EJERCICIOS PROPUESTOS ECONOMETRA I

1. Considere los siguientes datos:

N Y X1 X2 X3
1 0 1 -1 -1
2 6 2 1 2
3 5 3 0 1
4 12 4 2 4
5 13 2 3 7
6 26 3 7 15
7 -7 1 -3 -6
8 -2 0 -1 -2
9 -22 4 -9 -18
10 11 3 2 4
11 -1 -2 0 0
12 14 3 3 7

Y el siguiente modelo especificado:

Se pide lo siguiente:
a. Estime usted el parmetro de MCO, la matriz de varianza y covarianza, y el t - estadstico.
b. Con la informacin anterior prevista contraste la hiptesis nula siguiente:

c. Con la informacin anterior prevista contraste la hiptesis nula siguiente:

d. Con la informacin anterior prevista contraste la hiptesis nula sgte:

e. Calcule la matriz de autocorrelacin entre las variables explicativas. Qu puede intuir?
f. Calcule el nmero ndice y concluya sobre la multicolinealidad.
g. Estime el VIF (Factor de Inflacin de varianza) para cada variable explicativa y concluya sobre la
multicolinealidad.
NOTA: Considere el testeo a un 1%, 5% y a un 10% de significancia. Reporte en todos los casos los valores
crticos y su conclusin.

2. Considere el siguiente proceso generador de datos:

Donde

Gamma(1,1)o

N(0,1)
Realice una muestra de 30 datos, considere unas 10000 repeticiones inicializando con el valor de la
semilla aleatoria 1010101 (RNDSEED 1010101).
Adems recuerde que la potencia de un test es la Pr(RHo| Ho es falsa). Para ello deber generar un
vector V1 tal que

=1 si la prueba rechaza en la repeticin i. La potencia se aproxima, luego,

como el promedio de V1 a lo largo de las repeticiones (es decir, la frecuencia de rechazos). Para
evaluar si la prueba rechaza o no use el valor crtico al 5%. Considere

para la
generacin de datos.
Finalmente reporte la potencia del test de Wald
1
para la siguiente hiptesis cuando se considera un
error tipo gamma y uno tipo normal:

3. Evalue la potencia del test de Jarque Bera
2
para el siguiente proceso generador de datos.

Considere en el proceso que

Gamma(1,1),

N(0,1)
Realice una muestra de 30 datos, considere unas 10000 repeticiones inicializando con el valor de la
semilla aleatoria 1010101 (RNDSEED 1010101).
Adems recuerde que la potencia de un test es la Pr(RHo| Ho es falsa). Para ello deber generar un
vector V1 tal que

=1 si la prueba rechaza en la repeticin i. La potencia se aproxima, luego,

como el promedio de V1 a lo largo de las repeticiones (es decir, la frecuencia de rechazos). Para
evaluar si la prueba rechaza o no use el valor crtico al 5%.
Finalmente reporte la potencia del test.

4. Simulacin: Sabiendo que la variable X se comporta como una Poisson(). Es decir
, se sabe que va verosimilitud el
Reporte el valor del logaritmo de la verosimilitud. Obtenga el estimador de verosimilitud de y
construya un intervalo de confianza al 95% para dicho parmetro. (Considere en el intervalo de
confianza una distribucin t para los cuantiles "@qtdist")3




1
Recuerde que el estadstico de Wald es . Adems recuerde que para
conseguir el estadstico @qfdist(1-alpha,q,t-k). Las distribuciones aleatorias del tipo @rnorm,
@rgamma(1,1)
2
Pista: Recuerde que el estadstico de Jarque Bera es: , adems usted puede obtener el
coeficiente de asimetra de cualquier serie como por ejemplo x1 con el comando @skew(x1), la curtosis con
el comando @kurt(x1), el nmero de observaciones con el comando @obs(x1); adems de usar el comando
@qchisq(1-alpha,2) para el valor crtico.

3
Para el clculo de ln(xi!) considere el comando @factlog(x)