TALLER – PARCIAL FINAL

DATOS PANEL

PRESENTADO A:

ANDRÉS MAURICIO GÓMEZ SANCHEZ

PRESENTADO POR:

MISHELL DAYANNA CRUZ PIAMBA

LIZETH DAYANA GALLEGO HOYOS
SEBASTIAN BENITEZ

PROGRAMA DE ECONOMÍA

UNIVERSIDAD DEL CAUCA

DICIEMBRE 2023
POPAYÁN – CAUCA
 1. Exprese el modelo econométrico de los siguientes modelos ARIMA:

a. ARIMA (1,2,3)

Respuesta//
2 2
∆ Y t =θ+ α 1 ∆ Y t−1 + β 0 ε t + β 1 ε t −1+ β 2 ε t −2+ β 3 ε t −3

En forma más general:

2 2
∆ Y t =β 0 + β 1 ∆ Y t −1+ β2 ε t −3

b. ARIMA (2,0,1)

Respuesta//
Y t =θ+ α 1 Y t−1 +α 2 Y t −2+ β 0 ε t + β 1 ε t −1

En forma más general:

Y t =β 0 + β 1 Y t −2+ β 2 ε t −1

c. ARIMA (0,0,2)

Respuesta//
Y t =θ+ α 1 Y t + β 0 ε t + β 1 ε t −1 + β 2 ε t −2

En forma más general:

Y t =β 0 + β 1 Y t + β 2 ε t −2

d. ARIMA (2,2,1)

Respuesta//
2 2 2
∆ Y t =θ+ α 1 ∆ Y t−1 +α 2 ∆ Y t−2 + β 0 ε t + β 1 ε t −1

En forma más general:

2 2
∆ Y t =β 0 + β 1 ∆ Y t −2+ β2 ε t −1

2. Suponga que se estima el siguiente modelo para el PIB (Y t ):

 2 2
∆ Y t =0.347+ 0.482 ∆ Y t−2 +0.678 ε t −3
(0,012)(0,008)(0,715)

a. ¿Qué modelo ARIMA (p,d,q) es?.

Respuesta//

Es un modelo ARIMA (2,2,3)

b. Utilice este modelo para predecir el valor del PIB hoy de acuerdo a los
siguientes 6 años que van desde Y t a Y t −5: 210; 120; 190; 210; 30; 150; y un
choque aleatorio igual a ε t−3=0.68

Respuesta//
2 2
∆ Y t =0.347+ 0.482 ∆ Y t−2 +0.678 ε t −3

Y t −2 Y t−1−Y t −2=0.347+ 0.482(Y ¿ ¿ t−2−2 Y t −3−Y t −4 )+0.678 ε t −3 ¿

Y t =0.347+ 0.482Y t −2−0.964 Y t −3−0.482Y t −4 +2 Y t −1 +Y t −2+ 0.678 ε t −3

Y t =0.347+2 Y t −1+(1+0.482)Y t −2−0.964 Y t−3 −0.482Y t−4 +0.678 ε t−3

Y t =0.347+2 Y t −1+1.482 Y t −2−0.964 Y t −3−0.482 Y t −4 +0.678 ε t−3

Y t =0.347+2 ( 120 ) +1.482 ( 190 )−0.964 ( 210 )−0.482(30)+ 0.678(0.68)

Y t =0.347+240+ 281.58−202.44−14.46+ 0.46104

Y t =305.48

c. ¿Encuentra usted algún problema con las estimaciones del modelo? Explique.

Respuesta//
Prm 0.347
= =28.91
σ 0.012

Prm 0.482
= =60.25
σ 0.008

Prm 0.678
= =0.9482
σ 0.715
Si existe un problema con las estimaciones del modelo, el último parámetro ( 0.678 ε t−3) no
es estadísticamente significativo puesto que la división entre el parámetro sobre la
desviación estándar debe dar igual o mayor a 2.

3. Comente la siguiente afirmación “El modelo de Efectos Fijos no puede estimar los
parámetros asociados a variables dicotómicas, pero sí los de variables continuas”.

Respuesta//

Esta afirmación es falsa, el modelo de efectos fijos puede estimar los parámetros asociados
tanto a variables dicotómicas como a variables continuas, el modelo de efectos fijos permite
controlar o eliminar los efectos individuales constantes a lo largo del tiempo, lo que puede
mejorar la precisión de las estimaciones de los efectos de las variables explicativas, en el
caso de las variables dicotómicas el modelo puede capturar las diferencias sistemáticas en
la respuesta dependiente asociadas a estas variables. En conclusión, el modelo de efectos
fijos permiten estimar los efectos de las variables independientes, sean estas dicotómicas o
continuas, sobre la variable dependiente.

4. Con la información anexa del capítulo 16 de Gujarati (Modelos de Regresión con

Datos Panel) realice:

a. Las estimaciones mostradas en las tablas 16.2; 16.3; 16.4 y 16.5.

Respuesta//

 Tabla 16.2

Modelo de regresión con MCO agrupados o de coeficientes constantes.

 Tabla 16.3
Modelo de mínimos cuadrados con variable dicótoma (MCVD) de efectos fijos.

 Tabla 16.4

Estimador de efectos fijos dentro del grupo (DG).

 Tabla 16.5

Modelo de efectos aleatorios (MEFA).

 b. El modelo de Efectos Fijos en primeras diferencias.

Respuesta//

c. El test de Hausman. ¿Qué puede concluir?

Respuesta//
Test de Hausman
Ho: Coeficientes iguales (se elige Efectos aleatorios)
H1: Coeficientes no iguales (se elige Efectos fijos)
Como el p-valor<=0.10 entonces se rechaza la hipótesis nula Ho (Efectos aleatorios) y nos
quedamos con efectos fijos.