Regresión con heterocedasticidad y autocorrelación

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Regresión con heterocedasticidad y autocorrelación"

Transcripción

1 Regresión con heterocedasticidad y autocorrelación Tema 6

2 Regresión con heterocedasticidad La heterocedasticidad significa que var( i ) cte Es la norma, no la excepción, en especial con datos transversales Hay diversas circunstancias que justifican su aparición: En modelos de aprendizaje, los agentes reducen sus errores en el tiempo Hay variables explicativas que justifican una mayor variabilidad de los agentes Mejora en la recogida de datos reduce los errores Existencia de atípicos severos Mala especificación (omisión de variables, forma funcional, datos incorrectos ) La heterocedasticidad afecta a la eficiencia, pero los estimadores MCO siguen siendo insesgados y consistentes

3 Consecuencias de la heterocedasticidad El estimador MCO es Puesto que, Se mantiene la insesgadez La varianza será, ˆ ( ) 1 βmco β X'X X'ε E ˆ E E 1 1 ( β) [ β ( X'X) X'ε] β [( X'X) X'ε] β (por la exogeneidad) E[( βˆ β)( βˆ β)'] ( X'X) X' εε ' X( X'X) E[( X'X) X' Σ ' X( X'X) ] Pero ahora 2 I y por tanto la expresión anterior no será igual a 2 (X X) -1 El estimador MCO ya no es eficiente

4 Estimación eficiente con heterocedasticidad Supongamos que conociésemos la forma de la heterocedasticidad var( X ) h( X ) Entonces el modelo transformado, tiene errores homocedásticos: i i i Yi 1 X1 i X ki i k h( X ) h( X ) h( X ) h( X ) h( X ) i i i i i i 1 1 var var( i) hx ( i) 1 hx ( ) h( Xi) h( Xi) i Por tanto podemos estimar por MCO el modelo transformado. Este procedimiento se denomina MCP y es una caso particular de MCG

5 Estimación eficiente con heterocedasticidad Por ejemplo si en Y i = X i + i,var( i ) = X i,en el modelo, Tendremos, Análogamente Yi 1 Xi i 0 1 X X X X i i i i i 1 var X i 1 cte. X i X i Yi 1 Xi i 0 1 X X X X i i i i 2 i 1 var X i cte X i X i 2

6 Estimación eficiente con heterocedasticidad Cuando no se conoce la forma de la heterocedasticidad hay que estimarla para poder aplicar el método anterior: MCPF Una forma bastante flexible de modelizar la heteroscedasticidad es, var( X) exp X... X h( X ) 2 2 i 0 1 1i k ki Si u i es una v.a. independiente de X y con media unitaria, tenemos, i exp X... X ui pues E( i ) exp X... X 0 1 1i k ki 0 1 1i k ki 2 ln( i ) 0 0 1X1 i... k X ki ei ˆ( ) que podemos estimar para obtener hx y aplicar el método

7 Estimación eficiente con heterocedasticidad También podemos usar estimadores robustos ( ) var ˆ ( ˆ ) i i n n ( X1 i X ) A la hora de decidirse por MCP o el estimador robusto, debemos tener en cuenta que, Si conocemos la forma de la heterocedasticidad, MCP es más eficiente que el estimador robusto Pero MCG exige exogeneidad estricta ( n 2) [( X X ) ˆ ] En general el estimador robusto es mejor si hemos de emplear MCPF y es fácil de obtener al venir incorporado en todos los programas Considerando pros y contras junto con el hecho de que no se suele conocer la forma de la heterocedasticidad, no es extraño que hoy lo habitual sea emplear estimadores robustos

8 Contraste de Breusch Pagan Contrastes de heterocedasticidad Para contrastar si la varianza del error se relaciona con las variables explicativas, estimamos el modelo 2 ˆ X... X e i 0 1 1i k ki i A continuación contrastamos H 0 : 1 = k = 0. El estadístico de contraste nr 2 se distribuye como una 2 (k) Contraste de White Más potente y más empleado, es similar al anterior incluyendo como regresores potencias y productos cruzados de las X El estadístico de contraste y su distribución son idénticos, nr 2 se distribuye como una 2 (k)

9 Ejemplo contraste heteroscedasticidad Test de Breusch-Pagan Dependent Variable: VOTEA Method: Least Squares Date: 01/14/16 Time: 17:26 Sample: Included observations: 173 Variable Coefficient Std. Error t-statistic Prob. C PRTYSTRA DEMOCA LEXPENDA LEXPENDB R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Dependent Variable: U2 Method: Least Squares Date: 01/14/16 Time: 17:25 Sample: Included observations: 173 Variable Coefficient Std. Error t-statistic Prob. C PRTYSTRA DEMOCA LEXPENDA LEXPENDB R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) (4)= nr 2 = = 9.093; (vc (5%) = 9,49) Econometría y predicción Matilla, M., Pérez, P. y Sanz, B. McGraw Hill

10 Ejemplo contraste heteroscedasticidad Dependent Variable: VOTEA Method: Least Squares Date: 01/14/16 Time: 17:26 Sample: Included observations: 173 Test de White Variable Coefficient Std. Error t-statistic Prob. C PRTYSTRA DEMOCA LEXPENDA LEXPENDB R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Test Equation: Dependent variable U2 Variable Coefficient Std. Error t-statistic Prob. C PRTYSTRA^ PRTYSTRA*DEMOCA PRTYSTRA*LEXPEND PRTYSTRA*LEXPEND PRTYSTRA DEMOCA^ DEMOCA*LEXPENDA DEMOCA*LEXPENDB LEXPENDA^ LEXPENDA*LEXPEND LEXPENDA LEXPENDB^ LEXPENDB R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) (13)= nr 2 = = 31,10; (vc (5%) = 22,4) Econometría y predicción Matilla, M., Pérez, P. y Sanz, B. McGraw Hill

11 Problemas de heteroscedasticidad Estimador robusto Dependent Variable: VOTEA Method: Least Squares Date: 01/14/16 Time: 17:26 Sample: Included observations: 173 Variable Coefficient Std. Error t-statistic Prob. C PRTYSTRA DEMOCA LEXPENDA LEXPENDB R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Dependent Variable: VOTEA Method: Least Squares Date: 01/14/16 Time: 18:00 Sample: Included observations: 173 HAC standard errors & covariance (Bartlett kernel, Newey-West fixed bandwidth = ) Variable Coefficient Std. Error t-statistic Prob. C PRTYSTRA DEMOCA LEXPENDA LEXPENDB R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Wald F-statistic Prob(Wald F-statistic) Econometría y predicción Matilla, M., Pérez, P. y Sanz, B. McGraw Hill

12 Regresión con autocorrelación Hay autocorrelación serial si corr( t s ) 0 para t s Esta circunstancia afecta a la eficiencia de los estimadores MCO La autocorrelación es mucho más frecuente en series temporales (en series transversales se conoce como autocorrelación espacial) Entre los motivos por los que puede surgir el problema cabe señalar: Omisión de variables que por naturaleza están autocorrelacionadas Inercia propia de las series temporales Utilización de variables retardadas Manipulación de los datos

13 Regresión con autocorrelación Hay autocorrelación serial si corr( t s )0 Esta circunstancia afecta a la eficiencia de los estimadores MCO Si las perturbaciones están correlacionadas, es una matriz en la que todos los elementos fuera de la diagonal principal no son nulos En estas condiciones, Σ ' E( ' X) var( βˆ X) ( X'X) X' Σ X( X'X) 1 1 ' Expresión diferente de la habitual. El estimador MCO ya no es eficiente

14 Regresión con autocorrelación En un modelo de regresión simple con autocorrelación, la varianza del estimador de la pendiente puede descomponerse en, var ˆ 1 var[( X ) ] f t X t T ( x ) Entre corchetes la varianza del estimador MCO sin autocorrelación, mientras que f T =1+2T 1 (T1) T 1 (TT+1) T1. Sin autocorrelación f T =1, pero con ella la expresión típica de la varianza del estimador deja de ser válida Como en el caso de la heterocedasticidad, si se conoce la forma de la autocorrelación podemos aplicar una transformación que conduce a un modelo con residuos no autocorrelacionados (MCG) T

15 Regresión con autocorrelación Así, supongamos que en el modelo Y t = X t + t el patrón de la autocorrelación de t es un AR(1), t = t +u t, con <1 Retardando un periodo y multiplicando por, se tiene Y t-1 = X t-1 + t-1, y restando del modelo original o bien, Y Y X X ( ) t t t 1 t1 t t1 (1 ) ( X X ) u 0 1 t t1 t Y X u * * * t 0 1 t t donde, por definición, no hay autocorrelación y puede estimarse por MCO. El modelo recibe el nombre de MCG, pero exige conocer o estimarlo (MCG factibles)

16 Regresión con autocorrelación El método anterior implica la pérdida de la primera observación, lo que puede ser relevante si la muestra es pequeña. Prais y Winstein idearon un método para recuperarla, Y Y 1 * X X 1 * Todo el desarrollo anterior está basado en el supuesto concreto de que la autocorrelación sigue un proceso AR(1) Si fuese otro, la transformación sería también diferente. Para un AR(2), Y Y Y Y, X X X X * * t t 1 t1 2 t2 t t 1 t1 2 t2

17 Regresión con autocorrelación Como en la regresión con heterocedasticidad, suele recurrirse a un estimador robusto para solucionar el problema (estimador HAC) Este viene dado por la expresión general ˆ ft 2 donde ˆ 1 es el estimador de la varianza sin autocorrelación y la función f debe conocerse o estimarse. En la econometría actual hay diversos estimadores robustos, aunque en nuestro programa solo mencionamos uno de ellos

18 Contrastes de autocorrelación Contraste de Durbin y Watson. Se basa en el supuesto de que la autocorrelación es AR(1) y responde a la expresión, DW T 2 ( ˆ ˆ t t 1) t2 T 2 ˆ t t1 2(1 ˆ ) En ausencia de autocorrelación ( = 0), DW = 2 Los valores críticos dependen del nº de parámetros (k) A pesar de su popularidad tiene algunas limitaciones: Regiones de indeterminación si DW está en (d i, d s ) o (4-d s, 4-d i ) No aplicable si entre las X figuran retardos de la endógena Las variables explicativas deben ser no estocásticas

19 Zonas del contraste DW Contrastes de autocorrelación Autocorrelación (+) Indetermi nación NO AUTOCORRELACIÓN Indetermi nación Autocorrelación () 0 d L d U 2 4d U 4d L 4 Problemas del contraste DW Diseñado para AR(1) Exige variables explicativas no estocásticas No es aplicable si entre las explicativas hay retardos de la endógena Existencia de regiones no concluyentes

20 Contrastes de autocorrelación Contraste de Breusch-Godfrey. Contrasta la autocorrelación de cualquier orden. Se basa en la estimación de la ecuación ˆ X... X ˆ... ˆ e t 0 1 1t k kt 1 t1 q tq t La hipótesis nula es H 0 : 1 = = q = 0 y el estadístico de contraste (nq)r 2 se distribuye como una Ji cuadrada con q g.l. Cabe mencionar también los contrastes de Box Pierce y de Ljung Box q 2 QT ˆ j j1 Q ' T ( T 2) q j1 ˆ 2 j T j

21 Autocorrelación: ejemplo Dependent Variable: LC Method: Least Squares Date: 01/14/16 Time: 18:12 Sample: 1 35 Included observations: 35 Variable Coefficient Std. Error t-statistic Prob. C LY I R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Relación entre consumo, renta dispobible y tipo de interés Para n=35 y k = 2, d L y d u son respectivamente, y 1,584 Como 0,6999 está entre 0 y d L, rechazaríamos H 0 en favor de autocorrelación positiva El test de Breusch Godfrey para la autocorrelación de primer orden es, 2 (1) = 14,05, i.e., lleva a la misma conclusión Econometría y predicción Matilla, M., Pérez, P. y Sanz, B. McGraw Hill

22 Perturbaciones esféricas Decimos que las perturbaciones son esféricas cuando la matriz E( ) es de la forma, E( ') 0 0 I 0 Econometría y predicción Matilla, M., Pérez, P. y Sanz, B. McGraw Hill

23 Perturbaciones no esféricas Por ejemplo, con homocedasticidad y autocorrelación, la matriz E( ) podría ser, Econometría y predicción Matilla, M., Pérez, P. y Sanz, B. McGraw Hill

24 Perturbaciones no esféricas E( εε ') Heterocedasticidad y no autocorrelación Econometría y predicción Matilla, M., Pérez, P. y Sanz, B. McGraw Hill

25 Resumen Si las perturbaciones no son esféricas los estimadores son insesgados pero no eficientes MCG: en general si Y = X+ con E( )= entonces se busca la transformación T tal que TT = -1 y entonces, en se tiene, T'Y T'Xβ + T'ε E( ) ( ) ( ) T'εε'T T' E εε' T T' T T' HH' T = T'T' T T = I En función del incumplimiento variará T Estimador HAC: válido con heterocedasticidad y/o autocorrelación: ˆ fˆ, con f 1 2 ( T j) T, con truncamiento m, o 2 2 T 1 1 ˆ ˆ T T j1 j ˆ ˆ j ˆ ˆ ˆ m 1 1 var( ˆ β m T ) Γ (0) 1 ( j) '( j), ( j) T ˆ ˆ ' j1 Γ Γ Γ x x t j1 t t t t j

Regresión con heterocedasticidad y autocorrelación

Regresión con heterocedasticidad y autocorrelación Regresión con heterocedasticidad y autocorrelación Tema 6 Regresión con heterocedasticidad La heterocedasticidad significa que var( i ) cte Es la norma, no la excepción, en especial con datos transversales

Más detalles

Heterocedasticidad y autocorrelación

Heterocedasticidad y autocorrelación Heterocedasticidad y autocorrelación Tema 6 Heterocedasticidad y Autocorrelación Esquema 1. Supuestos del modelo de regresión. 2. Distribución de los estimadores MCO. 3. Varianzas de los estimadores. 4.

Más detalles

ECONOMETRÍA II PRÁCTICAS DE ORDENADOR. Práctica 3

ECONOMETRÍA II PRÁCTICAS DE ORDENADOR. Práctica 3 ECONOMETRÍA II PRÁCTICAS DE ORDENADOR Práctica 3 Considere la ecuación de inversión RINV t = β 1 +β 2 RPIB t +β 3 r t +u t donde RINV es la inversión real privada, RPIB es el PIB real y r es el tipo de

Más detalles

Errores de especificación. Series simuladas

Errores de especificación. Series simuladas Estimación modelo correcto Dependent Variable: Y Date: 05/13/02 Time: 17:07 Sample: 2 100 Included observations: 99 Errores de especificación. Series simuladas C 5.376164 0.253524 21.20578 0.0000 X1 0.954713

Más detalles

EXAMEN ECONOMETRÍA II GRUPO DADE Prof. Rafael de Arce 3 de septiembre de Nombre y Apellidos:

EXAMEN ECONOMETRÍA II GRUPO DADE Prof. Rafael de Arce 3 de septiembre de Nombre y Apellidos: EXAMEN ECONOMETRÍA II GRUPO DADE Prof. Rafael de Arce 3 de septiembre de 2004 Nombre y Apellidos: PRIMERA PARTE: (En las preguntas tipo test sólo debe marcarse una en cada caso): 1. Para determinar si

Más detalles

Econometría I (LADE). Curso 2001/2002 PRÁCTICA 08

Econometría I (LADE). Curso 2001/2002 PRÁCTICA 08 PRÁCTICA 08 HETEROCEDASTICIDAD Y NORMALIDAD En el fichero Datos08.wf1 tenemos la renta y consumo anual (en dólares) para 500 familias con el que se pretende estimar el siguiente modelo: C i = β + β R +

Más detalles

UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE ECUACIONES SIMULTÁNEAS: EJERCICIO 19.

UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE ECUACIONES SIMULTÁNEAS: EJERCICIO 19. UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE ECUACIONES SIMULTÁNEAS: EJERCICIO 19.15 ECONOMETRÍA 2 Econometría.weebly.com Wilhem.weebly.com Ejercicio 19.15 Considérese

Más detalles

Modelo de Regresión Lineal Múltiple. Normalidad. Dr. Víctor Aguirre Torres ITAM

Modelo de Regresión Lineal Múltiple. Normalidad. Dr. Víctor Aguirre Torres ITAM Modelo de Regresión Lineal Múltiple. Normalidad Dr. Víctor Aguirre Torres ITAM Temas Porqué ocurre falta de normalidad Consecuencias Detección Enfoques para manejarla Guión 18. Dr. V. Aguirre Porqué ocurre?

Más detalles

EJERCICIO T1 NOMBRE: Correctas Incorrectas En Blanco Puntos

EJERCICIO T1 NOMBRE: Correctas Incorrectas En Blanco Puntos ECONOMETRÍA EJERCICIO T1 APELLIDOS: NOMBRE: FIRMA: GRUPO: DNI: Pregunta 1 A B C En Blanco Pregunta A B C En Blanco Pregunta 3 A B C En Blanco Pregunta 4 A B C En Blanco Pregunta 5 A B C En Blanco Pregunta

Más detalles

Modelo 1: MCO, usando las observaciones 1994: :03 (T = 218) Variable dependiente: INFLACION

Modelo 1: MCO, usando las observaciones 1994: :03 (T = 218) Variable dependiente: INFLACION UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA DPTO. ACAD. DE ECONOMIA 1º El investigador especifica el modelo siguiente: EXAMEN PARCIAL DE ECONOMETRIA I Se le pide estimar el modelo por el método

Más detalles

ECONOMETRÍA I LICENCIATURA EN ECONOMÍA, Curso PRÁCTICA 1 (LECCIÓN 1): EN BUSCA DE ESPECIFICACIÓN Por Beatriz González López-Valcárcel

ECONOMETRÍA I LICENCIATURA EN ECONOMÍA, Curso PRÁCTICA 1 (LECCIÓN 1): EN BUSCA DE ESPECIFICACIÓN Por Beatriz González López-Valcárcel ECONOMETRÍA I LICENCIATURA EN ECONOMÍA, Curso 2003-2004 PRÁCTICA 1 (LECCIÓN 1): EN BUSCA DE ESPECIFICACIÓN Por Beatriz González López-Valcárcel En esta práctica, aplicaremos los contrastes de especificación

Más detalles

con los supuestos clásicos, uno de ellos es que ninguna de las variables X 1, X 2,, X K es

con los supuestos clásicos, uno de ellos es que ninguna de las variables X 1, X 2,, X K es TEMA 2: EXTENSIONES DEL MODELO DE REGRESIÓN LINEAL MÚLTIPLE: MULTICOLINEALIDAD Y TRANSFORMACIONES LINEALES. Wooldridge: Capítulos 6 (apartado 6.1) y 7 Gujarati: Capítulos 9 (apartado 9.8), 10 y 12 1. MULTICOLINEALIDAD

Más detalles

Análisis Estadístico

Análisis Estadístico Universidad Torcuato Di Tella Análisis Estadístico Examen Final 05/07/2017 TEMA 1 Nombre y Apellido: Número de legajo: Instrucciones El examen tiene dos partes. La parte A (40 puntos) contiene 10 preguntas

Más detalles

ECONOMETRÍA I. Tema 6: Heterocedasticidad. Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía

ECONOMETRÍA I. Tema 6: Heterocedasticidad. Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía ECONOMETRÍA I Tema 6: Heterocedasticidad Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía Alexandra Soberon (UC) ECONOMETRÍA I 1 / 23 Heterocedasticidad El supuesto

Más detalles

NOMBRE: I. TEST (debe marcar sólo un resultado como válido en cada pregunta)

NOMBRE: I. TEST (debe marcar sólo un resultado como válido en cada pregunta) ECONOMETRÍA I Examen DADE 20 de enero de 2005 NOMBRE: I. TEST (debe marcar sólo un resultado como válido en cada pregunta) 1. El contraste del predictor Sirve para determinar si las predicciones del modelo

Más detalles

EXAMEN ECONOMETRÍA I GRUPO 31 LADE Prof. Rafael de Arce 3 de septiembre de Nombre y Apellidos:

EXAMEN ECONOMETRÍA I GRUPO 31 LADE Prof. Rafael de Arce 3 de septiembre de Nombre y Apellidos: EXAMEN ECONOMETRÍA I GRUPO 31 LADE Prof. Rafael de Arce 3 de septiembre de 2004 Nombre y Apellidos: PRIMERA PARTE: Preguntas tipo test (sólo debe marcarse una en cada caso): 1. En el Modelo Básico de Regresión

Más detalles

Modelo de Regresión Lineal Múltiple. Multicolinealidad. Dr. Víctor Aguirre Torres ITAM

Modelo de Regresión Lineal Múltiple. Multicolinealidad. Dr. Víctor Aguirre Torres ITAM Modelo de Regresión Lineal Múltiple. Multicolinealidad Dr. Víctor Aguirre Torres ITAM Temas Qué es la multicolinealidad? Consecuencias sobre la estimación. Detección. Algunas contramedidas. Guión 19. Dr.

Más detalles

Regresión con variables instrumentales

Regresión con variables instrumentales Regresión con variables instrumentales Tema 9 Introducción Cuando el supuesto de exogeneidad no se cumple, los estimadores MCO son sesgados e inconsistentes El método de Variables Instrumentales (VI) permite

Más detalles

EXAMEN ECONOMETRÍA I GRUPO 53 - DADE 8 de septiembre de 2005 Prof. Rafael de Arce

EXAMEN ECONOMETRÍA I GRUPO 53 - DADE 8 de septiembre de 2005 Prof. Rafael de Arce EXAMEN ECONOMETRÍA I GRUPO 53 - DADE 8 de septiembre de 005 Prof. Rafael de Arce NOMBRE: DNI: PARTE I.- TEST 1. La hipótesis de rango pleno en el MBRL supone: Que las variables explicativas no tengan ninguna

Más detalles

Modelos Econométricos Lección 4. Estimación de una sola ecuación entre variables cointegradas (con mecanismo de corrección del error)

Modelos Econométricos Lección 4. Estimación de una sola ecuación entre variables cointegradas (con mecanismo de corrección del error) Modelos Econométricos Lección 4. Estimación de una sola ecuación entre variables cointegradas (con mecanismo de corrección del error) Presentado por Juan Muro Motivación Para entender en profundidad la

Más detalles

SOLUCIÓN DEL EXAMEN PARCIAL DE ECONOMETRIA I

SOLUCIÓN DEL EXAMEN PARCIAL DE ECONOMETRIA I UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA SOLUCIÓN DEL EXAMEN PARCIAL DE ECONOMETRIA I 1º El investigador especifica los modelos siguientes: MODELO 1: IMP(t) = a + b IMP(t-1) + c IPM(t) + u(t)

Más detalles

Hoja de ejercicios 4 Econometría II Curso 2011/2012

Hoja de ejercicios 4 Econometría II Curso 2011/2012 Hoja de ejercicios 4 Econometría II Curso 2011/2012 1) Se dispone de las series de diferencias anuales del logaritmo de las series mensuales índice de precios al consumo en España y la Comunidad de Andalucía

Más detalles

SOLUCIÓN DE LA PRIMERA PRÁCTICA CALIFICADA DE ECONOMETRIA I

SOLUCIÓN DE LA PRIMERA PRÁCTICA CALIFICADA DE ECONOMETRIA I UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA SOLUCIÓN DE LA PRIMERA PRÁCTICA CALIFICADA DE ECONOMETRIA I 1º El investigador especifica el modelo siguiente: (7 puntos) M1(t) = a + b P(t) + c(0) PBI(t)

Más detalles

(5 x 3) ( 3 x 5) ( 5 x 1) b1 335, ,3-26, ,59 b2 = 0, , ,8 12,85 = 2,94 b3-26,79 13,8 2, ,31

(5 x 3) ( 3 x 5) ( 5 x 1) b1 335, ,3-26, ,59 b2 = 0, , ,8 12,85 = 2,94 b3-26,79 13,8 2, ,31 VENTAS PUBLIC. PRECIOS 1990 0, 0, 10 1991 1 0, 1992 2 0,8 199, 0,8 199 1, Y X U 0, 1 0, 10 U1 Modelo matricial con término constante 1 1 0, U2 (el vector de unos recoge ese término constante) 2 1 0,8 U,

Más detalles

ECONOMETRÍA II Curso: 2009/2010 Práctica 5

ECONOMETRÍA II Curso: 2009/2010 Práctica 5 ECONOMETRÍA II Curso: 2009/2010 Práctica 5 Prof. Juan de Dios Tena El objetivo de esta práctica es introducir al alumno en los ejercicios de especificación, estimación y análisis de resultados de modelos

Más detalles

1. VARIABLES FICTICIAS

1. VARIABLES FICTICIAS TEMA 1: EXTENSIONES DEL MODELO DE REGRESIÓN LINEAL MÚLTIPLE: VARIABLES FICTICIAS Y CAMBIO ESTRUCTURAL. Wooldridge: Capítulos 6 (apartado 6.1) y 7 Gujarati: Capítulos 9 (apartado 9.8), 10 y 12 1. VARIABLES

Más detalles

EJERCICIO T2 NOMBRE: Correctas Incorrectas En Blanco Puntos

EJERCICIO T2 NOMBRE: Correctas Incorrectas En Blanco Puntos ECONOMETRÍA EJERCICIO T APELLIDOS: NOMBRE: FIRMA: GRUPO: DNI: Pregunta A B C En Blanco Pregunta A B C En Blanco Pregunta 3 A B C En Blanco Pregunta 4 A B C En Blanco Pregunta 5 A B C En Blanco Pregunta

Más detalles

SOLUCIÄN DE LA PRIMERA PRÅCTICA CALIFICADA DE ECONOMETRIA II

SOLUCIÄN DE LA PRIMERA PRÅCTICA CALIFICADA DE ECONOMETRIA II UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA DPTO. ACAD. DE ECONOMIA SOLUCIÄN DE LA PRIMERA PRÅCTICA CALIFICADA DE ECONOMETRIA II 1Ä El investigador especifica el modelo siguiente: Donde: Se le pide:

Más detalles

ECONOMETRÍA II PRÁCTICAS DE ORDENADOR. Práctica 2

ECONOMETRÍA II PRÁCTICAS DE ORDENADOR. Práctica 2 ECONOMETRÍA II PRÁCTICAS DE ORDENADOR Práctica 2 El fichero epflic.wf1 contiene una submuestra de hogares de la Encuesta de Presupuestos Familiares 1990/91 formada por parejas con o sin hijos en los que

Más detalles

Nueva estimación sobre el volumen del PBI informal en base al método de la demanda de circulante. Joaquín Días y Carla Di Paula.

Nueva estimación sobre el volumen del PBI informal en base al método de la demanda de circulante. Joaquín Días y Carla Di Paula. Nueva estimación sobre el volumen del PBI informal en base al método de la demanda de circulante. Joaquín Días y Carla Di Paula Octubre 2009 Este documento tiene por objetivo presentar una nueva estimación

Más detalles

EXTENSIÓN DEL MODELO DE REGRESIÓN LINEAL DE DOS VARIABLES

EXTENSIÓN DEL MODELO DE REGRESIÓN LINEAL DE DOS VARIABLES EXTENSIÓN DEL MODELO DE REGRESIÓN LINEAL DE DOS VARIABLES REGRESIÓN A TRAVÉS DEL ORIGEN Y Y i = β 1 + β 2X i + ε i Y i = β 2X i + ε i X A MENOS QUE EXISTA UNA EXPECTATIVA A PRIORI MUY FUERTE ES ACONSEJABLE

Más detalles

Revista Internacional del Mundo Económico y del Derecho Volumen II (2010) Págs. de 1-20 ESTUDIO SOBRE EL DESEMPLEO EN ESPAÑA

Revista Internacional del Mundo Económico y del Derecho Volumen II (2010) Págs. de 1-20 ESTUDIO SOBRE EL DESEMPLEO EN ESPAÑA Volumen II (2010) Págs. de 1 20 ESTUDIO SOBRE EL DESEMPLEO EN ESPAÑA Study of unemployment in Spain Autores: Alexandra García Mollons Miguel Torollo Arroyo Universidad Rey Juan Carlos I Resumen: El fin

Más detalles

Correlograma de la serie Y. Included observations: 900 Autocorrelation Partial Correlation AC PAC Q-Stat Prob

Correlograma de la serie Y. Included observations: 900 Autocorrelation Partial Correlation AC PAC Q-Stat Prob EXAMEN DE ECONOMETRIA EMPRESARIAL II (MÓDULO PRÁCTICO) 23 FEBRERO 2002 1 APELLIDO 2ª APELLIDO NOMBRE GRUPO PRÁCTICO NOMBRE DEL PROFESOR PREGUNTA 1 Un economista desea identificar y estimar el proceso generador

Más detalles

Métodos Estadísticos para Economía y Gestión IN 540 Clase 7

Métodos Estadísticos para Economía y Gestión IN 540 Clase 7 Métodos Estadísticos para Economía y Gestión IN 540 Clase 7 Perturbaciones no Esféricas 17 de junio de 2010 1 Preliminares Matriz de Varianzas y Covarianzas cuando ɛ t es un AR(1) Naturaleza y causas de

Más detalles

Índice General de Ventas en Grandes Almacenes y su logaritmo

Índice General de Ventas en Grandes Almacenes y su logaritmo En los gráficos y cuadros que se presentan en las páginas siguientes se presentan resultados relativos a la variable Índice General de Ventas en grandes superficies en España con periodicidad mensual desde

Más detalles

ENUNCIADOS DE PROBLEMAS

ENUNCIADOS DE PROBLEMAS UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I Curso 2005/06 EXAMEN FINAL (Convocatoria extraordinaria) 1 de Septiembre de 2006 ENUNCIADOS DE PROBLEMAS PROBLEMA 1: INVERSIÓN Y VALOR DE MERCADO Deseamos

Más detalles

GUÍA DE EJERCICIOS 4 ECONOMETRIA III

GUÍA DE EJERCICIOS 4 ECONOMETRIA III GUÍA DE EJERCICIOS 4 ECONOMETRIA III 1) Se dispone de las series de diferencias anuales del logaritmo de las series mensuales índice de precios al consumo en España y la Comunidad de Andalucía y asumimos

Más detalles

AVISO IMPORTANTE EL PROFESOR DARÁ ASESORÍA ESTE VIERNES 13 DE OCTUBRE EN LA SALA JOSE SOLITICA EL ARCHIVO EN EXCEL PARA COMPLETAR LA GUIA AL CORREO

AVISO IMPORTANTE EL PROFESOR DARÁ ASESORÍA ESTE VIERNES 13 DE OCTUBRE EN LA SALA JOSE SOLITICA EL ARCHIVO EN EXCEL PARA COMPLETAR LA GUIA AL CORREO AVISO IMPORTANTE EL PROFESOR DARÁ ASESORÍA ESTE VIERNES 13 DE OCTUBRE EN LA SALA JOSE AYALA DE 13 A 15 HRS SOLITICA EL ARCHIVO EN EXCEL PARA COMPLETAR LA GUIA AL CORREO tere_vieyra@yahoo.com.mx Guía para

Más detalles

PRÁCTICA 05 HETEROCEDASTICIDAD, SELECCIÓN DE REGRESORES Y PREDICCIÓN

PRÁCTICA 05 HETEROCEDASTICIDAD, SELECCIÓN DE REGRESORES Y PREDICCIÓN PRÁCTICA 05 HETEROCEDASTICIDAD, SELECCIÓN DE REGRESORES Y PREDICCIÓN Se pretende seleccionar un modelo, para las empresas de un determinado sector económico, que explique el gasto que éstas tienen en formación

Más detalles

LEY DE WAGNER EN EL CASO COLOMBIANO,

LEY DE WAGNER EN EL CASO COLOMBIANO, 865 II Congreso Virtual Internacional Desarrollo Económico, Social y Empresarial en Iberoamérica (Junio 2017) LEY DE WAGNER EN EL CASO COLOMBIANO, 1970-2010. Astrid León Camargo* Docente de la Universidad

Más detalles

Guía del 1º Parcial. Econometría 4º curso. Licenciatura de Economía. USC ttp://www.usc.es/economet/econometria.htm

Guía del 1º Parcial. Econometría 4º curso. Licenciatura de Economía. USC ttp://www.usc.es/economet/econometria.htm Guía de estudio del 1º Parcial. Econometría 4º Curso, Licenciatura de Economía. USC. 22-2-2013. Profesoras María del Carmen Guisán Seijas y Pilar Expósito Díaz. Bibliografía básica: Guisán, M.C. (1997)

Más detalles

PRACTICA 3. CONTRASTES Y PREDICCION.

PRACTICA 3. CONTRASTES Y PREDICCION. ECONOMETRIA I (LADE). CURSO 2001/2002 PRACTICA 3. CONTRASTES Y PREDICCION. En el archivo prac3.xls disponemos de las siguientes observaciones correspondientes a un país: Y: consumo privado, medido en millones

Más detalles

El Modelo de Regresión Lineal

El Modelo de Regresión Lineal ECONOMETRÍA I El Modelo de Regresión Lineal Dante A. Urbina CONTENIDOS 1. Regresión Lineal Simple 2. Regresión Lineal Múltiple 3. Multicolinealidad 4. Heterocedasticidad 5. Autocorrelación 6. Variables

Más detalles

Econometría de Económicas Ejercicios para el tema 2 y 3

Econometría de Económicas Ejercicios para el tema 2 y 3 Econometría de Económicas Ejercicios para el tema 2 y 3 Curso 2005-2006 Profesores Amparo Sancho Perez Guadalupe Serrano Pedro Perez 1 1- Los datos que se adjuntan hacen referencia a los datos de producción

Más detalles

ln Y = β 0 + β 1 ln X 1 + β 2 X 2 + ε, (4) ln Y = β 0 + β 1 X 1 + β 2 X 2 + ε, (3)

ln Y = β 0 + β 1 ln X 1 + β 2 X 2 + ε, (4) ln Y = β 0 + β 1 X 1 + β 2 X 2 + ε, (3) Examen de Econometría I Universidad Carlos III de Madrid 1aa Convocatoria (26 de enero del 2004) Curso 2003/2004 Valores críticos de diferentes distribuciones pueden encontrarse al final del examen. PREGUNTA

Más detalles

MODELO VAR ARGENTINA

MODELO VAR ARGENTINA MODELO VAR ARGENTINA 1.-INTRODUCCIÓN Argentina es una de las economías más grandes de América Latina. En los últimos años, Argentina priorizó promover un desarrollo económico con inclusión social. El país

Más detalles

En el caso más simple, cuando dos series tienen una única raíz estacionaria, son I(1,0), si están cointegradas implica que: Existe una relación en el

En el caso más simple, cuando dos series tienen una única raíz estacionaria, son I(1,0), si están cointegradas implica que: Existe una relación en el En el caso más simple, cuando dos series tienen una única raíz estacionaria, son I(1,0), si están cointegradas implica que: Existe una relación en el largo plazo entre las dos series que es estable en

Más detalles

Solución Ejercicio 7.

Solución Ejercicio 7. Solución Ejercicio 7. Heterocedasticidad y autocorrelación. Ejercicio 7.1 Alquiler de sombrillas Primera parte a. Modelo: S t = α + βt t + u t t = 1,..., 22 Modelo 1: MCO, usando las observaciones 2012-04-30

Más detalles

Guía de taller de Economía Cuantitativa V. Profesor: ALBERTO REYES DE LA ROSA.

Guía de taller de Economía Cuantitativa V. Profesor: ALBERTO REYES DE LA ROSA. Guía de taller de Economía Cuantitativa V. Profesor: ALBERTO REYES DE LA ROSA. Debe ser resuelta a mano, citar bibliografía (no usar internet). Términos clave 1. Ceteris Paribus 2. Grado de libertad 3.

Más detalles

ECONOMETRIA II ADE LADE-DERECHO. CURSO 2006/2007

ECONOMETRIA II ADE LADE-DERECHO. CURSO 2006/2007 ECONOMETRIA II ADE LADE-DERECHO. CURSO 2006/2007 Hoja de ejercicios 3 PARTE A) Marque con una X la respuesta o respuestas correctas A.1. En el gabinete de estudios de una empresa de inversión en activos

Más detalles

Las variables incluidas en el modelo se interpretan de la siguiente forma:

Las variables incluidas en el modelo se interpretan de la siguiente forma: PRÁCTICA 4: EL MODELO LINEAL DE PROBABILIDAD - Estimar un modelo lineal de probabilidad - Interpretar los coeficientes estimados - Obtener las probabilidad estimadas - Contrastar la normalidad de las perturbaciones

Más detalles

ENUNCIADOS DE PROBLEMAS

ENUNCIADOS DE PROBLEMAS UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I Curso 2005/06 EXAMEN FINAL (Convocatoria ordinaria) 30 de Enero de 2006 ENUNCIADOS DE PROBLEMAS PROBLEMA 1: PROBABILIDAD DE DENEGACIÓN DE UNA HIPOTECA Se

Más detalles

UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo A)

UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo A) TIEMPO: 2 HORAS Instrucciones: UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo A) 1. Este un modelo de examen que le servirá para autoevaluarse de todos los contenidos del curso de Econometria

Más detalles

Cointegración del Índice de Precios al Consumidor y Liquidez monetaria ( ). Venezuela.

Cointegración del Índice de Precios al Consumidor y Liquidez monetaria ( ). Venezuela. Cointegración del Índice de Precios al Consumidor y Liquidez monetaria (1997-211). Venezuela. Informe Técnico. PC LC/FT. 2 de Octubre 212 Jhoner Perdomo Karen Tizado Resumen En la búsqueda de una variable

Más detalles

CAPITULO 4. MODELO ECONOMETRICO. 4.1 Planteamiento del modelo.

CAPITULO 4. MODELO ECONOMETRICO. 4.1 Planteamiento del modelo. 96 CAPITULO 4. MODELO ECONOMETRICO. 4. Planteamiento del modelo. Desde el principio de esta investigación se ha hecho hincapié en descubrir el peso que tiene la inversión neta en el crecimiento de la economía

Más detalles

Introducción a la Econometría Capítulo 4

Introducción a la Econometría Capítulo 4 Introducción a la Econometría Capítulo 4 Ezequiel Uriel Jiménez Universidad de Valencia Valencia, Septiembre de 2013 4.1 El contraste de hipótesis: una panorámica 4.2 Contraste de hipótesis utilizando

Más detalles

Econometría II LADE/LADE-DERECHO Prof. Esther Ruiz Curso 2007/2008. Práctica 6

Econometría II LADE/LADE-DERECHO Prof. Esther Ruiz Curso 2007/2008. Práctica 6 Econometría II LADE/LADE-DERECHO Prof. Esther Ruiz Curso 2007/2008 Práctica 6 El objetivo de esta práctica es el análisis de las relaciones dinámicas entre el tipo de interés Overnight (Swaps) a 9 meses

Más detalles

Cointegración El caso bivariado

Cointegración El caso bivariado Cointegración El caso bivariado Definición: La serie Y t es integrada de orden d (denotada I(d)) si al menos debe ser diferenciada d veces para que sea estacionaria. Ejemplos: 1. El proceso random walk

Más detalles

Fundamentos del Análisis Econométrico. Dante A. Urbina

Fundamentos del Análisis Econométrico. Dante A. Urbina Fundamentos del Análisis Econométrico Dante A. Urbina Qué es la Econometría? Etimológicamente Econometría significa medición de la economía. En ese contexto, la Econometría es la aplicación de métodos

Más detalles

UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE

UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE CAPÍTULO 8: ANÁLISIS DE REGRESIÓN MÚLTIPLE: EL PROBLEMA DE LA INFERENCIA ECONOMETRÍA 2 WILHEM ROOSVELT GUARDIA VÁSQUEZ

Más detalles

INTRODUCCION AL ECONOMETRIC VIEWS. Aquí se introduce la frecuencia y las fechas de comienzo y final de los datos.

INTRODUCCION AL ECONOMETRIC VIEWS. Aquí se introduce la frecuencia y las fechas de comienzo y final de los datos. INTRODUCCION AL ECONOMETRIC VIEWS Introducción de datos 1. Creando una hoja de trabajo (workfile) File New Workfile Aquí se introduce la frecuencia y las fechas de comienzo y final de los datos. 2. Importación

Más detalles

Documento de Trabajo. Debo inscribir más de 22 créditos?

Documento de Trabajo. Debo inscribir más de 22 créditos? Documento de Trabajo Debo inscribir más de 22 créditos? Rodrigo Navia Carvallo 2004 El autor es Ph.D in Economics, Tulane University, EEUU. Máster of Arts in Economics, Tulane University, EEUU. Licenciado

Más detalles

REGRESIÓN CON DOS VARIABLES: ESTIMACIÓN DE INTERVALOS Y PRUEBA DE HIPÓTESIS

REGRESIÓN CON DOS VARIABLES: ESTIMACIÓN DE INTERVALOS Y PRUEBA DE HIPÓTESIS REGRESIÓN CON DOS VARIABLES: ESTIMACIÓN DE INTERVALOS Y PRUEBA DE HIPÓTESIS Teoría de la estimación: Estimación puntual Estimación por intervalos ESTIMACIÓN DE INTERVALOS: IDEAS BÁSICAS 1 Lo que se busca

Más detalles

Tema 2. Heterocedasticidad. 1 El modelo de regresión lineal con errores heterocedásticos

Tema 2. Heterocedasticidad. 1 El modelo de regresión lineal con errores heterocedásticos ema 2. Heterocedasticidad. El modelo de regresión lineal con errores heterocedásticos En este tema vamos a analizar el modelo de regresión lineal Y t = X tβ + u t, donde X t = (X t, X 2t,.., X kt y β =

Más detalles

1.- Enumere las hipótesis básicas del modelo básico de regresión lineal

1.- Enumere las hipótesis básicas del modelo básico de regresión lineal Introducción a la Econometría Grupo Derecho y Administración de Empresas Profesor Rafael de Arce 20 de junio de 2008 Nombre: DNI: 1.- Enumere las hipótesis básicas del modelo básico de regresión lineal

Más detalles

Modelos Econométricos Lección 2. Estacionariedad y raíces unitarias. Presentado por Juan Muro

Modelos Econométricos Lección 2. Estacionariedad y raíces unitarias. Presentado por Juan Muro Modelos Econométricos Lección 2. Estacionariedad y raíces unitarias Presentado por Juan Muro Motivación La no estacionariedad, en general, de las series económicas en el tiempo provoca consecuencias estadísticas

Más detalles

Prácticas Tema 5. Ampliaciones del Modelo lineal básico

Prácticas Tema 5. Ampliaciones del Modelo lineal básico Prácticas Tema 5. Ampliaciones del Modelo lineal básico Ana J. López y Rigoberto Pérez Dpto. Economía Aplicada, Universidad de Oviedo PRÁCTICA 5.1. Se ha examinado la evolución reciente de las ventas de

Más detalles

Econometría. Examen 02/02/2015. La respuesta que no sea claramente interpretable se considerará incorrecta.

Econometría. Examen 02/02/2015. La respuesta que no sea claramente interpretable se considerará incorrecta. Econometría Examen 02/02/2015 Alumno Grupo 1 a b c d 11 a b c d 2 a b c d 12 a b c d 3 a b c d 13 a b c d 4 a b c d 14 a b c d 5 a b c d 15 a b c d 6 a b c d 16 a b c d 7 a b c d 8 a b c d 9 a b c d 10

Más detalles

log Y = log + v log K + (1 )v log L 1=2 log(1 )v[log(k=l)] 2 + U = log K + 2 log L + 3 [log(k=l)] 2 + U;

log Y = log + v log K + (1 )v log L 1=2 log(1 )v[log(k=l)] 2 + U = log K + 2 log L + 3 [log(k=l)] 2 + U; Universidad Carlos III de Madrid Econometría Examen Final, Convocatoria Extraordinaria, Curso 2014-2015. Duración del examen: 2 horas. Nota importante: Alguna información contenida en las salidas es redundante.

Más detalles

UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo B)

UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo B) UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo B) TIEMPO: 125 MINUTOS Instrucciones: 1. Este un modelo de examen que le servirá para autoevaluarse de todos los contenidos del curso de

Más detalles

Modelo Econométrico Empleo en México

Modelo Econométrico Empleo en México Memoria del XXI Coloquio Mexicano de Economía Matemática y Econometría Modelo Econométrico Empleo en México Mónica González Morales 1 Introducción 2000 a 2010 trimestralmente comprar productos fabricados

Más detalles

EJEMPLO DE APLICACIÓN DE MODELIZACIÓN ARIMA A LA SERIE DE COTIZACIONES DIARIAS DE TERRA - LYCOS NOVIEMBRE 1999 A JUNIO 2001

EJEMPLO DE APLICACIÓN DE MODELIZACIÓN ARIMA A LA SERIE DE COTIZACIONES DIARIAS DE TERRA - LYCOS NOVIEMBRE 1999 A JUNIO 2001 EJEMPLO DE APLICACIÓN DE MODELIZACIÓN ARIMA A LA SERIE DE COTIZACIONES DIARIAS DE TERRA - LYCOS NOVIEMBRE 1999 A JUNIO 2001 CURSO DE TÉCNICAS DE PREVISIÓN DE VARIABLES FINANCIERAS PROGRAMA CITIUS Junio

Más detalles

UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I Curso 2004/05 EXAMEN FINAL (Convocatoria extraordinaria) 1 de Septiembre de 2005 PROBLEMA

UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I Curso 2004/05 EXAMEN FINAL (Convocatoria extraordinaria) 1 de Septiembre de 2005 PROBLEMA UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I Curso 2004/05 EXAMEN FINAL (Convocatoria extraordinaria) 1 de Septiembre de 2005 PROBLEMA La especi cación de curvas de Engel para gasto en alimentación establece

Más detalles

Seminario Regional Proyecto: Fortaleciendo las Capacidades de Análisis de la Política Macroeconómica en Centroamérica y El Caribe

Seminario Regional Proyecto: Fortaleciendo las Capacidades de Análisis de la Política Macroeconómica en Centroamérica y El Caribe Estimación: de una Función de Demanda Mensual por Emisión Monetaria (1997-2004) para Honduras, mediante modelos Econométricos, serie de tiempo y Pronostico. Seminario Regional Proyecto: Fortaleciendo las

Más detalles

Obligatoria Optativa Extracurricular Curso Seminario Taller. Clave seriación 45 Laboratorio. Horas prácticas de campo

Obligatoria Optativa Extracurricular Curso Seminario Taller. Clave seriación 45 Laboratorio. Horas prácticas de campo Carta descriptiva Datos de identificación Programa Nombre de la asignatura Tipo de Asignatura Maestría en Economía Aplicada Econometría I Ciclo Primer semestre Obligatoria Optativa Extracurricular Curso

Más detalles

Introducción al tema de raíces unitarias en la modelación econométrica

Introducción al tema de raíces unitarias en la modelación econométrica Banco Central de Costa Rica Departamento de Investigación Económica DIE-NT-01-2008 SEMINARIO-TALLER TÓPICOS DE ECONOMETRIA APLICADA PARTE I Introducción al tema de raíces unitarias en la modelación econométrica

Más detalles

Econometría. Examen 24/06/2015. La respuesta que no sea claramente interpretable se considerará incorrecta.

Econometría. Examen 24/06/2015. La respuesta que no sea claramente interpretable se considerará incorrecta. Econometría Examen 24/06/2015 Alumno Grupo 1 a b c d 11 a b c d 2 a b c d 12 a b c d 3 a b c d 13 a b c d 4 a b c d 14 a b c d 5 a b c d 6 a b c d 7 a b c d 8 a b c d 9 a b c d 10 a b c d Reglas del examen

Más detalles

Tema 6.- Variables ficticias y contrastes de estabilidad

Tema 6.- Variables ficticias y contrastes de estabilidad Guía de estudio de los temas principales del 2º examen parcial. Econometría 4º de Economía.Facultade de CC.Económicas de la USC Curso 2003-2004. Nota ampliada el 13-5-2004. Esta guía está disponible en

Más detalles

SOLUCIÓN DE LA QUINTA PRÁCTICA CALIFICADA DE ECONOMETRIA II. Variable Coefficient Std. Error t-statistic Prob.

SOLUCIÓN DE LA QUINTA PRÁCTICA CALIFICADA DE ECONOMETRIA II. Variable Coefficient Std. Error t-statistic Prob. UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA DEPARTAMENTO DE ECONOMIA SOLUCIÓN DE LA QUINTA PRÁCTICA CALIFICADA DE ECONOMETRIA II 1º El investigador especifica el modelo siguiente: CRESB_PRI(t) =

Más detalles

DETERMINAR LA VALIDEZ DEL MODELO FINALMENTE SELECCIONADO. Econometría I. 3º LADE Prof. Rafael de Arce Enero 2003 rafael.dearce@uam.

DETERMINAR LA VALIDEZ DEL MODELO FINALMENTE SELECCIONADO. Econometría I. 3º LADE Prof. Rafael de Arce Enero 2003 rafael.dearce@uam. A PARTIR DE LA INFORMACIÓN SUMINISTRADA EN LAS SIGUIENTES HOJAS, CONTRASTAR EL CUMPLIMIENTO DE LAS HIPÓTESIS DEL MBRL Y JUSTIFICAR LAS SUCESIVAS ELECCIONES DE LAS REGRESIONES 1ª, 2ª, 3ª Y DEFINITIVA. DETERMINAR

Más detalles

CAPITAL HUMANO Y RENDIMIENTOS EDUCACIÓN

CAPITAL HUMANO Y RENDIMIENTOS EDUCACIÓN CAPITAL HUMANO Y RENDIMIENTOS EDUCACIÓN José L. Raymond UAB 1 Índice de la presentación 1. La medición de los rendimientos de la educación Aproximación estándar rendimiento educación Dos interpretaciones

Más detalles

ILUSTRACIÓN DEL PROBLEMA DE LA IDENTIFICABILIDAD EN LOS MODELOS MULTIECUACIONALES

ILUSTRACIÓN DEL PROBLEMA DE LA IDENTIFICABILIDAD EN LOS MODELOS MULTIECUACIONALES ILUSTRACIÓN DEL PROBLEMA DE LA IDENTIFICABILIDAD EN LOS MODELOS MULTIECUACIONALES El objetivo de este documento es ilustrar matemáticamente, y con un caso concreto, el problema de la identificación en

Más detalles

Este estudio tiene como objetivo la demostración y aplicación de los modelos econométricos ANÁLISIS EMPÍRICO DEL ESTIMADOR PARA LA PRODUCCIÓN

Este estudio tiene como objetivo la demostración y aplicación de los modelos econométricos ANÁLISIS EMPÍRICO DEL ESTIMADOR PARA LA PRODUCCIÓN ANÁLISIS EMPÍRICO DEL ESTIMADOR PARA LA PRODUCCIÓN DE TABACO CON MÍNIMOS CUADRADOS ORDINARIOS Diego Axel López Peláez* Resumen 15 Utilizando modelos econométricos, de mínimos cuadrados ordinarios, buscamos

Más detalles

SOLUCIÓN DEL EXAMEN PARCIAL DE ECONOMETRIA II

SOLUCIÓN DEL EXAMEN PARCIAL DE ECONOMETRIA II UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA DPTO. ACAD. DE ECONOMIA SOLUCIÓN DEL EXAMEN PARCIAL DE ECONOMETRIA II 1º El investigador especifica el siguiente modelo: Se le pide: 1.1. Realice la prueba

Más detalles

1. Determine la validez de los contrastes de significatividad individual en los siguientes supuestos:

1. Determine la validez de los contrastes de significatividad individual en los siguientes supuestos: EXAMEN ECONOMETRÍA 1 PROF. RAFAEL DE ARCE 23 de enero de 2009 NOMBRE: DNI: 1. Determine la validez de los contrastes de significatividad individual en los siguientes supuestos: a) Presencia de variables

Más detalles

CAPÍTULO 4 DESARROLLO DEL MODELO ECONOMÉTRICO

CAPÍTULO 4 DESARROLLO DEL MODELO ECONOMÉTRICO CAPÍTULO 4 DESARROLLO DEL MODELO ECONOMÉTRICO 4.1 La Regresión Lineal El objetivo principal de este estudio es obtener los riesgos que afectan a las instituciones del sector bancario. como se mencionó

Más detalles

Modelo Econométrico del Turismo en España. Facultad de Ciencias Económicas y Empresariales. Grado en Marketing e Investigación de Mercados

Modelo Econométrico del Turismo en España. Facultad de Ciencias Económicas y Empresariales. Grado en Marketing e Investigación de Mercados Facultad de Ciencias Económicas y Empresariales Grado en Marketing e Investigación de Mercados Modelo Econométrico del Turismo en España Presentado por: Silvia Veganzones González Tutelado por: María Isabel

Más detalles

EXAMEN EXTRAORDINARIO DE ECONOMETRÍA Universidad Carlos III de Madrid Junio 2016

EXAMEN EXTRAORDINARIO DE ECONOMETRÍA Universidad Carlos III de Madrid Junio 2016 EXAMEN EXTRAORDINARIO DE ECONOMETRÍA Universidad Carlos III de Madrid Junio 2016 Responda a las 4 preguntas en dos horas y media. 1. Se está llevando a cabo una investigación econométrica sobre los precios

Más detalles

QUINTA PRÁCTICA CALIFICADA DE ECONOMETRIA II. Dependent Variable: CREDITOSB Method: Least Squares Sample: 1992M M07 Included observations: 211

QUINTA PRÁCTICA CALIFICADA DE ECONOMETRIA II. Dependent Variable: CREDITOSB Method: Least Squares Sample: 1992M M07 Included observations: 211 UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA QUINTA PRÁCTICA CALIFICADA DE ECONOMETRIA II 1º Verificar si cointegra el modelo siguiente: CREDITOSB = a + b EMI + U 1.1. Aplicando la prueba alternativa

Más detalles

LA MODELACIÓN DEL PRECIO MENSUAL DE LA ELECTRICIDAD EN COLOMBIA: ELEMENTOS ECONOMÉTRICOS. Elkin Castaño V.

LA MODELACIÓN DEL PRECIO MENSUAL DE LA ELECTRICIDAD EN COLOMBIA: ELEMENTOS ECONOMÉTRICOS. Elkin Castaño V. LA MODELACIÓN DEL PRECIO MENSUAL DE LA ELECTRICIDAD EN COLOMBIA: ELEMENTOS ECONOMÉTRICOS Elkin Castaño V. Escuela de Estadística Universidad Nacional de Colombia Departamento de Economía Universidad de

Más detalles

Tema 8: HETEROCEDASTICIDAD *

Tema 8: HETEROCEDASTICIDAD * Universidad Carlos III de Madrid César Alonso ECONOMETRIA Tema 8: HETEROCEDASTICIDAD * Índice 1. Introducción 1 1.1. Ejemplos.............................. 1 2. El modelo de regresión lineal con heterocedasticidad

Más detalles

UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo D)

UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo D) UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo D) DURACION: 2 HORAS Y 30 MINUTOS Instrucciones: 1. Este un modelo de examen que le servirá para autoevaluarse de todos los contenidos

Más detalles

Diseño de Ciudad. Planeación. Desarrollo. Ejecucion de la Politica

Diseño de Ciudad. Planeación. Desarrollo. Ejecucion de la Politica Incidencia de las Políticas Públicas de Desarrollo Urbanístico en la Ciudad de Cali Conceptos Fundamentales de la Economía Regional y Urbana con Aplicaciones a la Economía del Sector Publico y al Análisis

Más detalles

Econometría II. Hoja de Problemas 2

Econometría II. Hoja de Problemas 2 Econometría II. Hoja de Problemas 2 1. Se quiere estudiar si los beneficios de las empresas dependen del gasto en I+D que realizan. Para estimar la ecuación beneficios t = β 1 +β 2 ventas t +β 3 gid t

Más detalles

Diferencia de la tasa de cambio

Diferencia de la tasa de cambio Ejemplo 1: Prueba de raíz unitaria de Dickey y Fuller Este ejemplo utiliza información del archivo erate1.wf1. Sea LO el logaritmo de la tasa de cambio oficial peso-dólar en Colombia para el período 197:1

Más detalles

Estadística II Tema 4. Regresión lineal simple. Curso 2009/10

Estadística II Tema 4. Regresión lineal simple. Curso 2009/10 Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores

Más detalles

Regresión de Poisson. Microeconomía Cuantitativa. R. Mora. Departmento de Economía Universidad Carlos III de Madrid

Regresión de Poisson. Microeconomía Cuantitativa. R. Mora. Departmento de Economía Universidad Carlos III de Madrid en gretl Microeconomía Cuantitativa R. Mora Departmento de Economía Universidad Carlos III de Madrid Esquema Introducción en gretl 1 Introducción 2 3 4 en gretl en gretl Introducción en gretl Ejemplo 1

Más detalles

Programa Oficial de Asignatura. Ficha Técnica. Presentación. Competencias y/o resultados del aprendizaje. Econometría

Programa Oficial de Asignatura. Ficha Técnica. Presentación. Competencias y/o resultados del aprendizaje. Econometría Ficha Técnica Titulación: Grado en Administración y Dirección de Empresas Plan BOE: BOE número 67 de 19 de marzo de 2014 Asignatura: Módulo: Análisis Económico Curso: Créditos ECTS: 6 Tipo de asignatura:

Más detalles

UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo C)

UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo C) UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo C) DURACION: 2 HORAS Y 15 MINUTOS Instrucciones: 1. Este un modelo de examen que le servirá para autoevaluarse de todos los contenidos

Más detalles

1.-Fuentes de perturbación no esféricas. Autocorrelación y Heterocedasticidad.

1.-Fuentes de perturbación no esféricas. Autocorrelación y Heterocedasticidad. Tema 9: Perturbaciones no esféricas l modelo lineal con matriz de covarianzas de los errores general -Fuentes de perturbación no esféricas Autocorrelación y Heterocedasticidad l estimador MCO en presencia

Más detalles