Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Gerónimo Forteza
Contenido
CONCEPTOS GENERALES (1er parcial) ............................................................................... 1
¿qué elementos son constantes y cuales son variables aleatorias, desde una perspectiva
estadística?
Respuesta: yt y ut son variables aleatorias. Todos los demás elementos son constantes
2. ¿En qué consiste el método de estimación por Mínimos Cuadrados Ordinarios (OLS)?
3. ¿Qué expresión tiene el vector de estimadores por MCO (OLS) en el Modelo de Regresión
Lineal Múltiple?
Respuesta: ˆ =( X X
) −1
XY
5. ¿Qué es la Econometría?
Respuesta:
1
7. ¿En qué consiste el análisis de regresión?
Respuesta:
Respuesta:
Respuesta:
10. ¿Cuáles son los posibles nombres de la variable endógena y de una variable explicativa?
Respuesta:
2
11. ¿Qué representa E( y/t x)i ?
El valor numérico concreto, obtenido al aplicar la fórmula del estimador a una muestra
dada, se conoce como estimación. Cabe destacar que un estimador es una variable aleatoria, pero
una estimación es un número, es decir, una constante.
3
18. ¿Cuáles son las expresiones matriciales o vectoriales de Y , X , ,U ? ¿Qué dimensiones
tienen?
Respuesta:
y1 1 x 21 x 31 ... xk1 1 u1
y
2 1 x 22 x 32 ... x k 2
2 u 2
Y = . ; X = 1 ; = . ; U = .
. . . .
y 1 x x 3N ... x kN u
N 2N k N
y :( nx
1) :(X )nxk :( kx 1) u:( 1)
nx
Respuesta:
Respuesta:
4
u2 0 . . . 0
0 . .
. . .
var – cov (U)=
. . .
0 . 0
0 . . . 0 u2
Sx ,y
ˆ1 = ; ˆ0 = y − ˆ1 x
Sx2
pero no en el segundo.
Respuesta:
y1 1 u1
. . .
Y = . ; = . ; U = . Recuerde que n es el tamaño muestral y k el nº de parámetros.
. . .
yn k un
Respuesta: La Suma de los Cuadrados de los Residuos (¡no de los errores al cuadrado!)
5
Respuesta: E(uˆi ) = 0; Es la media de cualquier residuo y vale 0
Respuesta:
N
1. La suma de los residuos mínimo-cuadráticos es igual a cero. Analíticamente:
t
uˆt
=1
=0
(, x,2 x......
2. El hiperplano de regresión (la FRM) pasa por el punto:1 3 x )k
3. Los momentos de segundo orden entre cada regresor y los residuos son iguales a 0.
Analíticamente: X Uˆ = 0
Intuitivamente: La suma de los productos de los regresores por los residuos, vale 0.
4. Los momentos de segundo orden entre Yˆ y los residuos son iguales a 0. Analíticamente:
Yˆ ´ Uˆ = 0
Intuitivamente: La suma de los productos de los valores estimados de la variable
endógena, por los residuos, vale 0.
2. ¿Cuáles son las hipótesis básicas sobre el término de error o perturbación aleatoria?
Respuesta:
c) Los términos de error son homocedásticos. Es decir, tienen todos la misma varianza.
Analíticamente: E(ui2 ) = 2 ui . Es la hipótesis básica de homocedasticidad.
Respuesta:
6
a) La matriz de regresores, X, es una matriz fija o constante
d) Entre los regresores no puede existir una relación lineal exacta: Hipótesis de ausencia de
multicolinealidad exacta o perfecta.
Respuesta:
Respuesta:
También recoge las causas debidas al azar que influyen en la variable endógena.
Los residuos son las diferencias entre los valores reales de la variable endógena ( yi ) y los
Respuesta: Sí. Sin embargo, los residuos uˆt son observables, pero las perturbaciones
Respuesta: Que todas las perturbaciones aleatorias o términos de error tienen la misma
varianza: 12 = 22 = ......... = n2
7
8. ¿Qué significa la hipótesis básica de no autocorrelación?
Respuesta:
Respuesta:
Respuesta: Que el modelo debe ser lineal en los parámetros y puede serlo o no, en las
variables. Es decir, que los parámetros o coeficientes nunca pueden llevar potencias ni raíces ni
logaritmos.
8
13. Si en un modelo se cumplen todas las hipótesis básicas, excepto la hipótesis de
homocedasticidad, en tal caso, ¿a qué es igual E(u u) = var− cov(u) ?
12 0 . . . 0
0 2
2
.
. . 32 . .
Respuesta: Sería: var − cov(u) = E (u u) =
. . .
. . 0
0 . . . 0 n2
14. Si en un modelo se cumplen todas las hipótesis básicas, ¿a qué es igual E(u u) ?
2 0 0 0 0
0
2
0 0 0
var − cov(u) = E (u u) = 0 0 2 0 0 = I ; I : Matriz identidad
2
Respuesta:
0 0 0 2
0
0 0 0 0 2
No olvide que la matriz es (nxn), realmente
15. ¿Qué ocurre si el número de observaciones (n) es menor que el número de regresores
(k)?
Respuesta: Que E(ˆ) = Es decir, que la esperanza del vector de estimadores, es igual al
vector de parámetros.
Más correctamente, indica la variabilidad de la variable endógena, que es explicada por las
variables explicativas, consideradas éstas, conjuntamente.
Respuesta:
9
19. ¿Cómo es el estimador MCO (OLS) del parámetro al omitir una variable explicativa
relevante?
Respuesta: El estimador será sesgado, pero tendrá una varianza menor, por lo que será
más preciso. La omisión de una variable relevante es la no inclusión de una variable explicativa
importante en una regresión. Dados los supuestos de Gauss-Markov, esta omisión provocaría
SESGO e inconsistencia en los estimadores OLS.
Adicionalmente, se produce una disminución del error estándar del estimador y una
reducción del grado de multicolinealidad.
20. ¿Cómo es el estimador MCO del parámetro al incluir una variable explicativa
irrelevante?
Respuesta: El estimador será insesgado, pero tendrá una varianza mayor, por lo que será
más impreciso. Los estimadores de los coeficientes de las variables explicativas, tanto relevantes,
como irrelevantes, no tienen sesgo, por lo que serán insesgados.
Por otra parte, los estimadores OLS de los coeficientes de las variables que sí son
relevantes, tienen una varianza mayor, que si no se hubiesen incluido en el modelo variables
irrelevantes.
21. ¿Qué es más grave, omitir una variable relevante o incluir una variable irrelevante?
Respuesta: Es siempre más perjudicial excluir variables relevantes que incluir variables
irrelevantes. En el primer caso, el proceso de inferencia queda invalidado, mientras que en el
segundo caso, los contrastes de significatividad son válidos, si bien se obtienen estimadores con
menor precisión.
10
3. ¿Cuáles son las propiedades PROBABILÍSTICAS de los estimadores MCO (OLS)?
Respuesta:
Respuesta: Una distribución n2−k . Es decir, una distribución ji cuadrado, con n-k grados de
uˆ uˆ
Respuesta: ˆu2 =
N −k
uˆ uˆ
ˆ )ˆ =
Respuesta: var( ( )X X
−1
N −k
Respuesta: R 2 = ( yˆt − y) 2
=
SCE
R 2 = 1−
uˆt 2
= 1−
SCR
( y t − y) 2 SCT ( y t − y) 2 SCT
11
4. ¿Entre qué valores oscila el R2?
uˆt 2
2
N −k 2 N −1
Respuesta: R = 1− R = 1− ( − R)2
1
( y t − y) 2 N −k
N −1
Respuesta:
( yˆt − y) = SCE
2
: Suma de Cuadrados Explicada
( y t − y) = SCT
2
: Suma de Cuadrados Total
uˆ = ( y − yˆ) = SCR
2
t t
2
: Suma de Cuadrados de los Residuos
´t
12
10. ¿Qué representa uˆuˆ ?
uˆuˆ = (yt − yˆt )2 = uˆ´2t = SCR : Suma de los Cuadrados de los Residuos
Respuesta: Definiendo una variable ficticia Si tal que: Si = 1 si la persona i-ésima es hombre;
0 si la persona i-ésima es mujer (o viceversa)
Respuesta: Sería la diferencia salarial promedio o esperada entre un hombre y una mujer,
ceteris paribus. Es decir, E [Wi / Si = 1] − E [Wi / Si = 0] = 4
13
Respuesta: Estacionalidad, ya que aparecen “dientes de sierra” en los mismos subperiodos
del año
3 , 4 , 5 ?
Respuesta: Miden el efecto estacional diferencial promedio en el IPIi, ceteris paribus, con
respecto al primer trimestre, que es la categoría de referencia.
14
Respuesta: En cuanto aumenta en unidades, la variable yi por cada unidad que aumenta la
yi
variable xi y se calcula:
xi
ineal : y i = 1 + 2 x i + u i
lin-log : y i = 1 + 2 ln x i + u i
Respuesta: log-lin : ln y i = 1 + 2 x i + u i
log− log : ln y i = 1 + 2 lni + u i
1
Inverso: y i = 1 + 2 + ui
xi
Respuesta:
15
Interprete los coeficientes del segundo modelo
Respuesta:
1 : El punto de corte. Es decir, será el valor que tomará el logaritmo neperiano del
comercio entre los dos países en el hipotético caso en que todas las variables explicativas fueran
cero. Es decir, es el punto en que la recta de regresión cruzara el eje de ordenadas.
2 : Será la elasticidad del comercio a cambios en el PIB del país exportador. Es decir, por
cada 1% que aumente el PIB del país exportador, el comercio entre ambos países crecerá en un 2
% = 0,55 %.
3 : Será la elasticidad del comercio a cambios en el PIB del país importador. Es decir, por
cada 1% que aumente el PIB del país importador, el comercio entre ambos países crecerá en un 3
% = 0,51%.
4 : Será la elasticidad del comercio a cambios en la distancia entre los países. Es decir, por
cada 1% que aumente la distancia entre los países, el comercio entre ambos países crecerá en un
16
4 % = -0,47 %. O lo que es lo mismo, por cada 1 % que aumente la distancia entre los países su
comercio se reducirá en un 0.47
5 : Será la diferencia en el punto de corte entre el comercio de dos países que no estén en
recesión y el comercio de dos países cuando el exportador está en recesión y el importador no lo
está.
6 : Será la diferencia en el punto de corte entre el comercio de dos países que no estén en
recesión y el comercio de dos países cuando el importador está en recesión y el exportador no lo
está.
7 : Será la diferencia en el punto de corte entre el comercio de dos países que no estén en
recesión y el comercio de dos países cuando ambos estén en recesión.
−1
( D ˆ − D ) ( D )X X
−1(D D)ˆ − D
Respuesta: r Fr ,N −k
uˆ uˆ
N −k
2. ¿Cuál es el estadístico para contrastar restricciones y que también se puede utilizar para
comparar dos modelos?
( SCRR − SCRNR)
Respuesta: r Fr ,N −k
SCRNR
N −k
ˆi
Respuesta: t N −k H 0 : i = 0 ; H 1 : i 0
Std .Error( ˆ)i
Respuesta: No.
17
cuyos valores concretos, que dependen del conjunto de observaciones utilizadas, se denominan
estimaciones.
Una estructura refleja la ley de funcionamiento de una realidad económica para un ámbito
espacial o para un intervalo temporal determinado, mediante un sistema de ecuaciones con unos
determinados valores numéricos de los parámetros, que reflejan las relaciones entre las distintas
variables.
Respuesta:
Es un contraste que permite testar (contrastar) si los parámetros son constantes a lo largo
de la muestra.
Más explicado:
Un modelo comprende diversas estructuras para intervalos temporales o ámbitos
espaciales diferentes, que, en general, son desconocidos, razón por la cual se realizan estimaciones
que son aproximaciones a los mencionados valores numéricos de los parámetros de la estructura.
Se considera que el modelo de regresión comprende dos estructuras diferentes: una para el
subperiodo T1 y otra para el T2, siendo el intervalo total considerado T = T1 + T2.
Intuitivamente, se trata de contrastar que los parámetros del primer subperiodo son
iguales a los del segundo subperiodo.
18
¿Qué variables son significativas?
Respuesta: Aquellas variables explicativas cuyo P-value es <0,05 son significativas. Las
variables cuyo P-value es >0,05 no son significativas.
Adicionalmente, se produce una disminución del error estándar del estimador y una
reducción del grado de multicolinealidad.
Por otra parte, los estimadores OLS de los coeficientes de las variables que sí son
relevantes, tienen una varianza mayor, que si no se hubiesen incluido en el modelo variables
irrelevantes.
Respuesta:
19
Std.Error (ˆí ) = ˆ 2 v ii
Siendo:
=
ˆ 2 uˆ´2t ii
, v = Elemento que está en la fila i, columna i de la matriz ( X X )−1
n−k
Respuesta:
Estimador insesgado de 2 : ˆ ´2 =
uˆt2 = SCR
n−k n−k
Estimador sesgado de 2 :
uˆt = SCR
2
n n
Respuesta: H0 beta2 = 0 (la variable sexo no es importante). Rechazaremos la hipótesis nula para el
5 % y el 10 % y no la rechazaremos para el 1 %, por lo que la variable M será significativa para dos
de los tres niveles de significatividad típicos. Se supone que la variable M es una variable dummy,
tal que M=1, si el individuo es mujer y M=0, si el individuo es hombre. Por tanto, al 5 % y al 10 %, la
variable sexo, sí es importante.
20
Si los modelos a comparar tienen diferente variable endógena, se comparan mediante el
AIC corregido. En este caso, a menor AIC mejor modelo.
Respuesta:
Dado que los modelos tienen diferente nº de parámetros, pero la misma variable
endógena, deben compararse mediante el R2 corregido. Se obtendría el R2 corregido de cada
modelo y el que presentase mayor R2 corregido, sería el modelo seleccionado.
21
3. Si el modelo presenta heterocedasticidad, ¿Cuál sería el método adecuado de
estimación?
Respuesta:
6. ¿Cómo es el estimador MCO del parámetro al omitir una variable explicativa relevante?
Respuesta: El estimador será sesgado, pero tendrá una varianza menor, por lo que será
más preciso.
7. ¿Cómo es el estimador MCO del parámetro al incluir una variable explicativa irrelevante?
Respuesta: El estimador será insesgado, pero tendrá una varianza mayor, por lo que será
más impreciso.
8. ¿Qué es más grave, omitir una variable relevante o incluir una variable irrelevante?
Respuesta: Es siempre más perjudicial excluir variables relevantes que incluir variables
irrelevantes. En el primer caso, el proceso de inferencia queda invalidado, mientras que en el
segundo caso, los contrastes de significatividad son válidos, si bien se obtienen estimadores con
menor precisión.
22
Respuesta: Hace referencia al comportamiento de la matriz de varianzas-covarianzas de las
perturbaciones aleatorias o términos de error del modelo. Si las varianzas de las perturbaciones del
modelo no son constantes en la población considerada, estamos ante un problema de
heteroscedasticidad
12. ¿Qué reflejan los siguientes gráficos. Observe los ejes para evitar confusiones.
Respuesta: Homocedasticidad
Respuesta: Heterocedasticidad
13. ¿Cuál es el contraste específico para detectar heterocedasticidad? Indique sus pasos.
3. Se realizan dos regresiones separadas y se calculan los residuos de los dos grupos
23
uˆ uˆ2
N −C
−k
2 FN −C
uˆ uˆ1 2
−k ,
N −C
2
−k
N −C
−k
2
por x ij
Respuesta: Heterocedasticidad
16. ¿Qué indican los siguientes gráficos? Observe los ejes, para evitar confusiones con
heterocedasticidad.
Respuesta: No autocorrelación.
24
Respuesta: Autocorrelación
17. ¿Cuál es el contraste más utilizado para detectar autocorrelación? ¿Cómo se interpreta?
Respuesta: Es el estadístico Durbin y Watson. Este test se utiliza para contrastar si hay
autocorrelación de primer orden en una regresión con punto de corte y sin valores retardados de la
variable endógena.
25
Si la autocorrelación presenta un esquema AR (p) con p>1, debe utilizarse el contraste de
Breusch-Godfrey. Este contraste, también puede utilizarse si el modelo presenta la variable
endógena retardada como explicativa.
N
Respuesta: h = ˆ
ˆ ˆ)i
1 − N var(
Sigue una distribución N (0,1) y se utiliza cuando el modelo incluye la variable endógena
retardada como variable explicativa.
26
Respuesta: Un esquema MA (1
27