Академический Документы
Профессиональный Документы
Культура Документы
prueba Solemne
UST ICO-084 ECONOMETRÍA
FECHA: 22 de mayo de 2018
________________________________________________________________________
Instrucciones Generales:
PREGUNTAS:
1) Explique ¿Por qué puede ser útil el análisis de regresión? ¿Por qué no usar como
estimador de la variable dependiente simplemente la media muestral?
Respuesta: Porque en el análisis de regresión se estima la esperanza condicional de la
variable dependiente dados los valores fijos de las variables explicativas. Vale decir, se
asume una relación de causalidad desde las variables explicativas hacia la variable
explicada. La media muestral es simplemente el valor esperado no condicional de la
variable dependiente y, por lo mismo, es independiente de los valores que puedan tomar
las variables explicativas
2) Explique el teorema de Gauss-Markov. Use gráficos para mostrar las propiedades de los
estimadores MCO de acuerdo a este teorema.
Respuesta: El teorema de Gauss-Markov dice: Dados los supuestos del modelo clásico
de regresión lineal, los estimadores de mínimos cuadrados, dentro de la clase de
estimadores lineales insesgados, tienen varianza mínima, es decir, son MELI.
Por lo tanto, hay que señalar que para que se cumpla que los estimadores de MCO son
lineales, insesgados y eficientes (de varianza mínima) deben cumplir los supuestos del
modelo clásico de regresión lineal.
1
3) La Tabla 1, es una estimación del siguiente modelo de regresión lineal para la inflación:
Donde las variables explicativas son las tasas de crecimiento del tipo de cambio nominal
(CTCN), la del Imacec no minero (CIMACNM) y de la tasa de política monetaria (TPM),
respectivamente.
Tabla 1
Dependent Variable: INF
Method: Least Squares
Date: 05/17/18 Time: 13:23
Sample (adjusted): 2009M01 2018M03
Included observations: 111 after adjustments
2
Analice uno de los coeficientes de las variables explicativas en términos de su relación con la
variable dependiente y su nivel de significación. Adicionalmente, comente la bondad del ajuste,
y su relación con la prueba F de significación simultánea.
4) Con los datos de la Tabla 1, construya un intervalo de confianza para CTCN. Suponga un
𝒕𝟎,𝟎𝟓 = 𝟐. Interprete el intervalo de confianza.
Respuesta:
̂ 𝟐 ± 𝒕𝜶⁄𝟐 ∗ 𝒆𝒆(𝜷
𝜷 ̂ 𝟐)
𝟎, 𝟏𝟏𝟑𝟗𝟕𝟗 ± 𝟐 ∗ 𝟎, 𝟎𝟎𝟗𝟕𝟏𝟏
𝟎, 𝟎𝟗𝟒𝟔 ≤ 𝜷𝟐 ≤ 𝟎, 𝟏𝟑𝟑𝟒
Al construir 100 intervalos de confianza como el anterior, 90 de ellos contendrán el
verdadero valor de 𝜷𝟐 .
5) Con los datos de la Tabla 1 haga una tabla ANOVA para la regresión.
Respuesta:
SC g.l. SCP
Suma de cuadrados explicados (SCE) 196,8476 3 65,6159
Suma de cuadrados residuales (SCR) 98,58951 107 0,9214
Suma total de cuadrados 295,5705 110
Respuesta:
ˆ ( X ' X ) X ' y
1
3
ˆ ( X ' X ) X ' ( X u)
1
ˆ ( X ' X ) X ' u 1
(X ' X )
2 1
4
Tabla 3
C INF INFE
C 0.685748 -0.129362 -0.007169
INF -0.129362 0.033556 -0.000177
INFE -0.007169 -0.000177 0.003760
Haga un test para comprobar que se cumple la paridad de poder compra débil, esto es
que 𝜷𝟐 + 𝜷𝟑 = 𝟎. Interprete el resultado del test.
Respuesta:
̂𝟐 ± 𝜷
(𝜷 ̂ 𝟑 ) ± (𝜷𝟐 ± 𝜷𝟑 )
𝒕=
̂ 𝟐 ) + 𝒗𝒂𝒓(𝜷
√𝒗𝒂𝒓(𝜷 ̂ 𝟑 ) ± 𝟐𝒄𝒐𝒗(𝜷
̂𝟐, 𝜷
̂ 𝟑)
Como no se proporciona un valor crítico para el test, solo se puede plantear la regla de
decisión. En este sentido, si el t observado es en valor absoluto más grande que el t
crítico, se rechaza la hipótesis nula. Si este test es menor al t crítico, como parece ser el
caso, se acepta la hipótesis nula. Por lo tanto, este resultado parece validar la paridad
de compra débil.
8) Con base en las tablas 4, 5 y 6 haga un test de cambio estructural (Chow) del precio
del cobre en el año 2003. Interprete el resultado del test, es decir, diga si los datos
confirman o no la hipótesis nula.
Tabla 4
Dependent Variable: LPCOBRE
Method: Least Squares
Date: 05/18/18 Time: 17:25
Sample (adjusted): 1980 2017
Included observations: 38 after adjustments
Tabla 5
5
Method: Least Squares
Date: 05/18/18 Time: 17:27
Sample: 1980 2002
Included observations: 23
Tabla 6
Respuesta:
6
Formulario
𝑺𝑪𝑬⁄(𝒌 − 𝟏)
𝑭=
𝑺𝑪𝑹⁄(𝒏 − 𝒌)
Test t para igualdad de coeficientes de una regresión:
̂𝟐 ± 𝜷
(𝜷 ̂ 𝟑 ) ± (𝜷𝟐 ± 𝜷𝟑 )
𝒕=
̂ 𝟐 ) + 𝒗𝒂𝒓(𝜷
√𝒗𝒂𝒓(𝜷 ̂ 𝟑 ) ± 𝟐𝒄𝒐𝒗(𝜷
̂ 𝟐, 𝜷
̂𝟑)