𝑡 ) + 0,452 ln(𝐿𝑡 ); 𝑅 𝟐 = 0,98
(0,257) (0,219)