Universidad Nacional Mayor de San Marcos

Facultad de Ciencias Económicas

Escuela Académico Profesional de Economía
Curso: Econometría I Ciclo: 2017-0
Aula: 210-N
Profesor: Mg. Alfonso L. Ayala Loro

Examen Parcial 2

Problema: Autocorrelación

Un modelo macroeconómico conocido, denominado "ley de Okun", establece que la variación de la tasa
de desempleo (u) está relacionada con la tasa de crecimiento del producto (g), una especificación posible
es:

∆𝑢𝑡 = 𝛽0 + 𝛽1 𝑔𝑡 + 𝛽2 𝑔𝑡−1 + 𝛽3 𝑔𝑡−2 + 𝛽4 ∆𝑢𝑡−1 + 𝑒𝑡

Los resultados del modelo se muestran a continuación:

reg D.u g L(1/2).g L.D.u

Source | SS df MS Number of obs = 96

-------------+------------------------------ F( 4, 91) = 51.66
Model | 5.49864157 4 1.37466039 Prob > F = 0.0000
Residual | 2.42135843 91 .026608334 R-squared = 0.6943
-------------+------------------------------ Adj R-squared = 0.6808
Total | 7.92 95 .083368421 Root MSE = .16312

------------------------------------------------------------------------------
D.u | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
g |
--. | -.1832423 .031081 -5.90 0.000 -.2449808 -.1215038
L1. | -.0990689 .0370177 -2.68 0.009 -.1726 -.0255377
L2. | -.0081596 .0360181 -0.23 0.821 -.0797052 .063386
|
u |
LD. | .3391245 .0978831 3.46 0.001 .1446917 .5335572
|
_cons | .3876435 .0720308 5.38 0.000 .2445631 .5307238
------------------------------------------------------------------------------

Asimismo se ha calculado el estadistico de Breusch-Godfrey, para 1 y 2 rezagos:

estat bgodfrey, lags(1/2)

Breusch-Godfrey LM test for autocorrelation

---------------------------------------------------------------------------
lags(p) | chi2 df Prob > chi2
-------------+-------------------------------------------------------------
1 | 0.073 1 0.7864
2 | 0.297 2 0.8621
---------------------------------------------------------------------------
H0: no serial correlation

Evalúe la presencia de autocorrelación en el modelo. (3 p).

Como se ve en el test de Breusch-Godfrey, la probabilidad del segundo rezago del modelo

(correspondiente a los usados en el modelo), es de 0.8621, el valor empírico de chi2 es muy bajo. Hay
evidencia de no autocorrelación presente en el modelo, es decir ya se corrigió la correlacion serial del
modelo incluyendo dos rezagos.

Problema: Autocorrelación

La tasa de corto plazo de política monetaria (rs) del banco central de un país se modeliza en función
del cambio previo de la tasa de largo plazo (r20), los indicadores son los siguientes:

sum rs r20

Variable | Obs Mean Std. Dev. Min Max

-------------+--------------------------------------------------------

1
 rs | 526 7.651513 3.553109 1.561667 16.18
r20 | 526 8.863726 3.224372 3.35 17.18

El modelo estimado es el siguiente:

∆𝑟𝑠𝑡 = 𝛽0 + 𝛽1 ∆𝑟𝑠𝑡−1 + 𝑒𝑡
reg D.rs L.D.r20

Source | SS df MS Number of obs = 524

-------------+------------------------------ F( 1, 522) = 52.88
Model | 13.8769739 1 13.8769739 Prob > F = 0.0000
Residual | 136.988471 522 .262430021 R-squared = 0.0920
-------------+------------------------------ Adj R-squared = 0.0902
Total | 150.865445 523 .288461654 Root MSE = .51228

------------------------------------------------------------------------------
D.rs | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
r20 |
LD. | .4882883 .0671484 7.27 0.000 .356374 .6202027
|
_cons | .0040183 .022384 0.18 0.858 -.0399555 .0479921
------------------------------------------------------------------------------

Obteniéndose el estadístico de Breusch-Godfrey:

estat bgodfrey, lags(6)

Breusch-Godfrey LM test for autocorrelation

---------------------------------------------------------------------------
lags(p) | chi2 df Prob > chi2
-------------+-------------------------------------------------------------
6 | 17.237 6 0.0084
---------------------------------------------------------------------------
H0: no serial correlation

Existe evidencia de autocorrelación? Es necesaria alguna modificación del modelo? (3 p)

Como se ve en el test de Breusch-Godfrey, la probabilidad del sexto rezago del modelo

(correspondiente al modelo), es de 0.0084, el valor empírico de chi2 es alto. Se rechaza ho, hay
evidencia de autocorrelación presente en el modelo.
Sería necesario agregar más términos rezagados de rs (t-1, t-2, …, t-6) para disminuir o eliminar la
autocorrelación presente en el modelo.

Modelo Logit

Una institución de investigación del uso de drogas y alcohol realizó una encuesta entre adolescente de
12 a 16 años, para estudiar los factores que tienen influencia en el habito de beber licor, siendo las
variables a estudiar las siguientes:

Drank30 = 0 si el estudiante no toma bebidas alcohólicas en los últimos 30 dias.

Age97 = edad del entrevistado en 1997
Male = 0/1, 1 para varón/hombre, 0 para mujer
Pdrink97 = compañeros/amigos que toman bebidas alcohólicas
Dinner97 = número de días por semana que el entrevistado almuerza junto a su familia

Un resumen de las variables se obtuvo mediante el comando summarize:

summarize drank30 age97 pdrink97 dinner97 male if !missing(drank30, age97, ///

> pdrink97, dinner97, male)

Variable | Obs Mean Std. Dev. Min Max

-------------+--------------------------------------------------------
drank30 | 1654 .382104 .4860487 0 1
age97 | 1654 13.67352 .9371347 12 16
pdrink97 | 1654 2.108222 1.214858 1 5
dinner97 | 1654 4.699516 2.349352 0 7
male | 1654 .5405079 .4985071 0 1

El modelo logit se presenta a continuación:

2
 Interprete los coeficientes de male, pdrink97. Los coeficientes obtenidos son los esperados? (2 p)

Existe un (1-0.9794) = -2.06% de menor probabilidad de que un adolescente tome bebidas si es

hombre que si es mujer.
Existe un 1.3292-1 = 32.92% de mayor probabilidad de que un adolescente tome bebidas por cada
compañero/amigo del adolescente que ya tenga la costumbre de tomar bebidas alcohólicas en ese
intervalo de edad.

Brinde una explicación a una persona no entrenada en econometría e interprete el coeficiente de

dinner97. (2 p)

Para la variable dinner97, existe un (1-0.9420) = -5.8% de menor probabilidad de que un adolescente
tome bebidas por cada día que se tomen los alimentos con los hijos adolescentes. A una persona se le
puede indicar un pequeño ejemplo, 0.947 = -60% aproximadamente de menos opciones que su hijo/hija
adquiera el habito de tomar alcohol alguna vez, si almuerza junto a sus hijos.

Test de raíz unitaria

Usted está estudiando la variable inflación, desde 1995 a la fecha aproximadamente, un resumen de la
variable se presenta a continuación:
sum infl

Variable | Obs Mean Std. Dev. Min Max

-------------+--------------------------------------------------------
infl | 276 .355942 .427177 -.54 2.32

Un gráfico de la misma se aprecia aquí:

3
2
infl

1
0
-1

0 100 200 300

t

Está verificando si hay raíz unitaria y tiene tres pruebas, escoja la pertinente e interprete el resultado.
Existe raíz unitaria?(4 p)

dfuller infl, lags(1) regress noconstant

Augmented Dickey-Fuller test for unit root Number of obs = 274

---------- Interpolated Dickey-Fuller ---------

Test 1% Critical 5% Critical 10% Critical

3
 Statistic Value Value Value
------------------------------------------------------------------------------
Z(t) -5.410 -2.580 -1.950 -1.620

------------------------------------------------------------------------------
D.infl | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
infl |
L1. | -.2244505 .0414891 -5.41 0.000 -.3061311 -.1427698
LD. | -.2269146 .0576445 -3.94 0.000 -.3404006 -.1134285
------------------------------------------------------------------------------

dfuller infl, lags(1) regress trend

Augmented Dickey-Fuller test for unit root Number of obs = 274

---------- Interpolated Dickey-Fuller ---------

Test 1% Critical 5% Critical 10% Critical
Statistic Value Value Value
------------------------------------------------------------------------------
Z(t) -7.979 -3.989 -3.429 -3.130
------------------------------------------------------------------------------
MacKinnon approximate p-value for Z(t) = 0.0000

------------------------------------------------------------------------------
D.infl | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
infl |
L1. | -.4761972 .0596817 -7.98 0.000 -.5936979 -.3586966
LD. | -.1013008 .0591554 -1.71 0.088 -.2177654 .0151638
_trend | -.0007956 .0002828 -2.81 0.005 -.0013524 -.0002388
_cons | .2711409 .0555542 4.88 0.000 .1617664 .3805154

dfuller infl, lags(1) regress

Augmented Dickey-Fuller test for unit root Number of obs = 274

---------- Interpolated Dickey-Fuller ---------

Test 1% Critical 5% Critical 10% Critical
Statistic Value Value Value
------------------------------------------------------------------------------
Z(t) -7.397 -3.458 -2.879 -2.570
------------------------------------------------------------------------------
MacKinnon approximate p-value for Z(t) = 0.0000

------------------------------------------------------------------------------
D.infl | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
infl |
L1. | -.4055544 .0548276 -7.40 0.000 -.5134966 -.2976123
LD. | -.1384476 .0583937 -2.37 0.018 -.2534105 -.0234847
|
_cons | .1359745 .0282382 4.82 0.000 .0803805 .1915686
------------------------------------------------------------------------------

Vemos que la variable no tiene tendencia ni parte del origen, por lo que el test aplicable sería el test sin
tendencia, pero con constante.
En este caso el estadístico t es inferior al valor crítico al 5% (-2.87), ubicándose fuera de la región de
aceptación de H0, (existe raíz unitaria), por tanto no existe r.u. y el proceso es estacionario.

Ahora está analizando el tipo de cambio.

sum tcambio

Variable | Obs Mean Std. Dev. Min Max

-------------+--------------------------------------------------------
tcambio | 264 3.048379 .3693754 2.19 3.644

Un gráfico del tipo de cambio se aprecia aquí:

4
 4
3.5
tcambio

3
2.5
2

1995m1 2000m1 2005m1 2010m1 2015m1

date

Está verificando si hay raíz unitaria y tiene tres pruebas, escoja el test de Dickey-Fuller pertinente e
interprete el resultado. Existe raíz unitaria?(4 p)
dfuller tcambio, lags(1) noconstant

Augmented Dickey-Fuller test for unit root Number of obs = 262

---------- Interpolated Dickey-Fuller ---------

Test 1% Critical 5% Critical 10% Critical
Statistic Value Value Value
------------------------------------------------------------------------------
Z(t) 1.083 -2.580 -1.950 -1.620

dfuller tcambio, regress lags(1) noconstant

Augmented Dickey-Fuller test for unit root Number of obs = 262

---------- Interpolated Dickey-Fuller ---------

Test 1% Critical 5% Critical 10% Critical
Statistic Value Value Value
------------------------------------------------------------------------------
Z(t) 1.083 -2.580 -1.950 -1.620

------------------------------------------------------------------------------
D.tcambio | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
tcambio |
L1. | .001054 .0009736 1.08 0.280 -.0008632 .0029712
LD. | .056155 .0620711 0.90 0.366 -.066071 .178381
------------------------------------------------------------------------------

dfuller tcambio, lags(1) regress trend

Augmented Dickey-Fuller test for unit root Number of obs = 262

---------- Interpolated Dickey-Fuller ---------

Test 1% Critical 5% Critical 10% Critical
Statistic Value Value Value
------------------------------------------------------------------------------
Z(t) -2.022 -3.990 -3.430 -3.130
------------------------------------------------------------------------------
MacKinnon approximate p-value for Z(t) = 0.5894

------------------------------------------------------------------------------
D.tcambio | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
tcambio |
L1. | -.0163546 .008088 -2.02 0.044 -.0322815 -.0004276
LD. | .0503882 .0617611 0.82 0.415 -.0712319 .1720082
_trend | -.0000388 .0000392 -0.99 0.323 -.000116 .0000384
_cons | .0590534 .0251706 2.35 0.020 .0094874 .1086194
------------------------------------------------------------------------------

dfuller tcambio, lags(1) regress

Augmented Dickey-Fuller test for unit root Number of obs = 262

---------- Interpolated Dickey-Fuller ---------

Test 1% Critical 5% Critical 10% Critical
Statistic Value Value Value
------------------------------------------------------------------------------

5
 Z(t) -2.067 -3.459 -2.880 -2.570
------------------------------------------------------------------------------
MacKinnon approximate p-value for Z(t) = 0.2579

------------------------------------------------------------------------------
D.tcambio | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
tcambio |
L1. | -.0167024 .0080801 -2.07 0.040 -.0326134 -.0007913
LD. | .0545578 .061615 0.89 0.377 -.0667724 .175888
|
_cons | .0549515 .0248264 2.21 0.028 .0060642 .1038388
------------------------------------------------------------------------------

Vemos que la variable no tiene tendencia ni parte del origen, por lo que el test aplicable sería el test sin
tendencia, pero con constante.
En este caso el estadístico t es mayor al valor crítico al 5% (-2.88), ubicándose dentro de la región de
aceptación de H0, (existe raíz unitaria), por tanto existe r.u. y el proceso es no estacionario.

Explique la necesidad del uso de variables instrumentales en una regresión econométrica, es decir sus
ventajas y desventajas y la forma de verificar si su uso es adecuado. (2 p)

Se deben usar variables instrumentales cuando en la regresión se incluyen variables endógenas, esto
se puede deber a que el modelo sufre de alguna variable omitida. Si la variable inobservable
permanece en el término de error, se utiliza el método de vi, primero se verifica que cov(x,u) sea
diferente de 0 y en segundo lugar que cov(z,u) = 0, se tiene que verificar que el instrumento z es
exógeno. El costo es que el efecto de la variable omitida nunca se podrá saber con exactitud, solo el
efecto de z en y.