ECONOMETRÍA II PRÁCTICAS DE ORDENADOR. Práctica 3

Documentos relacionados
ECONOMETRÍA II PRÁCTICAS DE ORDENADOR. Práctica 2

Regresión con heterocedasticidad y autocorrelación

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

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

Es el comercio exterior de bienes la solución a la crisis en España? Trabajo Fin de Grado

ECONOMETRÍA II Curso: 2009/2010 Práctica 5

Working Paper Series Economic Development. Econometrics. Faculty of Economics and Business. University of Santiago de Compostela No.

Cointegración El caso bivariado

Proyecciones del PBI para el 2003.

ECONOMETRÍA I. Licenciatura de admón. y Dcción de Empresas Grupos 3A1 y 3A2 Convocatoria de septiembre de 2002 Profesor Rafael de Arce NOMBRE GRUPO

CAPITAL HUMANO Y RENDIMIENTOS EDUCACIÓN

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

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

Ministerio de Hacienda y Crédito Público Dirección General de Inversiones Públicas FACTOR DE CORRECCIÓN SOCIAL (FCS) TIPO DE CAMBIO DE MERCADO

ECONOMETRÍA II PRÁCTICA Tome los datos de WAGE2.XLS para este ejercicio.

UNIVERSIDAD DE EL SALVADOR FACULTAD DE CIENCIAS ECONÓMICAS ESCUELA DE ECONOMÍA MATERIA: ECONOMETRÍA. TEMA: INFLACIÓN Y DESEMPLEO APLICACIÓN

LA PARIDAD DEL PODER DE COMPRA ENTRE PERÚ y ESTADOS ( )

Planteamiento de una función de demanda turística para Bogotá y Pronóstico de turistas nacionales e internacionales pernoctados

Guía básica de temas del 2º parcial: Econometría. 4º Curso de Economía. USC. Curso Profesora María-Carmen Guisán

La relación de largo plazo entre la base monetaria y el nivel de precios en Venezuela:

TIPO DE CAMBIO REAL DETERMINANTES Y EFECTOS SOBRE LA CUENTA CORRIENTE. EXPORTACIONES NO TRADICIONALES

ILUSTRACIÓN DEL PROBLEMA DE LA IDENTIFICABILIDAD EN LOS MODELOS MULTIECUACIONALES

Doctorado en Finanzas Cuantitativas Trabajo de investigación: MODELIZACIÓN DEL SPOT Y VALORACIÓN DE FUTUROS DEL GAS NATURAL

CRECIMIENTO ECONÓMICO LOS DATOS

10 12 CAPÍTULO 10. MODELOS DE VARIABLE DEPENDIENTE DISCRETA

2.1. Interdependencia y modelos multiecuacionales

INDUSTRIA, COMERCIO EXTERIOR Y TURISMO EN MERCOSUR,

Analisis de los determinantes de la variabilidad de los precios de las principales commodities exportadas por América Latina 1

ECONOMETRÍA II LA FALACIA DE LA CURVA DE PHILLIPS COLOMBIA ALEX MAURICIO RODRIGUEZ SUAREZ COD

Resumen. 1. Introducción General. 1.1 Planteamiento del Problema. Repositorio de la Escuela Superior Politécnica del Litoral Artículo Tesis Grado

Universidad Autónoma de Estado de México. Uso de un modelo CAPM para la evaluación de los rendimientos y riesgos financieros en la BMV.

La Economía Nacional y de los Hogares Salvadoreños: Impacto de los Precios de los Alimentos y del Petróleo

Efectos de la política monetaria de flexibilización cuantitativa en Estados Unidos de América sobre el empleo

Evaluación de inversiones bajo incertidumbre teoría y aplicaciones a proyectos en Chile. Eduardo Contreras

Factores que inciden sobre la posibilidad de una desaceleración económica y. objetivos de política económica en Puerto Rico

Desarrollo de un modelo econométrico para la estimación de la tasa de crecimiento de las empresas en Colombia. Sebastián Vanegas Iregui

Adrian De León Arias. 1. Introducción.

3.- No existe multicolinialidad entre las variables explicativas de la ecuación de regresión.

La eficiencia y el equilibrio competitivo

6.1Estimación del tipo de cambio efectivo Estimación del tipo de cambio efectivo real

Ventas de automóviles y tasas de interés en América Latina: los casos de Brasil, México y Venezuela 1

Aplicación de Modelos Estadísticos a la Regulación de Mercados de Telecomunicaciones

Geoenseñanza ISSN: Universidad de los Andes Venezuela

Centro Nacional de Planificación Eléctrica

Tercera práctica de REGRESIÓN.

CENTRO LATINOAMERICANO DE DEMOGRAFIA

Mercados de expectativas

MODELO ECONOMÉTRICO. José María Cara Carmona. Adrián López Ibáñez. Explicación del desempleo

CRECIMIENTO ECONÓMICO LOS DATOS

Caballero, Cabello, Cano y Ruiz. 1.- Introducción

DOCUMENTOS OCASIONALES

ESPECULACIÓN EN MERCADOS FINANCIEROS CON MODELOS ECONOMÉTRICOS *

Impacto económico del aumento en el precio de la gasolina en México: un análisis de cointegración y vectores autorregresivos

LA DISTRIBUCION DEL INGRESO EN MEXICO : UNA EVALUACION DE LA HIPOTESIS DE KUZNETS

ELASTICIDAD DEL CONSUMO RESPECTO AL INGRESO PERSONAL DISPONIBLE, RIQUEZA Y CRÉDITOS.

ENUNCIADOS DE PROBLEMAS

MODELOS VAR Y VECM PARA EL PRONÓSTICO DE CORTO PLAZO DE LAS IMPORTACIONES DE COSTA RICA

Master en Mercados Financieros INDICE

Se asignaron al azar ratas en condiciones similares a cuatro dietas (A D). Dos semanas después se midió el tiempo de coagulación.

Econometría de series de tiempo aplicada a macroeconomía y finanzas

Gestión del Riesgo Cambiario: Una Aplicación del Valor en Riesgo para el Mercado Financiero Peruano *

EJERCICIOS PROPUESTOS - ANÁLISIS DE REGRESION MULTIPLE

Revista Finanzas y Política Económica ISSN: Universidad Católica de Colombia Colombia

EL TURISMO EN CASTILLA-LA MANCHA: UN ANÁLISIS DE COINTEGRACIÓN

INFORME TÉCNICO PREVIO DE EVALUACIÓN DE SOFTWARE ESTADÍSTICO Y ECONOMÉTRICOS Nº 004 TI CMACT

UN ANÁLISIS SOBRE EL CONSUMO DE CARNE EN MONTEVIDEO.

Gestión del Riesgo Cambiario: Una Aplicación del Valor en Riesgo para el Mercado Financiero Peruano

INFLACIÓN Y TIPOS DE INTERES. UNA APLICACIÓN A LA POLÍTICA ECONÓMICA DEL BANCO DE LA RESERVA FEDERAL DE ESTADOS UNIDOS.

Análisis de la paridad entre el valor interno y de exportación de la soja disponible en Argentina

Departamento de Economía Cuantitativa.

Segunda práctica de REGRESIÓN.

METODOS ESTADISTICOS Y VALOR P (P-VALUE): HISTORIA DE UNA CONTROVERSIA

Determinantes de la evolución del crédito al sector privado en Argentina en el período Elena Grubisic 1 Mayo de 2001.

Estudios Económicos de Desarrollo Internacional. AEEADE. Vol. 3-1 (2003)

PROBANDO LA CONDICIÓN MARSHALL-LERNER Y EL EFECTO CURVA J : EVIDENCIA EMPIRICA PARA EL CASO PERUANO 1990: 2007 Rafael Bustamante UNMSM

Impacto de la Apertura Comercial y la Inversión Extranjera Directa en el Crecimiento de las PyMEs

Novenas Jornadas de Economía Monetaria e Internacional La Plata, 6 y 7 de mayo de 2004

UNIDAD III. Qué es la inferencia en el modelo líneal?

La dependencia española de un recurso de futuro incierto: el petróleo

DINAMICA DEL CONSUMO DE GASOLINA EN LA FRONTERA JUAREZ-EL PASO

ECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES. Regresión con autocorrelación

ANÁLISIS COMPARATIVO DEL DESARROLLO ECONÓMICO DE ESPAÑA, FRANCIA E IRLANDA EN EL PERÍODO

Técnicas Cuantitativas para el Management y los Negocios

STATA 6.0. Guía de utilización. Índice. MICROECONOMETRÍA Curso 2000/2001 Universidad Carlos III de Madrid

LAB 13 - Análisis de Covarianza - CLAVE

Corsi e Ricorsi de la Economía Argentina - TFP

STATA. Guía de utilización

Observatorio de la Economía Latinoamericana

Funciones de Regresión No Lineales (SW Cap. 6)

CAPÍTULO 10 ESTIMACIÓN POR PUNTO Y POR INTERVALO 1.- ESTIMACIÓN PUNTUAL DE LA MEDIA Y DE LA VARIANZA 2.- INTERVALO DE CONFIANZA PARA LA MEDIA

Universidad Carlos III de Madrid Econometría Funciones de regresión no lineales Hoja de Ejercicios 8

INTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión

Delay Duration. Las estimaciones se mejoraron al utilizar el modelo censurado Tobit. Extracto 1

Guido Gabriel González Casares* Marlon Andrés Viera Mendoza** Xavier Ordeñana Rodríguez ***

MODELIZACIÓN DE LA RENTABILIDAD EN LOS MERCADOS DE VALORES

Rendimiento de las acciones en contextos inflacionarios: análisis empírico del mercado accionario argentino

Estudios Económicos de Desarrollo Internacional Vol. 6-2 (2006)

Instrucciones de uso de EViews.

Efectos de la Desaceleración de los Estados Unidos y sus Posibles Repercusiones sobre Variables Relevantes de El Salvador

Transcripción:

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 interés real. El fichero invers.wf1 contiene datos sobre el PIB nominal (pib), la inversión nominal privada (invers), el tipo de interés nominal (i) y el deflactor implícito del PIB (def pib) para los Estados Unidos entre los años 1959-90. Con estos datos: a) Estime la ecuación de inversión por MCO. Comente los resultados. b) Contraste la hipótesis nula de ausencia de autocorrelación serial en las perturbaciones utilizando el estadístico de Durbin-Watson. c) Contraste la hipótesis nula de ausencia de autocorrelación serial en las perturbaciones frente a la alternativa de autocorrelación de orden 1, 2 o 3. Realice primero el contraste generando las variables que necesite y efectuando la regresión apropiada. A continuación utilice el comando que proporciona EVIEWS para realizar el contraste de Breusch-Godfrey y compare los resultados obtenidos. d) Estime de nuevo la ecuación de inversión por MCO y calcule los errores estándar válidos bajo autocorrelación de primer orden. Compárelos con los que obtuvo en el apartado a). e) Calcule el estimador de Cochrane-Orcutt y el estimador de Prais-Winsten (utilice la regresión de los residuos sobre el primer retardo de los residuos para estimar ρ). Compare los resultados con los del apartado anterior. f) Suponga ahora que la inversión real depende del Producto Interior Bruto, del tipo de interés nominal y de la inflación, es decir, considere la ecuación de inversión RINV t = α 1 +α 2 RPIB t +α 3 i t +α 4 π t +u t donde π es la inflación. Repita todos los apartados anteriores utilizando este modelo. g) En base a los resultados del apartado f), contraste si la inversión real depende del tipo de interés nominal y de la inflación, o si por el contrario es más adecuado suponer que solo depende del tipo de interés real. 1

Tabla 1 Dependent Variable: RINV Sample (adjusted): 1960 1990 Included observations: 31 after adjustments Práctica 3 C -259.4787 151.4733-1.713032 0.0978 RPIB 0.183682 0.009275 19.80482 0.0000 R -30.24877 16.69145-1.812231 0.0807 R-squared 0.943668 Mean dependent var 2853.475 Adjusted R-squared 0.939644 S.D. dependent var 920.1289 S.E. of regression 226.0515 Akaike info criterion 13.77117 Sum squared resid 1430780. Schwarz criterion 13.90994 Log likelihood -210.4531 F-statistic 234.5272 Durbin-Watson stat 0.785857 Prob(F-statistic) 0.000000 Tabla 2 Dependent Variable: RES Sample (adjusted): 1963 1990 Included observations: 28 after adjustments RES(-1) 0.770839 0.229203 3.363130 0.0028 RES(-2) -0.093031 0.262035-0.355031 0.7259 RES(-3) 0.187040 0.269254 0.694659 0.4945 C 75.82614 166.6597 0.454976 0.6536 RPIB -0.002099 0.009647-0.217600 0.8297 R -21.40617 18.01810-1.188037 0.2475 R-squared 0.383256 Mean dependent var 5.170452 Adjusted R-squared 0.243087 S.D. dependent var 229.3733 S.E. of regression 199.5565 Akaike info criterion 13.61748 Sum squared resid 876101.1 Schwarz criterion 13.90295 Log likelihood -184.6447 F-statistic 2.734242 Durbin-Watson stat 1.787088 Prob(F-statistic) 0.045560

Tabla 3 Breusch-Godfrey Serial Correlation LM Test: F-statistic 5.175111 Probability 0.006411 Obs*R-squared 11.87616 Probability 0.007820 Test Equation: Dependent Variable: RESID C 42.48520 129.7087 0.327543 0.7460 RPIB -0.000343 0.007786-0.044112 0.9652 R -22.18437 16.75853-1.323766 0.1976 RESID(-1) 0.776073 0.215352 3.603734 0.0014 RESID(-2) -0.096817 0.246463-0.392826 0.6978 RESID(-3) 0.181932 0.253042 0.718979 0.4788 R-squared 0.383102 Mean dependent var -7.77E-13 Adjusted R-squared 0.259722 S.D. dependent var 218.3865 S.E. of regression 187.8984 Akaike info criterion 13.48167 Sum squared resid 882645.2 Schwarz criterion 13.75921 Log likelihood -202.9658 F-statistic 3.105066 Durbin-Watson stat 1.774407 Prob(F-statistic) 0.025777 Tabla 4 Dependent Variable: RINV Sample (adjusted): 1960 1990 Included observations: 31 after adjustments Newey-West HAC Standard Errors & Covariance (lag truncation=3) C -259.4787 194.5269-1.333896 0.1930 RPIB 0.183682 0.014329 12.81855 0.0000 R -30.24877 19.87631-1.521850 0.1393 R-squared 0.943668 Mean dependent var 2853.475 Adjusted R-squared 0.939644 S.D. dependent var 920.1289 S.E. of regression 226.0515 Akaike info criterion 13.77117 Sum squared resid 1430780. Schwarz criterion 13.90994 Log likelihood -210.4531 F-statistic 234.5272 Durbin-Watson stat 0.785857 Prob(F-statistic) 0.000000

Tabla 5 Dependent Variable: RES Sample (adjusted): 1961 1990 Included observations: 30 after adjustments RES(-1) 0.632489 0.169941 3.721813 0.0008 R-squared 0.323250 Mean dependent var 0.244031 Adjusted R-squared 0.323250 S.D. dependent var 222.1155 S.E. of regression 182.7230 Akaike info criterion 13.28658 Sum squared resid 968243.2 Schwarz criterion 13.33329 Log likelihood -198.2988 Durbin-Watson stat 1.741808 Tabla 6 Dependent Variable: TRINV Sample (adjusted): 1961 1990 Included observations: 30 after adjustments TC -283.7442 328.4395-0.863916 0.3952 TRPIB 0.188922 0.017419 10.84589 0.0000 TR -69.54738 18.20152-3.820966 0.0007 R-squared 0.815992 Mean dependent var 1120.223 Adjusted R-squared 0.802362 S.D. dependent var 392.4396 S.E. of regression 174.4651 Akaike info criterion 13.25597 Sum squared resid 821827.7 Schwarz criterion 13.39609 Log likelihood -195.8395 Durbin-Watson stat 1.434192

Tabla 7 Dependent Variable: TRINV2 Date: 05/01/06 Time: 16:19 Sample(adjusted): 1960 1990 Included observations: 31 after adjusting endpoints TC2-255.3039 257.6256-0.990988 0.3302 TRPIB2 0.187567 0.014392 13.03267 0.0000 TR2-69.34682 17.82784-3.889805 0.0006 R-squared 0.815865 Mean dependent var 1119.624 Adjusted R-squared 0.802712 S.D. dependent var 385.8580 S.E. of regression 171.3869 Akaike info criterion 13.21749 Sum squared resid 822457.5 Schwarz criterion 13.35626 Log likelihood -201.8711 Durbin-Watson stat 1.444768 Tabla 8 Dependent Variable: RINV Sample (adjusted): 1960 1990 Included observations: 31 after adjustments C -283.3732 153.0542-1.851457 0.0751 RPIB 0.179123 0.010262 17.45477 0.0000 I -23.08662 18.05713-1.278532 0.2119 INFLA 41.88192 20.12159 2.081442 0.0470 R-squared 0.945808 Mean dependent var 2853.475 Adjusted R-squared 0.939787 S.D. dependent var 920.1289 S.E. of regression 225.7848 Akaike info criterion 13.79696 Sum squared resid 1376427. Schwarz criterion 13.98199 Log likelihood -209.8528 F-statistic 157.0764 Durbin-Watson stat 0.904674 Prob(F-statistic) 0.000000

Tabla 9 Dependent Variable: RESF Sample (adjusted): 1963 1990 Included observations: 28 after adjustments RESF(-1) 0.693582 0.244156 2.840730 0.0098 RESF(-2) -0.152754 0.268944-0.567977 0.5761 RESF(-3) 0.018786 0.274799 0.068362 0.9461 C 54.70100 185.5706 0.294772 0.7711 RPIB 0.000749 0.010581 0.070836 0.9442 I -13.56625 20.09957-0.674952 0.5071 INFLA 4.964262 21.80527 0.227663 0.8221 R-squared 0.306518 Mean dependent var 1.583610 Adjusted R-squared 0.108380 S.D. dependent var 225.5730 S.E. of regression 212.9988 Akaike info criterion 13.77277 Sum squared resid 952738.1 Schwarz criterion 14.10582 Log likelihood -185.8188 F-statistic 1.546991 Durbin-Watson stat 1.756010 Prob(F-statistic) 0.211888

Tabla 10 Breusch-Godfrey Serial Correlation LM Test: F-statistic 3.493242 Probability 0.031095 Obs*R-squared 9.422103 Probability 0.024175 Test Equation: Dependent Variable: RESID Presample missing value lagged residuals set to zero. C 26.67516 138.5073 0.192590 0.8489 RPIB 0.001754 0.009122 0.192257 0.8492 I -13.54642 18.74593-0.722633 0.4769 INFLA 6.455705 19.69599 0.327768 0.7459 RESID(-1) 0.691396 0.228877 3.020816 0.0059 RESID(-2) -0.156638 0.251472-0.622884 0.5392 RESID(-3) 0.016553 0.257591 0.064262 0.9493 R-squared 0.303939 Mean dependent var -3.56E-13 Adjusted R-squared 0.129924 S.D. dependent var 214.1983 S.E. of regression 199.7996 Akaike info criterion 13.62819 Sum squared resid 958077.6 Schwarz criterion 13.95199 Log likelihood -204.2369 F-statistic 1.746621 Durbin-Watson stat 1.753871 Prob(F-statistic) 0.153317

Tabla 11 Dependent Variable: RINV Sample (adjusted): 1960 1990 Included observations: 31 after adjustments Newey-West HAC Standard Errors & Covariance (lag truncation=3) C -283.3732 163.0636-1.737807 0.0936 RPIB 0.179123 0.015648 11.44675 0.0000 I -23.08662 17.74204-1.301238 0.2042 INFLA 41.88192 28.32402 1.478672 0.1508 R-squared 0.945808 Mean dependent var 2853.475 Adjusted R-squared 0.939787 S.D. dependent var 920.1289 S.E. of regression 225.7848 Akaike info criterion 13.79696 Sum squared resid 1376427. Schwarz criterion 13.98199 Log likelihood -209.8528 F-statistic 157.0764 Durbin-Watson stat 0.904674 Prob(F-statistic) 0.000000 Tabla 12 Dependent Variable: RESF Sample (adjusted): 1961 1990 Included observations: 30 after adjustments RESF(-1) 0.557528 0.176107 3.165848 0.0036 R-squared 0.256834 Mean dependent var -0.658729 Adjusted R-squared 0.256834 S.D. dependent var 217.8281 S.E. of regression 187.7833 Akaike info criterion 13.34122 Sum squared resid 1022614. Schwarz criterion 13.38793 Log likelihood -199.1183 Durbin-Watson stat 1.676092

Tabla 13 Dependent Variable: TRINV Sample (adjusted): 1961 1990 Included observations: 30 after adjustments TC -280.1221 298.0091-0.939978 0.3559 TRPIB 0.188483 0.015789 11.93737 0.0000 TI -63.89803 19.12394-3.341259 0.0025 TINFLA 63.31845 27.15958 2.331349 0.0278 R-squared 0.848266 Mean dependent var 1331.298 Adjusted R-squared 0.830758 S.D. dependent var 442.9523 S.E. of regression 182.2260 Akaike info criterion 13.37194 Sum squared resid 863364.3 Schwarz criterion 13.55876 Log likelihood -196.5791 Durbin-Watson stat 1.330865 Tabla 14 Dependent Variable: TRINV Sample (adjusted): 1960 1990 Included observations: 31 after adjustments TC -259.8930 237.4739-1.094407 0.2834 TRPIB 0.187657 0.013838 13.56060 0.0000 TI -63.78468 18.74691-3.402410 0.0021 TINFLA 62.58024 25.91998 2.414363 0.0228 R-squared 0.848771 Mean dependent var 1326.440 Adjusted R-squared 0.831967 S.D. dependent var 436.3463 S.E. of regression 178.8661 Akaike info criterion 13.33107 Sum squared resid 863813.1 Schwarz criterion 13.51610 Log likelihood -202.6315 Durbin-Watson stat 1.338892

Tabla 15 Wald Test: Equation: EQ12 Test Statistic Value df Probability F-statistic 0.002826 (1, 27) 0.9580 Chi-square 0.002826 1 0.9576 Null Hypothesis Summary: Normalized Restriction (= 0) Value Std. Err. C(3) + C(4) -1.204435 22.65614 Restrictions are linear in coefficients.