Tarea 12 Los tipos de cambio fijos y la intervención en los mercados de divisas

Limón Muñoz Daniel, Tarea 13 PT. 1

12.26 Datos sobre industria (Tabla 12.7)

1. Estimar modelo de regresión:

lnCt= β1 + β2 ln It + β3 ln Lt + β4 ln Ht + β5 ln At + ut

[pic 1]

El modelo estimado de forma logarítmica nos da una ecuación de regresión: ln(C) = -1.5 + .46 ln(I) + .28 ln(L) -.005 ln(H) + .44 ln(A)

La prueba t nos indica que todas nuestras variables explicativas, a excepción de ln(H) y la constante Beta_1 , son estadísticamente significativas para la ecuación de regresión.

El coeficiente de determinación R² nos dice que el 94% del modelo está explicado por las variables dadas. La R² ajustada nos dice que el 92.5% del modelo está explicado por las variables dadas.

1. Obtener residuos y residuos estandarizados, graficarlos ¿qué opina sobre la presencia de autocorrelación en estos residuos?

Al graficar los erroes en Y y los errores rezagados 1 periodo en X, observamos una posible autocorrelación positiva entre u_t & u_t-1

Al agregar una recta de ajuste, nos indica que existe una relación positiva entre errores.

[pic 2]

[pic 3]

1. Estimar estadístico d de Durbin-Watson y comentar sobre la naturaleza de la autocorrelación.

Durbin Watson plantea la H0 como la inexistencia de autocorrelación (cercano o igual a 2) y H1 como la existencia de autocorrelación ( de 1er orden) (cercano o igual a 0 o a 4)[pic 4]

La prueba DWatson nos arroja un valor de .9549, lo que está más cercano a 0 que a 2, lo que nos indica una mediana autocorrelación positiva. Es decir, rechazamos H0.

1. Efectuar prueba de rachas y ver si la respuesta difiera de la respuesta en c) En prueba de rachas, se tiene un mayor numero de residuos positivos que negativos, lo que indica una autocorrelación positiva

[pic 5]

1. ¿Cómo investigaría si un proceso AR(p) describe mejor la autocorrelación que un proceso AR(I)?

...