Econometria
Enviado por entermesidas • 18 de Junio de 2013 • 1.360 Palabras (6 Páginas) • 606 Visitas
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ECONOMICAS
Curso: Econometría I
Profesora: Mg. Beatriz Castañeda S.
Práctica 4
1. Obtener el rezago medio y el efecto multiplicador de corto y largo plazo para el siguiente modelo:
Yt = 0.55(0.02 Xt +0.15 Xt-1 + 0.43 Xt-2 + 0.23 Xt-3 + 0.17 Xt-4) + et
2. En un estudio de 27 empresas de varios tamaños, la variable yi es el número de supervisores mientras que la variable xi determina el número de trabajadores supervisados. Los resultados de la estimación del modelo yi = a + b xi + ui fueron los siguientes:
Yi= 14,44+ 0,115 Xi n=27 ; R²=0,776
(9,56) (0,011)
Después de la estimación de la ecuación y representando los residuos respecto a xi, encontramos que la varianza de los residuos incrementa con xi. Por lo tanto se realiza el supuesto siguiente:
La ecuación estimada bajo esta hipótesis fue: y/x = 0.121 + 3.803(1/x) ;
R²=0.30 (0.009) (4.570)
a) Un investigador observa el descenso en R² y concluye que la primera ecuación es mejor. ¿Es válida esta conclusión? Justifique.
b) ¿Cuál sería la ecuación a estimar con en lugar de
¿Cómo determinarías cuál de las dos alternativas es la mejor?
c) Comenta el cálculo de R² en la ecuación transformada y de R² de la ecuación en términos de las variables originales.
3. a) En el modelo argumente los problemas asociados a la estimación de este modelo por MCO, justificando todos sus argumentos.
b) De acuerdo con su respuesta anterior, determine con el contraste que considere oportuno qué estimación del modelo sería más adecuada:
Estimación por MCO
R2 =0.99, d= 1.75, T=30
(0.89) (0.04) (0.02)
Estimación por VI
R2 =0.97, d= 1.99, T=30
(0.91) (0.25) (0.01)
c) Calcule los impactos a corto y largo plazo de X sobre Y y el impacto del retardo 3 de la variable X sobre Y según el criterio de Koyck.
4. Un fabricante de cable para teléfono está interesado en obtener un modelo para predecir la venta anual, para lo cual ha considerado las siguientes variables:
VENTAPLAS: Ventas anuales en millones de transacciones (pares de alimentación)
PNB: Producto Nacional Bruto (miles de millones de $)
CONEX: Conexiones en los hogares (miles de unidades)
DESEMP: Tasa de desempleo (%)
GANLIN: Ganancias en línea para el cliente (%)
Se presentan los resultados obtenidos para una muestra de 16 años
a) Justifique su respuesta: ¿Es significativo el modelo?, ¿Hay indicios de multicolinealidad?
b) Acerca de las perturbaciones del modelo: ¿Tienen varianza constante?, ¿tienen distribución normal?
c) Probar si el impacto de la tasa de desempleo es igual al de las ganancias en línea para el cliente.
Dependent Variable: VENTPLAS
Method: Least Squares
Date: 12/10/03 Time: 23:17
Sample: 1978 1993
Included observations: 16
Variable Coefficient Std. Error t-Statistic Prob.
C 6031.919 2250.907 2.679773 0.0214
CONEX 2.309170 0.487881 4.733064 0.0006
DESEMP -824.3777 168.2115 -4.900841 0.0005
GANLIN -864.4400 233.2971 -3.705318 0.0035
PNB 5.052408 1.363741 3.704816 0.0035
R-squared 0.822632 Mean dependent var 7543.125
Adjusted R-squared 0.758134 S.D. dependent var 1217.152
S.E. of regression 598.5931 Akaike info criterion 15.87735
Sum squared resid 3941451. Schwarz criterion 16.11878
Log likelihood -122.0188 F-statistic 12.75448
Durbin-Watson stat 2.485635 Prob(F-statistic) 0.000408
Matriz de covarianzas de los coeficientes
C CONEX DESEMP GANLIN PNB
C 5066583.33 -94.28 -143149.27 -367470.63 -1981.56
CONEX -94.28 0.238 -1.427 -51.23 -0.056
DESEMP -143149.27 -1.427 28295.11 22330.35 -95.01
GANLIN -367470.63 -51.23 22330.35 54427.54 72.78
PNB -1981.56 -0.056 -95.01 72.78 1.86
White Heteroskedasticity Test:
F-statistic 1.385212 Probability 0.340293
Obs*R-squared 9.805890 Probability 0.278915
Test Equation:
Dependent Variable: RESID^2
Sample: 1978 1993
Included observations: 16
Variable Coefficient Std. Error t-Statistic Prob.
C 12783542 9571979. 1.335517 0.2235
CONEX 2111.495 2960.137 0.713310 0.4987
CONEX^2 -0.801373 0.843935 -0.949567 0.3740
DESEMP 1499400. 784570.7 1.911109 0.0976
DESEMP^2 -119692.1 62570.39 -1.912920 0.0973
GANLIN -618755.1 476888.3 -1.297484 0.2356
GANLIN^2 96446.30 65713.65 1.467675 0.1856
PNB -26414.97 16495.02 -1.601391 0.1533
PNB^2 9.906905 6.322319 1.566973 0.1611
R-squared 0.612868 Mean dependent var 246340.7
Adjusted R-squared 0.170432 S.D. dependent var 389640.6
S.E. of regression 354887.1 Akaike info criterion 28.69531
Sum squared resid 8.82E+11 Schwarz criterion 29.12989
Log likelihood -220.5625 F-statistic 1.385212
Durbin-Watson stat 2.852401 Prob(F-statistic) 0.340293
5. En una regresión de salarios promedio (W) sobre el número de empleados (N) para una muestra aleatoria de 30 empresas, se obtuvieron los siguientes resultados:
a) ¿Cómo se interpretan las dos regresiones?
b) ¿Qué está suponiendo el autor al pasar de la ecuación (1) a la (2)? Justifique
c) ¿Se pueden relacionar las pendientes y los
...