UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

FACULTAD DE CIENCIAS ECONOMICAS

Curso: Econometría I
Profesora: Mg. Beatriz Castañeda S.

Práctica 2

1. Se ha realizado un estudio con datos mensuales desde enero de 1979 a diciembre

de 2009, sobre la cantidad de dinero circulante en una economía en función de los
niveles de inflación. Se ha estimado el siguiente modelo:

Dependent Variable: LOG(M1)

Method: Least Squares
Sample: 1979:01 2009:12
Included observations: ¿?

Variable Coefficient Std. Error t-Statistic Prob.

C ¿? 0.134062 -10.81104 0.0000

LOG(IP) 1.688604 ¿? 53.19979 0.0000

R-squared ¿? Mean dependent var 5.663717

Adjusted R-squared 0.884070 S.D. dependent var 0.553903
S.E. of regression 0.188595 Akaike info criterion -0.493064
Sum squared resid ¿? Schwarz criterion -0.471995
Log likelihood 93.70989 F-statistic ¿?
Durbin-Watson stat 0.008097 Prob(F-statistic) 0.000000

a) Obtenga los valores de las estadísticas que corresponden a cada ¿?

b) Interprete los coeficientes estimados del modelo y su bondad de ajuste.
c) Analice la significancia del modelo. Use las pruebas T y F

2. Queremos estimar el consumo de bienes (duraderos y no duraderos) de las familias

peruanas, la estimación de esta variable es de gran importancia para considerarlo
como un indicador del desarrollo económico ya que a medida que aumente la renta
per-cápita de las familias, estas buscarán ya no solo cubrir sus necesidades básicas,
sino tener acceso a nuevos bienes principalmente los bienes de consumo duradero,
ejemplo de estos son los automóviles, inmuebles, por lo cual se postula el modelo y
su estimación se ofrece a continuación. (data en el archivo Consumo-Ingreso-
Tinteres.wf1
ln⁡(𝐶𝑜𝑛𝑠𝑢𝑚𝑜)⁡𝑡 = ⁡ 𝛽0+ 𝛽1 ln⁡(𝐼𝑛𝑔𝑟𝑒𝑠𝑜𝐷)⁡𝑡 + 𝛽2 ⁡𝑇𝑖𝑛𝑡𝑒𝑟𝑒𝑠⁡𝑡 + 𝜀𝑡
Dependent Variable: LOG(CONSUMO)
Method: Least Squares
Date: 04/26/18 Time: 17:30
Sample: 1992Q1 2010Q4
Included observations: 76

Variable Coefficient Std. Error t-Statistic Prob.

C -0.062628 0.327267 -0.191367 0.8488

LOG(INGRESOD) 0.989816 0.030975 31.95503 0.0000
TINTERES -0.012017 0.005638 -2.131577 0.0364

R-squared 0.968682 Mean dependent var 10.04626

Adjusted R-squared 0.967824 S.D. dependent var 0.227497
 S.E. of regression 0.040807 Akaike info criterion -3.521239
Sum squared resid 0.121562 Schwarz criterion -3.429237
Log likelihood 136.8071 Hannan-Quinn criter. -3.484471
F-statistic 1128.982 Durbin-Watson stat 1.908857
Prob(F-statistic) 0.000000

a) Interprete los coeficientes estimados y el coeficiente de determinación.

b) Analice la significancia individual y conjunta de las variables en el modelo.
Interprete resultados
c) Para las predicciones de los consumos trimestrales del 2008 al 2012 se obtuvo
los siguientes resultados, interprete las estadísticas del pronóstico.

44,000
Forecast: CONSUMOF
Actual: CONSUMO
40,000
Forecast sample: 2008Q1 2012Q4
Included observations: 20
36,000 Root Mean Squared Error 2295.290
Mean Absolute Error 1937.395
Mean Abs. Percent Error 5.500224
32,000
Theil Inequality Coefficient 0.032635
Bias Proportion 0.073634
28,000 Variance Proportion 0.000308
Covariance Proportion 0.926058
Theil U2 Coefficient 0.959709
24,000
I II III IV I II III IV I II III IV I II III IV I II III IV Symmetric MAPE 5.579154
2008 2009 2010 2011 2012

CONSUMOF ± 2 S.E.

d) Obtenga una predicción puntual e interválica al 95% de confianza para el valor

individual del consumo privado del primer trimestre del 2013 si el Ingreso
disponible es de S/ 25,000 y la Tasa de interés = 4%

Matriz de covarianza de los coeficientes

C LOG(INGRESOD) TINTERES
C 0.107103 -0.010132 -0.001347
LOG(INGRESOD) -0.010132 0.000959 0.000124
TINTERES -0.001347 0.000124 3.18E-05

3. Se realiza un estudio con el fin de analizar el consumo de café entre las familias de
una determinada comunidad autónoma. Se recogen datos del consumo de café (Q),
la renta (R), los precios del café (PC) y de la leche (PL), para un conjunto de 20
familias.
Q̂i  1.1875  0.00011Ri  0.1516 PC i ; R²  0.5575 ; e´ e  53.46
M1.
S ˆ i ( 6.178 ) ( 0.0000274 ) ( 0.0495 )

M2. Q̂i  8.821  0.00011Ri  0.195 PC i  0.084 PLi ; R²  0.5779

En el modelo M1 analiza la significancia individual de la Renta y el Precio del café.
Con la información de ambos analiza la significancia individual del Precio de la leche.
Interpreta tus resultados.
4. Dado el modelo lineal general:
Yi = 1 + 2 X2i + 3 X3i + i Con i N(0,2)
Para el que se dispone de la información muestral siguiente:

 14 7 14   10 
   
X' X   7 4.5 7  ; X' Y   6  ; Y' Y  14
 14 7 15   12 
   
Se pide:
a) Estimar los parámetros del modelos y la matriz de covarianza de los ̂ i
b) Analice la importancia relativa de las variables y la significancia del modelo
c) Contraste la hipótesis Ho: 2 +1 = 3. Proporcione el p-value e interprete los
resultados.

5. Wooldridge postula el siguiente modelo para estudiar si los gastos de campaña

afectan los resultados de las elecciones (archivo vote1.wf1)

VoteA = 1 + 2 ln(GCA) + 3 ln(GCB) + 4 PVPA + u

Donde
Vote A: Porcentaje de votos recibidos por el candidato A
GCA: Gastos de campaña del candidato A (unidades en miles de dólares)
GCB: Gastos de campaña del candidato B(unidades en miles de dólares)
PVPA: Porcentaje de votos del partido A en la elección presidencial más reciente.
Con los registros de 173 distritos electorales se estimó el modelo
Dependent Variable: VOTEA
Method: Least Squares
Date: 04/26/18 Time: 23:41
Sample: 1 173
Included observations: 173

Variable Coefficient Std. Error t-Statistic Prob.

C 45.07893 3.926305 11.48126 0.0000

LOG(GCA) 6.083316 0.382150 15.91866 0.0000
LOG(GCB) -6.615417 0.378820 -17.46321 0.0000
PVPA 0.151957 0.062018 2.450210 0.0153

R-squared 0.792557 Mean dependent var 50.50289

Adjusted R-squared 0.788874 S.D. dependent var 16.78476
S.E. of regression 7.712335 Akaike info criterion 6.946369
Sum squared resid 10052.14 Schwarz criterion 7.019277
Log likelihood -596.8609 Hannan-Quinn criter. 6.975948
F-statistic 215.2266 Durbin-Watson stat 1.604129
Prob(F-statistic) 0.000000

a) Interprete los coeficientes estimados y el coeficiente de determinación.

b) En términos de los coeficientes, establezca la hipótesis nula de que un aumento
de 1% en los gastos de A es compensado por un aumento de 1% en los gastos
de B. Realice la prueba, proporcione el p-value. Interprete resultados.
c) Para las predicciones se obtuvo los siguientes resultados, interprete las
estadísticas del pronóstico.
120
Forecast: VOTEAF
100 Actual: VOTEA
Forecast sample: 1 173
80
Included observations: 173

60
Root Mean Squared Error 7.622654
Mean Absolute Error 6.037937
40 Mean Abs. Percent Error 13.86903
Theil Inequality Coefficient 0.072008
20
Bias Proportion 0.000000
Variance Proportion 0.058057
0
Covariance Proportion 0.941943
-20 Theil U2 Coefficient 0.707139
25 50 75 100 125 150 Symmetric MAPE 13.71028

VOTEAF ± 2 S.E.

d) Obtenga una predicción puntual e interválica al 95% de confianza para el

porcentaje de votación del candidato A en un distrito GCA= 700 GCB=200,
PVPA= 58 %

Matriz de covarianzas de los coeficientes

C LOG(GCA) LOG(GCB) PVPA
C 15.41587 -0.394938 -0.874063 -0.176167
LOG(GCA) -0.394938 0.146039 -0.002681 -0.006546
LOG(GCB) -0.874063 -0.002681 0.143505 0.003577
PVPA -0.176167 -0.006546 0.003577 0.003846