You are on page 1of 4

EXAMEN DE ECONOMETRÍA II

12 de julio de 2010 - Duración: 2 horas y 45 minutos
APELLIDOS: .................................................................NOMBRE:.............................
LICENCIATURA:..........................................................GRUPO:.................................
Notas: Considere válidas las aproximaciones asintóticas. En todos los contrastes tome como nivel de
significación el 5%. La tabla estadística (página 3) le ofrece valores críticos.
1.- (0.75 puntos) El modelo
Yt = β 1 X1t + β 2 X2t + ut ,

para t = 1, ..., T

(1)

satisface todas las hipótesis del MLG con regresores fijos. Sin embargo, por limitaciones de información
sólo ha sido posible estimar el modelo
(2)
Yt = β 2 X2t + εt .
˜ , sea
A las personas que hicieron esta estimación les preocupa que el estimador MCO de β 2 en (2), β
2
asintóticamente sesgado. Confirme si esta preocupación es cierta, considerando que se sabe lo siguiente:
1 PT
1 PT
1 PT
2
2
t=1 X1t → 1, T
t=1 X1t X2t → 2, T
t=1 X2t → 0.5
T
2.- (2.5 puntos) La función de ahorro lineal

savt = β 1 + β 2 inct + β 3 sizet + β 4 educt + β 5 aget + ut ,

(1)

en donde sav es el ahorro anual en euros, inc la renta anual en euros, size el tamaño familiar, educ los
años de educación del cabeza de familia y age la edad del cabeza de familia, se estima con información
de 100 familias. El modelo (1) satisface todas las hipótesis básicas del MLG, pero se sospecha de heterocedasticidad relacionada con inc. Conteste a las siguientes preguntas teniendo en cuenta la información
en las tablas adjuntas.
a) ¿Existe evidencia de heterocedasticidad relacionada con inc en los errores de (1)? Justifique
su respuesta. (0.75 puntos)
b) ¿Qué estimador del modelo (1) se presenta en la Tabla 3? ¿Bajo qué forma funcional para
V ar (ut ) se ha derivado este estimador? (0.5 puntos)
c) Contraste si la propensión marginal a ahorrar es 0.15. ¿Qué quiere decir que la propensión
marginal a ahorrar es 0.15? (0.75 puntos)
d) Contraste si podría ser suficiente un modelo de regresión simple para la relación entre el ahorro
y la renta. (0.5 puntos)
3.- (2 puntos) Considere el proceso estocástico
yt = φut − φ2 ut−1 ,
en el que ut sigue el proceso MA(1) dado por
ut =

t

+

1
φ

t−1 ,

un ruido blanco con Var( t ) = σ 2 .
a) Obtenga las expresiones para la media, varianza y covarianzas de {ut } . (0.5 puntos)
b) ¿Es {yt } estacionario? Justifique su respuesta. (1 punto)
c) Calcule la función de autocorrelación de {yt } y demuestre que ρk depende de φ y k, pero no
de σ 2 o t. (0.5 puntos)
siendo

t

4.- (2 puntos) Suponga que el modelo de regresión simple sin constante
yt = βxt + t ,

para t = 1, ..., T
1

(1)

49 W1t − 0.23 rb1t + qbt (6) 0.05) (0. V ar(η t ) = σ y |ρ| < 1.14) (0.75 puntos) 2 . Aunque no se observa directamente.44 W1t + vˆ1t (2) (0. (0.04) (0. ˆy donde {et } son los residuos MCO de (1).5 puntos) c) Contraste utilizando los resultados presentados en el enunciado que W2t es un buen instrumento para W1t .d.23 + 0. S2.75 puntos) Considere el modelo simple sin constante Yt = βXt + ut ¡ ¡ ¢ ¢ donde β 6= 0. (1 punto) 5.03) (0. donde β b) Existe además un estimador consistente de ρ que se construye utilizando el estadístico de Durbin-Watson de (1). sin embargo. 2. t=2 T −1 →p 1−ρ2 donde a y b son números reales. Yt = βW1t + v1t . (1) así como varias regresiones auxiliares: Yt = Yt = W1t = W1t = Yt = Yt = Yt = 0.23 W1t + 0. sabe que puede usar MCGF para estimar (1).(2. que se verifican las condiciones encontradas en el apartado a).46 W2t + 0. t=2 T −1 → a t=2 T −1 →p 0 t=2 T −1 PT xt t−1 PT x2t−1 S5.12) (0.05) (0.cumple todos los supuestos básicos del MLG salvo que los errores siguen un proceso AR(1). no está seguro de cuál es el mejor método para estimar ρ.22 rb2t + νbt (8) (0.93 W2t + rb1t (4) 0. tal que E (ut |Xt ) = 0.75 puntos) d) Aceptando que W2t es un instrumento para W1t . es decir. E u2t |Xt = σ 2 . contraste utilizando los resultados presentados en el enunciado si W1t es exógena en el modelo (1). con ρ desconocido. E ω 2jt = σ 2j .04) (0. se tienen dos medidas con error de Xt : W1t = Xt + ω 1t W2t = Xt + ω 2t ³ ´ donde E (ωjt ) = E (Xt ω jt ) = E (ut ω jt ) = 0. j = 1. (0.26 rb1t + b τt (7) (0.04) 0.02) (0.02) (0. y E Xt2 = c > 0.91 + 0. Se sabe además que el estimador de MCO de (1) es consistente y que PT t xt−1 PT xt−1 t−1 PT xt xt−1 S4.02) (0. t=2 T −1 → b t=2 T −1 →p 0 PT 2t−1 PT t t−1 σ2 σ2 S3. Ud. Sugerencia: le puede ser útil escribir et en función de t .75 puntos) b) ¿Qué consecuencia tienen las condiciones de momentos que obtuvo en a) para la relación entre ω1t y ω 2t ? Justifique su respuesta. Xt ) y ut son i.i. →p 0 S1. demuestre que: a) Si usa MCO en la regresión et = ρet−1 + φt obtiene un estimador de ρ que es consistente.18 W2t + b at (3) 0.62 W2t + rb2t (5) 0.44 W1t + 0. (Yt . S7. β. (1 punto) xt . t=2 T −1 →p ρ 1−ρ2 S6. β ˆ es el estimador de MCO de (1). A partir de 250 observaciones se ha estimado por MCO el siguiente modelo. Justificando cada uno de sus pasos. (0.05) a) Derive la expresión del plim (como función de β y una ratio de esperanzas) del estimador VI de (1) que utiliza W2t como instrumento de W1t . es decir 2 t = ρ t−1 + η t donde η t es un ruido blanco.02) 0. ¿Bajo qué condiciones de momentos este estimador es consistente? (0..

66 t99.0.976571 Probability Probability 0.TABLA ESTADÍSTICA z0.73371 -0.081243 Wald Test: Equation: Tabla 1 Null Hypothesis: C(2)=0 C(3)=0 C(4)=0 F-statistic 2.05 = 1.108601 SIZE 65.69 2 4.70 Nota: Los valores críticos del contraste de Durbin-Watson ( d L (U ). K ' ) se dan al 5% de significación.81.6143 0.2 = 1.2156 49.2 = 1.798726 Chi-square 8.9872 Mean dependent var 1582.0.66 χ χ χ χ 2 χ5.433407 Wald Test: Equation: Tabla 1 Null Hypothesis: C(2)=0 C(4)=0 C(5)=0 F-statistic 2.658857 Chi-square 1.740393 Probability Probability 0.05 = 1.48 2 2.8857 0.90.98 t95.18628 EDUC 142.07 2 1.6169 AGE -0.386611 Probability Probability 0.913464 2.038496 0. Error t-Statistic Prob.025 = 1.2 = 1.038662 Wald Test: Equation: Tabla 1 Null Hypothesis: C(3)=0 C(4)=0 C(5)=0 F-statistic 0.96 z0.795537 Chi-square 8.81 dU . 2770.05 = 1.527833 0.437560 0.0.801356 R-squared 0.293783 0.1299 221.246508 0.49 d L .577284 Wald Test: Equation: Tabla 1 Null Hypothesis: C(2)=0 C(3)=0 C(5)=0 F-statistic Chi-square 3 .7696 114.0.05 d L .505636 0.0.65 t95.510 Probability Probability 0.61 dU .05 = 11.T .0.90.016113 0.044237 0.2 = 1.05 = 5.044413 0.45.05 = 9.84 d L .1 = 1.81.025 = 1.993 -0.071082 1.113 INC 0.05 = 3.0.59 = 7.4132 1. TABLAS PROBLEMA 2 Tabla 1 Dependent Variable: SAV Method: Least Squares Sample: 1 100 Included observations: 100 Variable Coefficient C -1401. K ' es el número de variables explicativas excluyendo el término constante.579384 0.99 2 3.396178 Std.0.

1168086.089 6820.2863 R-squared 0.010273 0.D.74037 R-squared 0. 21268727 0.400397 0.8172 TSIZE*TEDUC 1136701.104111 0.510481 0.57 290367.6771 TEDUC -108779.9 10604744 -0.2388 931.5) Dependent Variable: TSAV Method: Least Squares Sample: 1 100 Included observations: 100 Variable Coefficient TC -1748.032 0.141598 0. Error t-Statistic Prob. C -108946.6816 TINC*TAGE 172.109230 S.8878 R-squared 0.417977 0.25151 S.724779 0.2170 TAGE 20. 21508156 -0.777949 0. 15484814 0.836842 3. dependent var 29.697 0.1946 167.62910 0.411836 0.103652 Mean dependent var 847.8100 TEDUC^2 126331.4385 0.9918 INC 998. of regression 51736529 Akaike info criterion 38.5 0.2519 1569.050396 0.076851 1.251377 0.726970 0.216 0.7 -0. 2248.077645 0. C 19452.43 290935.3 -0.241199 0. 0.1817 1. Error t-Statistic Prob.042410 Adjusted R-squared 0.847 TINC 0.9173 TC^2 -1. dependent var 4320.8775 TC*TSIZE 26559608 60916688 0.262355 0.011591 Mean dependent var 9814785.302447 0.7 450995.024 -0.7937 TINC*TSIZE 4958.55618 1.8022 TAGE -22770.8 1108345.4694 TINC*TEDUC 1046.109782 0.7816 TEDUC*TAGE -73134.278113 0.351 2540.2 0.189729 0.4707 TSIZE^2 283866. Adjusted R-squared 0.9377 TAGE^2 11971.26E+08 8. Error t-Statistic Prob.D.154638 0.7631 TINC^2 0.34 84544.087801 0.5 501648.078420 0. dependent var 51775503 S.002090 Std.231850 0.9383 TC*TAGE 1540135.9599 96.6109 Mean dependent var 15.69 221554.40 0.5 -0.E.Tabla 2 Dependent Variable: RESID^2 (RESID son los residuos de la Tabla 1) Method: Least Squares Sample: 1 100 Included observations: 100 Variable Coefficient Std.1647 40.850 -0.973131 0.6640 TC*TEDUC -1670010.100401 TSIZE -8.565 4 .435999 0.072013 0.306443 0.6235 1294.2 -0.9210 TINC -391.89943 Tabla 4 Dependent Variable: RESID^2 (RESID son los residuos de la Tabla 3) Method: Least Squares Sample: 1 100 Included observations: 100 Variable Coefficient Std.16E+08 -0.001505 S. -0.D.9129 TSIZE -803304.3 454244.5022 Adjusted R-squared -0.2943 -0.9303 TC 2214301.3334 TSIZE*TAGE -209677.099461 0. 0.431025 TEDUC 135.5 1224355.38102 Tabla 3 Nota: TVARIABLE=VARIABLE/(INC^.