Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Guia Econometria E-250 Problemas Generales Prof. Verónica Gil y Aldo Lema ECONOMETRÍA Otros ejercicios resueltos Profesores: Verónica Gil Aroztegui Aldo Lema Navarro Marzo 2005 Esta guía está en permanente revisión por lo cual sugerencias o correcciones serán bienvenidas. E-mails: vgila@vtr.net y alema@security.cl Guia Econometria E-250 Problemas Generales Prof. Verónica Gil y Aldo Lema Ejercicio 2.2.3 Considere el siguiente modelo de regresión: Yi = β0 + β1 Xi + ui con los siguientes datos muestrales: Yi∑ = 20 Xi∑ = 30 Yi2∑ = 88 2, Xi2∑ = 92 Y Xi i∑ = 59 N= 10 a) Calcule los estimadores MICO de β0 y β1 y el coeficiente de determinación R2. b) Testee la hipótesis H0: β1 = 0.1; H1: β1 < 0. a) ( )( ) ( ) 22222 ˆ xnX yxnYX xX yYxX x yx i ii i ii i ii − − = − −− == ∑ ∑ ∑ ∑ ∑ ∑β Demostración: ( )( ) ∑ ∑∑ ∑∑ ∑ +−−=−−= yxYxyXYXyYxXyx iiiiiiii ∑∑∑∑ ∑∑ ∑∑ ∑∑ ∑ ∑∑∑ −⇒ / /−⇒ −⇒+−−∴ =⇒= =⇒= = +−− iii i ii iiii i i i i iiii yxYX n Y xnYXbieno xynYXyxnnyxnxyYX ynYy n Y xnXx n X pero yxYxXyYX ( ) ( ) 020 2222 ˆ5.335.02ˆˆ 5.0 2 1 31092 20359ˆ βββ β ==⋅−−=−= −=−= ⋅− ⋅− = − − =∴ ∑ ∑∑ xy xnX yxYX i iii R2 = se tiene la estimación de la regresión = (mide el % de la variación de y que es explicado por x) 32143421321 RCS i ECS i TCS i exy .. 2 .. 22 2 .. 2 ˆ ∑∑∑ += β Guia Econometria E-250 Problemas Generales Prof. Verónica Gil y Aldo Lema ( ) ( ) ( )( ) ( ) mucholicandoestánoeloeste SCT SCR SCT SCRSCTdadoR TCS ECS ynY xnX y x R ajustedebondadmide TCS ECSR yentre i i i i expmod101037.0 .. .. 2.48 5.0 2102.88 310925.0ˆˆ .. .. 10 2 2 22 22 222 2 2 22 22 2 ⇒−⇒ − ⇒=∴ = = = − ⋅−− = − − ⇒=∴ == ∑ ∑ ∑ ∑ 321 ββ b) Testear: %51 0 1.0 21 20 concola H H <= == β β ( ) ( ) 22 2 2 2 2 22 2 2 2 2ˆˆˆ ˆ sin,,ˆPr xnX n e x V estimadoslosconqueolespoblacionadatoslosconcuentonoquedado x Vnecesitoimero i i i i − −⇒=∴ ⇒⇒ ⇒ ∑ ∑ ∑ ∑ σβ σσ σβ ( ) 98.2 2 210 7.47 ˆˆ 231092 7.475.02.48 22222 2 =−=∴ ⇒⋅−=−= =−⇒−⇒= ∑∑ ∑ βV xnXx SCESCTSCRe i i i Como no tengo la verdadera varianza de 1β̂ , debo hacer test t y no Normal ( ) 05.0 8 2 22 34.0 98.2 1.05.0 ˆˆ ˆ Re t V siHoch ≤−=−−=−= β ββ es test de una cola ⇒ 95% -1.86 -0.34 α = 5% Guia Econometria E-250 Problemas Generales Prof. Verónica Gil y Aldo Lema 0.1 de distinto que de evidencia tengo,86.134.0 86.1 8 libertad de g.k -n con t tabla 2 %5,8 seanoHorechno t β⇒−≤/−⇒ ±=∴ = Ejercicio 2.2.4 En un estudio de consumo agregado se estimó las siguiente ecuación: C= 12589 + 0,9 Yp donde C= consumo agregado; Yp= ingreso permanente (supuestamente bien medido). “Estos resultados refutan la teoría del consumo permanente de Friedman ya que dicha teoría predice una constante igual a 0 y los resultados claramente indican que este no es el caso”. Comente. Falso, no puedo responder a la pregunta de si la constante es cero porque no se si es SIGNIFICATIVAMENTE distinta de cero. Para responder el comente debiera tener intervalos de confianza. Además nunca se refuta el resultado de una teoría con datos de una muestra. Solo podría decir que esa teoría no se cumple para esta muestra. Ejercicio 2.2.6 Dadas las variables X e Y, para una muestra de 20 observaciones, las sumas de productos son: 1 X Y 1 20 545 868 X 19361 21924 Y 50502 Se consideran dos modelos: (i) Yi = β0 + β1 Xi + ui (ii) Yi = β Xi + ui a) Estimar los parámetros de ambos modelos. b) Calcular el coeficiente de determinación múltiple (R2) de ambos modelos. c) ¿Puede concluirse que son los parámetros en ambos modelos son significativos individualmente? a) De la tabla se obtiene: n = 20, ΣXi = 545, ΣXi2 = 19361, ΣYi = 868, ΣYi2 = 50502 ΣXiYi = 21924, ∴ 4.43y n x 25.27x i = Σ == estimación de i) ( ) 3833.0 75.4509 729.1 25.27*2019361 4.43*25.27*2021924ˆ 22221 −= − = − − = − − == ∑ ∑ ∑ ∑ xnX xynYX x yx i ii i iiβ 844.5325.27*3833.04.43ˆˆ 10 =+⇒−= xy ββ Guia Econometria E-250 Problemas Generales Prof. Verónica Gil y Aldo Lema estimación de ii) 132.1 19361 21924ˆ 2 =⇒= ∑ ∑ i ii X YX β b) R2 de ambos modelos ⇒ ( ) ( ) ( ) ( ) ( ) 045. 8.12830 75.4509132.1ˆ) 005. 8.12830 58.662 4.432050502 75.45093833.0ˆˆ) 2 2 22 2 2 2 22 222 1 2 22 12 = ⋅ == == ⋅− − = − − === ∑ ∑ ∑ ∑ ∑ ∑ i i i i i i y x Rii ynY xnX y x SCT SCERi β ββ Este ii puede dar negativo. c) significancia individual: i) H0: β0 = 0 H0: β1 = 0 con α = 5% ii) H1: β0 ≠ 0 H1: β1 ≠ 0 ( ) ( ) 149897.0 75.4509 676ˆ 676 220 22.12168ˆˆ: 1 2 2 2 2 2 1 ==∴ = − =−= − ⇒−⇒= ∑ ∑ ∑ ∑ β σβ V SCESCT kn e x kn e x VVarianzas i i i i %5 rechazo no99.0 149897.0 03833.0 101 alivosignificatnoesHdetc ββ ⇒⇒−= −− ⇒ 2 α H1 2 α H1 4.472.101-2.101 -0.99 H0 95% ( ) %5 47.4 11.145 0844.53 11.145 75.4509*20 19361*676ˆˆ 00 18,2 0 2 22 0 alivosignificatesyHrechazo tdetc xn X V tabla i i β β σ β α ∴ ⇒⇒= − ⇒∴ == ⋅ = ∑ ∑ ii) Igual ⇒ H0: β = 0 Guia Econometria E-250 Problemas Generales Prof. Verónica Gil y Aldo Lema H1: β ≠ 0 ( ) ∑ ∑ −= 2 2 1ˆ i i X n e V β 1 ( ) ( ) 033.0 19361 43.640ˆ 43.640 120 22.12168 1 1ˆˆ: 1 2 2 2 2 2 ==∴ = − =−= − ⇒−⇒= ∑ ∑ ∑ ∑ β σβ V SCESCT n e X n e X VVarianzas i i i i %5 22.6 033.0 0132.1 0 18,2 alivosignificatesyHrechazo tdetc tabla β β α ∴ ⇒≥= − ⇒∴ Ejercicio 2.2.8 Suponga que al estimar una regresión simple (una variable explicativa) con 30 observaciones usted tiene un R2= 0,9. Se le pide construir con estos datos un test para la hipótesis nula de que la pendiente del modelo es 0. n = 30; R2 = 0,9 H0: β2 = 0 α = 5% H1: β2 ≠ 0 2ˆ 22 ˆ βσ ββ − ∼N (0,1) si se conoce T poblacional ⇒ 2 2ˆ 22 ˆ − βσ ββ ∼ 21χ ( ) ( ) 2 22 22 2 2 2 22 ˆ 1 ˆ u i i u x x σ ββ σ ββ ∑ ∑ ⋅− ⇒ ⋅ − ⇒ ∼ 21χ (1) por otro lado: 2 2 u ie σ ∑ ∼ { 2 2−nχ (2) se pierden 2 g.l al estimar Σei2 , de las dos ecc. normales ⇒ (1) /1: (2)/n-2 ⇒ ( ) ( ) 2 1 ˆ 2 1 ˆ 2 22 22 2,12 2 2 1 2 2 2 22 22 − ⋅− ⇒=≈ − ⋅− ∑ ∑ ∑ ∑ − − n e x F n e x i i n n u i u i ββ χ χ σ σ ββ ∼F1 , n-2 bajo β2 = 0 ⇒ 2 1 2 1 ˆ 2 22 2 − ⇒ − ⋅ ∑ ∑ n SCR SCE n e x i iβ ∼F1 , n-2 Guia Econometria E-250 Problemas Generales Prof. Verónica Gil y Aldo Lema dividiendo ambos entre SCT ⇒ 252 230 1.0 9.0 2 1 2 2 2 = − = − − ⇒ − n R R n SCT SCK SCT SCE Ft = F1,28 = 4,2 H1 2524.2 H0 95% 5% ⇒ rechazo Ho, ya que Fc > Ft por lo tanto β2 es significativo y la pendiente del modelo ≠ 0 Ejercicio 2.2.9 Una cooperativa agraria desea estimar cómo afecta la cantidad de fertilizante aplicado por hectárea de cultivo al volumen de la cosecha anual. Para ello dispone de los datos observados durante los últimos 10 años que se muestran en la siguiente tabla. Año 1 2 3 4 5 6 7 8 9 10 Fertilizante (Kg por Ha) 10 12 14 15 19 21 25 28 30 31 Cosecha (Tm por Ha) 45 49 51 55 62 5 69 72 73 79 a) Calcule la recta de regresión de la cosecha (C), sobre la cantidad de fertilizante (f), utilizando término constante. b) Dibuje la recta de regresión anterior junto con los puntos correspondientes a los datos reales. ¿Se ajusta bien dicha recta a los valores observados) ¿Observa algún dato que no se ajusta bien a la relación? (dato atípico o anómalo). c) Se sabe que en el sexto año se produjeron inundaciones en la zona. ¿Cree que este hechodistorsiona los resultados estimados anteriormente? d) Estime el mismo modelo del apartado (a) sin incluir el dato correspondiente al sexto año. Dibuje la nueva recta de regresión junto con los puntos de los datos observados. ¿Se ajusta ahora mejor la estimación a los valores observados? a) debemos encontrar valores para los coeficientes de una recta del tipo ii21i eXˆˆY +β+β= , donde X: Fertilizante (Kg / Ha) Y: Cosecha (Tm /Ha) Guia Econometria E-250 Problemas Generales Prof. Verónica Gil y Aldo Lema ATÍPICO ( ) iii i i i ii eXY XY datosloscalcularparaasíes XNX YXXY x yx ++=∴ =−= =++ = − − = − − == ∑ ∑ ∑ ∑ ∑ ∑ 422.185.26 85.26ˆˆ 12240(31)(79) ...49)*(1245)*(10 decir, es XY de obtiene se 12240 :Ojo 422.1 5.20*104737 560*5.2012240ˆ 21 22222 ββ β b) 0 10 20 30 40 50 60 70 80 90 10 12 14 15 19 21 25 28 30 31 Fertilizante (Kg/Ha) C os ec ha (T m /H a) Real estimada c) El valor actual o real del sexto año es un valor atípico pues de no haber existido inundaciones, el modelo predice un resultado en las cosechas de 56,7 d) ( ) ( ) ( ) ajustedelMedida9843.0 667.61935411 8576.535*1778.2 y xˆ T.C.S E.C.SR eX4757.174.25Y 74.25XˆYˆ 4757.1 44.2094296 55544.2012135ˆ 22 i 2 i 2 22 iii 21 22 →= − = β == ++=∴ =β−=β = − ⋅− =β ∑ ∑ Ejercicio 2.2.19 (Prueba 1, 1er. Semestre de 1998) La Dirección de Asuntos Estudiantiles de la Facultad de Economía y Administración de la PUC ha entregado información sobre el desempeño académico de 427 estudiantes en sus primeros seis semestres. La actuación individual se mide a través de la variable Promedio Ponderado Acumulado (PPA). Asimismo, para esta misma muestra se posee información respecto a los siguientes aspectos: -Resultado en la parte verbal de la Prueba de Aptitud Académica (PAAV) -Resultado en la parte matemática de la Prueba de Aptitud Académica (PAAM) -Resultado en la parte específica (matemática) de la Prueba de Aptitud Académica (PAAE) Con estos datos se han estimado las siguientes regresiones, donde la variable dependiente siempre es PPA. Variables Modelo A Modelo B Modelo C Constante 3.2 4.0 3.2 (0.600) (0.28) (0.31) Guia Econometria E-250 Problemas Generales Prof. Verónica Gil y Aldo Lema PAAM 0.524 (0.057) PAAV 0.157 (0.028) PAAE 0.2 (0.026) SCR 103.994 115.837 109.18 SCT 124.599 El valor entre paréntesis indica el desvío estándar estimado del parámetro correspondiente. a) (7 puntos) ¿Qué criterio emplearía usted para decidirse por uno u otro modelo?. ¿Cuál es el mejor modelo y por qué? Discuta también bondad absoluta. Considerando el modelo A: b) (5 puntos) Interprete el significado de los valores obtenidos para los parámetros de la regresión. (Suponga que la variable explicativa también fluctúa entre 1 y 7). c) (5 puntos) Calcule en forma aproximada el valor p resultante al testear H0) β2= 0 en el modelo A. Interprete el resultado. d) (5 puntos) Realice un test de significancia para la constante del modelo y un test de significancia del modelo en su conjunto usando la distribución F. e) (5 puntos) Verifique la hipótesis de que el desvío estándar de la regresión es 0,5. f) (5 puntos) Pruebe la hipótesis H0: β2= 0,5 H1: β2≠ 0,5 Considerando los tres modelos: g) (5 puntos) Sugiera una regresión más general que las presentadas en la Tabla anterior para explicar el comportamiento de la variable dependiente. ¿Por qué deberíamos esperar que la regresión sugerida fuera “mejor”? a) Basta comprar los SCR, debido a que como es la misma variable dependiente la cual se corre en ≠ variables explicativas, la SCT coincide. ∴el menor SCR es el del modelo A ⇒ 103.994 , ∴su SCE es mayor y ∴es el mejor modelo. Lo mismo se puede ver con el criterio de bondad absoluta (R2) 124.0 599.124 18.1091R 0695.0 599.124 837.1151R 165.0 599.124 994.1031R C 2 B 2 A 2 =−= =−= =−=∴ El más alto R2 ⇒ mejor modelo, aunque ninguno de los 3 logra un grado satisfactorio b) del modelo A ⇒ } ( ) ( )057.06.0ˆ 524.02.3 21 ˆˆ ⇒ ++= σ ββ iii ePPAnPPA 876 524.0ˆ dPAAn dPPA 2 i i =β= interpretación ⇒ cuando PAAM (que está entre 1 y 7) Guia Econometria E-250 Problemas Generales Prof. Verónica Gil y Aldo Lema ∆+ en el punto (10 décimos) la PPA ∆+ en 0,524 (5 décimos), partiendo de 1 variable de posición o cte, de 3,2 (Ej: si alguien tuvo un 5 en PAAn, se pronostica una PPA ≅ 5,8) c) H0 ⇒ β2 = 0 H1 ⇒ β2 ≠ 0 19.9 057.0 524.0t == al buscar en la tabla este valor para g.l = 425 , se encuentra que p-value es < 0,002 d) H0 ⇒ β1 = 0 H1 ⇒ β1 ≠ 0 α = 5% tct tt96.1:t 33.5 6.0 2.3t > == 2 α 2 α 5.331.96 -1.96 tb se podría haber usado tabla Normal ya que n > 30 Significancia global ⇒ 6F 81.83F 423 994.103 1 994.103599.124 kn SCR 1n SCE F 423.1 c = == − = − −= 83.86 rechazo H0, modelo global % significativo e) H0 = σ = 0,5 ⇒ σ2 = 0,25 246.0423 994.103 2n SCR ˆ 2 == − =σ H1 = σ ≠ 0,5 ⇒ σ2 ≠ 0,25 Guia Econometria E-250 Problemas Generales Prof. Verónica Gil y Aldo Lema )2( )2(ˆ )2( )2(ˆ. 1)2()2(ˆ)2( 2 2 2 2 2 21 2 2 212 2 2 2 −ℵ − ≤≤ −ℵ − ⇒∴ −= −ℵ≤−≤−ℵ − − n n n nCI nnnP SCRSCR αα αα σσσ α σ σ 4847648476 ⇒ 0,2148 ≤ σ2 ≤ 0.281182 σ2 cae dentro del I.C, ∴ no rechazo H0 f) H0: β2= 0,5 H1: β2≠ 0,5 ct42.0057.0 5.0524.0t ==−= tt = 1.96 ∴ tc < tt ∴ acepto H0 β2 = 0,5 1.96-1.96 H0 0.42 g) Modelo sugerido: PPAi = j1 + j2PAAni + j3PAAVi + j4 PAAE + µi ⇒ sería mejor incluir todas las variables conjuntamente, ya que en las regresiones simples aparecen como significativos individualmente. ∴ se debiera esperar que lo sigan siendo en el modelo de regresión múltiple. Además, aunque las variables agregadas no expliquen mucho más, el R2 del nuevo modelo será > al R2 de los modelos simples Ejercicio 2.2.22 (Prueba 1, 2do. Semestre ’98) Un economista está interesado en explicar la evolución del consumo privado en Chile en el período 1976- 1997. A estos efectos se estimó la siguiente regresión entre el logaritmo natural de dicha variable (LCP) y el logaritmo natural del ingreso (LY): LS // Dependent Variable is LCP Sample(adjusted): 1976 1997 Included observations: 22 Variable Coefficient Std. Error t-Statistic Prob. C 0.081721 ................ ................ 0.8182 ⇒ dado el n muy grande (425) se puede aproximar la χ2 a una normal χ2 ∼ N (n, 2n) Guia Econometria E-250 Problemas Generales Prof. Verónica Gil y Aldo Lema LY 0.968665 0.023066 0.0000 R-squared 0.988786 Mean dependent var 14.81541 S.D. dependent var 0.336482 S.E. of regression ............... F-statistic ................ Sum squared resid ............... Prob(F-statistic) ................ AJUSTE DE LA ECUACIÓN ESTIMADA -0.10 -0.05 0.00 0.05 0.10 14.0 14.5 15.0 15.5 16.0 76 78 80 82 84 86 88 90 92 94 96 Residuos (ei) Y efectivos (Yi) Yi estimados a) (4 puntos) ¿Puede eliminarse la constante del modelo? ¿Por qué? b) (8 puntos) Calcule un intervalo de confianza al 95% para el coeficiente asociado al ingreso y pruebe la siguiente hipótesis H0) β2= 0 H1) β2 ≠ 0 Interprete el resultado. c) (5 puntos) ¿Qué significado económico le adjudica a la pendiente del modelo? ¿Es posible afirmar que en términos estadísticos es distinta de 1? d) (9 puntos) Calcule el R2 y el desvío estándar de la regresión ( σ̂ ). Otro economista le sugiere el siguiente modelo alternativo para explicar la evolución del consumo privado en Chile. LS // Dependent Variable is LCP Sample(adjusted): 1976 1997 Included observations: 22 Variable Coefficient Std. Error t-Statistic Prob. C 14.256710.052929 269.3534 0.0000 TIE 0.048582 0.004030 12.05527 0.0000 R-squared 0.879029 Mean dependent var 14.81541 Adjusted R-squared 0.872981 S.D. dependent var 0.336482 S.E. of regression 0.119921 Sum squared resid 0.287623 F- statistic 145.3295 Prob(F-statistic) 0.000000 Guia Econometria E-250 Problemas Generales Prof. Verónica Gil y Aldo Lema donde TIE es una variable de tendencia que toma el valor 1 en el primer año, 2 en el segundo, etc. AJUSTE DE LA ECUACIÓN ESTIMADA -0.2 -0.1 0.0 0.1 0.2 14.0 14.5 15.0 15.5 16.0 76 78 80 82 84 86 88 90 92 94 96 Residuos (ei) Y Efectivos (Yi) Y Estimados e) (4 puntos) Desde un punto de vista estrictamente económico (no estadístico) ¿qué modelo preferiría? ¿Por qué? f) (6 puntos) Desde un punto de vista estrictamente estadístico ¿puede corroborar la conclusión obtenida en el literal anterior? ¿Qué otros elementos relacionados con la variable explicativa consideraría para optar entre un modelo y otro? g) (4 puntos) A partir de la observación del comportamiento de los residuos en los gráficos antes presentados, discuta el potencial incumplimiento de algún supuesto clásico. Solución. a) La constante puede excluirse ya que no es significativa. Su p-value es 0,8182 muy superior a α=0,05 o α=0,1 considerados como aceptables. Tomando un α=0,1 o incluso α=0,8 no puede rechazarse la nula de β1= 0. Otra forma de extraer a misma conclusión: un intervalo de confianza generado con un α=0,05 o α=0,1 contiene al cero. b) n=22 y k=2 tα/2, 20 = t 0,025 = 2.086 P(0,97 – (2,086)(0,023) < β2 < 0,97 + (2,086)(0,023)) = 0,95 0.922< β2<1.178 IC 95% El intervalo de confianza no contiene el valor planteado bajo la hipótesis nula (β2= 0). Por lo tanto, se rechaza dicha hipótesis. La variable LY es significativa para explicar el comportamiento de LCP. c) Guia Econometria E-250 Problemas Generales Prof. Verónica Gil y Aldo Lema en Yporcentualcambio alrespectoCPdeporcentualcambio delasticida Y CPnYX , ˆ ingreso al respecto privado consumo del ln ln 2 ↓ == β ∂ ∂ H0) β2= 1 H1) β2 ≠ 1 0 ˆ 2 . 086,2 3,1 0,023 197,0 ˆ 1 ˆ 2 Hrechnot ⇒<=−=−= βσ β Por lo tanto, podemos aceptar la hipótesis de que la elasticidad ingreso del consumo en Chile no es distinta de 1. Esta hipótesis también podía probarse a través del enfoque de intervalo de confianza. d) R2= 0.988786 2n e 2n SCR ˆ 2 i − = − =σ ∑ Es necesario obtener la SCR SCT SCR 1 SCT SCR SCT SCT SCE R 2 −=−== = 0.988786 S.D. dependent var: 1 )( 2 − −∑ n YYi = 0.336482 → SCT = ∑ − 2)( YYi = 2.38 =−= SCT SCRR 1 2 0.988786 027.0 38.2 1 98878.0 =⇒−=⇒ SCRSCR 037.0 222 027.0 ˆ = − =σ e) Desde una perspectiva económica es preferible el primer modelo, ya que favorece una mejor interpretación del comportamiento del consumo privado. Lo explica en función del ingreso corriente, lo cual se ajusta a lo sugerido por algunas teorías económicas. Por otra parte, el resultado obtenido muestra que ante un incremento de 1% en el ingreo, el consumo privado aumenta en cerca de 1%, lo cual coincide con lo postulado por la teoría del ingreso permanente. A diferencia del segundo modelo (que se basa en la información histórica de la serie), Guia Econometria E-250 Problemas Generales Prof. Verónica Gil y Aldo Lema f) También desde un punto de vista estadístico es preferible el primer modelo respecto al segundo. Esta conclusión se obtiene de comparar los R2. (99% versus 88%). Sin embargo, es importante considerar que la variable explicativa en el segundo modelo es de pronóstico trivial, ya que se trata simplemente de una tendencia lineal. El primer modelo, si bien alcanza un mejor ajuste que el segundo, cuando la finalidad es pronosticar implica tener que proyectar el PIB. g) En ambos modelos el comportamiento exhibido por los residuos es claramente determinístico. Se observan períodos prolongados de errores sistemáticamente positivos o negativos. Por lo tanto, puede concluirse que el supuesto clásico de no autocorrelación no se cumple.
Compartir