Ejer Cici Os

RECOPILACION DE
EXAMENES DE
ECONOMETRIA
Edici on revisada
Enero 2012
Queda terminantemente prohibida la reproducci on no autorizada de esta recopilaci on, y la distribuci on
no autorizada de copias de la misma, as como cualquier otra infracci on de los derechos que sobre esta
recopilaci on corresponden al departamento de Econometra y Estadstica de la Facultad de Ciencias
Econ omicas y Empresariales de la UPV/EHU.
c UPV/EHU 2000. Edici on revisada c 2012.
Autores:
Aurora Alonso Juan I. Modro no
Josu Arteche M. Paz Moral
Bego na Egua I naki Murillo
Ignacio Daz-Emparanza Ainhoa Ogiza
M. Victoria Esteban Susan Orbe
Ana I. Fern andez Jesus Orbe
Beatriz Goitisolo Marta Reg ulez
Inmaculada Gallastegui Jorge Virto
M. Carmen Iglesias Marian Zubia
Petr Mariel
Indice
PROBLEMA PV-G.1 (Feb-1993) 1
PROBLEMA PV-G.3 (Jun-1993) 2
PROBLEMA PV-G.6 (Sep-1993) 2
PROBLEMA PV-E.1 (Feb-1993) 15
PROBLEMA PV-E.6 (Jun-1993) 16
PROBLEMA PV-E.8 (Sep-1993) 17
PROBLEMA LE-1997.1 (Jun-1997) 39
PROBLEMA LE-1997.4 (Sep-1997) 40
PROBLEMA LADE-1997.1 (Jun-1997) 41
PROBLEMA LADE-1997.3 (Sep-1997) 42
PROBLEMA LE/LADE-1999.1 (Sep-1999) 58
PROBLEMA LADE-2002.8 (Dic-2002) 93
PROBLEMA LE-2003.1 (Ene-2003) 95
PROBLEMA LE-2003.6 (Jun-2003) 100
PROBLEMA LE-2003.7 (Sep-2003) 100
PROBLEMA LE-2003.8 (Sep-2003) 101
CUESTIONARIO LADE-2003 (Jun-2003) 104
CUESTIONARIO LADE-2003 (Sep-2003) 118
PROBLEMA LE-2004.1 (Ene-2004) 131
PROBLEMA LE-2004.2 (Ene-2004) 131
PROBLEMA LE-2004.3 (Jun-2004) 132
PROBLEMA LE-2004.4 (Jun-2004) 133
PROBLEMA LE-2004.5 (Sep-2004) 136
PROBLEMA LE-2004.6 (Sep-2004) 139
PROBLEMA LE-2004.7 (Sep-2004) 140
PROBLEMA LE-2005.1 (Jun-2005) 144
PROBLEMA LE-2005.2 (Jun-2005) 146
PROBLEMA LE-2005.3 (Jun-2005) 146
PROBLEMA LE-2005.4 (Sep-2005) 147
PROBLEMA LE-2005.5 (Sep-2005) 148
PROBLEMA LE-2005.6 (Sep-2005) 149
PROBLEMA LE-2006.1 (Jun-2006) 155
PROBLEMA LE-2006.2 (Jun-2006) 157
PROBLEMA LE-2006.3 (Sep-2006) 159
PROBLEMA LE-2006.4 (Sep-2006) 161
PROBLEMA LE 2007.1 (Jun-2007) 169
PROBLEMA LE 2007.2 (Jun-2007) 171
PROBLEMA LE 2007.3 (Sep-2007) 172
PROBLEMA LE 2007.4 (Sep-2007) 174
EXAMENES DE
ECONOMETRIA
Plan antiguo
Temas de Econometra
PROBLEMA PV-G.1 (Feb-1993)
Se conoce que la relaci on entre inversi on (Y
i
) y benecios (Z
i
) de una empresa es de la forma:
Y
i
= +Z
i
+u
i
donde u
i
es una perturbaci on aleatoria. Se dispone de estas variables para 100 empresas y se propone
estimar los par ametros y por el m etodo de mnimos cuadrados ordinarios.
a) Si se sospecha que la inversi on en empresas con grandes benecios es m as variable que en empre-
sas con peque nos benecios, es decir, var(Y
i
) es una funci on creciente con Z
i
,
I) Qu e hip otesis cl asica del modelo de regresi on lineal no se satisface?
II) Qu e implicaciones tiene esto sobre los estimadores de y por MCO?
III) Qu e implicaciones tiene sobre el estimador de la matriz de covarianzas de
MCO
y

MCO
denido como
2
(X
X)
1
?
b) Suponiendo que se satisfacen todas las hip otesis b asicas del modelo de regresi on lineal pero las
perturbaciones no se distribuyen con funci on de distribuci on normal:
I) Qu e ocurre con las propiedades de
MCO
y

MCO
?
II) Qu e puedes decir sobre la validez del contraste de la hip otesis H
0
: = 0 usando el
estadstico t usual? Ser a este v alido asint oticamente? Por qu e?
Comenta, explicando por qu e, si es cierta o falsa esta armaci on:
En el modelo
Y
t
= a +bY
t1
+cX
t
+u
t
u
t
= 0,5u
t1
+
t

t
NID(0,
2
)
obtendremos estimadores de a, b y c consistentes si estimamos por el m etodo de mnimos cuadrados
ordinarios.
0
CVS Id: $Id: ngen2.tex,v 1.2 2003/01/31 16:32:04 etpdihei Exp
1
PROBLEMA PV-G.3 (Jun-1993)
Considera el modelo:
Y
t
= +X
t
+u
t
donde X
t
es un regresor no estoc astico y u
t
N(0,
2
t
), t.
a) Qu e propiedades tiene el estimador por M.C.O. de y ? Deriva su distribuci on.
b) Explica c omo obtendras un estimador alternativo de y que tuviera mejores propiedades que
M.C.O. Qu e problema surge si no se conocen los valores de
2
t
, t = 1, . . . , T? C omo lo
solucionaras?
c) Suponiendo
2
t
conocido t, explica detalladamente el procedimiento para contrastar
H
0
: = 1.
Considera el siguiente modelo:
Y
t
= +X
t
+u
t
donde X
t
es un regresor estoc astico generado por el siguiente proceso estoc astico:
X
t
= 0,7X
t1
+v
t
v
t
iid(0,
2
v
) t
Explica qu e propiedades tiene el estimador de y por M.C.O. y si propondras un estimador alternativo
con mejores propiedades en cada uno de los siguientes casos:
a) Las perturbaciones u
t
y v
t
son variables aleatorias independientes y u
t
NID(0,
2
u
), t.
b) Las perturbaciones u
t
y v
t
son variables aleatorias independientes y u
t
= 0,5u
t1
+
t
con
t

NID(0,
2
), t.
c) Las perturbaciones u
t
y v
t
son variables aleatorias tales que u
t
NID(0,
2
u
) y
E(u
t
v
s
) =
_
5 si t = s
0 si t = s
t, s.
PROBLEMA PV-G.6 (Sep-1993)
Indica qu e propiedades tendr a el estimador MCO de los coecientes del modelo:
Y
t
= aY
t1
+ bX
t
+u
t
u
t
iid(0,
2
)
Qu e pasara si las perturbaciones siguieran el esquema u
t
= u
t1
+e
t
, e
t
N(0,
2
e
)?
2
Considera el siguiente modelo din amico:
Y
t
= +
1
Y
t1
+
2
X
t1
+
3
X
t2
+u
t
t = 1, . . . , T
donde u
t
= u
t1
+
t
con
t
iid(0,
2
) y X
t
es un regresor jo t.
a) Razona las propiedades del estimador MCO de los par ametros del modelo en cada uno de los
siguientes casos.
I) Cuando
1
= 0.
II) Cuando = 0.
III) Cuando
1
= 0 y = 0.
IV) Cuando todos los par ametros son distintos de cero.
b) En aquellos casos que consideres oportuno, prop on un estimador alternativo al de MCO, razonando
la respuesta.
Un investigador quiere estimar la propensi on marginal al consumo de un determinado pas utilizando
datos anuales de series temporales y utilizando MCO en el modelo:
C
t
= +
1
Y
d
t
+
2
T
t
+u
t
t = 1, . . . , T
donde u
t
iid(0,
2
u
) E(Y
d
t
u
t
) = 0 E(T
t
u
t
) = 0
C
t
: Consumo.
Y
d
t
: Renta disponible.
T
t
: Recaudaci on de impuestos.
El investigador se enfrenta al problema de no observar la renta disponible, sino la renta agregada Y
t
, que
cree que se relaciona con la renta disponible por medio de la expresi on Y
t
= Y
d
t
+
t
con
t
iid(0,
2
) y
E(Y
d
t

t
) = 0 E(
t
u
t
) = 0 E(T
t
t
) = 0
Si consideramos el modelo en t erminos de variables observadas a la hora de estimar por MCO a
1
y
2
,
ser a consistente el estimador MCO de
1
? Por qu e? Y el de
2
? Razona tu respuesta.
3
Sea el modelo:
Y
t
= +X
t
+Y
t2
+u
t
donde X
t
es no estoc astica y
u
t
sigue un proceso de medias m oviles de orden 1.
Son los estimadores MCO consistentes? Son ecientes asint oticamente? Explica claramente el por
qu e de tus armaciones y prop on en su caso un m etodo de estimaci on alternativo.
Sea el siguiente modelo:
Y
t
= +X
t
+u
t
t = 1, . . . , T
donde: E(u
2
t
) =
2
t
E(u
t
) = 0
E(u
t
u
s
) = 0 si t = s X
t
no estoc astica.
a) Obtener el estimador MCO de y , demostrar si es insesgado y hallar su matriz de varianzas y
covarianzas.
b) Utilizando los estimadores MCO de los par ametros del modelo. Qu e estadstico utilizaras para
contrastar H
0
: = 0 que fuera v alido al menos asint oticamente? Por qu e?
c) C omo podemos obtener estimadores ecientes de y si
2
t
=
2
X
2
t
d) C omo podemos contrastar si
2
t
=
2
X
2
t
? Explica claramente el procedimiento del contraste que
utilizaras, la hip otesis nula y la alternativa.
Se propone la siguiente especicaci on para la funci on de demanda de vino de un pas:
Q
t
= P
t
+u
t
donde u
t
iid(0, 0,0921). Dado que el precio P
t
se determina simult aneamente con la cantidad Q
t
,
se sospecha que P
t
pueda estar correlacionada con u
t
. Se dispone de datos de un ndice de costes de
almacenamiento, S
t
, que se determina ex ogenamente, por lo que se considera independiente de u
t
.
Dados los siguientes datos trimestrales para los a nos 1955-1975:
4
P
t
Q
t
= 1,78
P
2
t
= 0,507
S
t
Q
t
= 2,754
S
2
t
= 2,1417
P
t
S
t
= 0,50
a) Utiliza el contraste de Hausman para contrastar esa sospecha, explicando el funcionamiento del
contraste.
b) Dado el resultado del contraste, qu e estimador de eligiras? Por qu e?
Un investigador propone el siguiente modelo para explicar el consumo en funci on de la renta y la pobla-
ci on para las provincias de Vizcaya y Alava:
C
V
t
=
1
R
V
t
+
2
P
V
t
+u
V
t
t = 1, .., T
C
A
t
=
1
R
A
t
+
2
P
A
t
+u
A
t
t = 1, .., T
donde C
V
t
, R
V
t
y P
V
t
son el Consumo, la Renta y la Poblaci on en el periodo t para Vizcaya, y C
A
t
, R
A
t
y P
A
t
los correspondientes a Alava.
En los apartados siguientes, explica un m etodo eciente de estimaci on de los par ametros del modelo.
Indica en cada caso el modelo, la estructura de la matriz de varianzas y covarianzas de las perturbaciones,
y si existe otro m etodo de estimaci on equivalente. Razona tu respuesta.
a) u
V
t
iid(0, 2), u
A
t
iid(0, 4), cov(u
V
t
, u
A
s
) = 0, para todo t, s.
b) u
V
t
iid(0, 2), u
A
t
iid(0, 4), cov(u
V
t
, u
A
s
) = 3 para todo t = s y 0 en otro caso.
c)
1
=
1
, u
V
t
iid(0, 2), u
A
t
iid(0, 4), cov(u
V
t
, u
A
s
d) V ar(u
V
t
) = 2P
V
t
, V ar(u
A
t
) = 4, cov(u
V
t
, u
A
s
e) V ar(u
V
t
) = 2 y u
A
t
= 0,5u
A
t1
+
t
, donde
t
iid(0, 1), cov(u
V
t
, u
A
s
) = 0 para todo t, s.
Razona si son ciertas o falsas las siguientes armaciones:
a) El estimador de Variables Instrumentales es m as general que el estimador de MCO porque este se
puede ver como un caso particular del primero.
5
b) La existencia de heterocedasticidad en un modelo de regresi on no supone ning un problema pa-
ra la estimaci on MCO, si para contrastar hip otesis sobre los coecientes se utiliza un estimador
consistente de su matriz de varianzas y covarianzas, por ejemplo el estimador de White.
c) El contraste de Durbin-Watson no es el contraste adecuado si hay variables end ogenas retardadas
y tampoco es el adecuado si hay variables ex ogenas retardadas.
d) Si los regresores son estoc asticos en un Modelo de Regresi on Lineal General y satisfacen que
E(X
it
u
t
) = 0 (i = 1, 2, ..., K, t = 1, 2, ..., T), entonces los estimadores de MCO tienen las mis-
mas propiedades en muestras peque nas y en muestras grandes que si se consideran a los regresores
jos.
Un cin elo decide analizar la relaci on entre la asistencia a pelculas de tipo nacional y extranjeras en
funci on del n umero de salas comerciales en funcionamiento. Dispone de datos anuales para Vizcaya
desde 1980 a 1992 para las siguientes variables:
Y
1t
= miles de espectadores a pelculas nacionales.
Y
2t
= miles de espectadores a pelculas extranjeras.
X
t
= n umero de salas comerciales en funcionamiento.
De estimar separadamente por MCO una ecuaci on para cada tipo de pelcula, obtiene los siguientes
resultados:
Y
1t
=
1372,44583
(2.38)
43,6473
(-1.9869)
X
t
+
0,415071
(2.7487)
X
2
t
R
2
1
= 0,9571

R
2
1
= 0,94858 SCR
1
= 1699384,61 DW
1
= 2,59
Y
2t
=
8138,47121
(2.4812)
193,3502
(-2.2203)
X
t
+
1,694243
(3.14984)
X
2
t
R
2
2
= 0,89693

R
2
2
= 0,876316 SCR
2
= 2655102,64 DW
2
= 1,6316
a) Contrasta para cada tipo de pelcula, al nivel de signicaci on del 5 %, si la relaci on entre el n umero
de espectadores y el n umero de salas en funcionamiento es o no cuadr atica. Indica la hip otesis nula
y la alternativa adem as de los supuestos en los que se basa el contraste.
b) Para qu e se utiliza el estadstico DW? Defnelo. Dados los resultados obtenidos, se puede inferir
alg un problema?
6
c) Utiliza el contraste de Goldfeld y Quandt para contrastar, al nivel de signicaci on del 5 % la igual-
dad de las varianzas de las perturbaciones correspondientes a pelculas nacionales y extranjeras,
suponiendo que estas varianzas son constantes en el tiempo. Escribe la hip otesis nula y la alterna-
tiva adem as de los supuestos en los que se basa el contraste.
A continuaci on, este cin elo estima por MCO el siguiente modelo:
Y
it
=
1
+
2
X
t
+
3
X
2
t
+u
it
i = 1, 2 t = 1980, . . . , 1992
y obtiene:
Y
it
=
4010,51535
(2.8097)
95,52055
(-2.5206)
X
t
+
0,837716
(3.578875)
X
2
t
SCR = 58892726,9
d) Suponiendo que no se rechaza la H
0
del apartado anterior, contrasta, al nivel de signicaci on del
5 %, la hip otesis nula de que los par ametros de la ecuaci on que relaciona el n umero de espectadores
y el n umero de salas comerciales en funcionamiento son los mismos para pelculas nacionales y
extranjeras.
Dado el siguiente modelo:
Y
t
= X
t
+u
t
donde u
t
iid(0,
2
u
) y X
t
no es estoc astica. El econ ometra no observa la variable X
t
.
Se dispone de observaciones de otra variable, X
t
que puede aproximarse a X
t
, esto es:
X
t
= X
t
+
t

t
iid(0,
2
)
donde E(
t
u
t
) = 0 t.
a) Demostrar que si se utiliza X
t
en lugar de X
t
, para estimar por MCO en el modelo:
Y
t
= X
t
+v
t
t = 1, ..., T
el estimador MCO de no ser a consistente.
b) Qu e m etodo de estimaci on puedes utilizar para obtener un estimador de consistente? Escribe la
f ormula del estimador que propones y las condiciones bajo las cuales este estimador es consistente.
7
Y
t
=
1
+
2
X
t
+
3
Y
t1
+u
t
donde u
t
= u
t1
+
t
, | |< 1,
t
iid(0,
2
).
a) Es el estimador por MCO de
1
,
2
y
3
lineal e insesgado? Por qu e? Razona tu respuesta.
b) Es el estimador por MCO de
1
,
2
y
3
consistente? Por qu e? Razona tu respuesta.
c) Si queremos utilizar el m etodo de Variables Instrumentales para obtener estimadores consistentes
de los par ametros
1
,
2
y
3
, es Y
t2
un instrumento adecuado para Y
t1
? Por qu e?
Un comerciante quiere analizar el consumo textil (Y) en el periodo de 1960 a 1995 en funci on de la renta
real disponible (X). Para estos a nos dispone de observaciones para dos grupos de la poblaci on: Hombres
y Mujeres. Para ello propone el siguiente modelo:
Y
M
t
=
M
+
M
X
M
t
+u
M
t
u
M
t
NID(0,
2
M
) t = 1960, ..., 1995.
Y
H
t
=
H
+
H
X
H
t
+u
H
t
u
H
t
NID(0,
2
H
) t = 1960, ..., 1995.
donde el suprandice M corresponde a la mujer y H al hombre. El comerciante propone esta especi-
caci on debido a su creencia de que la mujer tiene un consumo aut onomo y una propensi on marginal a
consumir distinta de los hombres.
a) Si se supone que ambas muestras son independientes, y
2
M
=
2
H
, c omo llevaras a cabo un
contraste para vericar la creencia del comerciante? Especica la hip otesis nula, la alternativa, el
estadstico junto con su distribuci on y el proceso de decisi on del contraste.
b) Si se supone que ambas muestras son independientes pero
2
H
=
2
M
, sera correcto el contraste
realizado en a)? Podras utilizar el estimador de la matriz de varianzas y covarianzas de los esti-
madores MCO propuesto por White para corregir este problema? Indica c omo llevaras a cabo el
contraste en este caso.
Una empresa desea estimar los costes totales de elaboraci on de un producto, en funci on del precio de la
materia prima que emplea en su fabricaci on. Para ello se especica el siguiente modelo:
8
C
t
=
1
+
2
P
t
+u
t
a) Con una muestra de tama no 80, el economista de la empresa estima por MCO y obtiene un valor
del estadstico de Durbin-Watson DW = 0,8846. Qu e sugiere el valor de este estadstico?
b) Este economista piensa que igual la especicaci on del modelo no es correcta y se ha omitido
alguna variable relevante correlacionada con las variables incluidas. Si dispone de observaciones
de una variable ex ogena Z
t
independiente de u
t
y correlacionada con P
t
. Podra contrastar si
este es el problema utilizando el contraste de Hausman? Explica detalladamente como lo llevara
a cabo.
c) Sera adecuada la utilizaci on del m etodo de Cochrane-Orcutt para solucionar el problema de una
mala especicaci on de la parte sistem atica del modelo? Qu e soluci on propondras? Razona tu
respuesta.
Se ha estimado por MCO un modelo para analizar la inuencia de la renta per capita (RTA) en los gastos
por turismo (G) en el a no 1990. Utilizando una secci on cruzada de 20 pases europeos se han obtenido
los siguientes resultados:
G
i
=
0,41556
(0,422)
+
0,06743
(0,0067)
RTA
i
R
2
= 0,87358 SCR = 262,9587
Se sospecha la existencia de heterocedasticidad, con varianza creciente, con la poblaci on del pas (POP
i
).
a) Con la informaci on que se ofrece a continuaci on contrasta esta hip otesis. Razona tu respuesta e
indica la hip otesis nula y la alternativa.
u
2
i
=
2,68901
(4,238)
+
0,152
(0,0732)
RTA
i
0,000257
(0,000176)
RTA
2
i
R
2
= 0,4
u
2
i
13,15
=
0
+
1
POP
i
R
2
= 0,871 SCR = 3,1102181
b) De acuerdo con los resultados del contraste anterior, qu e m etodo de estimaci on utilizaras? Por
qu e? Escribe c omo obtendras ese estimador y cita sus propiedades.
9
Dos municipios vecinos, A y B, pretenden realizar un estudio sobre el comportamiento del consumo en
ambos municipios. Para ello, especican las siguientes ecuaciones:
C
A
t
=
1
R
A
t
+
2
P
A
t
+u
A
t
t = 1, .., T u
A
t
NID(0,
2
A
)
C
B
t
=
1
R
B
t
+
2
P
B
t
+u
B
t
t = 1, .., T u
B
t
NID(0,
2
B
)
donde C
j
t
denota el consumo del municipio j en t, R
j
t
la renta media de las familias del municipio j en
t y P
j
t
la poblaci on del municipio j en t, donde j = A, B.
E(u
A
t
, u
B
s
) =
_

AB
si t = s
0 en otro caso
Indica separadamente para cada uno de los siguientes casos, c omo contrastaras las siguientes hip ote-
sis nulas. Explica razonadamente en cada caso, el m etodo de estimaci on que eliges, el estadstico del
contraste y los supuestos bajo los cuales el contraste es v alido.
a) Si
AB
= 1,
2
A
= 2,
2
B
= 2. Contrastar H
0
:
1
+
2
= 0
b) Si
AB
= 0,
2
A
= 2,
2
B
= 1. Contrastar H
0
:
2
=
2
Un analista de una empresa recibe el encargo de proponer un modelo para explicar las ventas de una
empresa. Despu es de pensarlo, propone el siguiente modelo:
V
t
=
0
+
1
H
t
+
2
P
t
+u
t
(1)
donde:
V
t
son las ventas del producto en el mes t
H
t
es el n umero de horas trabajadas en el mes t
P
t
es el precio del producto en el mes t
Estima el modelo tomando datos de estas variables en los 24 ultimos meses con los siguientes resultados:
V
t
=
1, 73
(0,27)
+
0, 77
(1,03)
H
t
+
1, 24
(0,42)
P
t
(2)
R
2
= 0, 943 DW = 0, 14
(entre par entesis aparece la desviaci on tpica estimada del coeciente estimado correspondiente)
y se lo presenta a su jefe. Este mira los resultados obtenidos y le da orden de incluir una variable m as
que recoja el ciclo econ omico.
10
a) Explica las razones que puede tener el jefe para hacer esta propuesta.
b) Reestimando el modelo los resultados son:
V
t
=
2, 14
(1,2)
+
0, 03
(0,14)
H
t
+
1, 22
(0,14)
P
t
+
0, 79
(0,23)
C
t
(3)
R
2
= 0, 987 DW = 2, 01
(entre par entesis, desviaciones tpicas estimadas)
donde C
t
es la variable que mide el ciclo econ omico en el mes t. Interpreta los resultados obtenidos
y decide si el jefe tena o no raz on en sus apreciaciones.
c) Supongamos que la variable C
t
mide el ciclo econ omico s olo de manera aproximada, Qu e impli-
caciones tiene este hecho sobre las estimaciones de la ecuaci on (3)?
Queremos estudiar las calicaciones de Econometra de los alumnos de 4.
o
de Econ omicas (Plan Viejo),
Y
V
, y las de los alumnos de 3.
o
de Econ omicas (Plan Nuevo), Y
N
. Para ello disponemos de los siguientes
modelos:
Y
V
i
=
1
+
1
X
V
i
+
1
Z
V
i
+u
V
i
u
V
i
NID(0,
2
) (1)
Y
N
i
=
2
+
2
X
N
i
+
2
Z
N
i
+u
N
i
u
N
i
NID(0,
2
) (2)
donde u
V
i
y u
N
i
son independientes y
Y
s
i
: Calicaci on del alumno i.
X
s
i
: N umero de horas de estudio.
Z
s
i
: Calicaci on media del resto de las asignaturas del alumno i.
(s = V si el alumno es del Plan Viejo y s = N si es del Plan Nuevo).
Se pide:
a) C omo contrastaras que los coecientes de ambas ecuaciones son iguales?
Escribe el modelo no restringido y el restringido; especica la hip otesis nula y la alternativa, el
estadstico de contraste y la regla de decisi on.
b) Sup on que dispones de datos para realizar el contraste anterior, lo haces y llegas a la conclusi on de
que no rechazas la hip otesis nula. C omo estimaras los par ametros del modelo?
11
Sea el modelo
Y
t
= +X
t
+u
t
Comenta si las siguientes armaciones son verdaderas o falsas y por qu e. (Salvo que se diga lo contrario,
se satisfacen las hip otesis del MRLG. Analiza cada armaci on independientemente del resto).
a) Si u
t
NID(0,
2
), los estimadores MCO de este modelo son un caso particular de MCG.
b) Si X
t
es estoc astica, de forma que la covarianza entre esta y la perturbaci on es cero, las propiedades
del estimador MCO no cambian.
c) Si la perturbaci on presenta heterocedasticidad y no se conoce la estructura de esta, al estimar el
modelo por MCO, no hay ninguna manera de contrastar la hip otesis nula H
0
: = 0, ni siquiera
asint oticamente.
d) Si se tiene un error de medida en la variable explicativa, se puede utilizar el estadstico de Durbin-
Watson para contrastar la existencia de autocorrelaci on.
e) Una teora econ omica dice que la variable Xafecta positivamente a Y, y que otra variable Z tambi en
afecta positivamente a Y. Para contrastar esta hip otesis un econ ometra decide estimar las siguientes
regresiones y ver el signo de los coecientes:
Y
t
=
1
+
1
X
t
+u
t
u
t
NID(0,
2
)
Y
t
=
2
+
2
Z
t
+w
t
w
t
NID(0,
2
)
Si no se rechaza
1
> 0 y
2
> 0, entonces se acepta la teora econ omica.
Para analizar la inaci on en Brasil (Y
1
) y Argentina (Y
2
) se propone el modelo
Y
1t
=
1
+
1
X
1t
+u
1t
u
1t
NID(0,
2
1
)
Y
2t
=
2
+
2
X
2t
+u
2t
u
2t
NID(0,
2
2
)
siendo X
1t
y X
2t
la tasa de crecimiento de la oferta monetaria en Brasil y Argentina respectivamente en
el mes t. La informaci on muestral recogida se resume a continuaci on donde se observa que las muestras
son de diferente tama no y se suponen independientes y con distinta varianza.
BRASIL ARGENTINA
X
1
X
1
=
_
50 25
25 100
_
X
2
X
2
=
_
150 25
25 500
_
X
1
Y
1
=
_
40
160
_
X
2
Y
2
=
_
60
300
_
T
1
= 50 T
2
= 150
Y
1
Y
1
= 450 Y
2
Y
2
= 2700
12
a) Comprueba te oricamente que la estimaci on de los par ametros por MCO en cada pas es equivalente
a la estimaci on conjunta por MCG. Cu al es la idea intuitiva detr as de este resultado?
b) Obt en los valores num ericos de dicha estimaci on as como de sus matrices de varianzas y cova-
rianzas.
c) C omo llevaras a cabo un contraste sobre la igualdad de par ametros en ambos pases?
d) Supongamos que no rechazas la igualdad de par ametros. Explica y justica c omo estimaras el
modelo restringido.
Queremos analizar los factores que con m as fuerza han incidido en la producci on industrial vasca, en el
a no 1997. Para ello elegimos una funci on de producci on Cobb-Douglas, que expresa la producci on en
funci on de los factores productivos a trav es de la siguiente relaci on:
Y
i
= A L
i
K
i
ID
i
e
u
i
(1)
donde
Y
i
: producci on. L
i
: n umero de ocupados.
K
i
: capital privado. ID
i
: inversi on en Investigaci on y Desarrollo (I+D).
A : constante. e
u
i
: perturbaci on aleatoria.
En este modelo, adem as de los factores que normalmente se consideran, n umero de ocupados y stock de
capital privado, a nadimos tambi en la inversi on en I+D.
Tomamos logaritmos neperianos para linealizar la funci on, por lo que la relaci on a estimar es:
ln Y
i
= a +ln L
i
+ ln K
i
+ ln ID
i
+u
i
(2)
Disponemos de datos sobre 350 empresas del sector industrial. Sabemos que algunas de estas empresas
son bastante homog eneas entre s por lo que respecta a los factores trabajo y capital; pero bastante
heterog eneas en lo que reere al factor I+D.
a) C omo contrastaras la H
0
de rendimientos a escala constantes, es decir, + + = 1? Explica
detalladamente todos los elementos: el estadstico del contraste, su distribuci on bajo H
0
, cu ando
aceptaras H
0
, as como el modelo bajo H
0
y el modelo bajo H
a
.
b) Un investigador cree que existe heterocedasticidad debida a la variable I+D, de la forma V ar(u
i
) =
k(ln ID
i
), con k > 0 desconocida. C omo contrastaras si tiene o no raz on? Explica detallada-
mente todo el proceso del contraste.
Sup on que tras realizar el contraste anterior, aceptas la existencia de heterocedasticidad, de la forma dada
en el apartado b).
13
c) Existe alg un problema en el contraste hecho en a)?
d) Cu al es, para este modelo concreto, el criterio de estimaci on MCG? Escribe la funci on criterio y
el estimador. Explica porqu e es m as adecuado el estimador MCG que el MCO en este caso.
Sea el modelo:
Y
t
= +X
t
+u
t
, t = 1, ..., T,
donde X
t
es no estoc astica, E(u
t
) = 0 y
E[uu
] =
_
2
1
0 0
0
2
2
0
.
.
.
.
.
.
.
.
.
.
.
.
0 0
2
T
_
_
a) C omo contrastaras si
2
t
=
2
X
4
t
? Explica en detalle el procedimiento de contraste.
b) Si
2
t
=
2
X
4
t
, explica detalladamente c omo obtendras estimadores ecientes de y .
Sea el modelo
Y
t
=
1
X
t
+
2
Y
t1
+u
t
u
t
=
t
t1
,
t
iid(0,
2
),
siendo X
t
una variable no estoc astica.
a) Cu al es la covarianza entre u
t
e Y
t1
?
b) Explica qu e efectos tiene tu respuesta en el apartado a) sobre las propiedades del estimador MCO
de
1
y
2
.
c) Prop on, si existe, un estimador alternativo con mejores propiedades que el MCO. Razona tu res-
puesta.
0
CVS Id: $Id: nemp2.tex,v 1.2 2003/01/31 16:32:04 etpdihei Exp
14
PROBLEMA PV-E.1 (Feb-1993)
Un inversor en Bolsa quiere estudiar la relaci on entre el rendimiento de las acciones de Dragados y
Construcciones (DRA
t
) y el rendimiento medio de la Bolsa de Madrid. Con este motivo, especica la
siguiente relaci on:
(1) (DRA
t
RS
t
) = +(REM
t
RS
t
) +u
t
donde RS es el rendimiento de un activo seguro (las Letras del Tesoro a 6 meses) y REM es el
rendimiento medio de la citada Bolsa. Para estimar la ecuaci on (1) se utilizan 260 cotizaciones diarias
en la Bolsa de Madrid en 1990.
a) Teniendo en cuenta que (REM
t
RS
t
) es una variable aleatoria y suponiendo que
E[(REM
t
RS
t
)u
t
] = 0, cu ales son las propiedades de los estimadores MCO? Conoces alg un
m etodo de estimaci on m as adecuado? En caso de que la respuesta a esta ultima pregunta sea
armativa, cu al y por qu e?
b) C omo responderas a las preguntas del apartado anterior si sabes que u
t
= u
t1
+
t
donde
t
NID(0,
2
) y < 1?
Se ha estimado por MCO con datos anuales la siguiente relaci on entre el consumo de gasolina y el precio
en una empresa:
C
t
= 5278,44 23,36P
t
A no u
t
A no u
t
1980 -112.93 1986 58.55
1981 -74.53 1987 155.71
1982 9.46 1988 43.67
1983 33.75 1989 -19.90
1984 58.49 1990 -85.66
1985 59.33 1991 -125.96
a) Realiza el contraste de Durbin-Watson. Interpreta el resultado y exp on las consecuencias que tiene
sobre el m etodo de estimaci on utilizado.
b) Sup on que la verdadera relaci on entre consumos y precios es:
C
t
=
1
+
2
P
t
+
3
P
2
t
+u
t
y dispones de datos mensuales durante 10 a nos. Se mantienen tus conclusiones del apartado
anterior sobre los estimadores MCO? Razona la respuesta.
c) La empresa cierra por vacaciones gran parte del mes de agosto. Escribe un modelo que recoja
dicha incidencia sobre el consumo e interpr etalo.
15
Dado el siguiente modelo biecuacional:
Y
1t
=
1
+
2
X
2t
+
3
X
3t
+u
1t
u
1t
N(0,
2
1
) t = 1, , T
Y
2t
=
1
+
2
Z
2t
+
3
Z
3t
+u
2t
u
2t
N(0,
2
2
) t = 1, , T
Especica el modelo a estimar y explica c omo lo estimaras bajo los siguientes supuestos:
a) E(u
1t
u
2s
) = 0 t, s
1
=
1
b) E(u
1t
u
2s
) =
_

12
si t = s
0 si t = s
t, s
Sup on que en el modelo
Y
t
=
1
+
2
X
2t
+
3
X
3t
+u
t
se ha llegado a la conclusi on de que var(u
t
) = tX
2
2t
. Un procedimiento de estimaci on consiste
en aplicar M.C.O. tras realizar una transformaci on en el modelo de modo que las perturbaciones sean
homoced asticas. Escribe un modelo transformado que cumpla dicha condici on.
PROBLEMA PV-E.6 (Jun-1993)
Supongamos el modelo:
Y
t
=
1
+
2
X
2t
+
3
X
3t
+u
t
t = 1, 2, , T
donde:
E(u
t
) = 0 t
E(u
2
t
) =
1
X
2
3t
t
E(u
t
, u
s
) = 0 t = s
a) Escribe el modelo transformado en el que las perturbaciones sean homoced asticas. Busca la distri-
buci on de estas perturbaciones transformadas.
b) En el caso de que T=4, escribe la matriz de regresores, X, del modelo transformado sabiendo que:
16
t 1 2 3 4
X
2t
0 1 1 2
X
3t
3 0.5 1 1
a) Sup on que tratamos de estimar el siguiente modelo:
(1) Y
t
=
o
+
1
X
1t
+
2
X
2t
+u
t
t = 1, 2, 3, . . . , T
u
t
iid(0,
2
u
)
Si se sabe que E(X
2t
, u
t
) = 0, qu e m etodo de estimaci on propondras? Explica claramente las
razones de tu elecci on y las propiedades que conseguiras con tus estimadores.
b) Otro investigador nos advierte que el modelo (1) es incorrecto puesto que para el modelo:
(2) Y
t
=
o
+
1
X
1t
+
2
X
2t
+
3
X
2t1
+v
t
t = 1, 2, 3, . . . , T
v
t
iid(0,
2
v
)
se cumple E(X
t
v
t
) = 0 X
t
= [X
1t
X
2t
X
2t1
], con lo que en consecuencia deberamos esti-
mar este modelo por Mnimos Cuadrados Ordinarios. Es correcta la postura de este investigador?
c) Si t u tuvieras que estimar uno de los dos modelos, decide cu al elegiras y explica razonadamente
en qu e te basas para tu elecci on.
PROBLEMA PV-E.8 (Sep-1993)
Sea el modelo Y
t
= +X
t
+u
t
donde E(u
2
t
) = tX
2
t
a) Conociendo tres observaciones de Y
t
y X
t
obt en por M.C.O. y en forma matricial, las estimaciones
de y del modelo anterior.
t 1 2 3
Y
t
1 1 0
X
t
1 -1 1
b) Ahora ademas se conoce:
E(u
1
u
3
) = E(u
3
u
1
) = 1
E(u
1
u
2
) = E(u
2
u
1
) = E(u
2
u
3
) = E(u
3
u
2
) = 0
Dadas las observaciones de Y
t
e X
t
y la informaci on sobre E(u
t
u
s
), calcula la matriz de varianzas
y covarianzas del estimador M.C.O.
17
c) Dada la informaci on anterior, qu e propiedades tiene el estimador Mnimo-Cuadr atico Ordinario?
d) Conoces un estimador con mejores propiedades? Cu al es? Qu e propiedades tiene? Escribe su
matriz de varianzas y covarianzas. (No la estimes, escribe solo su f ormula y d que son cada uno
de sus elementos.)
e) Si en el modelo Y
t
= +X
t
+u
t
se cumple:
E(u
2
t
) = tX
2
t
y E(u
t
u
s
) = 0 t, s t = s
Escribe el modelo transformado que corrija este problema y demuestra que sus perturbaciones
tienen varianza constante.
f) Estima, por el m etodo de M.C.O. y utilizando c alculo matricial, los par ametros del modelo trans-
formado.
Para explicar los tipos de inter es reales en Espa na entre 1958 y 1993 se especica la ecuaci on:
r
t
=
1
+
2
D
t
+
3
M
t
+u
t
t = 1958, ..., 1993
donde r : tipo de inter es real
D : tasa de crecimiento del stock de Deuda P ublica
M : tasa de crecimiento de la oferta monetaria
Se sospecha que la varianza de las perturbaciones es una funci on creciente del tiempo. Contrasta la
hip otesis de que dicha varianza es menor antes de la primera crisis del petr oleo que despu es de la segunda
crisis, sabiendo que:
1958 1971 : r
t
= 0,88 + 0,41 D
t
+ 0,97 M
t
1971
t=1958
u
2
t
= 437
1980 1993 : r
t
= 1,04 + 0,37 D
t
+ 0,91 M
t
1993
t=1980
u
2
t
= 612
Para estimar el modelo
Y
t
= +X
t
+u
t
t = 1, . . . , 6
se dispone de los siguientes datos:
t 1 2 3 4 5 6
Y
t
5 0 3 0 4 9
X
t
1 2 4 5 6 6
18
Se pide:
a) Estima los par ametros y por MCO. Estima
2
u
.
b) Contrasta la hip otesis nula de ausencia de autocorrelaci on utilizando el estadstico de Durbin-
Watson para un nivel de signicaci on del 5 %. Plantea claramente la hip otesis nula y la alternativa.
c) En un gr aco de Y frente a X, representa los datos de la muestra y dibuja la recta de regresi on
muestral. Comenta la posible causa del resultado del contraste del apartado (b). Plantearas alg un
modelo alternativo al del enunciado? Cu al?
Y
t
=
1
+
2
X
1t
+
3
X
2t
+u
t
donde Y
t
: gasto familiar en comida
X
1t
: renta familiar
X
2t
: n umero de personas de cada familia (tama no familiar)
a) Si sospechas que V ar(u
t
) =
1
+
2
X
1t
+
3
X
2t
, explica c omo llevaras a cabo el contraste
de Breusch y Pagan (Plant ealo, paso a paso, desde la hip otesis nula hasta llegar al estadstico de
contraste).
b) Si la regresi on por MCO con 38 observaciones da lugar a:
Y
t
=
2,24
(0.84)
+
0,16
(4.64)
X
1t
+
1,45
(2.76)
X
2t
R
2
= 0,45 SCR = 644,35
u
2
t
16,95
=
29,16
(1.95)
+
0,42
(2.12)
X
1t
+
6,04
(2.61)
X
2t
R
2
= 0,24 SCR = 200,03
(entre par entesis est an los estadsticos t)
Lleva a cabo el contraste propuesto en el apartado (a).
Un investigador A quiere explicar los gastos de los estudiantes con el siguiente modelo:
(1) Y
i
= +X
i
+u
i
i : 1, . . . , N
siendo Y
i
: gastos del estudiante i
X
i
: ingresos del estudiante i
En el modelo (1) se cumplen todas las hip otesis b asicas, especialmente
19
E(u
i
) = 0
V ar(u
i
) =
2
u
i
E(u
i
u
s
) = 0 i = s
Otro investigador B dice que es mejor agrupar los datos de cada clase, para simplicar los c alculos, y
estimar los par ametros con los datos agrupados. En total los alumnos est an divididos en 8 clases y el
n umero de alumnos en cada clase es n
1
, n
2
, . . . , n
8
. El investigador B utilizar a por tanto 8 observaciones
de cada variable, cada una correspondiente a una clase:
Y
j
=
n
j
k=1
Y
k
n
j
X
j
=
n
j
k=1
X
k
n
j
j : 1, 2, . . . , 8
El modelo que plantea es el siguiente:
Y
j
= +X
j
+v
j
j : 1, 2, . . . , 8
a) Cu ales son la media y varianza de la perturbaci on v
j
?
b) Los dos investigadores desean estimar sus modelos por mnimos cuadrados. Qu e m etodos te
parecen adecuados a cada caso? Por qu e?
c) C omo cambiaran tus conclusiones del apartado anterior si el n umero de alumnos fuera el mismo
en todas las clases?
Un investigador desea estimar el modelo:
(1) Y
t
= +X
t
+u
t
t = 1, . . . , T
planteado sobre las variables te oricas X e Y. Suponemos que en dicho modelo se cumplen todas las
hip otesis del modelo lineal cl asico.
Sin embargo, Y
t
es una variable cuyos valores no se conocen directamente, sino que se observan con
error: Y
t
= Y
t
+
t
, siendo N(0,
2
I) de manera que el investigador s olo dispone de

observaciones para estimar el modelo:
(2) Y
t
=
X
t
+u
t
Supondremos que
t
y u
t
son independientes.
a) Estudia la relaci on entre los coecientes del modelo observado (2) y los del modelo correcto (1).
b) Deriva las propiedades de la nueva perturbaci on u
t
.
c) Los estimadores de mnimos cuadrados ordinarios
, son estimadores insesgados de y

? C omo cambiara tu respuesta si X
t
fuera una variable estoc astica? Demu estralo (A nade las
hip otesis que necesites).
20
Sea el modelo
Y = X +u
donde X es una matriz no estoc astica y u
t
=
t
t1
, siendo N(0,
2
I)
a) Qu e forma tiene la matriz de varianzas y covarianzas de las perturbaciones u
t
? (Obtenerla en
funci on de y
2
).
b) Considerando que es desconocido,
I) Es insesgado el estimador MCO de ?, demu estralo.
II) Un estimador de Mnimos cuadrados generalizados factibles de es lineal? es insesgado?
Demu estralo.
Sea el modelo Y
t
= +X
t
+u
t
donde se cumplen todas las hip otesis b asicas. Entonces, el modelo
que corresponde a la variable Y
t
= Y
t
Y
t1
es:
(1) Y
t
= (X
t
X
t1
) +u
t
donde u
t
= u
t
u
t1
.
a) Calcula el valor medio y la matriz de varianzas y covarianzas de u
t
.
b) Cu al es la varianza de Y
t
?
c) Deriva el estimador MCO de la pendiente del modelo (1).
d) Prop on un estimador eciente del par ametro que interviene en el modelo (1) y justica tu elecci on.
Un investigador opina que la situaci on general de la economa es un fuerte determinante de los rendimien-
tos burs atiles, y se propone analizar la relaci on entre la rentabilidad de un activo (r
t
) y el estado gene-
ral de la economa (E
t
). Dado que el estado de la economa no es una variable directamente observable,
decide emplear como aproximaci on el ndice de producci on industrial (IPI
t
). As, propone el siguiente
modelo para explicar el comportamiento de la rentabilidad del activo:
r
t
=
0
+
1
IPI
t
+u
t
u N(0,
2
u
I)
Qu e implicaciones tiene para las propiedades de los estimadores por MCO de los par ametros de este
modelo el uso de una variable que aproxima el estado general de la economa? Demu estralo.
21
Sea el modelo
Y
i
= +X
i
+u
i
i = 1, . . . , N
con Var(u
i
)=P
2
i

2
.
Decide cu al de los siguientes modelos est a correctamente transformado para corregir este problema de
heterocedasticidad y explica por qu e.
(1) P
i
Y
i
= +P
i
X
i
+P
i
u
i
(2)
Y
i
P
i
=

P
i
+
X
i
P
i
+
u
i
P
i
(3) P
i
Y
i
= P
i
+P
i
X
i
+P
i
u
i
(4)
Y
i
P
i
= +
X
i
P
i
+
u
i
P
i
La sociedad constructora CARPANTA, instalada en Donostia- San Sebasti an, utiliza la siguiente relaci on
para jar los precios de venta de las viviendas en esta ciudad:
Y
Dt
= +R
Dt
+S
Dt
+u
t
, u N(0,
2
u
I) con
2
u
= 2 (1)
donde:
Y es el precio medio de las viviendas puestas en venta en el a no t.
R es la renta media familiar del municipio en el a no t.
S es la supercie edicable que hay en el municipio en el a no t.
para lo cual dispone de la siguiente informaci on:
t Y
Dt
R
Dt
S
Dt
1988 3 1 1
1989 3 3 4
1990 4 4 3
1991 1 3 2
1992 3 2 1
1993 4 3 1
1994 3 3 4
22
a) Estima el modelo (1).
b) Contrasta la hip otesis nula H
o
: = 1.
c) Contrasta la hip otesis de que + = 1.
La misma constructora opera en Soria. El gerente opina que en esta ciudad los precios se jan seg un la
ecuaci on:
Y
St
= +R
St
+v
t
, v
t
NID(0,
2
v
) (2)
donde Y
St
y R
St
se interpretan de igual forma que en (1) respecto a Soria. Los resultados de la estimaci on
para los mismos a nos son los siguientes;
Y
St
= 10,2 + 3R
St
, R
2
= 0,80 DW = 0,5 (3)
a) Contrasta la existencia de autocorrelaci on de orden uno.
b) Es la renta media familiar una variable signicativa para explicar Y
St
?
c) El gerente no est a seguro de su decisi on anterior y a continuaci on ha estimado el siguiente modelo:
Y
St
= +R
St
+S
St
+v
t
v
t
NID(0,
2
v
) (4)
obteniendo un valor del estadstico Durbin-Watson de DW=2.01 Hay evidencia de autocorrela-
ci on en el modelo (4)? A la vista de este resultado, c omo solucionaras los problemas de los
apartados anteriores?
En el sistema formado por las ecuaciones (1) y (4) anteriores, suponiendo que ambas muestras son
independientes y que
2
u
y
2
v
son desconocidas pero iguales
a) Se quiere contrastar: H
o
:
_
_
=
_
3
3
_
.
escribe el modelo adecuado para contrastar dicha hip otesis, el estadstico, su distribuci on y el
criterio de decisi on correspondiente.
b) Si no se rechaza la hip otesis nula, existe alguna manera de lograr mejores estimaciones, en el
sentido de obtener una menor varianza de los estimadores? En este caso, c omo deberan estimarse
las ecuaciones? Explica detalladamente todo el proceso.
23
Considera el siguiente modelo para las reservas de agua embalsada en la Comunidad Auton onoma de La
Rioja:
Y
t
=
0
+
1
Y
t1
+
2
X
t
+u
t
, u
t
= u
t1
+
t
,
t
NID(0,
2
) (5)
donde
Y
t
= Volumen de agua embalsada al nal del a no t.
X
t
= Litros de agua de lluvia recogida durante el a no t.
Explica detalladamente cu al es el m etodo de estimaci on m as adecuado para el modelo (5) bajo los si-
guientes supuestos:
a) = 0.
b) = 0, 9.
c) El valor de es desconocido, tal que 1 < < 1.
Un investigador efect ua un estudio econom etrico del comercio alimenticio en peque nas supercies en
Espa na, para el perodo 1983-1994. Decide que el modelo adecuado para explicar el nivel de inventarios
(Y
t
) es:
Y
t
= +X
t
+u
t
(1)
siendo X
t
el volumen de ventas.
Por problemas de ocultaci on de datos, no conoce el verdadero valor de X
t
y utiliza X
t
, una variable que
el cree que puede servir como aproximaci on de X
t
, es decir,
X
t
= X
t
+
t
con
t
iid(0,
2
) e incorrelacionada con u
t
a) Especica el modelo que va a utilizar el investigador en su estudio. Cumple todas las hip otesis
b asicas del modelo de regresi on lineal general?
b) Resulta adecuado estimar por MCO el modelo propuesto en el apartado anterior?
c) Sabiendo que r
X
t
X
t1
= 0,998 Qu e m etodo de estimaci on propondras para el modelo propuesto
en a)?
d) Qu e habra ocurrido si la variable medida con error hubiera sido la variable end ogena Y
t
?
24
Sea el modelo:
Y
t
=
0
+
1
X
t
+
2
Y
t2
+u
t
(2)
donde X
t
es una variable no estoc astica.
a) Determina las propiedades de los estimadores MCO de los coecientes del modelo (2) si u
t
=
u
t1
+
t
con || < 1 y
t
iid(0,
2
). Existe en este caso alg un otro estimador con mejores

propiedades? Demu estralo
b) C omo cambian tus conclusiones del apartado a) si u
t
=
t
+
t1
? (
t
iid(0,
2
))
Sea el modelo
Y
t
=
1
+
2
X
2t
+
3
X
3t
+u
t
con t = 1, . . . , T. (1)
Determina cu ales son los coecientes, o combinaciones de coecientes, estimables en cada uno de los
siguientes casos, especicando el m etodo de estimaci on que utilizaras en cada uno de ellos. (Nota:
Cuando no se indique lo contrario, se mantienen los supuestos b asicos del modelo lineal)
a) X
3t
= 5X
2t
+ 4
b) E(u
2
t
) = X
2t
siendo un par ametro desconocido.
c) E(u
2
t
) =
1
+
2
t
2
siendo
1
y
2
par ametros desconocidos.
d) 2
2
+
3
= 6
Un investigador efect ua un estudio econom etrico sobre el tratamiento scal a las familias en Espa na.
Para ello establece una relaci on lineal entre los impuestos agregados pagados (Y
t
) y la renta agregada
total de las familias (X
t
). Sin embargo, debido al problema de la ocultaci on de datos por parte de las
familias, en lugar de trabajar con la renta agregada verdadera X
t
ha de trabajar con la renta declarada
X
t
. El modelo que estima es el siguiente:
Y
t
=
1
+
2
X
t
+u
t
(2)
25
a) Cumple el modelo (2) las hip otesis b asicas del Modelo de regresi on lineal?
b) Estimando (2) por MCO se han obtenido los siguientes resultados:
Y
t
=
1, 92
(1, 79)
+
1, 53
(53, 64)
X
t
+ u
t
DW = 1, 86 R
2
= 0, 839
Discute la conveniencia de la aplicaci on de MCO al modelo (2). En base a tus conclusiones, inter-
preta los resultados obtenidos.
c) Sabiendo que r
X
t
X
t1
= 0, 899 Qu e m etodo de estimaci on propondras para el modelo (2)?
Com entalo brevemente.
Un analista propone el siguiente modelo que representa el crecimiento de cada sector econ omico, en
Espa na, en funci on del crecimiento general de la economa americana:
I
t
=
1
+
2
X
t
+u
1t
, u
1t
NID(0,
2
1
)
S
t
=
1
+
2
X
t
+u
2t
, u
2t
NID(0,
2
2
)
donde u
1t
y u
2s
son variables independientes t, s = 1, . . . , T y
I
t
es la tasa de variaci on del PIB industrial del a no t respecto al anterior.
S
t
es la tasa de variaci on del PIB del sector servicios del a no t respecto al anterior.
X
t
es la tasa de variaci on del PIB general de Estados Unidos del a no t respecto al anterior.
Con datos anuales de 1971 a 1990 estima separadamente las dos ecuaciones por MCO y obtiene (entre
par entesis, la estimaci on de la desviaci on tpica del estimador):
I
t
=
1, 375
(0, 564)
+
1, 459
(0, 141)
X
t
SCR = 38, 12
S
t
=
1, 5304
(0, 251)
+
0, 635
(0, 063)
X
t
SCR = 7, 57
a) Qu e propiedades tienen los estimadores MCO en este modelo?
Este analista opina que el sector industrial es m as sensible a los ciclos econ omicos de la economa
americana que el sector servicios. Apoya su idea en dos contrastes que debes realizar a continuaci on.
b) El sector industrial es muy sensible al conjunto del sistema productivo americano si
2
es mayor
que la unidad. (Utiliza un estadstico tipo t-Student)
c) El sector servicios es menos sensible que el industrial si
2
es menor que
2
. (Utiliza un estadstico
tipo t-Student)
d) Si las perturbaciones de una y otra relaci on no fuesen independientes, sino que
E(u
1t
u
2t
) = 0,5 t, c omo habras estimado los par ametros del modelo? Raz onalo adecuada-
mente.
26
En el modelo de regresi on
Y
t
=
1
+
2
X
2t
+
3
X
3t
+u
t
(1)
las variables Y , X
2
y X
3
son aleatorias. Con 180 observaciones se ha estimado la ecuaci on (1) por MCO
y por VI, y el valor calculado del estadstico de Hausman ha sido m=5,2
a) Escribe la f ormula del estadstico de Hausman, su distribuci on y explica para qu e se usa.
b) Qu e nos indica el valor del estadstico en este caso? Comenta qu e propiedades tienen entonces
los estimadores

MCO
y

V I
(incluidas las asint oticas).
Una empresa tiene dos plantas, una en Pamplona y otra en Madrid. Las funciones de costes en cada
planta son:
C
1t
=
1
+
2
W
1t
+
3
R
t
+
4
Y
1t
+u
1t
t = 1, . . . , 50. (1)
C
2t
=
1
+
2
W
2t
+
3
R
t
+
4
Y
2t
+u
2t
t = 1, . . . , 50. (2)
Siendo:
C
i
: Costes en i, con i=1,2 (1=Pamplona, 2=Madrid).
W
i
: Salarios en i.
R: Tipo de inter es, com un para ambas plantas.
Y
i
: Producci on en i.
Se supone que en las dos ecuaciones se cumplen las hip otesis b asicas, entre ellas
2
u
1
=
2
u
2
=
2
, y adem as Cov(u
1t
, u
2s
) = 0 t, s
a) Explica con detalle el m etodo adecuado de estimaci on de
2
b) Tras estimar las ecuaciones (1) y (2), se ha obtenido

u
2
1t
= 1155 y

u
2
2t
= 1400. Plantea
el contraste de que los salarios y el tipo de inter es afectan de igual modo a los costes de ambas
plantas. Exp on claramente la H
0
, la H
a
, c omo estimaras las funciones de costes, cu al sera el
modelo restringido y cu al sera el estadstico para realizar el contraste.
27
Responde a las siguientes cuestiones, indicando si son verdaderas o falsas y explicando por qu e.
a) En un modelo de regresi on lineal con matriz de datos X estoc astica, cuando X es independien-
te de la perturbaci on, no existe ning un problema para la estimaci on MCO, puesto que tenemos
estimadores insesgados y consistentes.
b) El estimador de variables instrumentales siempre es consistente, y por tanto, siempre es preferible
al de MCO.
c) Es probable que, estimando conjuntamente las funciones de producci on de dos empresas del sector
el ectrico, obtengamos mejores estimaciones que estimando las ecuaciones aisladas, incluso si los
par ametros de las funciones de producci on son todos distintos.
d) En un MRLG estimado por MCO, no se pueden realizar contrastes cuando las perturbaciones
tienen heterocedasticidad y autocorrelaci on, incluso si su matriz de varianzas y covarianzas E(uu
)
es conocida.
Sea el modelo
_
_
Y
t
=
1
X
t
+
2
Z
t
+u
t
u
t
=
t
+
1
t1
+
2
t2

t
iid(0,
2
)
siendo X
t
y Z
t
variables no estoc asticas.
a) Cu al es la matriz de varianzas y covarianzas de la perturbaci on u
t
?
b) Un investigador cree que Y
t
depende tambi en de Z
t1
, es decir, de una de las variables ex ogenas
retardada un perodo, y la incluye en el modelo. C omo cambian entonces las propiedades de los
estimadores MCO?
c) Un segundo investigador, sin embargo, opina que Y
t
no depende de Z
t1
sino que depende de Y
t1
Cu al es el m etodo adecuado para estimar los coecientes del modelo (3)? Raz onalo
_
_
Y
t
=
1
X
t
+
2
Z
t
+
3
Y
t1
+u
t
u
t
=
t
+
1
t1
+
2
t2

t
iid(0,
2
)
(3)
28
El modelo de consumo:
C
t
=
1
+
2
R
t
+u
t
(1)
se ha estimado con datos anuales de la CAV desde 1965 hasta 1994. Se han realizado dos estimaciones
MCO por separado, con los diez primeros datos y con los diez ultimos:
1965 1974 :

C
t
= 22699, 0 + 0, 336R
t
SCT
1
= 9703500, 0 R
2
1
= 0, 85
1985 1994 :

C
t
= 38767, 0 + 0, 6542R
t
SCT
2
= 457036363, 0 R
2
2
= 0, 78
a) Utiliza el contraste de Goldfeld y Quandt para comprobar la existencia de homocedasticidad entre
los dos perodos.
b) Al estimar por MCO con todos los datos (1965-1994) se ha obtenido:
C
t
= 35205, 0 + 0, 586R
t
+ u
t
R
2
= 0, 82 (2)
y la regresi on sobre R
t
:
u
2
t

2
= 64519, 0 + 0, 52R
t
+ v
t
R
2
= 0, 71
2
=
u
u
20
SCR = 1500 (3)
Utiliza la informaci on que te proporcionan estas dos ultimas regresiones para contrastar la misma
hip otesis nula que en el apartado a).
c) Teniendo en cuenta lo obtenido en los apartados anteriores, qu e m etodo de estimaci on utilizaras
para el modelo de consumo?, Por qu e?. Explcalo detalladamente.
Sea el modelo Y
t
= +X
t
+u
t
con u
t
= u
t1
+
t
a) Sabiendo que = 0, 5 estima este modelo de forma eciente con los siguientes datos:
Y
t
3 3 4 3 2 2
X
t
1 2 3 4 5 6
b) C omo estimaras el modelo si fuera desconocido?.
29
Para analizar el efecto del stock de capital (K) sobre el valor a nadido bruto por ocupado (VAB) en la
Comunidad Aut onoma Vasca (CAV) se dispone de los siguientes datos:
t 1987 1988 1989 1990 1991 1992
VAB-PV 30 36 38 42 49 50
K-PV 60 60 61 62 65 66
Con ellos se trata de estimar la relaci on:
V ABPV
t
=
1
+
2
KPV
t
+u
t
donde u
t
NID (0,
2
u
)
a) Estima por MCO los par ametros del modelo y contrasta la signicatividad de la variable stock de
capital.
Para la Comunidad Autonoma de Navarra se supone un modelo an alogo:
V ABN
t
=
1
+
2
KN
t
+v
t
donde v
t
NID (0,
2
v
) y t : 1987, . . . , 1992.
b) Si se sabe que E(u
t
v
t
) = 0, C omo estimaras
2
y
2
teniendo en cuenta este hecho? (Describe
con detalle el modelo y el estimador que utilizaras).
c) Si E (u
t
v
t
) =
uv
,
2
u
y
2
v
fuesen conocidos, C omo estimaras
2
y
2
? Comenta las diferencias
entre este estimador y el que utilizas en el apartado anterior.
La empresa aseguradora de autom oviles SEGURCAR desea analizar la estructura de riesgo de los clien-
tes que han declarado alg un siniestro en el ultimo a no. Para ello utiliza el modelo
Y
i
=
1
+
2
X
2i
+
3
X
3i
+u
i
i = 1, . . . , N
donde:
N: N.
o
de clientes que han declarado alg un siniestro.
Y
i
: coste en pesetas de los siniestros declarados por el cliente i.
X
2i
: edad del cliente i.
X
3i
: a nos transcurridos desde la obtenci on del permiso de conducir.
Explica con qu e problema te encontraras y qu e soluci on (si la hay) daras a cada una de estas situaciones
por separado:
30
a) Muchos asegurados falsearon sus datos al contratar sus p olizas, de forma que no son ellos quienes
realmente conducen, sino otros familiares con menos experiencia, de forma que X
3i
est a medida
con error.
b) Los individuos de menor edad presentan una mayor variabilidad en el alcance de los siniestros
declarados (Y
i
), de forma que V ar(u
i
) =
2
/X
2
2i
.
Se quiere estudiar la dependencia de la bolsa de Madrid de las bolsas de Nueva York y Londres. Para ello
se dene el siguiente modelo
MAD
t
=
0
+
1
LON
t1
+
2
NY
t1
+u
t
con t : 2, . . . , 30.
Su estimaci on por MCO proporciona el siguiente resultado:
MAD
t
(Desv. tipicas )
=
0, 0095
(0, 0032)
+
0, 4990
(0, 1200)
LON
t1
+
0, 1800
(0, 1900)
NY
t1
DW = 0, 82 R
2
= 0, 88 (1)
a) Contrasta la signicatividad individual de las variables explicativas.
b) Contrasta la existencia de autocorrelaci on de tipo AR(1) en las perturbaciones.(Especica clara-
mente la hip otesis nula, alternativa, estadstico de contraste y regla de decisi on)
Posteriormente se a nade la variable explicativa MAD
t1
al modelo y se estima con los mismos
datos obteniendo:
MAD
t
=
0, 0031
(0, 0012)
+
0, 1910
(0, 0800)
MAD
t1
+
0, 8400
(0, 2460)
LON
t1
+
0, 0600
(0, 0120)
NY
t1
+ v
t
(2)
con DW = 1, 9 y
v
t
=
0, 0001
(0, 002)
+
0, 03
(0, 09)
v
t1
+
0, 009
(0, 3)
MAD
t1
+
0, 04
(0, 1)
LON
t1
+
0, 006
(0, 03)
NY
t1
+ e
t
R
2
= 0, 09
c) Contrasta la hip otesis de existencia de autocorrelaci on de tipo AR(1) en v
t
.
d) A la vista de los resultados de B y C qu e puedes armar sobre la validez de los modelos (1) y (2)?
Sea el modelo
Y
t
= +Y
t2
+X
t
+W
t
+u
t
u
t
= u
t1
+
t

t
iid(0,
2
)
donde X
t
y W
t
son variables no estoc asticas.
31
a) Qu e propiedades tienen los estimadores MCO de , , y ?
b) Si las propiedades no te parecen satisfactorias, qu e otro estimador crees t u que sera el m as ade-
cuado para este modelo?
En la siguiente tabla se recogen los datos de salarios (Y ) y horas trabajadas (X) para los empleados de
una empresa. Adem as se conoce si el empleado es hombre (H) o mujer (M):
Y 170 180 165 165 105 95 100 90

Y
2
i
= 153900

Y
i
= 1070
X 40 50 30 40 50 35 40 35

X
i
= 320

X
2
i
= 13150
Sexo H H H H M M M M

X
i
Y
i
= 43075
Para explicar los salarios de los trabajadores de la empresa, un investigador propone el siguiente modelo:
Y
i
= +X
i
+u
i
donde u
i
NID(0,
2
u
)
a) Estima por MCO los par ametros del modelo y contrasta la signicatividad de la variable X.
b) Hay evidencia de autocorrelaci on de tipo AR(1) en las perturbaciones del modelo?
c) Otro investigador piensa que el sexo es una variable relevante para la determinaci on del salario.
Prop on y estima un modelo que tenga en cuenta esta hip otesis y contr astala.
d) Teniendo en cuenta que en este modelo el estadstico de Durbin y Watson toma el valor d = 2, 2
hay evidencia de autocorrelaci on de tipo AR(1) en las perturbaciones de este modelo? C omo se
relaciona este resultado con lo obtenido en el apartado b)?
e) Es la variable X signicativa?, c omo se explica este resultado teniendo en cuenta lo encontrado
en el apartado a)?
Sup on que las variables X e Y se relacionan mediante el modelo:
Y
t
= (X
t
)
u
t
con t : 1, . . . , T. (1)
siendo X una variable no estoc astica y u
t
una perturbaci on aleatoria.
a) C omo linealizaras la ecuaci on (1) para que se obtenga una ecuaci on del tipo:
Y
t
=
t
+u
t
con t : 1, . . . , T. (2)
En particular, qu e relaci on hay entre las variables y entre los par ametros de (1) y (2)?
32
b) Sup on que E(u
t
) = 0, E(u
t
u
s
) = 0 t = s y V ar(u
t
) = k(X
t
)
2
con k desconocido.
C omo habra que transformar el modelo (2) para obtener unos estimadores con la mnima varianza
mediante la aplicaci on de MCO?
Sea el modelo lineal simple:
Y
t
= +X
t
+u
t
con u
t
(0,
2
u
) (3)
a) Sup on que X
t
es una variable aleatoria. Demuestra que, bajo el supuesto de incorrelaci on contem-
por anea entre X y u, los estimadores MCO son consistentes pero sesgados. Indica claramente los
supuestos que necesitas sobre la variable X.
b) Sup on que X
t
es ja y que, para una muestra de 150 observaciones, se estima el modelo por MCO
obteni endose los siguientes resultados:
Y
t
=
1, 39
(0, 2236)
+
0, 2
(0, 0173)
X
t
+ u
t
y =
u
t
u
t1
u
2
t
= 0, 3 (4)
donde la desviaci on tpica de los coecientes estimados aparece entre par entesis.
Contrasta la existencia de autocorrelaci on de tipo AR(1) en la perturbaci on.
c) En base a los resultados obtenidos en b), cu al crees que es el mejor m etodo de estimaci on para la
ecuaci on (4)?
d) Sup on que X
t
es ja y que Y
t
est a medida con error, de forma que no se observan los datos de Y
t
sino los de Y
t
= Y
t
+
t
, siendo u
t
(0,
2
u
),
t
(0,
2
) y Cov(u
t
,
t
) = 0.
Escribe la ecuaci on del modelo estimable y las propiedades de la perturbaci on de dicho modelo.
Qu e m etodo de estimaci on propondras? Raz onalo.
Un investigador propone el siguiente modelo para explicar las ventas de coches en funci on del precio y
la renta disponible per c apita para dos provincias (Provincia 1 y 2).
V
1t
=
1
+
1
P
1t
+
1
R
1t
+u
1t
u
1t
iid (0,
2
1
) (1)
V
2t
=
2
+
2
P
2t
+
2
R
2t
+u
2t
u
2t
iid (0,
2
2
) (2)
donde:
33
2
1
y
2
2
son desconocidas.
E(u
1t
u
2s
) = 0 t = s.
P
it
es el precio en la Provincia i en el periodo t.
V
it
son las ventas en la Provincia i en el periodo t.
R
it
es la renta per c apita en la Provincia i en el periodo t.
INTERPRETA los siguientes supuestos e indica detalladamente c omo estimaras el modelo formado por
las ecuaciones (1) y (2) en los siguientes casos (escribe el modelo y la matriz de varianzas y covarianzas
de las perturbaciones):
a) E(u
1t
u
2t
) = 0 t
b) E(u
1t
u
2t
) =
12
desconocida t
c) E(u
1t
u
2t
) = 0 t
1
=
2
d) E(u
1t
u
2t
) = 5 t y donde
2
1
=
2
2
= 25
1
=
2

1
=
2

1
=
2
Un investigador propone el siguiente modelo:
C
t
= C
t1
+u
t
t = 1, . . . , T u N(0,
2
u
I)
siendo C
t
el consumo del periodo t.
a) Es el estimador

MCO
, en este caso, insesgado? y consistente?
Un segundo investigador propone otro modelo:
C
t
=
1
X
t
+
2
C
t1
+u
t
t = 1, . . . , T
siendo X la renta nacional. Esta variable, X, es no observable pero se emplea como aproximaci on a la
renta disponible, X
. Esto es, X
t
= X
t
+
t
, siendo N(0,
2
I) e independiente de u.
b) Los estimadores

MCO
seran en este caso consistentes? Demu estralo.
c) Qu e m etodo consideras adecuado para estimar los par ametros de este modelo? por qu e?
34
Un investigador propone el siguiente modelo para explicar el n umero de accidentes (Y
t
) en funci on del
n umero de turismos matriculados (M
t
) y del n umero de permisos de conducir (P
t
), para las provincias
de Vizcaya (V) y

Alava (A):
Y
V
t
=
1
M
V
t
+
2
P
V
t
+u
V
t
t = 1, . . . , T.
Y
A
t
=
1
M
A
t
+
2
P
A
t
+u
A
t
t = 1, . . . , T.
Contesta a los dos siguientes apartados de forma independiente:
a) Suponiendo que var(u
V
t
)=t
2
M
V
t
, var(u
A
t
)=t
2
M
A
t
y cov(u
V
t
, u
A
s
)=0 para todo t y s,
I) Indica la estructura de la matriz de varianzas y covarianzas de las perturbaciones del modelo
conjunto.
II) Prop on un m etodo eciente de estimaci on de los par ametros del modelo.
III) Cambian tus conclusiones si
2
=
2
? Raz onalo.
b) Sup on que u
V
t
iid(0,
2
), u
A
t
iid(0,
2
), cov(u
V
t
, u
A
t
)=
12
y cov(u
V
t
, u
A
s
)=0 si t = s. Es
MCO un m etodo eciente de estimaci on? Considera que
2
y
12
son conocidas.
Un estudio sobre el tabaco en un pas cticio presenta el siguiente modelo:
V
t
=
1
+
2
P
t
+
3
A
t
+u
t
(1)
donde
V
t
son las ventas de las principales empresas de tabaco (en miles de unidades).
P
t
es el precio (en unidades monetarias de 1960).
A
t
son los gastos en publicidad en TV, radio y prensa (en unidades monetarias de 1960).
Los resultados de la estimaci on por MCO con datos anuales del perodo comprendido entre 1960 y 1979
son:
=
_
3
_
_ =
_
_
192, 89
2, 45
6, 52
_
_, (X
X)
1
=
_
_
T

P
t
A
t
P
2
t
P
t
A
t
A
2
t
_
_
1
=
_
_
38, 228 0, 508 0, 692
0, 012 0, 005
0, 016
_
_
u
u = 829, 575
a) Interpreta
1
,
2
y
3
. Tienen las estimaciones

los signos esperados?
35
b) Contrasta si
2
= 0. Interpreta el contraste y el resultado del mismo.
c) La gura 1 presenta los residuos correspondientes a la estimaci on anterior. Dada esta gura, sos-
pecharas la existencia de autocorrelaci on de tipo AR(1) en las perturbaciones del modelo (1)?
Sabiendo que

20
t=2
( u
t
u
t1
)
2
= 1689, 8 realiza el contraste correspondiente para conrmar tu
conjetura sobre la autocorrelaci on.
Figura 1: Residuos. Muestra 1960-1979.
-15
-10
-5
0
5
10
15
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Figura 2: Residuos. Muestra 1960-1989.
-120
-100
-80
-60
-40
-20
0
20
40
60
80
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
d) A partir del a no 1980 se reducen las ventas de cigarrillos debido a las campa nas anti-tabaco y por
la prohibici on de la publicidad en TV. A nadiendo las observaciones de 1980-1989 a la muestra
anterior se ha reestimado el modelo (1) por MCO obteniendo:
=
_
3
_
_ =
_
_
221, 45
5, 76
10, 96
_
_
y los residuos que presenta la gura 2. Teniendo en cuenta estos nuevos resultados qu e propieda-
des presentan estos ultimos estimadores?, qu e cambios propondras en el modelo (1)?
Se quiere determinar la relaci on entre el benecio de una empresa (B
t
) y las ventas (V
t
) que esta realiza.
Se dispone de una muestra para el periodo 1948-1997, a partir de la cual se obtienen las dos siguientes
regresiones:
1948-1964

B
t
=
1
+
2
V
t
SCR
1
= 931, 28
1981-1997

B
t
=
1
+
2
V
t
SCR
2
= 3936, 6
a) Contrasta la hip otesis de que la varianza de las perturbaciones es una funci on creciente del tiempo.
b) Se incluye una nueva variable en el modelo, un ndice de precios (P
t
), siendo el modelo resultante:
B
t
=
1
+
2
V
t
+
3
P
t
+u
t
36
Se vuelven a estimar dos regresiones: una con las primeras 17 observaciones y la otra con las 17
ultimas, obteniendo
1964
1948
u
2
t
= 932, 2

1997
1981
u
2
t
= 1950
Vuelve a realizar el contraste del apartado anterior.
c) Teniendo en cuenta los resultados de ambos apartados, cu al crees que es el problema que presenta
el primer modelo?, resulta adecuado estimarlo por mnimos cuadrados generalizados?
37
EXAMENES DE
ECONOMETRIA
Plan nuevo, LE-LADE
PROBLEMA LE-1997.1 (Jun-1997)
Se han obtenido los siguientes residuos de la estimaci on MCO del modelo:
Y
t
= +X
t
+u
t
1 2 3 4 5 6
u
t
-0.16 -1.02 1.12 3.26 2.4 4.54
a) Encuentra el valor del estadstico de Durbin-Watson.
b) Sup on que el valor encontrado del estadstico DW es el obtenido con 60 observaciones en lugar de
6. Si el modelo est a correctamente especicado, qu e propiedades tienen los estimadores MCO de
los par ametros?
c) Conoces alg un m etodo de estimaci on alternativo al de MCO que mejore estas propiedades?
d) C omo estimaras el modelo por el m etodo iterativo de Cochrane y Orcutt?.
Don Jacinto G omez es el gerente de SACAIN S.A. en Espa na, una empresa dedicada a la venta de objetos
exclusivos. Cuenta con dos muestras independientes para estimar el siguiente modelo sobre las ventas
de su empresa:
Y
1t
=
1
+
1
X
1t
+
1
X
2t
+u
1t
Y
2t
=
2
+
2
X
1t
+
2
X
2t
+u
2t
u
1t
N(0,
2
1
) u
2t
N(0,
2
2
)
a) Explica a este gerente cu al sera el m etodo de estimaci on m as eciente del conjunto de par ametros
y por qu e.
b) Explica razonadamente c omo contrastaras la hip otesis:
H
0
:
1
=
2
Escribe la hip otesis nula, la alternativa, el estadstico de contraste y la distribuci on del mismo.
S e especialmente claro en explicar como estimaras las varianzas
2
1
y
2
2
.
c) Sup on que la hip otesis nula anterior no ha sido rechazada. Cu al sera ahora el m etodo de estima-
ci on m as adecuado del conjunto de par ametros? Por qu e?
0
CVS Id: $Id: 97e2g.tex,v 1.2 2003/01/31 16:32:04 etpdihei Exp
39
Sea el modelo :
Y
t
= +X
t
+u
t
donde u
t
iid(0,
2
u
) y X
t
es no estoc astica. Por razones de ocultaci on de datos, el econ ometra no
observa la variable X
t
, pero dispone de observaciones de otra variable, X
t
que puede aproximar a X
t
,
esto es:
X
t
= X
t
+
t

t
iid(o,
2
t
independiente de u
t
.
a) Demuestra que, si se utiliza X
t
en lugar de X
t
, el estimador del par ametro no ser a consistente.
Calcula su lmite en probabilidad.
b) Es el estimador del par ametro consistente? Calcula su lmite en probabilidad.
PROBLEMA LE-1997.4 (Sep-1997)
Y
i
= X
i
+u
i
u
i
N(0,
2
X
2
i
) i = 1, 2....N
denominemos por

a la estimaci on MCO de y por

a la estimaci on MCG del mismo par ametro.
Encuentra las varianzas de estos dos estimadores.
Dado el modelo
Y
t
= X
t
+u
t
u
t
= 0, 5 u
t2
+
t
con
t
N(0,
2
)
a) Encuentra la media y la varianza de u
t
. (Nota: Puedes utilizar las propiedades de un proceso
estacionario en covarianza)
b) Explica c omo estimaras ecientemente el par ametro .
c) En caso de no conocer el par ametro
2
que acompa na a u
t2
, c omo estimaras el mismo?, c omo
estimaras entonces al par ametro ?
40
Un investigador propone el siguiente modelo para explicar el comportamiento de la variable Y en funci on
de las variables X
1
y X
2
, para dos pases distintos:
Y
a
t
=
0
+
1
X
a
1t
+
2
X
a
2t
+u
a
t
Y
b
t
=
0
+
1
X
b
1t
+
2
X
b
2t
+u
b
t
Contesta a cada uno de los apartados siguientes de forma independiente:
a) Sup on que tanto u
a
t
como u
b
t
son N(0,
2
) e independientes. C omo contrastaras que
2
=
2
?
Ten en cuenta que
2
es desconocido.
b) Sup on que tanto u
a
t
como u
b
t
son N(0,
2
) y que cov(u
a
t
, u
b
s
) =
_

12
t = s
0 t = s
. C omo
contrastaras que
2
=
2
? Sup on que
2
y
12
son par ametros conocidos.
c) Indica la estructura de la matriz de varianzas y covarianzas de las perturbaciones si var(u
a
t
) = t
2
X
a
1t
mientras que u
b
t
= 0,5u
b
t1
+
t
, siendo
t
N(0,
2
).
PROBLEMA LADE-1997.1 (Jun-1997)
Considera el siguiente modelo de regresi on general:
Y
t
=
1
+
2
X
2t
+
3
X
3t
+u
t
t = 1, . . . , 100
donde X
2
y X
3
son jas y u
t
NID(0,
2
t
= a +bt
2
).
a) Sup on que se sabe que a = 2b, siendo b un par ametro desconocido.
I) Obtener la matriz de varianzas y covarianzas de Y .
II) Indicar el m etodo adecuado de estimaci on del modelo, razonando la respuesta.
b) Sup on ahora que a = 0 y b es un par ametro desconocido. Se ha estimado el modelo por mnimos
cuadrados generalizados, obteni endose las siguientes estimaciones:
MCG
=
_
_
2
3
1
_
_

V (
MCG
) =
_
_
3 2 1
2 4 0
1 0 3
_
_
Realiza los contrastes de las siguientes hip otesis:
I)
3
= 0
II)
3
= 0 y
1
+ 2
2
= 5
0
CVS Id: $Id: 97e2e.tex,v 1.3 2004/01/30 09:13:41 etpdihei Exp
41
Una conocida empresa automovilstica est a interesada en el lanzamiento de un nuevo modelo en el merca-
do espa nol y encarga a uno de sus empleados que realice un estudio sobre este mercado. Le proporcionan
la siguiente informaci on sobre 20 modelos de similares caractersticas ya comercializados:
Y
i
= Ventas del modelo i realizadas en el ultimo a no en el estado espa nol, i = 1, . . . , 20 (millones
de pesetas).
P
i
= Precio del modelo i (miles de pesetas).
PC
i
= Precio medio del resto de modelos de similares caractersticas fabricados por otras empresas
(miles de pesetas).
Adem as, el departamento de publicidad ha realizado un informe sobre diferentes mercados, en el que se
concluye que en dos pases, Italia y Espa na, hay una gran proporci on de compradores j ovenes (JASP),
mientras que en el resto de pases la mayor mayor parte de la demanda son conductores de m as edad. El
encargado del estudio decide pedir a sus superiores los datos del mercado italiano, con objeto de tener
en cuenta las posibles relaciones existentes entre los dos mercados. Estos le proporcionan la misma
informaci on sobre ventas y precios de los 20 modelos en el mercado italiano.
a) Argumenta la(s) va(s) mediante las cuales las ventas de los coches en Espa na y en Italia podran
estar relacionadas. (Nota: recuerda que esto es un examen de econometra).
b) Especica un modelo, acorde con tus comentarios en el apartado anterior, que permita que la
inuencia de los precios sobre las ventas en los dos pases considerados sea distinta. Incluye los
supuestos que haces.
c) Explica el m etodo m as adecuado para estimar los par ametros del modelo.
d) Plantea el contraste de que los precios (P y PC) afectan del mismo modo a las ventas de coches
en los dos pases.
PROBLEMA LADE-1997.3 (Sep-1997)
Un investigador quiere analizar el comportamiento del consumo medio familiar, C
t
, en funci on de la
renta media familiar, Y
t
y del ndice de precios de consumo, P
t
para lo cual decide estimar el modelo:
C
t
=
1
+
2
Y
t
+
3
P
t
+u
t
t = 1, .., 50 (1)
Tras aplicar MCO, se obtienen los siguientes resultados:
C
t
( var)
=
51, 14
(12, 3)
+
0, 72
(0, 00487)
Y
t
0, 31
(0, 03)
P
t
t = 1, ..., 50 R
2
= 0, 98 DW = 1, 72 (2)
u
2
t
1566
= 7139, 61 + 0, 10Y
2
t
+ 1, 57P
2
t
+ e
t
SCR = 32563, 86 SCT = 50288, 26
42
a) Contrasta la hip otesis H
0
:
3
= 0 en el modelo (1) suponiendo que u
t
NID(0,
2
u
). Interpreta
el resultado.
b) Se sospecha que las perturbaciones pueden estar autocorrelacionadas y que, en particular, pueden
seguir un proceso autorregresivo de orden 1. Contrasta esta sospecha. Escribe la hip otesis nula, la
hip otesis alternativa y el estadstico de contraste.
c) Asimismo se sospecha que pueden existir problemas de heterocedasticidad en el t ermino de error
u
t
. Contrasta esta hip otesis con los datos proporcionados. Plantea la hip otesis nula, la hip otesis
alternativa, el estadstico, su distribuci on y la regla de decisi on.
Posteriormente, el investigador estima por MCO otros dos modelos, con los siguientes resultados:
(C/Y )
t
( var)
=
71, 76
(15, 36)
(1/Y
t
) +
0, 78
(0, 00328)
0, 60
(0, 004)
(P/Y )
t
(3)
(CY )
t
( var)
=
40, 76
(35, 36)
Y
t
+
1, 08
(0, 0328)
Y
2
t

0, 40
(0, 024)
(PY )
t
(4)
d) Si la varianza de u
t
est a relacionada con la variable Y
t
de forma que var(u
t
) =
2
Y
t
2
, elige la
transformaci on adecuada sobre las variables del modelo original para que en el modelo transfor-
mado desaparezca el problema de heterocedasticidad. Demuestra que en el modelo que has elegido
la perturbaci on cumple las hip otesis cl asicas.
e) En el modelo transformado elegido, efect ua el mismo contraste del primer apartado. Compara y
comenta los resultados de ambos contrastes. En base a ellos, consideras signicativa la variable
P
t
?
Sea el modelo P
t
= +
1
L
t
+
2
K
t
+u
t
t = 1, . . . , T donde:
P
t
es el logaritmo neperiano de la producci on.
L
t
es el logaritmo neperiano de la cantidad de trabajo empleada.
K
t
es el logaritmo neperiano de la cantidad de capital empleado.
a) Interpreta los coecientes
1
y
2
.
b) Obt en la matriz de varianzas y covarianzas de la perturbaci on si u
t
= 0, 3
t3
+
t
, (0, 4I).
c) Si u
t
= 0, 7u
t1
+
t
(0,
2
I)
I) Explica c omo estimaras los coecientes del modelo. Cita las propiedades del estimador pro-
puesto.
II) C omo contrastaras la hip otesis de rendimientos constantes a escala,
1
+
2
= 1?
43
La agencia de viajes CURRO considera que sus benecios anuales (Y ) dependen de sus gastos en pu-
blicidad (X) y de sus benecios del a no anterior. Para saber cu al ha sido la relaci on entre estas variables
durante los ultimos 5 a nos, decide estimar el modelo:
Y
t
=
1
+
2
X
t
+
3
Y
t1
+u
t
, t = 1, 2, . . . , 5 (5)
con los siguientes datos:
t 1 2 3 4 5
Y
t
-5 8 1 2 -2
X
t
2 8 3 3 0
a) Realiza la estimaci on de los par ametros de (5) por el m etodo de variables instrumentales, utilizando
X
t1
como instrumento para Y
t1
. Escribe cu ales son las matrices hasta llegar al resultado nal.
b) Te parece X
t1
un instrumento adecuado para Y
t1
? Por qu e?
c) Teniendo en cuenta que no se ha especicado la distribuci on de la perturbaci on, es posible que
exista alg un m etodo de estimaci on con mejores propiedades asint oticas? Explica el m etodo ade-
cuado para dos diferentes hip otesis sobre la distribuci on de la perturbaci on.
Se quiere buscar la relaci on entre la bolsa de Madrid y otras bolsas europeas mediante la siguiente
relaci on
MAD
t
=
0
+
1
LON
t
+
2
FRA
t
+u
t
(1)
donde MAD
t
, LON
t
y FRA
t
son las primeras diferencias de logaritmos de los ndices de la bolsa de
Madrid, Londres y Francfort respectivamente.
Empleando un muestra de 60 observaciones se han obtenido por MCO los siguientes resultados:
MAD
t
(Estadstico t)
=
0, 01
(1, 12)
+
0, 44
(2, 75)
LON
t
+
0, 27
(2, 35)
FRA
t
R
2
= 0, 45 (2)
a) Dada la siguiente ecuaci on auxiliar, contrasta la posible existencia de una estructura AR(1): u
t
=
u
t1
+
t
,
t
iid(0,
2
) en las perturbaciones:
u
t
(Estadstico t)
=
0, 15
(5, 19)
u
t1
0, 23
(0, 88)
LON
t
+
0, 01
(0, 58)
FRA
t
+ w
t
R
2
= 0, 09 (3)
0
44
b) Conoces alg un otro procedimiento para contrastar la misma hip otesis que en el apartado anterior?
Dene H
0
, H
a
, el estadstico y la regla de decisi on.
c) Si realmente existe un proceso AR(1) en u
t
, qu e propiedades tiene los estimadores MCOy qu e va-
lidez tienen los estadsticos t presentados en la ecuaci on (2)?
d) Si realmente existe un proceso AR(1) en u
t
y suponiendo que esta autocorrelaci on se debe a
la propia naturaleza de los datos y no a la mala especicaci on del modelo, c omo estimaras la
ecuaci on (1)? C omo contrastaras la signicatividad conjunta de las variables LON
t
y FRA
t
?
Sup on que se quiere estimar el siguiente modelo de regresi on lineal con datos trimestrales
Y
t
=
0
+
1
X
t
+
2
Y
t4
+u
t
, (4)
donde la variable X
t
se supone no estoc astica.
a) Cu al sera el m etodo adecuado de estimaci on de la ecuaci on (4) si u
t
iid(0,
2
)?
b) Es el estimador MCOde
0
,
1
y
2
insesgado y consistente si la perturbaci on u
t
sigue un proceso
AR(1): u
t
= u
t1
+
t
,
t
iid(0,
2
)?
c) Es el estimador MCOde
0
,
1
y
2
insesgado y consistente si la perturbaci on u
t
sigue un proceso
MA(1): u
t
=
t
+
t1
,
t
iid(0,
2
)?
En el modelo
Y
t
=
0
+
1
X
1t
+
2
X
2t
+u
t
, t = 1, 2, ..., T (5)
donde las variables X
1t
y X
2t
son no estoc asticas se cumple:
E(u
t
) = 0 t = 1, 2, ..., T
E(u
t
u
s
) = 0 t = s, t, s = 1, 2, ..., T
E(u
2
t
) = t/X
1t
t = 1, 2, ..., T.
a) C omo transformaras el modelo para que las perturbaciones cumplan las hip otesis b asicas? Obt en
la matriz de varianzas y covarianzas de las perturbaciones transformadas.
45
b) Qu e propiedades tienen el estimador MCO de
0
,
1
y
2
en la ecuaci on (5)? Si u
t
sigue una
distribuci on normal independiente, cu al es la distribuci on de este estimador?
c) Si quieres predecir por intervalo la variable Y
t
, utilizaras la f ormula habitual:
(X
t
/2
TK

u
_
1 +X
p
(X
X)
1
X
p
)?
Se quiere estimar mediante una muestra de datos trimestrales la siguiente ecuaci on para el n umero de
coches vendidos de una marca determinada (V
A
) en la provincia A:
V
A
t
=
A
0
+
A
1
P
A
t
+
A
2
A
A
t
+
A
3
A
A
t1
+u
A
t
, u
A
t
N(0,
2
A
) (6)
donde P
A
t
es el precio del coche y A
A
t
la cantidad gastada en publicidad para promocionar la marca en
el trimestre t. Se sospecha correlaci on contempor anea (E(u
A
t
u
B
t
) =
2
AB
, t) entre las perturbaciones
u
A
t
con las perturbaciones u
B
t
de la ecuaci on de la provincia B:
V
B
t
=
B
0
+
B
1
P
B
t
+
B
2
A
B
t
+
B
3
A
B
t1
+u
B
t
u
B
t
N(0,
2
B
) (7)
C omo estimaras las ecuaciones (6) y (7) suponiendo que los precios inuyen en las ventas de igual
manera? (
2
A
,
2
B
y
2
AB
son desconocidas.)
En una empresa del sector alimenticio se quiere estimar la siguiente ecuaci on de salarios (W
i
):
W
i
=
1
+
2
H
i
+
3
A
i
+u
i
donde H
i
son las horas trabajadas y A
i
es la antiguedad del empleado. Utilizando una muestra de 25
empleados se obtiene mediante MCO la siguiente estimaci on
W
i
(Estadstico t)
=
49,906
(2, 24)
+
982, 14
(4, 48)
H
i
+
4,571, 60
(2, 4)
A
i
DW = 1, 87 (1)
a) Se sospecha el incumplimiento de alguna de las hip otesis b asicas sobre las perturbaciones u
i
.
Contrasta la posible existencia de autocorrelaci on del tipo AR(1) en las perturbaciones. Sabiendo
que empleamos datos de secci on cruzada, te parece razonable el resultado de tu contraste?
b) Dada la estimaci on de la siguiente regresi on auxiliar, contrasta la posible existencia de heteroce-
dasticidad en u
i
u
2
i

2
=
3, 75
(2,08)
+
0, 3
(0, 17)
H
i
0, 02
(0, 01)
A
i
+ v
i
R
2
= 0, 47
25
i=1
v
2
i
= 61, 18 (2)
46
donde u
i
son los residuos MCO de la regresi on (1) y
2
es el estimador M aximo Verosmil de la
varianza de las perturbaciones u
i
. Sabiendo que empleamos datos de secci on cruzada, te parece
razonable el resultado de tu contraste?
c) Teniendo en cuenta los resultados de los contrastes anteriores y las gr acas que se proporcionan
a continuaci on, c omo mejoraras las estimaciones presentadas en la ecuaci on (1)? Describe deta-
lladamente el procedimiento de estimaci on que llevaras a cabo.
Horas trabajadas
S
a
l
a
r
i
o
s
80 96 112 128 144 160 176 192
125000
150000
175000
200000
225000
250000
275000
300000
325000
350000
Antiguedad
S
a
l
a
r
i
o
s
0 2 4 6 8 10 12 14
125000
150000
175000
200000
225000
250000
275000
300000
325000
350000
Un investigador quiere analizar el comportamiento del mercado de perfumes en un pais, en funci on de
los precios, (P), y de los gastos realizados en publicidad, (A).
V
t
=
1
+
2
P
t
+
3
A
t
+u
t
u
t
iid(0,
2
) t = 1, . . . , 100 (3)
donde V
t
es la cantidad vendida de perfume en el trimestre t.
a) Como consecuencia de la ocultaci on de datos por parte de las empresas, se observa que la variable
gastos en publicidad utilizada en (4), es solamente una aproximaci on de los verdaderos gastos
de publicidad, A
esto es, A
t
= A
t
+
t

t
iid(0,
2
),
t
y u
t
independientes. Por esta raz on,
la estimaci on Mnimo Cuadr atica del modelo viene dado por:
V
t
=
25727
(9871)
0, 96
(0, 33)
P
t
+
1, 36
(0, 4)
A
t
(4)
qu e podemos decir sobre los resultados presentados en (4)?
47
b) Supongamos que lo anterior es cierto. Sin embargo, se tiene la certeza de que los gastos de publi-
cidad reales no observables, A
t
, son una funci on creciente en el tiempo del tipo:
A
t
= 0, 05 t +
t

t
iid(0,
2
)
donde
t
y u
t
son independientes. Si se tiene en cuenta esta informaci on, cu al sera tu modelo a
estimar?, qu e propiedades tiene el estimador MCO en este nuevo modelo?
Sup on que el grupo Eroski te concede una beca para realizar un estudio sobre la demanda de los cerea-
les Eroski y los cereales Kellogs. El primer da de trabajo, la comisi on de estudios te presenta el
siguiente modelo
CE
t
=
e
+
e
PE
t
+
e
PK
t
+u
t
t = 1, . . . , 100 u (0,
2
u
I) (5)
CK
t
=
k
+
k
PK
t
+v
t
t = 1, . . . , 100 v (0,
2
v
I) (6)
donde CE y CK son las cantidades vendidas de cereales Eroski y Kellogs respectivamente. Las
variables PE y PK son los precios de ambas marcas de cereales.
a) Si las muestras fueran independientes, c omo estimaras las ecuaciones (5) y (6)?
b) Se sospecha de una posible correlaci on contempor anea entre ambas ecuaciones a trav es de las
perturbaciones, E [u
t
v
t
] =
uv
t, c omo estimaras las ecuaciones en este caso?
c) Teniendo en cuenta la correlaci on anterior, E [u
t
v
t
] =
uv
t, se quiere contrastar que la in-
uencia del precio sobre su propia demanda es id entica en ambas ecuaciones,
e
=
k
. C omo
llevaras a cabo este contraste? Dene la hip otesis nula, la alternativa, el estadstico y la regla de
decisi on.
Se dispone de datos de 50 regiones, para el a no 1995, sobre consumo de tabaco, Y
i
, gasto en publicidad,
X
2i
, y precio del tabaco, X
3i
. Con ellos se quiere hacer un an alisis econom etrico de la relaci on:
Y
i
=
1
+
2
X
2i
+
3
X
3i
+
4
X
2
3i
+u
i
i = 1, . . . , 50. (1)
donde E(u
i
) = 0 i
E(u
2
i
) =
2
i
E(u
i
u
j
) = 0 i = j
0
48
Se han obtenido las siguientes estimaciones con la muestra disponible:
MCO
=
_
_
2991
0, 18
552, 62
24, 57
_
V
a
(
MCO
) =
_
_
1802316
4, 62 0, 0001
349062 1, 01 67952, 9
16214, 6 0, 05 3167, 14 147, 97
_
_
donde

V
a
(
MCO
) es la estimaci on de la varianza asint otica de

MCO
seg un la expresi on de White.
a) Contrasta la hip otesis de que el gasto en publicidad no inuye en el consumo de tabaco.
b) En qu e situaci on o situaciones resulta ventajosa la utilizaci on del estimador de White?
Queremos analizar la evoluci on del precio de la vivienda en Bilbao, (P
Bt
), en los ultimos 48 a nos. Para
ello disponemos de datos sobre dos variables, los tipos de inter es, (r
t
), y la renta disponible, (Y
Bt
). Se
especica el siguiente modelo:
P
Bt
=
1
+
2
r
t
+
3
Y
Bt
+u
1t
t = 1950, ..., 1997 (2)
donde u
1t
N(0,
2
u
1
)
Estimado el modelo por MCO, obtenemos los siguientes resultados:
P
Bt
(

des(
i
))
=
0, 0844
(0, 0014)
0, 0123
(0, 1200)
r
t
+
0, 2556
(0, 1500)
Y
Bt
(3)
DW = 0, 9 R
2
= 0, 86
a) Contrasta la existencia de autocorrelaci on de primer orden en las perturbaciones.
Otro analista opina que una variable relevante a la hora de explicar los precios de las viviendas son los
precios de las mismas el a no anterior. Decide incluirla en el modelo y para ello especica la siguiente
relaci on:
P
Bt
=
1
+
2
r
t
+
3
Y
Bt
+
4
P
B(t1)
+u
1t
t = 1951, ..., 1997 (4)
Estimado este modelo por MCO con los mismos datos que el anterior se obtienen los siguientes resulta-
dos:
P
Bt
(

des(
i
))
=
0, 0744
(0, 0099)
0, 0113
(0, 1000)
r
t
+
0, 3556
(0, 1800)
Y
Bt
+
0, 1134
(0, 008)
P
Bt1
(5)
BG = 0, 94 R
2
= 0, 96
49
b) Contrasta la existencia de autocorrelaci on de primer orden en las perturbaciones.
c) Si estuvieras interesado en comprarte un piso el a no que viene, cu al de los dos modelos anteriores
utilizaras para predecir el precio del mismo? Raz onalo detalladamente.
Supongamos, a continuaci on, que tambi en disponemos de datos para analizar los precios de las viviendas
en Donostia. Se especica el siguiente modelo:
P
Dt
=
1
+
2
r
t
+
3
Y
Dt
+
4
P
D(t1)
+u
2t
t = 1951, ..., 1997 (6)
donde u
2t
NID (0,
2
u
2
)
Cov(u
1t
u
2t
) = 0 t, s
d) Se desea contrastar la hip otesis nula de que el par ametro que acompa na a la variable r
t
es igual en
ambas ecuaciones. Plantea la hip otesis nula, la alternativa, el estadstico de contraste y la regla de
decisi on.
e) Si se acepta la hip otesis nula de que ambos par ametros son iguales, c omo estimaras los par ame-
tros de ambos modelos? Qu e propiedades tendra dicho estimador?
Y
t
=
1
X
1t
+
2
X
2t
+u
t
t = 1, 2, . . . , T (7)
donde u
t
iid(0,
2
u
)
X
2t
y Z
t
son variables jas.
X
1t
= Z
t
+
t

t
iid(0,
2
)
a) Cu ando estimaras el modelo por el m etodo de variables instrumentales utilizando la variable Z
t
como instrumento para la variable X
1t
? Por qu e? Crea problemas la variable X
2t
? Por qu e?
A partir de una muestra de 52 observaciones se han obtenido los siguientes productos cruzados:
Y
t
X
1t
X
2t
Z
t
Y
t
100 80 -60 60
X
1t
100 -40 -10
X
2t
80 50
Z
t
40
50
por ejemplo
X
1t
X
2t
= 40
b) Siendo Z
t
el instrumento para X
1t
, estima los par ametros
1
y
2
del modelo utilizando el m etodo
de variables instrumentales.
Los resultados de estimar por MCO el modelo han sido:
Y
t
(

des(
i
))
=
0, 625
(0, 077)
X
1t
0, 4375
(0, 086)
X
2t
(8)
c) Contrasta la H
0
: E(X
1t
u
t
) = 0 sabiendo que:
V ar(
V I
) =
_
2, 1166 1, 0583
1, 0583 1, 2254
_
Como conclusi on del resultado del contraste cu al es el m etodo adecuado para estimar el modelo
(7)? Qu e propiedades tienen dichos estimadores?
En un estudio sobre la relaci on entre el consumo, (Y ) y la renta disponible de las familias, (X) se han
obtenido los siguientes resultados estimando por Mnimos Cuadrados Ordinarios:
Y
i
(

desv(
i
))
=
2, 30
(7,17)
+
0, 86
(0,05)
X
i
+ u
i
(1)
R
2
= 0, 9687 N = 115
Si sabemos que X
i
es una variable no estoc astica y:
u
i
NID(0, 1 + 2X
i
)
a) Qu e propiedades tienen los estimadores MCO de los par ametros del modelo (1) en muestras
nitas? Demu estralas.
b) Elige la transformaci on adecuada sobre las variables del modelo original para que en el modelo
transformado desaparezca el problema de heterocedasticidad. Demuestra que en el modelo que has
elegido la perturbaci on cumple las hip otesis cl asicas.
Se analiza la relaci on entre las ventas de un producto, (Y ) y su precio, (X) para lo cual se ha especicado
el siguiente modelo:
Y
t
= + X
t
+u
t
(2)
51
Disponemos de los siguientes datos:
t 1 2 3 4 5 6
Y 27 32 25 31 30 32
X 9 12 8 10 12 11
u -0,5 0 -1 2 -2 1,5
u = Y X
MCO

MCO
= (X
X)
1
X
Y
a) Hay evidencia de autocorrelaci on de primer orden en el modelo (2)? B asate en alg un estadstico
de contraste.
Se ha estimado el siguiente modelo:
Y
t
Y
t1
= (1
) +(X
t
X
t1
) +
t

t
N(0,
2
) (3)
para distintos valores de
obteniendo las siguientes Sumas de Cuadrados Residuales (SCR):
0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0

SCR 34,2 30,9 27,8 24,9 22,2 19,6 17,2 15,1 13,0 11,1
-0,1 -0,2 -0,3 -0,4 -0,5 -0,6 -0,7 -0,8 -0,9 -0,99
SCR 9,4 7,8 6,5 5,3 4,2 3,3 2,6 2,1 1,7 2,1
b) Dada la informaci on anterior, calcula las estimaciones de , y por el m etodo de Hildreth-Lu.
c) C uales son las propiedades de los estimadores del apartado anterior?
Tres investigadores deben estimar el siguiente modelo:
Y
t
=
1
Y
t1
+
2
X
t
+u
t
(4)
donde: Y
t
es el precio de venta de un piso de nueva construcci on en t.
X
t
es el tipo de inter es en t.
Sobre el modelo se tiene la
siguiente informaci on:
El modelo est a correctamente especicado.
La perturbaci on u
t
sigue una distribuci on normal con E(u
t
) = 0 t
52
Los tres investigadores no se ponen de acuerdo sobre el m etodo de estimaci on adecuado, por lo que de-
ciden presentar tres estimaciones alternativas:
Investigador 1: Presenta los siguientes resultados obtenidos con t = 2, . . . , 101
_

2
_
=
_

Y
2
t1
Y
t1
X
t
Y
t1
X
t
X
2
t
_
1
_

Y
t1
Y
t
X
t
Y
t
_
(5)
_
0, 831371
0, 882068
_
=
_
0, 00046 0, 00134
0, 00134 0, 0076
__
4442, 139
903, 487
_
(6)
donde adem as BG = 23, 24 SCR = 157, 43
a) Qu e m etodo de estimaci on est a utilizando? Raz onalo.
b) Qu e propiedades tienen sus estimadores? Realiza alg un contraste si lo crees necesario.
Investigador 2: Presenta los siguientes resultados obtenidos con t = 2, . . . , 101
_

2
_
=
_

X
t1
Y
t1
X
t1
X
t
X
t
Y
t1
X
2
t
_
1
_

X
t1
Y
t
X
t
Y
t
_
(7)
_
0, 770343
1, 060368
_
=
_
0, 003809 0, 00291
0, 01112 0, 012178
__
0, 770343
903, 0487
_
(8)
donde adem as BG = 27, 66 SCR = 165, 5112
c) Qu e m etodo de estimaci on est a utilizando? Raz onalo.
d) Qu e propiedades tienen sus estimadores? Realiza alg un contraste si lo crees necesario.
Investigador 3: Presenta los siguientes resultados con t = 3, . . . , 101
Sean Y
t
= (Y
t
Y
t1
), X
t
= (X
t
X
t1
),
_

2
_
=
_

Y
2
t1
t1
X
t1
X
X
2
t
_
1
_

Y
t1
Y
t
Y
t
_
(9)
_
0, 775642
1, 090742
_
=
_
0, 001035 0, 00117
0, 00117 0, 00938
__
1014, 806
245, 7676
_
(10)
u
t
u
t1
u
2
t1
= 0, 5387823 (11)
53
donde adem as u
t
= Y X
V I
BG = 0, 27 SCR = 118, 0408
e) Qu e m etodo de estimaci on est a utilizando? Raz onalo.
f) A la vista de lo comentado en los apartados anteriores, qu e investigador ha utilizado el mejor
estimador? Razona tu respuesta.
Un investigador, interesado en analizar las importaciones nacionales (Y ) correspondientes al perodo
1964-1985, propone el siguiente modelo de regresi on:
Y
t
=
1
+
2
X
2t
+
3
X
3t
+u
t
u
t
NID(0,
2
) (1)
donde X
2
es la renta nacional y X
3
son los precios relativos de las importaciones. Los resultados de la
estimaci on del modelo por MCO son los siguientes:
Y
t
(estadstico t)
=
273, 81
(2,80)
+
0, 2458
(19,03)
X
2t
+
0, 2467
(2,80)
X
3t
(2)
R
2
= 0, 9846 u
u = 10709, 1
a) Tienen los coecientes los signos esperados?
b) El investigador no se siente tranquilo sin vericar la inexistencia de un proceso autorregresivo
en las perturbaciones. Sabiendo que

1985
t=1965
( u
t
u
t1
)
2
= 18487, 85, realiza el contraste de
Durbin-Watson e interpreta el resultado.
c) En los pases occidentales los a nos 1964-1973 se correspondieron con un perodo de auge y los
a nos 1974-1985 con uno de recesi on. Por esta raz on el investigador decide generalizar el modelo
permitiendo la variaci on de los coecientes:
Y
t
=
1
+
2
X
2t
+
3
X
3t
+u
1t
u
1t
NID(0,
2
) t = 1964, . . . , 1973 (3)
Y
t
=
1
+
2
X
2t
+
3
X
3t
+u
2t
u
2t
NID(0,
2
) t = 1974, . . . , 1985 (4)
Los resultados obtenidos son:
=
_
_
270
0, 3
0, 34
_
_ u
1
u
1
= 3821, 8 =
_
_
282, 08
0, 564
0, 47
_
_ u
2
u
2
= 6276, 56 (5)
Contrasta la constancia de los coecientes. Interpreta el resultado del contraste e indica cu al de los
dos modelos parece conrmado por los datos.
0
54
d) Dado que la muestra corresponde a un perodo temporal el investigador se pregunta si la varianza
no ser a una funci on creciente del tiempo. Explica el procedimiento que seguiras para contrastar
esta hip otesis.
e) Con animo de llevar a cabo un contraste de heterocedasticidad, el investigador realiza las siguientes
regresiones auxiliares:
Y
t
=

1
+

2
X
2t
+

3
X
3t
u
1
u
1
= 1920, 46 t = 1964, . . . , 1972 (6)
Y
t
=
1
+
2
X
2t
+
3
X
3t
u
2
u
2
= 5135, 33 t = 1977, . . . , 1985 (7)
Contrasta la existencia de heterocedasticidad, bas andote en la informaci on proporcionada.
f) Dados los resultados de los apartados anteriores, qu e procedimiento elegiras para estimar el
modelo? Por qu e? Detalla el procedimiento as como las razones que te llevan a adoptarlo.
Los resultados de la estimaci on por MCO del modelo Y
t
=
1
+
2
X
2t
+
3
Y
t1
+u
t
con t = 2, . . . , 33
son:
Y
t
(estadstico t)
=
0, 5
(1,25)
+
3
(2,01)
X
2t
0, 59
(-8,61)
Y
t1
, R
2
= 0, 57 DW = 3, 24
a) Por qu e crees que es conveniente en este modelo contrastar la existencia de autocorrelaci on en
las perturbaciones?
b) C omo contrastaras la hip otesis anterior? Explica detalladamente el procedimiento del contraste
que propones. Explica cu ales son las modicaciones que llevaras a cabo en la estimaci on del
modelo en funci on del resultado obtenido en el contraste de autocorrelaci on. Si tienes datos, lleva
a cabo el contraste.
Un agr onomo desea estimar la relaci on entre el rendimiento de trigo (Y ) y la cantidad utilizada de abono
(X
). Para ello dispone de datos sobre el rendimiento y la cantidad de abono (X) declarada por el
productor que puede no coincidir con la cantidad utilizada (X
). Al mismo tiempo, conoce la variable

de gasto efectivo en la compra de abono (Z
i
), que cree es ex ogena, independiente del error de medida en
la cantidad de abono declarada y est a, al tiempo, correlacionada con la cantidad de abono que se utiliza.
Se dispone de 20 observaciones, de las que se obtienen los siguientes valores:
20
i=1
X
i
= 492, 78

20
i=1
Z
i
= 284, 4

20
i=1
Z
i
X
i
= 7369, 5
20
i=1
Y
i
= 434, 94

20
i=1
Z
i
Y
i
= 6472, 8
55
a) Escribe el modelo adecuado y explica con claridad el m etodo de estimaci on a utilizar y las razones
que te llevan a elegirlo.
b) Estima por un procedimiento consistente la relaci on entre Y y X
.
El due no de una peque na empresa os ha contratado en pr acticas a t y a otra persona para que analic eis
por separado la productividad (Y
i
) de sus 20 empleados en funci on de la nota de un test (X
i
) que les ha
hecho ( X
i
es siempre positivo). El que le presente al jefe los mejores resultados se queda con el trabajo.
Tu competidor ha sido m as r apido que t u. Ha estimado un modelo de regresi on simple por MCO, des-
preocup andose de si se cumplen las hip otesis b asicas o no. T u has sido m as lento porque te preocupaba
que hubiera heterocedasticidad. Has calculado el estadstico de Goldfeld y Quandt, agrupando a los 20
empleados en dos grupos disjuntos de 10 en funci on de la nota que han obtenido en el test. Este estadsti-
co te sale 6,62.
a) Explica los pasos hasta obtener el valor del estadstico y di cu al sera la conclusi on del contraste.
Prop on una forma funcional razonable para Var(u
i
) justicando tu elecci on.
b) Digamos que has elegido Var(u
i
) =
2
X
2
i
. Suponiendo que E(u
i
) = 0 i, E(u
i
u
j
) = 0
i = j, escribe el modelo que estimaras por MCO tras conseguir que sus perturbaciones sean
homoced asticas. Demuestra que lo son.
Los resultados de tu competidor que ha estimado por MCO son:
Y
i
=
6,57
(3.91)
+
0,89
(0.067)
X
i
R
2
= 0, 91
Los n umeros entre par entesis son desviaciones tpicas estimadas utilizando el estimador
2
(X
X)
1
.
T u en cambio has estimado el modelo por MCG y los resultados que le presentas al jefe son:
Y
i
=
6,12
(2.62)
+
0,9
(0.59)
X
i
c) C omo argumentaras ante tu jefe (quien recuerda unas nociones b asicas de estadstica) que la
conclusi on de tu competidor sobre la inuencia de X
i
en la productividad media de un trabajador
es err onea? Realiza los contrastes oportunos.
Sea el modelo Y
t
= + X
t
+ u
t
con u
t
= u
t1
+
t

t
NID(0,
2
) Con los siguientes

datos:
0
56
Y
t
3 3 4 3 2 2
X
t
1 2 3 4 5 6
a) Sabiendo que el valor poblacional de es 0,7, estima los par ametros y por el m etodo de
Mnimos Cuadrados Generalizados (MCG). Muestra explcitamente los c alculos.
b) Contrasta al nivel de signicaci on del 5 % la H
0
: = 1.
c) Suponiendo que tu tama no muestral es sucientemente grande, c omo estimaras si el valor pobla-
cional de fuera desconocido? Explica detalladamente todo el proceso.
Se quiere estimar el modelo
Y
t
= X
1t
+u
t
u
t
iid(0,
2
) (1)
y se sabe que X
1t
se determina con Y
t
ya que X
1t
= Y
t
+X
2t
donde E(X
2t
u
t
) = 0 t.
a) Demuestra que E(X
1t
u
t
) = (1 )
1
2
. Se supone que = 1.
b) Qu e implicaciones tiene este hecho en el estimador de aplicando el m etodo de Mnimos Cua-
drados Ordinarios (MCO) a (1)? Razona la respuesta.
c) Escribe explcitamente la f ormula de un estimador de alternativo para este modelo concreto
razonando por qu e lo escogeras.
Si se dispone de una muestra de 60 observaciones donde se han obtenido los siguientes productos cruza-
dos:
Y
t
X
1t
X
2t
Y
t
100 40 -60
X
1t
80 40
X
2t
100
por ejemplo

Y
t
X
2t
= 60.
d) Obt en la estimaci on de por el m etodo propuesto en c) y por el m etodo de MCO.
e) Contrasta al nivel de signicaci on del 5 % la H
0
: = 0. Suponer que
2
= 1.
f) Si el investigador ignorara que X
1t
= Y
t
+X
2t
, C omo podra darse cuenta de que E(X
1t
u
t
) = 0?
Explica y realiza el contraste. Suponer que
2
= 1.
0
CVS Id: $Id: 990e2.tex,v 1.2 2003/01/31 16:32:04 etpdihei Exp
57
PROBLEMA LE/LADE-1999.1 (Sep-1999)
Se tiene el siguiente modelo para el gasto familiar en alimentaci on:
Y
i
=
1
+
2
X
i
+
3
Z
i
+u
i
, i = 1, . . . , 38 (1)
donde
Y
i
es el gasto familiar en alimentaci on.
X
i
es la renta familiar total.
Z
i
es el n umero de miembros de la familia.
Los resultados de la estimaci on por MCO son
Y
i
( desv)
=
2, 24
(2,66)
+
0, 16
(0,03)
X
i
+
1, 14
(0,41)
Z
i
u
u = 644, 354 R
2
= 0, 449 (2)
a) Es el tama no de la familia una variable relevante del gasto en alimentaci on?
La representaci on gr aca de los residuos MCO en funci on de X
i
y Z
i
es la siguiente
A continuaci on, se calcula
2
=
u
u
38
y se realizan las siguientes regresiones por MCO:
u
2
i

2
= 0, 249 + 0, 349X
i
SCE = 13, 07 (3)
u
2
i

2
= 0, 398 + 0, 024Z
i
SCE = 2, 416 (4)
donde SCE es la suma de cuadrados explicada de las correspondientes regresiones.
b) Utilizando los gr acos y las regresiones (3) y (4), contrasta la posible existencia de heterocedasti-
cidad y prop on una forma funcional razonable para V ar(u
i
). Justica tu elecci on.
58
c) Dado el resultado del apartado b), qu e consecuencias tiene sobre el contraste realizado en a)?
d) Sup on que V ar(u
i
) =
2
X
2
i
, Cov(u
i
, u
j
) = 0, i = j. Calcula el vector Y
y la matriz X
del modelo transformado

Y
= X
+u
, u
(0,
2
II) (5)
a partir de las siguientes observaciones
Y
i
16 17 22 7 10 23
X
i
62 82 75 71 65 83
Z
i
1 5 3 4 5 3
Sea el modelo formado por las dos ecuaciones:
Y
1t
=
0
+
1
X
1t
+u
t
u
t
NID(0,
2
u
) (6)
Y
2t
=
0
+
1
X
2t
+v
t
v
t
NID(0,
2
v
) (7)
cov(u
t
, v
s
) =
_

uv
para t = s
0 para t = s
t, s = 1, . . . , T (8)
con
2
u
,
2
v
y
uv
desconocidas y distintas entre s. Explica el procedimiento de contraste de la hip otesis
H
0
:
1
=
1
, detallando todos los elementos. Razona la respuesta.
Y
t
=
0
+
1
X
1t
+
2
X
2t
+u
t
, t = 1966, . . . , 1995 con (9)
Y
t
= Inversi on en el a no t.
X
1t
= Producto interior bruto en el a no t.
X
2t
= Tipo de inter es en el a no t.
Los resultados de la estimaci on por MCO son:
Y
t
( desv)
=
6, 225
(2,51)
+
0, 77
(0,072)
X
1t
0, 18
(0,216)
X
2t
u
u = 299, 3 (10)
DW = 0, 85 R
2
= 0, 81
59
Los resultados de la estimaci on por el m etodo iterativo de Cochrane-Orcutt son:
Y
t
( desv)
=
7, 33
(3,73)
+
0, 78
(0,157)
X
1t
0, 29
(0,08)
X
2t
= 0, 61 (11)
a) En qu e situaci on utilizaras el m etodo de estimaci on de Cochrane-Orcutt? Por qu e?
b) Crees que en el modelo (9) se cumplen las condiciones mencionadas en a)? Guate por alg un
contraste.
c) Contrasta la hip otesis de que el tipo de inter es no afecta a la inversi on.
Sea el modelo
Y
t
= +X
t
+X
t1
+Y
t1
+u
t
(12)
con X ja y u
t
= u
t1
+
t
, donde
t
iid(0,
2
).
a) Es el estimador MCO consistente? Explica razonadamente por qu e.
b) Cambiara tu respuesta en a) si en lugar de Y
t1
tuvi esemos Y
t2
como variable explicativa en el
modelo? Por qu e?
c) En el modelo (12), prop on un estimador del vector de par ametros ( )
que por lo menos sea

consistente. Razona la respuesta.
En un trabajo se proponen dos posibles modelos para explicar la evoluci on de la demanda de gasolina.
Se dispone de datos trimestrales desde 1959 a 1990 (ambos a nos incluidos) de las siguientes variables:
Y = Gasto real per c apita en gasolina (en logaritmos).
X
2
= Precio real de la gasolina (en logaritmos). Variable no estoc astica.
X
3
= Renta real disponible per c apita (en logaritmos). Variable no estoc astica.
X
4
= Millas por gal on de gasolina (en logaritmos). Variable no estoc astica.
0
60
El primer modelo es:
Y
t
=
1
+
2
X
2t
+
3
X
3t
+
4
X
4t
+u
t
(1)
Los resultados de la estimaci on MCO son:
Y
t
( desv)
=
1, 51
(0, 12)
0, 14
(0, 01)
X
2t
+
0, 998
(0, 015)
X
3t
0, 52
(0, 02)
X
4t
R
2
= 0, 97 DW = 0, 74
u
t
( desv)
=
0, 01
(0, 09)
0, 003
(0, 008)
X
2t
0, 004
(0, 012)
X
3t
+
0, 004
(0, 004)
X
4t
+
0, 62
(0, 09)
u
t1
0, 007
(0, 107)
u
t2
+
0, 005
(0, 107)
u
t3
+
0, 087
(0, 09)
u
t4
+ e
1t
R
2
= 0, 42 DW = 2, 03
El segundo modelo es:
Y
t
=
1
+
2
X
2t
+
3
X
3t
+
4
X
4t
+ +
5
Y
t1
+v
t
(2)
Y
t
( desv)
=
0, 65
(0, 13)
0, 06
(0, 01)
X
2t
+
0, 47
(0, 06)
X
3t
0, 24
(0, 03)
X
4t
+
0, 54
(0, 09)
Y
t1
R
2
= 0, 98 DW = 1, 76
v
t
( desv)
=
0, 24
(0, 17)
0, 02
(0, 02)
X
2t
+
0, 13
(0, 09)
X
3t
0, 072
(0, 047)
X
4t
0, 14
(0, 09)
Y
t1
+
0, 22
(0, 12)
v
t1
+
0, 128
(0, 101)
v
t2
+
0, 105
(0, 091)
v
t3
+
0, 118
(0, 09)
v
t4
+ e
2t
R
2
= 0, 067 DW = 2, 01
a) En base a los resultados del modelo (1), crees que en dicho modelo se verican las hip otesis
b asicas? Realiza los contrastes que creas necesarios para justicar tu respuesta.
b) Razona cu ales son las propiedades del estimador MCO en el modelo (1).
c) En base a los resultados del modelo (2), crees que en dicho modelo se verican las hip otesis b asi-
cas? Realiza los contrastes que creas necesarios para justicar tu respuesta. Razona t u respuesta.
d) Razona cu ales son las propiedades del estimador MCO en el modelo (2).
e) C omo contrastaras la hip otesis de que la elasticidad renta es 1? Explica claramente todos los
elementos que intervienen: el modelo que utilizas, las hip otesis nula y alternativa, el estimador
que utilizas, el estadstico, su distribuci on y la regla de decisi on. Si dispones de datos, realiza el
contraste.
61
Y
i
=
1
+
2
X
i
+u
i
i = 1, . . . , N (3)
donde X
i
es no estoc astica, E(u
i
) = 0, E(u
2
i
) =
2
[1 + 0, 5X
i
]
2
i y E(u
i
u
j
) = 0 i = j
a) Escribe la matriz de varianzas y covarianzas del vector de perturbaciones.
b) Escribe el modelo transformado correspondiente al estimador MCG y demuestra las propiedades
de la perturbaci on del modelo que propongas.
c) Explica c omo estimaras los par ametros del modelo transformado. Qu e propiedades tienen tus
estimadores?
d) Utilizando el estimador MCG y suponiendo normalidad de u
i
, explica c omo realizaras el contraste
H
o
:
2
= 1. (No olvides explicar claramente qu e son cada uno de los elementos del estadstico
de contraste.)
e) El estimador MCO de los par ametros de la ecuaci on (3) es ineciente. Muestra c omo utilizaras
este estimador para contrastar la H
o
:
2
= 1 de forma tal que tu contraste sea v alido. (No olvides
explicar claramente qu e son cada uno de los elementos del estadstico de contraste.)
f) Son ambos contrastes equivalentes o preferiras alguno de los dos? Razona t u respuesta.
Se quiere estimar el modelo Y
t
= X
t
+ u
t
y se sospecha que puede haber factores no observables
recogidos en u
t
que est en correlacionados con X
t
.
a) Si esta sospecha fuese cierta, qu e implicaciones tendra en las propiedades del estimador de por
MCO? Razona formalmente la respuesta.
b) Bajo qu e condiciones X
t1
sera un buen instrumento para X
t
a la hora de obtener un estimador
de por variables instrumentales? Razona formalmente la respuesta.
Se dispone de una muestra de 60 observaciones donde se han obtenido los siguientes productos
cruzados:
Y
t
X
t
X
t1
Y
t
50 20 -30
X
t
40 20
X
t1
50
por ejemplo

Y
t
X
t1
= 30.
62
c) Usando la variable X
t1
como instrumento de X
t
, obt en la estimaci on de por el m etodo de
variables instrumentales.
d) Qu e hubiera ocurrido si

X
t
X
t1
= 0?
e) Suponiendo que u
t
iid(0, 1), contrasta la H
o
: E(X
t
u
t
) = 0 explicando detalladamente el
procedimiento de contraste utilizado.
Considera el modelo
Y
t
=
1
+
2
X
t
+u
t
con u
t
= u
t1
+
t
,
t
iid(0,
2
) (1)
donde X
t
se considera no estoc astica.
a) Obt en razonadamente la transformaci on apropiada Y
t
, X
1t
, X
2t
, u
t
para t = 1, . . . , T tal que
Y
t
=
1
X
1t
+
2
X
2t
+u
t
donde se satisface que u
t
iid(0,
2
).
b) Escribe la funci on objetivo que considera el criterio de estimaci on de
1
y
2
por Mnimos Cua-
drados Generalizados (MCG). Depende del valor de ?
c) Obt en en t erminos matriciales la matriz de varianzas y covarianzas poblacional del estimador de
1
y
2
por MCG y la del estimador de
1
y
2
por Mnimos Cuadrados Ordinarios (MCO).
Razona cu al tiene que ser menor y qu e implicaciones tiene esto sobre la elecci on entre estos dos
estimadores.
d) C omo obtendras un estimador consistente de si este par ametro fuera desconocido? Razona tu
respuesta.
e) Explica c omo contrastaras H
0
:
2
= 1 si no conoces el valor de . Escribe c omo se obtendran
todos los elementos del contraste, razonando si es o no apropiado para una muestra de 5 observa-
ciones.
Una empresa tiene dos plantas, una en Barcelona y otra en Madrid. Las funciones de costes en cada
planta son:
C
1t
=
1
+ W
1t
+
1
Y
1t
+u
1t
t = 1, . . . , 50 (2)
C
2t
=
2
+ W
2t
+
2
Y
2t
+u
2t
t = 1, . . . , 50 (3)
Siendo C: Costes, W: Salario, Y : Producci on.
63
Se supone que ambas ecuaciones cumplen las hip otesis b asicas, entre ellas
2
u1
=
2
u2
y adem as Cov(u
1t
, u
2s
) =
0 para todo t y s. Comenta la siguiente armaci on: La estimaci on del modelo conjunto por MCO es equi-
valente a la estimaci on de cada ecuaci on separadamente por MCO.
En el contexto del Modelo de Regresi on Lineal General y cumpli endose todas las hip otesis b asicas, enun-
cia el Teorema de Mann y Wald indicando la utilidad de dicho teorema y los resultados que proporciona.
Una entidad comercial en proceso de expansi on desea realizar un estudio sobre la relaci on entre el sector
industrial y el n umero de ocinas por provincia. Para ello dispone de una muestra de 50 observaciones
de las variables S (n umero de sucursales por provincia) y L (n umero de licencias comerciales, indicador
de la importancia del sector comercial). Su gabinete de estudios estima por MCO la siguiente ecuaci on:
S
i
=
1
+
2
L
i
+u
i
(4)
Los resultados de dicha estimaci on con las 50 observaciones son:
S
i
(t ratio)
=
22, 2
(3, 9)
+
0, 5
(5, 05)
L
i
, R
2
= 0, 3 (5)
La representaci on gr aca de la variable end ogena S
i
y de los residuos MCO del ajuste (5) sobre la
variable explicativa L
i
es la siguiente:
Variables del modelo Residuos MCO
a) El responsable del gabinete de estudios se muestra insatisfecho con estos resultados. Qu e proble-
mas crees que reejan los gr acos anteriores?
64
El mismo responsable propone dos posibles vas para mejorar la estimaci on. La primera consiste en
estimar por MCO la siguiente ecuaci on:
S
i
L
i
=
1
1
L
i
+
2
_
L
i
+
u
i
L
i
(6)
b) Cu al es la hip otesis b asica que se debe incumplir en el modelo (4) para utilizar el modelo (6)?
Cu al es la soluci on que est a proponiendo? En qu e espera mejorar respecto a la estimaci on MCO
primera (5)?
c) A la vista de la representaci on gr aca de la variable
S
i
L
i
y de los residuos del ajuste MCO del
modelo (6) sobre
L
i
, crees que est a resolviendo correctamente el problema?
La segunda posibilidad es que la relaci on entre S
i
y L
i
no sea lineal, sino exponencial
S
i
= exp{
1
+
2
L
i
+v
i
}, por lo que se estima por MCO el siguiente modelo:
ln S
i
=
1
+
2
L
i
+v
i
(7)
dando lugar a los siguientes resultados para toda la muestra de 50 observaciones:
ln S
i
(t ratio)
=
3, 31
(31, 0)
+
0, 02
(5, 3)
L
i
, R
2
= 0, 33 SCR = 10, 54 (8)
v
2
i
0, 21
=
0, 053
(0, 09)
+
0, 017
(1, 6)
L
i
+ e
i
, R
2
= 0, 014 SCR = 89, 72 (9)
Adem as, tras ordenar la muestra en funci on de los valores de la variable L, se han estimado dos regre-
siones (7) con las primeras y ultimas 12 observaciones. Las sumas de cuadrados de residuos obtenidas
son SCR
1
= 0, 77 y SCR
2
= 0,992 respectivamente.
d) Crees que el modelo (7) presenta el mismo problema de incumplimiento de hip otesis que el
modelo (4)? Justica tu respuesta mediante un contraste. Explica detalladamente lo que haces y
por qu e lo haces.
e) Alguna de las dos soluciones propuestas te parece mejor que la otra? Razona tu respuesta.
65
Se ha estimado por MCO el siguiente modelo con 140 observaciones:
Y
t
=
1
+
2
X
t
+
3
Y
t1
+u
t
(10)
Y
t
( desv)
=
25, 3
(6, 74)
2, 20
(0, 63)
X
t
+
6, 4
(0, 05)
Y
t1
R
2
= 0, 47 DW = 2, 2
u
t
( desv)
=
1, 19
(5, 34)
0, 27
(0, 51)
X
t
0, 02
(0, 84)
Y
t1
0, 10
(0, 08)
u
t1
0, 14
(0, 07)
u
t2
+
0, 58
(0, 07)
u
t3
R
2
= 0, 42 DW = 2, 03
El estimador MCO de
1
,
2
y
3
en este modelo,
a) Por qu e no es lineal en u?
b) Por qu e no es insesgado?
c) Por qu e no es consistente? Realiza los contrastes que consideres oportunos.
Un investigador quiere analizar la inuencia del grado de apertura de la economa nacional en el desem-
pleo Y
t
. Como variable indicativa del grado de apertura utiliza un indicador de las oscilaciones del tipo
de cambio Peseta/DolarUSA, X
t
, que se considera no estoc astico. Los datos, tanto de X como de Y , son
mensuales.
Los resultados de la regresi on por MCO son los siguientes:
Y
t
( desv.)
=
0,0004
(0,002)
+
0,064
(0,066)
X
t
(1)
R
2
= 0,002 T = 435 SCR = 0,820 DW = 1,425
a) Comenta el gr aco de los residuos. (Figura 3)
b) Realiza los contrastes de signicaci on individual de los par ametros.
c) Contrasta la existencia de autocorrelaci on en el modelo (1).
0
66
Figura 3: Residuos MCO
1963 1968 1973 1978 1983 1988 1993 1998
-0.24
-0.16
-0.08
0.00
0.08
0.16
0.24
0.32
d) Posteriormente, el investigador realiza las siguientes regresiones:
De 1962 a 1975
Y
t
( desv.)
=
0,005
(0,006)
0,102
(0,362)
X
t
(2)
R
2
= 0,0005 T
1
= 155 SCR = 0,753 DW = 1,441
De 1983 a 1999
Y
t
( desv.)
=
0,002
(0,0007)
+
0,067
(0,020)
X
t
(3)
R
2
= 0,055 T
2
= 196 SCR = 0,021 DW = 0,997
Figura 4: Residuos MCO: Modelos (2) y (3)
Residuos MCO 1962-1975
1963 1965 1967 1969 1971 1973 1975
-0.24
-0.16
-0.08
0.00
0.08
0.16
0.24
0.32
Residuos MCO 1983-1999
1983 1986 1989 1992 1995 1998
-0.032
-0.024
-0.016
-0.008
0.000
0.008
0.016
0.024
0.032
Qu e sugiere la gr aca de los residuos de la estimaci on por MCO de los modelos (2) y (3) en
comparaci on con los residuos de la muestra completa en la Figura 1? Contrasta la existencia de
heterocedasticidad en el total de la muestra especicando claramente las hip otesis nula y alterna-
tiva.
e) Consideras adecuada la estimaci on por MCO en (1)? Y los contrastes del apartado b)?
f) A continuaci on se estima por MCO el modelo incluyendo Y
t1
como regresor, para el periodo
1983-1999 (196 observaciones). Con los residuos u
t
se obtiene la regresi on auxiliar (5).
Y
t
( desv.)
=
0,0009
(0,0007)
+
0,047
(0,018)
X
t
+
0,480
(0,061)
Y
t1
R
2
= 0,281 (4)
u
t
( desv.)
=
0,0002
(0,0007)
0,152
(0,136)
u
t1
0,002
(0,018)
X
t
+
0,116
(0,117)
Y
t1
R
2
= 0,006 (5)
67
Compara los resultados de los modelos en (3) y (4) y comenta las propiedades de los estimadores
en ambos modelos. Realiza los contrastes que consideres oportunos.
Para analizar la relaci on entre el consumo de vino de Rioja y la renta per c apita, un investigador propone
estudiar la evoluci on de ambas variables en dos provincias distintas. Para ello plantea el modelo:
Y
1t
=
1
+
1
X
1t
+u
1t
t = 1, ..., T,
Y
2t
=
2
+
2
X
2t
+u
2t
t = 1, ..., T,
donde Y
it
, X
it
son el consumo de vino y la renta per c apita en la provincia i (i = 1, 2) en el periodo t.
Sabiendo que E(u
1t
u
2s
) = 0 t, s, escribe matricialmente el modelo conjunto y explica detalladamente
c omo estimaras el modelo en los siguientes casos, citando las propiedades de los estimadores:
a) u
1t
iid(0,
2
1
), u
2t
iid(0,
2
2
) con
2
1
=
2
2
desconocidas y
1
=
2
= .
b) u
1t
= 0,1u
1t1
+
t
y u
2t
iid(0,
2
2
) donde
t
iid(0,
2
), y
2
y
2
2
son desconocidas.
Un investigador desea analizar la relaci on entre los benecios y los impuestos que pagan 475 empresas
de Bilbao. Para ello propone el siguiente modelo:
Y
i
= X
i
+u
i
u
i
NID(0,
2
) (6)
donde Y
i
son los impuestos que paga la empresa i- esima, y X
i
son sus benecios.
Solicita informaci on sobre estos datos a la Hacienda Foral, pero por razones de condencialidad no puede
conseguir los datos de cada una de las 475 empresas, sino los datos medios para las empresas agregadas
en seis grupos:
Grupo 1 2 3 4 5 6
Y
j
25 21.33 22 22 22.8 24
X
j
106 92 91 97 99.4 100
n
j
100 225 100 9 25 16
donde n
j
es el n umero de empresas que forman el grupo j- esimo,

Y
j
=
1
n
j
iG
j
Y
i
es la media de
sus impuestos (en millones de pesetas) y

X
j
=
1
n
j
iG
j
X
i
la media de sus benecios (en millones de
pesetas).
68
Con estos datos se propone estimar el siguiente modelo
Y
j
=

X
j
+v
j
, j = 1, 2, ..., 6. (7)
a) Qu e relaci on hay entre y
? Y entre las varianzas de las perturbaciones u

i
y v
j
?
b) Estima de la mejor forma posible y comenta las propiedades del m etodo de estimaci on
empleado.
c) Contrasta la hip otesis de que los benecios no afectan al pago de impuestos en estas empresas.
Considera el siguiente modelo
Y
t
= Y
t1
+X
t
+u
t
t = 2, 3, ..., T,
u
t
= u
t1
+
t
, || < 1 desconocido,
t
iid
(0,
2
)
donde X
t
es una variable no estoc astica. De entre todos los m etodos de estimaci on que conoces, ex-
plica detalladamente el que ofrezca mejores propiedades para este modelo, se nalando cu ales son dichas
propiedades.
Sea el siguiente modelo uniecuacional:
Y
t
=
0
+
1
X
t
+
2
Z
t
+u
t
t = 1, . . . , 100 (1)
donde se sospecha que V ar(u
t
) =
2 1
Z
2
t
. Se sabe que X
t
y Z
t
no son estoc asticas, no existe autocorre-
laci on en las perturbaciones y Z
t
> 0 t.
a) C omo contrastaras en este modelo la existencia de este tipo de heterocedasticidad? Explcalo
con todo detalle.
Suponiendo que se acepta que Var(u
t
) =
2 1
Z
2
t
,
b) Transforma el modelo de forma que las perturbaciones sean esf ericas y demuestra que lo son.
Escribe la matriz de datos correspondiente al modelo transformado.
c) Explica c omo estimaras de la mejor manera posible (1) e indica sus propiedades. Explica con
detalle c omo estimaras
2
e indica sus propiedades.
69
Se dispone de los siguientes datos sobre los trabajadores de una peque na empresa
Hombres Mujeres
Salario (W
i
) N
o
Hijos (N
i
) Salario (W
i
) N
o
Hijos (N
i
)
5 1 1 2
2.5 0 2 0
3 3 8 2
a) Prop on un modelo econom etrico en el que el salario dependa del sexo y del n umero de hijos,
imponiendo las siguientes condiciones:
debe de haber una ecuaci on para hombres y otra para mujeres (no olvides incluir t ermino
independiente en cada una de ellas).
el efecto del n umero de hijos sobre el salario debe de ser com un para hombres y para mujeres.
no hay (a priori) ninguna otra relaci on entre las dos ecuaciones.
b) Suponiendo que las varianzas de las perturbaciones son iguales, estima los coecientes del modelo
de forma eciente (no hay autocorrelaci on).
c) Estima ecientemente el modelo si las varianzas de las perturbaciones son, respectivamente, 9
(Hombres) y 4 (Mujeres). No hay autocorrelaci on.
Sea Y
t
= + X
t
+ u
t
donde X es una variable ja y donde u (0, 3I). Sin embargo, los datos de
la variable end ogena se observan con error y solamente se disponen de datos de Y
t
= Y
t
+
t
, donde
(0, 5I) es independiente de la perturbaci on u. Por lo tanto, se estima el modelo Y
t
= +X
t
+v
t
.
a) Halla las propiedades de la perturbaci on v y explica qu e m etodo de estimaci on utilizaras y qu e pro-
piedades tiene.
b) Qu e ocurrira si
t
= 0,5
t1
+
t
(donde es una v.a. independiente de u tal que
(0, 0,75I))? Cambian las propiedades de v? Escribe su matriz de varianzas y covarianzas. Qu e im-
plicaciones tiene para la estimaci on del modelo?
Sea el modelo
Y
t
= +Y
t1
+X
t
+u
t
(2)
70
donde se sospecha que
u
t
=
t
+
t1
|| < 1
t
iid
(0,
2
)
Los resultados de la estimaci on MCO han sido:
Y
t
= 3,0214 + 0,5941Y
t1
+ 1,0161X
t
+ u
t
t = 2, . . . , 100 R
2
= 0,9984 DW = 1,1799
u
t
= 0,0405 + 0,4189 u
t1
0,0078Y
t1
+ 0,0206X
t
+ v
t
t = 2, . . . , 100 R
2
= 0,1707 DW = 1,841 v
t
iid
(0,
2
v
)
a) Contrasta la existencia de autocorrelaci on en el modelo (2), especicando todos los elementos del
contraste.
Si se acepta que u
t
=
t
+
t1
|| < 1
t
iid
(0,
2
),
b) Demuestra las propiedades del estimador MCO empleado.
c) Explica con detalle c omo pueden estimarse consistentemente (no es necesaria la eciencia) los
coecientes del modelo (2).
Una empresa ha encargado a dos t ecnicos, (t ecnico A y t ecnico B), el an alisis de la relaci on entre los
ingresos de la empresa, Y (medidos en miles de millones de pesetas), el precio de la gasolina, X (en
pesetas/litro), y el precio del transporte p ublico, Z (en pesetas). Para ello disponen de 90 observaciones.
El t ecnico A estima por MCO y obtiene los siguientes resultados:
Y
t
( desv)
= 12 +
1, 5
(0,4)
X
t
+
0, 8
(0,5)
Z
t
DW = 1, 64 (1)
Dados sus resultados, el t ecnico A concluye que no hay autocorrelaci on y arma:
(A1) Un aumento del precio de la gasolina de una peseta hace aumentar los ingresos de la empresa en
1500 millones de pesetas.
(A2) Los cambios en el precio del transporte p ublico no afectan a los ingresos de la empresa.
a) Dado el valor del DW es prudente la conclusi on de Ade que no existe autocorrelaci on? Explcate,
relaciona tu respuesta con sus armaciones (A1) y (A2).
El t ecnico B sospecha que existe un proceso AR(2) en las perturbaciones y estima por Mnimos
Cuadrados Generalizados Factibles obteniendo los siguientes resultados:
Y
t
( desv)
= 12, 8 +
1, 2
(0,5)
X
t
+
1, 0
(0,52)
Z
t
(2)
0
71
b) Describe detalladamente un procedimiento por el cual el t ecnico B podra haber llegado a la
conclusi on de que existe un proceso AR(2) en las perturbaciones.
c) Supongamos que efectivamente hay un AR(2). A la vista de la ecuaci on (2), modica las arma-
ciones (A1) y (A2) como creas necesario. Realiza los contrastes que necesites para llevar a cabo las
modicaciones. Cita las propiedades de los estimadores utilizadas para realizar tus armaciones.
Sea el modelo: Y
i
= X
i
+u
i
i = 1, 2, 3, 4
donde: X
i
es una variable ja
E(u
i
) = 0 i
E(u
i
u
j
) = 0 i = j
E(u
2
i
) =
2
i
= W
i
donde W
i
es una variable ja conocida i = 1, 2, 3, 4
u
i
N(0,
2
i
)
a) Escribe la matriz de varianzas y covarianzas de la perturbaci on bajo los supuestos anteriores.
b) Dadas las propiedades de la perturbaci on C omo deberamos estimar el modelo? Qu e propiedades
tendran tus estimadores?
c) Disponemos de la siguiente informaci on muestral:
W
i
Y
i
X
i
1 3 5
2 4 8
3 5 9
1 6 10
4
i=1
7 18 32
Estima ecientemente el par ametro . Estima
2
u
.
d) Contrasta la hip otesis nula H
o
: = 0.
Y
t
= +X
t
+u
t
(3)
donde u
t
iid(0,
2
u
) y X
t
ja pero no observable.
Se dispone de observaciones sobre Z
1t
tal que:
Z
1t
= X
t
+
1t

1t
iid(0,
2
1
)
72
donde E(
1t
u
t
) = 0 t.
a) Partiendo de la ecuaci on (3) escribe un modelo estimable en funci on de Y
t
y Z
1t
.
b) Demuestra que el estimador MCO de en el modelo:
Y
t
= +Z
1t
+v
t
t = 1, 2, . . . , T (4)
no es consistente.
c) Supongamos ahora que disponemos de dos variables ex ogenas, Z
2t
y Z
3t
, relacionadas con Z
1t
.
Teniendo en cuenta esta informaci on, c omo estimaras el par ametro para obtener un estimador
consistente con la menor varianza asint otica posible? C omo estimaras
2
v
?
Sup on que en el modelo:
Y
i
=
1
+
2
X
2i
+
3i
X
3i
+
i
i = 1, 2, . . . , 200 (1)
X
2i
y X
3i
son variables jas,
i
es un ruido blanco tal que
i
iid(0,
2
3i
es tal que:
3i
=
3
+a
i
donde
3
es jo y a
i
iid
N(0,
2
a
) es inobservable y E(a
i
i
) = 0 i
Si en vez de la ecuaci on (1) se estima:
Y
i
=
1
+
2
X
2i
+
3
X
3i
+u
i
i = 1, 2, . . . , 200 (2)
a) Cu ales son las propiedades de la perturbaci on u
i
?
b) Describe el proceso para obtener el estimador del vector con mejores propiedades asint oticas;
ctalas.
Y
t
=
1
+
2
X
t
+u
t
t = 1, 2, . . . , T (3)
donde u
t
iid(0,
2
u
)
X
t
= Z
t
+
t

t
iid(0,
2
)
73
a) Cu ando estimaras el modelo por el m etodo de variables instrumentales utilizando la variable Z
t
como instrumento para la variable X
t
? Por qu e?
A partir de una muestra de 52 observaciones se han obtenido los siguientes datos:
X
t
= 20

X
t
Y
t
= 70

X
2
t
= 1300
Y
t
= 50

Z
t
Y
t
= 90

Z
2
t
= 1000
Z
t
= 30

X
t
Z
t
= 40
b) Siendo Z
t
el instrumento para X
t
, estima los par ametros
1
y
2
del modelo utilizando el m etodo
de variables instrumentales.
Los resultados de estimar por MCO el modelo han sido:
Y
t
(

des(
i
))
=
0, 946
(0, 43)
+
0, 039
(0, 027)
X
t
(4)
c) Contrasta la H
0
: E(X
t
u
t
) = 0 sabiendo que:
V ar(
V I
) =
_
0, 018 0, 44
0, 44 1, 20
_
Como conclusi on del resultado del contraste cu al es el m etodo adecuado para estimar el modelo
(3)? Qu e propiedades tienen dichos estimadores?
En el modelo:
Y
t
=
1
+
2
X
2t
+
3
X
3t
+u
t
t = 1, 2, . . . , T (5)
donde:
X
2t
es una variable no estoc astica
X
3t
es una variable estoc astica independiente de u
t
u
t
iid(0,
2
u
)
a) Enuncia el teorema de Mann y Wald aplic andolo a la ecuaci on (5). Recuerda que tienes que incluir
las condiciones para que sea aplicable e indica claramente qu e resultados produce. Demuestra
las implicaciones que tiene este teorema para el estimador de MCO de los par ametros del modelo.
b) En la ecuaci on (5) indica c omo contrastaras la hip otesis de signicatividad conjunta de los regre-
sores. Escribe la hip otesis nula, la alternativa, el estadstico de contraste y su distribuci on, as como
la regla de decisi on. Indica claramente c omo se obtienen cada uno de los elementos del estadstico
de contraste.
74
Disponemos de 56 observaciones para las variables Y y X con las que se estima un modelo de regresi on
por MCO con los siguientes resultados:
Y
t
( desv)
=
1, 920
(0,640)
+
0, 478
(0,098)
Y
t1
3, 766
(0,874)
X
t
DW = 1, 7 (6)
siendo X una variable no estoc astica. Se dispone adem as del coeciente de bondad del ajuste para la
estimaci on por MCO de la siguiente regresi on auxiliar:
u
t,MCO
=
0
+
1
u
t1,MCO
+
1
Y
t1
+
2
X
t
+
t
R
2
= 0, 42 (7)
a) A la vista de los resultados, qu e propiedades tienen los estimadores propuestos? Justica razo-
nadamente cada una de ellas.
b) Prop on los mejores estimadores posibles dadas las caractersticas del modelo. Explica claramente
el proceso para conseguirlos.
c) Con los estimadores propuestos en el apartado anterior c omo contrastaras la signicatividad de la
variable end ogena retardada? Escribe el estadstico y su distribuci on indicando claramente cu ales
son cada uno de sus elementos y c omo conseguirlos.
Para modelizar la relaci on entre consumo familiar (Y ) y renta del cabeza de familia (X) se propone la
siguiente ecuaci on:
Y
i
= +X
i
+u
i
(1)
donde se supone que u
i
tiene distribuci on normal y se conocen los datos de 10 familias:
i 1 2 3 4 5 6 7 8 9 10 Suma
Y 8 91 191 22 55 32 81 176 138 31 825
X 4 49 100 9 25 16 36 81 64 16 400
Se ha estimado por MCO obteniendo:
_

_
=
_
N

X
i
X
i
X
2
i
_
1
_

Y
i
X
i
Y
i
_
=
_
10 400
400 25588
_
1
_
825
52176
_
=
_
2, 5
2
_
0
75
Adem as, se ha realizado la regresi on auxiliar:
u
2
i
48, 65
= 0, 245 + 0, 0311X
i
+ w
i
w
2
i
= 1, 1473 R
2
= 0, 89 (2)
donde u
i
son los residuos MCO del modelo (1).
a) Usa alg un m etodo gr aco para ver si existen indicios de heterocedasticidad. Comenta los resulta-
dos.
b) Contrasta la existencia de heterocedasticidad causada por la variable X
i
mediante el estadstico de
Breusch-Pagan. Plantea claramente la hip otesis nula, la alternativa, el estadstico de contraste y su
distribuci on. Comenta la abilidad del contraste anterior para este caso concreto.
c) Estima el modelo (1) por MCG suponiendo que V ar(u
i
) =
2
i
=
2
X
i
d) Es la variable renta del cabeza de familia, X, relevante para explicar el consumo familiar, Y ?
Para analizar la estructura de ventas de un determinado autom ovil se especica el siguiente modelo,
Y
t
=
1
+
2
P
t
+
3
Q
t
+
4
X
t
+u
t
(3)
donde Y
t
=ingresos por ventas del autom ovil en cuesti on, P
t
=precio del autom ovil, Q
t
=precio medio
del resto de autom oviles con similares caractersticas, X
t
= renta per c apita. Con una muestra de 100
observaciones se ha estimado el modelo por MCO obteni endose los siguientes resultados:
Y
t
( desv)
=
1, 5
(0, 2)
+
0, 1
(0, 3)
P
t
0, 5
(0, 15)
Q
t
+
0, 7
(0, 05)
X
t
(4)
R
2
= 0, 87 SCR = 215
a) Contrasta la signicatividad de P
t
, asumiendo que u
t
iid
(0,
2
u
). Comenta el resultado obtenido.
b) Utilizando uno de los siguientes resultados contrasta la existencia de autocorrelaci on de primer
orden en las perturbaciones:
u
t
= 0, 2 + 0, 3 u
t1
+ 0, 15P
t
+ 0, 12Q
t
+ 0, 01X
t
+ v
1t
R
2
= 0, 15 SCE = 75
u
t
= 0, 35 u
t1
+ 0, 22 u
t2
+ 0, 1P
t
+ 0, 16Q
t
+ 0, 04X
t
+ v
2t
R
2
= 0, 18 SCE = 74
u
t
= 0, 3 + 0, 24 u
t1
+ v
3t
R
2
= 0, 05 SCE = 56
u
t

2
= 0, 13 + 0, 2
u
t1

2
+ 0, 19P
t
+ 0, 02Q
t
+ 0, 09X
t
+ v
4t
R
2
= 0, 35 SCE = 98
Afecta el resultado del contraste de alguna forma al contraste realizado en a)?
c) Si u
t
= u
t1
+
t
donde
t
iid
(0,
2
) y || < 1 es desconocido, explica detalladamente como

estimaras de la mejor forma posible los par ametros del modelo (4).
d) En el marco descrito en c), c omo realizaras el contraste de signicatividad de P
t
? Explcalo.
76
En Y
t
=
1
+
2
X
t
+u
t
t = 1, 2, . . . , T, donde u
t
iid
(0,
1
20
) y tenemos los datos siguientes:
t 1 2 3 4 5 6 Suma
Y
t
5,0 4,0 3,5 4,0 4,5 5,0 26,0
X
t
6,0 7,0 6,0 7,0 8,0 8,0 42,0
a) Qu e ocurre si la variable X
t
es una variable medida con error, donde X
t
= X
t
+
t
? (Ayuda:
partiendo del modelo Y
t
=
1
+
2
X
t
+ w
t
, X
t
sera una variable no observable y w
t
y
t
son
perturbaciones independientes).
b) Si s olo se sospecha que X
t
est a medida con error, c omo contrastaras si el estimador MCO es
consistente? Realiza el contraste sabiendo que la correlaci on entre X
t
y X
t1
es 0,429 y que X
t1
no est a correlacionada con u
t
.
c) Suponiendo que de b) deduces que el estimador MCO es inconsistente, contrasta (no tengas en
cuenta que T es peque no) si la variable X
t
es signicativa.
Sea el modelo Y
t
= + X
t
+u
t
del que se conocen los siguientes datos:
t Y X
1 2 -3
2 10,2 5
3 17,9 13
4 2,3 -3
5 10 5
6 18,2 13
7 -5,7 -11
8 -14,1 -19
Sumas 40,8 0
Se ha estimado por MCO obteniendo:
_

_
=
_
T

X
t

X
2
t
_
1
_

Y
t
X
t
Y
t
_
=
_
8 0
0 888
_
1
_
40, 8
888
_
=
_
5, 1
1
_
a) Usa alg un m etodo gr aco para ver si existen indicios de autocorrelaci on. Comenta los resultados.
77
b) Contrasta si la perturbaci on u
t
sigue un proceso autorregresivo de primer orden. Plantea claramente
la hip otesis nula, la alternativa, el estadstico de contraste y la regla de decisi on.
c) Estima el par ametro si suponemos que la perturbaci on sigue un proceso autorregresivo de orden
1, u
t
= u
t1
+
t
donde
t
iid
(0,
2
) y || < 1.
d) Utilizando el resultado anterior estima los par ametros del modelo, y , por MCGF.
e) Es la variable X relevante para explicar Y ? Contr astalo, especicando claramente la hip otesis
nula, la alternativa y la distribuci on del estadstico de contraste.
Se quiere estudiar la relaci on entre las importaciones (Y
t
) y la renta (X
t
) de un pas. El modelo propuesto
es el siguiente:
Y
t
=
1
+
2
X
t
+
3
X
t1
+u
t
(1)
La estimaci on MCO con datos trimestrales de los a nos 1971 a 1996 es:
Y
t
( desv.)
=
12
(1, 01)
+
0, 89
(0, 3)
X
t
0, 16
(0, 3)
X
t1
R
2
= 0, 94 SCR = 17, 7 (2)
Adem as, con los residuos MCO de (2) se han realizado las siguientes estimaciones MCO:
u
2
t
0, 172
=
1, 51
(3, 18)
+
0, 003
(0, 004)
X
2
t
+e
t
R
2
= 0, 003 SCR = 655, 9 (3)
u
t
=
0, 35
(0, 74)
0,18
(0, 22)
X
t
+
0, 20
(0, 22)
X
t1
+
0, 8
(0, 17)
u
t1
+e
t
R
2
= 0, 50 SCR = 8, 51 (4)
a) Contrasta la existencia de heterocedasticidad. Escribe las hip otesis nula y alternativa, el estadstico
de contraste y el criterio de decisi on.
b) Contrasta la existencia de autocorrelaci on. Escribe las hip otesis nula y alternativa, el estadstico de
contraste y el criterio de decisi on.
Posteriormente se han realizado dos nuevas estimaciones de los par ametros del modelo (1). En la primera
se han estimado los par ametros por MCG suponiendo que la varianza de la perturbaci on es de la forma
V ar(u
t
) =
2
X
2
t
, obteniendo los siguientes resultados:
Y
t
( desv.)
=
11
(1, 01)
+
0, 99
(0, 3)
X
t
0, 32
(0, 3)
X
t1
(5)

2
= 1, 654 R
2
= 0, 93 SCR = 18, 8 DW = 0, 36
78
En la segunda se han estimado los par ametros por el m etodo iterativo de Cochrane-Orcutt:
Y
t
( desv.)
=
16
(2, 54)
+
0, 72
(0, 2)
X
t
+
0, 16
(0, 2)
X
t1
(6)
= 0, 7 R
2
= 0, 98 SCR = 4, 27 DW = 1, 8
c) Contrasta la H
0
:
2
= 0. Explica claramente el estimador que utilizas y por qu e.
Se quiere analizar la relaci on entre los dividendos ofrecidos por las empresas de una determinada indus-
tria, Y
i
, y sus benecios, X
i
, mediante la relaci on
Y
i
= X
i
+v
i
donde v
i
sigue una distribuci on normal.
a) Se sospecha que la dispersi on de los dividendos ofrecidos es mayor entre las empresas con mayores
benecios. Para contrastar tal hip otesis se estima por MCO el modelo para las 61 empresas con
mayores benecios y para las 61 con menores benecios obteniendose los siguientes resultados:
Mayores benecios:
Y
i
= 0, 3X
i
+ v
i
,
Y
2
i
= 47,
X
2
i
= 325,
X
i
Y
i
= 97, 5
Menores benecios:
Y
i
= 0, 22X
i
+ v
i
,
v
2
i
= 15, 3
Contrasta dicha hip otesis.
b) La variable X
i
se determina por las cantidades que las empresas declaran, que se sospecha que
diere de los verdaderos benecios obtenidos. C omo afecta este hecho al estimador de MCO de
? Argum entalo de una forma detallada estableciendo los supuestos que consideres necesarios.
c) Se disponen tambi en de los siguientes datos de los ingresos por ventas de las empresas (I
i
), que se
sabe que son exactos y, se considera que I
i
no es estoc astica:
I
2
i
= 525,
X
i
I
i
= 415,
I
i
Y
i
= 115
Suponiendo que v
i
iid(0,
2
v
=
1
2
) y teniendo en cuenta lo comentado en b) estima de la
mejor forma posible y comenta la propiedades del estimador utilizado. Teniendo en cuenta que el
tama no muestral es 150 contrasta la signicatividad de los benecios en la determinaci on de los
dividendos.
79
Un economista de la C amara de Comercio analiza las ventas de dos empresas locales del sector de
electrodom esticos de lnea blanca mediante el siguiente modelo:
_
V
1t
=
1
+
1
P
1t
+u
1t
u
1t
iid
(0,
2
1
) t = 1, . . . , T
V
2t
=
2
+
2
P
2t
+u
2t
u
2t
iid
(0,
2
2
) t = 1, . . . , T
donde
P
it
= gasto en el trimestre t en publicidad de la empresa i- esima.
V
it
= ventas en el trimestre t de la empresa i- esima.
Argumenta en qu e situaci on, siendo todos los par ametros de las 2 ecuaciones distintos, existe un esti-
mador preferible al de MCO ecuaci on por ecuaci on para este modelo. Especica cualquier supuesto que
tengas que hacer y describe detalladamente dicho estimador y sus propiedades.
Con una muestra de 15 pases se desea estimar el efecto que un aumento en las cotizaciones de la
Seguridad Social tendra sobre la parte de las cotizaciones a cargo de los trabajadores. La informaci on,
correspondiente al a no 1982, de las cotizaciones a la Seguridad Social (CSS) y la parte correspondiente
a los trabajadores (CSST), en ambos casos como porcentaje del total de ingresos scales se presenta en
las dos primeras columnas de la siguiente tabla:
CSS CSST u
Austria 31,9 13,5
B elgica 29,8 10,1 -0,08327
Dinamarca 2,8 1,5 -2,97434
Francia 43,2 11,5
Alemania 36,2 16,1
Irlanda 15,0 5,4 -1,65393
Italia 47,2 7,1
Jap on 30,4 10,7 0,38986
Luxemburgo 28,0 11,2 1,39732
Pases Bajos 41,6 18,0
Portugal 28,5 10,8 0,89160
Espa na 46,5 10,3
Suiza 31,0 10,2 -0,23700
Reino Unido 16,9 7,6 0,14433
EE.UU. 27,7 10,8 1,06076
0
Control de versiones: $Id: 02e2le.tex,v 1.3 2003/02/04 17:17:07 etpdihei Exp
80
Consideramos el siguiente modelo:
CSST
i
=
1
+
2
CSS
i
+u
i
i = 1, . . . , 15
Los resultados de la estimaci on del modelo anterior por MCO con la muestra de los 15 pases son los
siguientes:
CSST
i
(t estad.)
=
3, 8823
(1, 69)
+
0, 211442
(3, 01)
CSS
i
(1)
R
2
= 0, 365 SCR = 132, 7767
a) Fijate en la tabla, en la tercera columna se muestran los residuos MCO, u
i
. Indica la forma general
de obtener u
i
. A continuaci on completa los que faltan en la misma tabla y en el siguiente gr aco:
b) Una vez completado el gr aco comenta si crees que puede existir alg un problema razonando tu
respuesta.
c) Con la siguiente informaci on lleva a cabo el contraste de Goldfeld y Quandt. Debes de completar la
informaci on que falta y se nalar claramente todos los elementos del contraste incluidas la hip otesis
nula y la alternativa.
81
Primera submuestra
CSST
i
= 0, 463351 + 0, 374431CSS
i
(2)
CSST
i
1,5
CSS
i
2,8
u
1
-0,011759 0,808758 0,25257
Segunda submuestra
CSST
i
= 28, 9928 0, 395203CSS
i
(3)
CSST
i
13,5
CSS
i
31,9
u
2
1,413507 -0,420075 -3,239264
d) Dada la evidencia obtenida en los apartados anteriores y con la siguiente informaci on, estima e-
cientemente los coecientes del modelo. Explica c omo se obtiene este estimador y qu e supuestos
se est an haciendo para que este estimador sea eciente.
CSST
i
/CSS
i
1/CSS
i
Constante
i
= 1
CSST
i
/CSS
i
2,12814 0,3672255 5,47296
1/CSS
i
0,1463262 0,8374455
Constante
i
= 1 15
donde por ejemplo

CSST
i
/CSS
i
= 5, 47296.
e) Con el estimador que has propuesto en el apartado anterior contrasta la hip otesis nula de que un
aumento en las cotizaciones de la Seguridad Social recaera totalmente sobre los trabajadores, esto
es H
o
:
2
= 1. Indica todos los supuestos necesarios para que sea v alido el contraste.
En el modelo
Y
t
=
1
+
2
X
2t
+
3
X
3t
+u
t
u
t
iid(0,
2
)
donde X
2t
es una variable ja y X
3t
es una variable estoc astica .
Denotamos por al vector de par ametros desconocidos.
82
a) Por qu e el estimador de MCO no es lineal?
b) Qu e supuesto te garantiza que el estimador de por el m etodo de Mnimos Cuadrados Ordinarios
(MCO) sea insesgado? Demuestralo.
c) Si X
3t
es estoc astica y no independiente de u
t
pero E(X
3t
u
t
) = 0, t, es el estimador de por
MCO consistente? Demuestralo e indica los supuestos adicionales que te sean necesarios.
d) Si X
3t
es estoc astica pero se satisface el Teorema de Mann y Wald podemos hacer inferencia
sobre a pesar de no conocer la distribuci on de u
t
La compa na de tel efonos Euskaltel considera que sus ventas mensuales (Y ) dependen de sus gastos en
publicidad (X) y de sus ventas en el mes anterior. Para saber cu al ha sido la relaci on entre estas variables
durante los ultimos 5 meses decide estimar el siguiente modelo suponiendo que X
t
es una variable ja:
Y
t
=
1
X
t
+
2
Y
t1
+u
t
t = 1, . . . , 5 (4)
con los siguientes datos:
t Y
t
X
t
1 -10 4
2 16 16
3 2 6
4 4 6
5 -4 0
a) Estima los par ametros de la ecuaci on (4) por el m etodo de variables instrumentales utilizando X
t1
t1
. Muestra cu ales son las matrices que intervienen en el estimador hasta
llegar al resultado nal.
b) Teniendo en cuenta que no se ha especicado la distribuci on de la perturbaci on, es posible que
exista alg un m etodo de estimaci on con mejores propiedades asint oticas? Explica el m etodo de
estimaci on adecuado para dos diferentes hip otesis sobre la distribuci on de la perturbaci on.
Queremos estudiar las ventas de autom oviles del modelo Seat Le on en dos comunidades distintas, Pas
Vasco y Navarra. Para ello disponemos de los siguientes modelos:
Y
V
t
=
1
+
1
X
V
t
+
1
Z
V
t
+u
V
t
u
V
t
NID(0,
2
) t = 1, . . . , T (5)
83
Y
N
t
=
2
+
2
X
N
t
+
2
Z
N
t
+u
N
t
u
N
t
NID(0,
2
) t = 1, . . . , T (6)
donde u
V
t
Y u
N
t
son independientes, Y
s
t
son las ventas del Seat Le on en t, X
s
t
es el precio del modelo en
t, Z
s
t
es la renta disponible en t.(s = V para el Pas Vasco y s = N para Navarra). C omo contrastaras
que los coecientes de ambas ecuaciones son iguales? Especica la hip otesis nula, la alternativa, el
estadstico de contraste explicando c omo obtener cada uno de sus elementos y la regla de decisi on. En
caso de aceptar la hip otesis nula, qu e modelo deberamos estimar? Escrbelo.
Se dispone de observaciones anuales de las variables Consumo (C
t
) y Renta (R
t
) para un pas. Los datos
se muestran en las primeras columnas de la siguiente tabla:
Obs. C R

C u
1 8,547 11,0 8,0483680 0,498632
2 8,942 13,5 9,7986580 -0,856658
3 10,497 14,0 10,148716 0,348284
4 10,173 14,9 10,778820 -0,605820
5 11,997 15,1 10,918843 1,078157
6 10,729 18,0 12,949180 -2,220180
7 12,750 18,8 13,509273 -0,759273
8 15,611 19,1 13,719307 1,891693
9 13,545 21,0 15,049528 -1,504528
10 17,843 21,2 15,189551
11 21,610 34,0 24,151036
12 25,473 34,3 24,361070
13 24,434 35,0 24,851152
14 28,274 38,0 26,951500
Los resultados de la estimaci on por el m etodo de Mnimos Cuadrados Ordinarios (MCO) de la funci on
de consumo
C
t
=
1
+
2
R
t
+u
t
se muestran a continuaci on:
C
t
(t estad.)
=
0, 347092
(0, 31)
+
0, 700116
(14, 61)
R
t
(1)
R
2
= 0, 942 SCR = 30, 6381
a) La ultima columna de la tabla anterior muestra los residuos de la estimaci on anterior, compl etala
y haz lo mismo con la serie temporal del gr aco de residuos que se muestra a continuaci on. A la
vista del gr aco comenta razonadamente si existe alg un problema.
84
b) Obt en el valor del estadstico de Durbin y Watson y realiza el contraste para el cu al est a dise nado.
Indica todos los elementos del contraste incluyendo la hip otesis nula y la alternativa.
c) Utilizando la siguiente informaci on realiza el contraste de Breusch y Godfrey. Indica todos los
elementos del contraste incluyendo la hip otesis nula y la alternativa.
u
t
(t estad.)
=
0, 5679
(0, 603)
+
0, 0198
(0, 0385)
R
t
+
0, 75
(3, 338)
u
t1
+
t
R
2
= 0, 433 (2)
d) Dada la evidencia obtenida en los apartados anteriores, qu e consecuencias tiene en:
I) Las propiedades para muestras nitas del estimador de los coecientes del modelo. Razona
y demuestra tu respuesta.
II) La inferencia utilizando los estadsticos t mostrados en la ecuaci on (1). Razona tu respuesta.
e) Cambiara tu respuesta al apartado anterior si el problema detectado fuera consecuencia de omitir
alguna variable relevante? Razona tu respuesta.
f) Considera la siguiente informaci on y completa lo que falta, (est a indicado con puntos).
-0,99 -0,9 -0,8 -0,7 -0,6 -0,5 -0,4 -0,3 -0,2 -0,1 0,0 0,1
SCR
15,9 14,8 14,2 14,1 14,7 15,8 17,5 19,9 22,8 26,2 30,3 34,9
85
siendo
SCR
=
t=....
t=....
{(Y
1
X
1t
2
X
2t
}
2
(3)
Y
t
= C
t
C
t1
; X
1t
= ....................; X
2t
= ....................
_
2
_
_ =
_
_
.................. ..................
.................. ..................
_
_
1
_
_
..................
..................
_
_
I) qu e m etodo de estimaci on se est a utilizando?
II) C omo obtendras las estimaciones nales de
1
y
2
por este m etodo? Indica el valor elegido
de razonando tu elecci on y la f ormula para obtener el estimador de
1
y
2
Qu e propieda-
des tienen los estimadores obtenidos de estos par ametros?
III) C omo contrastaras H
0
:
2
= 1? Indica todos los elementos del estadstico de contraste,
as como la regla de decisi on.
En el modelo
Y
t
=
1
+
2
X
2t
+
3
X
3t
+u
t
t = 1, . . . , T
donde
X
2t
y X
3t
son variables jas
E(u
t
) = 0 t
E(u
2
t
) =
2
t
t = 1, . . . , T
E(u
t
u
s
) = 0 t, s t = s
a) Si
2
t
no es conocida: Escribe el estadstico y todos sus elementos as como la regla de decisi on
para realizar el contraste H
0
:
2
= 0 bas andote en el estimador MCO de
2
.
b) Si
2
t
=
2 1
X
2
3t
Explica c omo obtendras el estimador de
1
,
2
,
3
lineal, insesgado y eciente.
Razona tu respuesta.
Considera la siguiente relaci on
Y
1t
=
1
Y
2t
+
2
X
1t
+u
t
(4)
86
donde X
1t
es una variable ja y se cree que la variable Y
2t
puede estar correlacionada con el t ermino de
perturbaci on u
t
que se supone ruido blanco, es decir, u
t
iid(0,
2
u
). Por otro lado se sabe que
Y
2t
= X
2t
+
t
(5)
donde X
2t
es un regresor jo y
t
iid(0,
2
).
Una muestra de 25 observaciones da lugar a las siguientes sumas de cuadrados y de productos cruza-
dos:
Y
1t
Y
2t
X
1t
X
2t
Y
1t
100 80 -60 60
Y
2t
80 100 -40 -10
X
1t
-60 -40 80 50
X
2t
60 -10 50 40
donde por ejemplo

Y
1t
X
1t
= 60 y

Y
2
1t
= 100
a) Obt en la estimaci on de
1
y
2
en la ecuaci on (4) por Mnimos Cuadrados Ordinarios.
b) Bajo el supuesto de que E(Y
2t
u
t
) = 0, dene un estimador consistente de
1
y
2
. Escribe for-
malmente las condiciones que te aseguran esta propiedad y razona si se daran en este caso.
c) Obt en la estimaci on de
1
y
2
con el estimador propuesto en el apartado anterior.
d) Bajo el supuesto de
2
u
= 1, utiliza el contraste de Hausman para comprobar si hay evidencia de
que Y
2t
y u
t
est an correlacionadas. Explica el procedimiento de contraste, incluyendo la hip otesis
nula y alternativa.
e) Dado el resultado del contraste del apartado anterior, qu e estimador es preferible en este caso?
Por qu e?
Se quiere analizar la relaci on entre inaci on (Y
t
) y tipos de inter es (X
t
) para lo que se dispone de 100
observaciones mensuales. Para ello se especica el siguiente modelo
Y
t
=
0
+
1
X
t
+u
t
donde se considera que X
t
es una variable no estoc astica. Se estima por MCO y se obtiene
Y
t
( desv)
=
11, 59
(0, 86)
0, 58
(0, 14)
X
t
t = 1, 2, ..., 100. (1)
con los residuos representados en la gura 1.
0
Control de versiones: $Id: 02e2lade.tex,v 1.4 2003/02/04 17:29:23 etpdihei Exp
87
Figura 5: Residuos MCO
10 30 50 70 90
-10
-5
0
5
t
a) Comenta el gr aco de los residuos, se nalando si encuentras alguna evidencia contra el cumpli-
miento de alguna hip otesis b asica.
b) Con los siguientes resultados sobre los residuos contrasta la existencia de autocorrelaci on de tipo
AR(1) en las perturbaciones.
100
t=1
u
2
t
= 739, 3073 ,
100
t=2
( u
t
u
t1
)
2
= 194, 3556 ,
100
t=2
u
t
u
t1
= 632, 2639
c) Se piensa que la dispersi on en la inaci on es menor en los ultimos a nos. Contrasta dicha hip otesis
utilizando las dos regresiones siguientes que se han realizado separadamente con los 32 primeros
y con los 32 ultimos datos:
Y
t
( desv)
=
12, 83
(1, 05)
0, 58
(0, 17)
X
t
SCR = 126, 62, t = 1, 2, ..., 32,
Y
t
( desv)
=
9, 85
(1, 20)
0, 35
(0, 19)
X
t
SCR = 96, 22, t = 69, 70, ..., 100,
d) De acuerdo con tus resultados en b) y c) comenta las propiedades del estimador MCO de los coe-
cientes en (1).
e) Otro investigador opina que un modelo adecuado para explicar la relaci on entre tipos de inter es e
inaci on debera tener en cuenta el dinamismo existente en esta ultima, por lo que decide incluir
la inaci on en el mes anterior como regresor, obteniendo por MCO el siguiente modelo estimado,
88
Y
t
( desv)
=
4, 84
(0, 36)
0, 66
(0, 04)
X
t
+
0, 88
(0, 03)
Y
t1
t = 2, 3, ..., 100, (2)
R
2
= 0, 91 , DW = 1, 70
y las siguientes regresiones auxiliares:
i) u
t
= 0, 09 + 0, 16 u
t1
+ 0, 004X
t
0, 01Y
t1
+ v
1t
R
2
= 0, 024, SCT = 738, 3
ii) u
t
= 0, 35 u
t1
+ 0, 1X
t
+ 0, 06Y
t1
+ v
2t
R
2
= 0, 018, SCT = 738, 3
iii) u
t
= 0, 3 + 0, 24 u
t1
+ v
3t
R
2
= 0, 005, SCT = 738, 3
iv)
u
t

2
= 0, 13 + 0, 2
u
t1

2
+ 0, 19X
t
+ 0, 02Y
t1
+ v
4t
R
2
= 0, 354, SCT = 98, 7
Contrasta de manera adecuada la existencia de autocorrelaci on de primer orden en las perturbacio-
nes.
f) De acuerdo con lo obtenido en el apartado e), comenta las propiedades de los estimadores por
MCO en la ecuaci on (2). Cambian en algo tus conclusiones del apartado d)?
Se propone el modelo Y
t
=
1
X
t
+
2
Y
t1
+ u
t
, para analizar la relaci on entre dos variables, X e Y ,
donde X
t
se considera no estoc astica. Se disponen de los siguientes datos
t 1 2 3 4 5 6 7 8
X
t
10,3 11,7 6,3 -1,0 4,7 -1,6 6,2 3,1
Y
t
14,6 17,5 12,9 3,9 5,5 0,6 4,5 2,5
Se estima por MCO obteni endose los siguientes resultados
Y
t
( desv)
=
0, 88
(0, 11)
X
t
+
0, 41
(0, 06)
Y
t1
t = 2, 3, ..., 8. (3)
_

2
_
= (X
X)
1
X
Y =
_
250, 28 295, 37
295, 37 751, 89
_
1
_
342, 66
570, 26
_
=
_
0, 88
0, 41
_
a) Es la variable X
t
relevante en la explicaci on de Y
t
?
89
b) Si las perturbaciones presentan autocorrelaci on de primer orden, demuestra detalladamente las
propiedades asint oticas del estimador MCO anterior. Qu e validez tiene en este caso el contraste
realizado en a)?
c) En el caso de perturbaciones autocorrelacionadas prop on, si existe, un estimador del modelo an-
terior que mejore las propiedades del obtenido por MCO. Razona detalladamente la mejora que
obtienes. Calcula las estimaciones propuestas.
d) Si las perturbaciones siguiesen un AR(1) describe detalladamente un estimador asint oticamente
eciente.
Considera, para un pas determinado, el modelo macroecon omico formado por las ecuaciones
C
t
=
0
+
1
Y
t
+u
t
con u
t
NID(0,
2
u
)
Q
t
=
0
+
1
K
t
+
2
L
t
+v
t
con v
t
NID(0,
2
v
)
donde las variables (medidas en logaritmos) son C: consumo agregado, K: stock de capital, Y : renta
disponible, L: trabajo y Q: oferta agregada. Suponiendo que los regresores, Y , K y L, son no estoc asticos
y que
2
u
=
2
v
, ambas desconocidas, responde a las siguientes preguntas:
a) Si u y v son independientes, describe detalladamente c omo estimaras de la mejor forma posible
el modelo.
b) Tambi en bajo la hip otesis de independencia entre u y v, c omo contrastaras la hip otesis de rendi-
mientos constantes a escala, es decir, que
1
+
2
= 1?
a) Cu ales son las propiedades asint oticas deseables en un estimador? Defnelas.
b) En el modelo Y = X+u donde X es una matriz T K de variables aleatorias independientes de
u (0,
2
u
I), demuestra que la distribuci on asint otica del estimador MCO es
T(
MCO
)
d
N
_
0,
2
u
Q
1
_
siendo Q = plim
_
X
X
T
_
.
90
c) En el modelo anterior, c omo contrastaras la hip otesis de que el vector (K1) es igual a cero?
La expresi on te orica habitual que relaciona consumo (C
i
) y renta (Y
i
) de la familia i es la siguiente:
C
i
= Y
i
. Milton Friedman present o una crtica a esta teora del consumo, argumentando que el
consumo no est a relacionado con la renta obtenida cada a no (Y
i
), sino con una medida de la renta a
m as largo plazo, a la que denomin o renta permanente (Y
P
i
). As, la versi on m as sencilla de esta teora
sostiene que el consumo es proporcional a la renta permanente m as un componente aleatorio:
C
i
= Y
P
i
+u
i
i = 1, . . . , N; u
i
iid
(0,
2
u
) (1)
Y
i
= Y
P
i
+
i

i
iid
(0,
2
)
donde
i
sera el componente transitorio de la renta de la familia i. Adem as, Y
p
i
, u
i
y
i
son variables
aleatorias independiente entre s.
a) El problema surge a la hora de estimar la relaci on anterior (1), dado que la renta permanente no es
observable. Prop on un modelo donde puedas estimar el par ametro de la ecuaci on (1) utilizando
la variable Y
i
.
b) Qu e propiedades tiene el estimador MCO del del apartado anterior? Raz onalo detalladamente.
c) Se dispone de datos de la renta de hace 5 a nos (Y
5
i
) para los mismos individuos del modelo.
Siguiendo las ideas de Liviatan, esta variable estar a relacionada con Y
P
i
, ya que individuos que
fueran ricos hace 5 a nos probablemente tambi en lo ser an en el momento actual (de igual manera
los pobres), pero estar a incorrelacionada con el componente transitorio de la renta actual (
i
) y con
u
i
. Utilizando esta variable prop on un estimador del par ametro del modelo (1) que tenga mejores
propiedades que el del apartado anterior. Descrbelo detalladamente y razona sus propiedades.
De la macroeconoma b asica se sabe que los cambios en la oferta monetaria inducen cambios en los tipos
de inter es. Sin embargo, uno esperara que los cambios se produjeran a lo largo de varios periodos de
tiempo. Supongamos que otras variables, como el gasto p ublico, no afectan signicativamente a los tipos
de inter es. En el siguiente modelo, para datos trimestrales, se supone un efecto distribuido a lo largo de
cinco periodos:
R
t
= +
0
M
t
+
1
M
t1
+
2
M
t2
+
3
M
t3
+
4
M
t4
+u
t
91
donde R
t
es el tipo de inter es y M
t
es la oferta monetaria (que se supone no estoc astica).
a) Se ha estimado el modelo mediante MCO con 100 datos, obteniendo unos residuos cuyo coe-
ciente de autocorrelaci on muestral de primer orden ha tomado el valor = 0, 75. Teniendo en
cuenta este valor, contrasta la existencia de autocorrelaci on de tipo AR(1) en las perturbaciones
del modelo.
b) Qu e propiedades tiene el estimador de MCO en este modelo?
c) Si te piden que contrastes la hip otesis de que los cambios en la oferta monetaria no afectan al tipo
de inter es, c omo lo haras?
Se propone el siguiente modelo para explicar el comportamiento de una variable en dos pases, A y B :
Y
At
=
A
X
1At
+
A
X
2At
+u
At
, u
At
NID(0,
2
A
) (2)
Y
Bt
=
B
X
1Bt
+
B
X
2Bt
+u
Bt
, u
Bt
NID(0,
2
B
) (3)
X
1
y X
2
son dos variales no estoc asticas. Se dispone de dos muestras independientes de 102 observa-
ciones cada una. Los resultados de la estimaci on MCO de cada ecuaci on son los siguientes:
Y
At
( desv)
=
0, 145
(0, 059)
X
1At
+
0, 51
(0, 034)
X
2At
, SCR
A
= 1, 636
Y
Bt
( desv)
=
0, 161
(0, 053)
X
1Bt
+
0, 445
(0, 021)
X
2Bt
, SCR
B
= 1, 547
a) Se sospecha que V ar(Y
A
) > V ar(Y
B
). Comprueba esta hip otesis mediante el contraste de Gold-
feld y Quandt. Plantea las hip otesis nula y alternativa, el estadstico de contraste y su distribuci on
bajo H
0
.
b) Un modelo alternativo es Y
t
= X
1t
+ X
2t
+ u
t
con t = 1, . . . , 204, que se estimara consi-
derando conjuntamente los datos de los dos pases. La estimaci on de este modelo mediante MCO
proporciona los siguientes resultados:
Y
t
( desv)
=
0, 160
(0, 040)
X
1t
+
0, 464
(0, 018)
X
2t
, SCR = 3, 224 (4)
Suponiendo
2
A
=
2
B
, contrasta la igualdad de todos los par ametros entre las ecuaciones (2) y (3) .
92
c) Dado el resultado del apartado anterior, qu e modelo elegiras, (2-3) o (4)?, por qu e?
d) En el modelo que nalmente has propuesto, contrasta si la variable X
2
es signicativa.
PROBLEMA LADE-2002.8 (Dic-2002)
Explica la diferencia entre las propiedades de insesgadez y de consistencia de un estimador.
i) En el modelo Y
t
=
1
+
2
X
t
+
3
Y
t1
+u
t
, con u
t
= u
t1
+
t
y
t
iid(0,
2
), es Y
t2
un
buen instrumento de Y
t1
para el estimador de variables instrumentales?
ii) En el modelo Y
t
=
1
+
2
X
t
+
3
X
t4
+ u
t
con X ja, qu e contraste (o contrastes) conoces
para analizar la presencia de autocorrelaci on AR(4) en las perturbaciones? Escribe las hip otesis
nula y alternativa as como el estadstico de contraste. Explica c omo se obtienen los elementos que
intervienen en el estadstico.
i) Demuestra las propiedades del estimador MCO en el modelo Y
t
= X
t
+ u
t
donde X es una
variable ja y u
t
N(0,
2
t
) e independiente.
ii) En el mismo modelo del apartado i), contrasta la signicatividad de la variable X con los siguientes
datos de la estimaci on MCO:
= 3 R
2
= 0, 768 SCR = 988, 241
200
t=1
Y
t
= 3106, 54
200
t=1
X
t
= 1033, 7
200
t=1
X
2
t
= 5722, 017
200
t=1
X
t
u
2
t
= 6193, 82
200
t=1
X
2
t
u
2
t
= 41526, 84
200
t=1
X
2
t
u
t
= 260, 342
93
iii) Prop on un contraste v alido en muestras nitas de H
0
:
2
t
=
2
t frente a H
a
:
2
t
=
2
t
iv) Si se rechaza H
0
en el contraste anterior, qu e transformaci on deberas hacer sobre el modelo
Y
t
= X
t
+ u
t
para que el estimador MCO del modelo transformado sea eciente? Escribe la
expresi on de este

MCO
sin utilizar notaci on matricial.
En una revista leemos los siguientes resultados de una regresi on MCO con datos trimestrales de las varia-
bles Y = ventas, X
2
=gastos en publicidad y X
3
= gastos en investigaci on y desarrollo: (entre par entesis,
las desviaciones tpicas)
Y
t
=
1, 21
(0,21)
+
0, 63
(0,15)
X
2t
+
0, 74
(0,20)
X
3t
R
2
= 0, 94 T = 100 DW = 0, 83
Teniendo en cuenta estos resultados, el autor calcula el estadstico t =
0, 63
0, 15
y concluye que los gastos
en publicidad tienen un efecto signicativo sobre las ventas al nivel de signicaci on del 5 %. Est as de
acuerdo con esta conclusi on? Si tu respuesta es negativa, explica c omo contrastaras la signicatividad
del gasto en publicidad sobre las ventas.
Sea el modelo Y
t
= + X
t
+ u
t
donde X es una variable ja y u
t
i.i.d.(0, 2). Sin embargo, los
datos de la variable end ogena se observan con error y s olamente se dispone de datos de Y
t
= Y
t
+
t
,
donde
t
i.i.d.(0, 3) es independiente de la perturbaci on u
t
.
i) Escribe el modelo estimable.
ii) Halla las propiedades de la perturbaci on del modelo estimable y explica el m etodo de estimaci on
adecuado para obtener las mejores propiedades posibles. Indcalas.
94
Enumera tres de los diferentes casos que puedes encontrar al plantear un sistema formado por dos ecua-
ciones y explica c omo estimaras el modelo en cada uno de ellos.
PROBLEMA LE-2003.1 (Ene-2003)
i) Comenta esta armaci on: Aunque se satisfagan las condiciones del teorema de Mann y Wald en el
Modelo de Regresi on Lineal General no podemos contrastar hip otesis sobre si no conocemos la
distribuci on del t ermino de perturbaci on aleatoria.
ii) Demuestra las propiedades en muestras peque nas del estimador MCO en el modelo con heteroce-
dasticidad Y
i
= X
i
+u
i
con u
i
NID(0,
2
i
) y X ja.
iii) Obt en la media, varianza y covarianzas de la variable aleatoria u
t
si esta sigue un proceso de me-
dias m oviles de orden uno, MA(1).
iv) En el modelo y
t
=
1
+
2
X
t
+
3
y
t1
+u
t
, u
t
AR(1), es y
t3
un buen instrumento de y
t1
?
Razona brevemente tus armaciones.
v) Qu e es un sistema de ecuaciones aparentemente no relacionadas?
Un investigador, interesado en analizar las importaciones nacionales (Y ) correspondientes al periodo
1964-1985 propone el siguiente modelo de regresi on:
Y
t
=
1
+
2
X
2t
+
3
X
3t
+u
t
u
t
NID(0,
2
) (1)
donde X
2
es la renta nacional y X
3
son los precios relativos de las importaciones. Los resultados de la
estimaci on por MCO utilizando datos anuales son los siguientes:
Y
t
(estadstico t)
=
273, 81
(2,80)
+
0, 2458
(19,03)
X
2t
+
0, 2467
(2,80)
X
3t
(2)
R
2
= 0, 9846 u
u = 10709, 1
95
i) El investigador no se siente tranquilo sin vericar si existe o no autocorrelaci on en las perturba-
ciones. Sabiendo que

1985
t=1965
( u
t
u
t1
)
2
= 5354, 55, realiza el contraste de Durbin-Watson e
interpreta el resultado. Especica los elementos del contraste.
ii) Teniendo en cuenta el resultado obtenido en el apartado anterior, tiene validez contrastar la sig-
nicatividad individual de los coecientes del modelo utilizando los valores de los estadsticos t
mostrados anteriormente? Razona tu respuesta.
iii) Explica el procedimiento de Cochrane-Orcutt en dos etapas para estimar los par ametros de este
modelo.
Sup on que el ahorro de una persona depende de su renta permanente mediante la relaci on:
Y
i
= +R
i
+v
i
(3)
donde Y
i
es el ahorro anual y R
i
es la renta permanente anual de un trabajador. No es posible observar
la renta permanente R, por lo que el modelo de regresi on a estimar es:
Y
i
= +X
i
+u
i
(4)
siendo X
i
la renta anual de un trabajador, que se utiliza como aproximaci on a R. Los resultados de la
estimaci on MCO con datos de 50 individuos en el a no 1999 son:
_

_
MCO
=
_
4, 34
0, 856
_

2
MCO
(X
X)
1
= 1, 023
_
0, 7165 0, 009
0, 0001
_
i) La teora econ omica mantiene que la relaci on renta permanente-ahorro es positiva. Sin embargo,
la estimaci on MCO de la pendiente es negativa. Crees que pueda existir alg un problema que
d e lugar a esta aparente contradicci on? Razona tu respuesta.
Posteriormente se re-estima el modelo (4) mediante variables instrumentales. La variable instrumental
utilizada es el promedio de la ingresos obtenidos en los 10 a nos previos (1989-98) que obviamente,
est a muy relacionada con la renta permanente y tambi en con la renta anual actual. Los resultados son:
_

_
V I
=
_
0, 988
0, 039
_

2
V I
(Z
X)
1
Z
Z(X
Z)
1
= 1, 3595
_
1, 7088 0, 0223
0, 0003
_
ii) Cu al es la f ormula de

V I
? Y de
2
V I
?
96
iii) Realiza el contraste de Hausman. Relaciona estos nuevos resultados con tu respuesta del apartado
i).
Se quiere evaluar el rendimiento de la educaci on en t erminos del siguiente modelo
Y
i
=
1
+
2
EDU
i
+w
i
i = 1, ..., N
donde Y
i
y EDU
i
son las ganancias salariales anuales (en decenas de miles de euros) y el nivel de
educaci on de un individuo respectivamente. Adem as E(EDU
i
w
i
) = 0 para todo i y w
i
es un ruido
blanco.
Se dispone de una muestra de 1000 individuos. Sin embargo, se mide el nivel de educaci on a trav es de la
variable observada, a nos de estudio, S
i
, que est a medida con error, tal que S
i
= EDU
i
+
i
donde
i
es
un ruido blanco independiente de EDU
i
y de w
i
.
Utilizando el m etodo de Mnimos Cuadrados Ordinarios (MCO) en base a la informaci on muestral dis-
ponible, se han obtenido los siguientes resultados:
Y
i
( desv.)
=
2, 431
(0,078)
+
0, 03332
(0,0046)
S
i
a) Interpreta qu e indica la estimaci on obtenida para el par ametro
2
.
b) Explica en detalle qu e propiedades tendr a el estimador MCO de
1
y
2
si se ha utilizado la medi-
da de educaci on disponible S
i
en lugar de EDU
i
en el modelo. Razona tu respuesta.
Disponemos de una variable adicional P
i
, que mide los a nos de educaci on del padre de ese individuo i.
Para la muestra de 1000 individuos se tiene la siguiente informaci on:
i
Y
i
= 2988, 232

i
S
i
= 16707

i
Y
i
S
i
= 50071, 6

i
S
2
i
= 283539
i
P
i
= 14343

i
Y
i
P
i
= 42914, 7

i
P
i
S
i
= 240466

i
P
2
i
= 206469
i
Y
2
i
= 9028, 9
c) Prop on un estimador consistente alternativo al de MCO razonando bajo qu e condiciones sera con-
sistente y cu al ser a su distribuci on asint otica. Razona tu respuesta.
d) Calcula la estimaci on de
1
y
2
en base al estimador propuesto en el apartado anterior.
97
e) Si se ha utilizado un estimador consistente, c omo se ha obtenido la siguiente estimaci on de la
matriz de varianzas y covarianzas asint otica del estimador propuesto en c)? Indica todos los pasos
que se han realizado hasta llegar a este resultado.
V ar(
) =
98, 88
998
_
0, 2984084 0, 0178
0, 0178 0, 001065
_
f) Utilizando el estimador propuesto en el apartado c), contrasta la hip otesis de que un a no adicional
de educaci on supone un incremento medio en las ganancias salariales anuales de 720 euros. Escri-
be la hip otesis nula, la alternativa y todos los elementos del contraste.
g) Lleva a cabo el contraste de Hausman para analizar si es o no importante el problema de error de
medida. Escribe la hip otesis nula, la alternativa y todos los elementos del contraste.
h) Indica de manera razonada cu al de los dos estimadores elegiras teniendo en cuenta el resultado
del contraste de Hausman.
Se propone el siguiente modelo para la oferta de ca na de az ucar en Bangladesh:
ln(A
t
) = + ln(P
t
) +u
t
(1)
donde A es el area dedicada a la plantaci on de ca na y P es el precio del producto en el mercado. Se
dispone de 34 observaciones anuales de A y P. La estimaci on MCO es:
ln(A
t
)
( desv)
=
6, 11
(0, 17)
+
0, 97
(0, 11)
ln(P
t
) R
2
= 0, 706 (2)
Adem as, se han realizado los siguientes gr acos:
y las siguientes regresiones basadas en los residuos MCO, u:
u
t
= 0, 02 + 0, 012 ln(P
t
) + 0, 34 u
t1
R
2
= 0, 116 SCR = 2, 7
u
t
= 0, 38 + 0, 01t 0, 18 ln(P
t
) + 0, 32 u
t1
R
2
= 0, 13 SCR = 2, 61
e
2
t
= 1, 32 0, 02t R
2
= 0, 023 SCR = 46, 48
e
2
t
= 5, 20 0, 1t + 1, 74 ln(P
t
) R
2
= 0, 10 SCR = 42, 76
e
2
t
= 5, 74 0, 11t + 1, 87 ln(P
t
) 0, 18v
t1
R
2
= 0, 13 SCR = 41, 21
e
t
= 0, 22 + 0, 01t R
2
= 0, 001 SCR = 378, 62
e
t
= 3, 59 + 0, 08t 1, 51 ln(P
t
) R
2
= 0, 009 SCR = 375, 82
e
t
= 0, 51 0, 009t + 0, 17 ln(P
t
) 0, 18e
t1
R
2
= 0, 13 SCR = 0, 33
98
3.2
3.6
4.0
4.4
4.8
5.2
5.6
-2.8 -2.4 -2.0 -1.6 -1.2 -0.8 -0.4
log(P)
l
o
g
(
A
)
(a) Datos
-.8
-.6
-.4
-.2
.0
.2
.4
.6
.8
5 10 15 20 25 30
(b) Residuos MCO
Ao
r
e
s
i
d
u
o
s
con e
t
= u
t
/ y
2
=

t
u
2
t
/34.
a) Qu e informaci on proporciona el gr aco a) de los datos?
b) Qu e informaci on proporciona el gr aco b) de los residuos?
c) Se quiere analizar si la varianza ha cambiado a lo largo del tiempo. Realiza el contraste, detallando
todos los elementos, a partir de la informaci on dada en el enunciado.
d) Contrasta si existe autocorrelaci on en el modelo.
Posteriormente se han obtenido las siguientes estimaciones por MCGF:
ln(A
t
)
( desv)
=
6, 12
(0, 18)
+
0, 97
(0, 14)
ln(P
t
) SCR = 3, 052
t
= 0, 30/
t (3)
ln(A
t
)
( desv)
=
6, 82
(0, 29)
+
1, 31
(0, 12)
ln(P
t
) SCR = 5, 620
t
= 5, 066 t (4)
ln(A
t
)
( desv)
=
6, 09
(0, 24)
+
0, 94
(0, 16)
ln(P
t
) SCR = 2, 642 u
t
= 0, 34 u
t1
+e
t
(5)
ln(A
t
)
( desv)
=
6, 13
(0, 25)
+
0, 98
(0, 17)
ln(P
t
) SCR = 2, 532 u
t
= 0, 36 u
t1
+ 0, 002 u
t2
+e
t
(6)
e) Interesa saber si la elasticidad-precio es cero. Explica c omo lo contrastaras indicando claramente
el estimador que utilizas y c omo se ha obtenido. Utiliza la informaci on anterior para realizar el
contraste.
99
Explica, detalladamente, en qu e consiste el contraste de cambio estructural de Chow, bas andote en alg un
ejemplo.
Considera el siguiente modelo de regresi on:
Y
i
=
1
+
2
X
i
+u
i
i = 1, . . . , N
donde X
i
es no estoc astica, u
i
N(0,
2
i
), E(u
i
u
j
) = 0 para i = j y
2
i
es una funci on creciente con
X
i
.
a) Qu e problema existe en el modelo anterior? C omo podra detectarse? Explica en detalle el con-
traste que propones.
b) Qu e consecuencias tiene en los contrastes de hip otesis sobre
1
y
2
utilizar en los estadsticos t
o F el estimador
i
u
2
i
N2
(X
X)
1
Se dispone de una muestra de 800 observaciones con la siguiente informaci on:
i
X
i
= 330

i
X
2
i
= 144

i
1
X
i
= 2058

i
1
X
2
i
= 5683
i
1
X
i
= 1273

i
Y
i
= 2672

i
Y
2
i
= 9576
i
X
i
Y
i
= 1108

i
Y
i
X
i
= 6835

i
Y
i
X
2
i
= 18755

i
Y
i
X
i
= 4239
i
u
2
i
= 660

i
u
2
i
X
2
i
= 160

i
u
2
i
X
i
= 309
donde u
i
= Y
i

2
X
i
son los residuos resultantes de estimar los par ametros
1
y
2
por
mnimos cuadrados ordinarios.
c) Obtener las estimaciones de
1
y
2
por MCO.
d) Si se ha utilizado el estimador de White, c omo se ha obtenido la siguiente estimaci on de la matriz
de varianzas y covarianzas del estimador MCO de
1
y
2
? Indica explcitamente todos los pasos
que se han realizado hasta llegar a este resultado.
V ar
WHITE
(
MCO
) =
_
0, 04 0, 11
0, 11 0, 28
_
100
e) Utilizando las estimaciones obtenidas en el apartado c) y d), contrasta H
0
:
2
= 0 frente a
H
a
:
2
= 0.
f) Suponiendo que
2
i
= 4X
2
i
, c omo obtendras un estimador eciente de
1
y
2
? Explica en deta-
lle el procedimiento de estimaci on.
g) Calcula las estimaciones de
1
y
2
con el estimador eciente y su matriz de varianzas y covarian-
zas.
h) Contrasta H
0
:
2
= 0 frente a H
a
:
2
= 0 utilizando el estimador eciente de
2
.
i) Podran dar conclusiones distintas los contrastes realizados en d) y g)? Por qu e?
Tenemos el siguiente modelo:
Y
t
=
1
+
2
X
2t
+
3
X
3t
+u
t
donde se sospecha que hay autocorrelaci on de primer orden del tipo AR(1). Se estima el modelo por
MCO y se calcula la serie de residuos, obteni endose la siguiente informaci on:
t 1 2 3 4 5 6 7 8 9 10
u
t
1.5 -0.5 2.5 -3.5 1 1.5 -2.5 1 -1.5 0.5
t
u
t1
= 0, 5

t
u
t
u
t1
= 21, 25

t
u
2
t
= 34

t
u
t
u
t2
= 6
t
u
t1
u
t2
= 20, 5

t
u
2
t1
= 33, 75

t
u
2
t2
= 31, 5
a) Analiza la posible existencia de autocorrelaci on en las perturbaciones utilizando un m etodo gr aco
y un contraste. Explica claramente todos los elementos del contraste.
b) Obt en una estimaci on del par ametro del proceso AR(1), explicando en detalle c omo se obtiene.
c) Explica detalladamente c omo estimaras los par ametros del modelo utilizando la estimaci on obte-
nida del par ametro . Explica razonadamente todas las propiedades del estimador propuesto.
d) Si en el modelo se hubieran incluido como regresores retardos de la variable end ogena:
d.1) Sera v alido el contraste utilizado en el apartado a)? Por qu e? Qu e contraste sera v alido?
101
d.2) Sera able la estimaci on de obtenida en el apartado b)? Por qu e?
d.3) Cambiaras el procedimiento de estimaci on propuesto en el apartado c)? Por qu e? C omo?
Explica detalladamente.
102
Duraci on: 3 horas
INSTRUCCIONES
1. El examen consta s olamente de cuestiones, que se responden sobre la hoja de codicaci on propor-
cionada.
2. Para escoger una respuesta, basta efectuar una marca rellenando debidamente el rect angulo
sobre el que est a la letra escogida en la hoja de codicaci on. Pi ensalo antes; aunque puedes borrar
si escribes con l apiz (n umero 2 o HB), marcas que no est en perfectamente borradas pueden ser
ledas. Te aconsejamos que se nales sobre el formulario de examen las respuestas que te parezcan
adecuadas, y emplees los ultimos diez minutos del tiempo asignado en transcribirlas a la hoja de
codicaci on.
3. Hay siempre, en las preguntas de elecci on m ultiple, una unica respuesta correcta. Todas las cues-
tiones resueltas correctamente valen 1 punto mientras que las fallidas suponen una penalizaci on de
0.25 puntos. Las preguntas no contestadas no suponen penalizaci on.
4. Son precisos 25 puntos para superar el examen.
5. Rellena debidamente TODOS tus datos en la hoja de control, el presente cuestionario y en la hoja
de codicaci on. En dicha hoja, en el primer bloque de la izquierda, bajo el ttulo D.N.I/N.A.N.
debes escribir tu n umero de DNI en las celdas vacas y marcar el dgito correspondiente en la
columna de n umeros que hay bajo cada celda.
6. El formulario de examen tiene 13 p aginas numeradas correlativamente al pie (del 1.1 al 1.13) mas
una p agina con las tablas estadsticas. Cerci orate de recibirlas todas, y reclama si tu formulario
fuera incompleto.
7. Hay distintos tipos de examen.

Este es del tipo 1; marca un 1 en la columna I de tu hoja de codica-
ci on: PRESTA ESPECIAL ATENCI ON EN RELLENAR ADECUADAMENTE EL TIPO DE EXAMEN EN
LA CABECERA DE LA HOJA DE CODIFICACI ON, BLOQUE TERCERO (ENCABEZAMIENTO CON
N UMEROS ROMANOS), BAJO LA COLUMNA MARCADA CON (I). DEBES MARCAR EL 1 YA QUE
ESTE CUESTIONARIO ES DE TIPO 1 .
Los ex amenes con DNI y/o tipo de examen incorrecto o ausente se con-
siderar an SUSPENSOS.
9. Al acabar el examen has de entregar la hoja de codicaci on y el presente cuestionario con tus
datos personales.
10. Siglas utilizadas a lo largo del examen:
MRLG: Modelo de regresi on lineal general.
MCO: Mnimos cuadrados ordinarios.
MCG: Mnimos cuadrados generalizados.
MCGF: Mnimos cuadrados generalizados factibles.
VI: Variables instrumentales.
NID: Normal e independientemente distribuido.
iid: Id entica e independientemente distribuido.
SCR: Suma de cuadrados residual.
SCE: Suma de cuadrados explicada.
103
CUESTIONARIO LADE-2003 (Jun-2003)
1. [Pregunta-regalo] La capital de Espa na es:
(A) Pars (B) Madrid (C) Bagdad (D) Sebastopol (E) Edimburgo
2. Un estimador asint oticamente insesgado:
(A) tiene la varianza igual a cero.
(B) es un estimador insesgado tambi en en muestras nitas.
(C) es un estimador asint oticamente eciente.
(D) es un estimador consistente.
(E) puede ser sesgado en muestras nitas.
3. Se nala cu al de las siguientes armaciones es correcta:
(A) todo estimador consistente es insesgado.
(B) todo estimador insesgado es consistente.
(C) si un estimador es asint oticamente insesgado y su varianza tiende a cero cuando el tama no
muestral tiende a innito, entonces el estimador es consistente.
(D) todo estimador consistente es asint oticamente insesgado y su varianza tiende a cero cuando el
tama no muestral tiende a innito.
(E) todo falso.
Las cuestiones 4 a 6 hacen referencia al siguiente enunciado:
Sea el MRLG, donde se cumplen las hip otesis b asicas y plim
X
X
T
= Q es una matriz nita e
invertible, pero la perturbaci on NO sigue una distribuci on Normal.
4. Si

T
es el estimador MCO,
(A) no es posible obtener la distribuci on asint otica de

T
, ya que la perturbaci on no sigue una
distribuci on normal.
(B) aplicando los teoremas de Cramer y Mann-Wald, se obtiene:
T
_
T

_
=
_
X
X
T
_
1
X
T
p
N
_
0,
2
u
Q
1
_
(C) aplicando los teoremas de Cramer y Mann-Wald, resulta:
T
_
T

_
=
_
X
X
T
_
1
X
T
d
N
_
0,
2
u
I
_
(D) aplicando los teoremas de Cramer y Mann-Wald, se obtiene:
T
_
T

_
=
_
X
X
T
_
1
X
T
d
N
_
0,
2
u
Q
1
_
(E) aplicando los teoremas de Cramer y Mann-Wald, resulta:
T
_
T

_
=
_
X
X
T
_
1
X
T
p
N
_
0,
2
u
I
_
104
5. La consistencia del estimador de MCO se puede demostrar de la siguiente manera:
(A) plim

T
= + plim
_
X
X
T
_
1
. .
=Q
1
plim
X
u
T
. .
=0
=
(B) plim

T
= + plim
X
X
T
. .
=Q
plim
_
X
u
T
_
1
. .
=0
=
(C) plim

T
= + plim
X
X
T
. .
=Q
plim
X
u
T
. .
=0
=
(D) lm
T
E(
T
) = plim

T
=
(E) lm
T
V ar(
T
) = 0 plim

T
=
6. Indica cu al de las siguientes armaciones es cierta:
(A) Como no se tiene normalidad en las perturbaciones, estas no son esf ericas y por tanto, es
necesario estimar por MCG (en caso de conocida) y por MCGF (en caso de desconocida).
(B) Es posible estimar el modelo por MCO y realizar inferencia tanto en muestras nitas como
asint oticamente.
(C) Es posible estimar el modelo por MCO y hallar la distribuci on asint otica del estimador, de
forma que se puede realizar inferencia asint otica.
(D) No es posible estimar los coecientes del modelo por MCO, ya que la perturbaci on no sigue
una distribuci on Normal.
(E) Aunque la perturbaci on no siga una distribuci on Normal, los teoremas de Cramer y Mann-Wald
permiten hallar la distribuci on del estimador en muestras nitas y realizar inferencia.
7. En el modelo Y = X +u, con X no estoc astica, las hip otesis E(u) = 0 y E(uu
) =
2
donde
es una matriz no escalar conocida, implican entre otras cosas que:
(A) El estimador MCO de es sesgado.
(B) El estimador MCO de es lineal, insesgado y de mnima varianza entre los lineales e insesga-
dos.
(C) La matriz de covarianzas del estimador MCO de es
2
(X
X)
1
.
(D) El estimador MCO de es lineal e insesgado pero no es el de mnima varianza entre los
lineales e insesgados.
(E) Todo falso.
Considera el modelo Y
t
=
0
+
1
X
t
+ u
t
con t = 1, . . . , T, siendo X
t
no estoc astica y
u
t
NID(0, b t
2
) donde b es un par ametro desconocido.
105
8. Qu e m etodo elegiras para estimar el par ametro
1
del modelo de la forma m as eciente?
(A) VI.
(B) MCGF en el modelo original.
(C) MCG en el modelo original.
(D) MCO en el modelo original.
(E) La media aritm etica de Y
t
.
9. Cu al ser a el modelo transformado que has de utilizar para que se cumplan todas las hip otesis
b asicas?
(A)
Y
t
t
=
0
1
t
+
1
X
t
t
+
u
t
t
(B)
Y
t
t
2
=
0
1
t
2
+
1
X
t
t
2
+
u
t
t
2
(C) t Y
t
=
0
t +
1
t X
t
+t u
t
(D) t
2
Y
t
=
0
t
2
+
1
t
2
X
t
+t
2
u
t
(E)
Y
t
t
=
0
1
t
+
1
X
t
t
+
u
t
t
10. Cu al es la varianza de la perturbaci on en el modelo transformado?
(A) b
2
(B) 1/b (C) 1 (D) b (E) 1/b
2
Sea el modelo Y
t
= + X
t
+ u
t
con t = 1, . . . , T donde X es ja, u N(0,
2
) siendo
una matriz conocida, = I y
2
un par ametro desconocido. Se estima el modelo anterior primero
por MCO y se obtienen

MCO
y u
MCO
, despu es por MCG y se obtienen

MCG
y u
MCG
.
11. La matriz de varianzas y covarianzas de los estimadores

MCO
es:
(A)
2
(X
X)
1
(B)
2
(X
X)
1
(C)
2
(X
1
X)
1
(D)
2
(X
X)
1
X
X(X
X)
1
(E)
2
(X
X)
1
X
1
X(X
X)
1
12. Los estimadores

MCO
:
(A) no son insesgados. (B) no son los de mnima varianza. (C) no son normales.
(D) no son lineales. (E) no son consistentes.
13. Un estimador insesgado de
2
es:
(A)
u
MCG
u
MCG
TK
(B)
u
MCO
u
MCO
TK
(C)
u
MCG
u
MCG
T
(D)
u
MCG
u
MCG
TK
(E)
u
MCG
1
u
MCG
TK
14. Si se desea contrastar: H
0
: R = r frente a H
a
: R = r, el estadstico y su distribuci on
adecuados para realizar el contraste son:
(A) todo falso.
(B)
(R
MCO
r)
[R(X
X)
1
R
]
1
(R
MCO
r)/q
u
MCO
u
MCO
/(TK)
H
0
F
(q,TK)
106
(C)
(R
MCO
r)
[R(X
1
X)
1
R
]
1
(R
MCO
r)/q
u
MCO
u
MCO
/(TK)
H
0
F
(q,TK)
(D)
(R
MCG
r)
[R(X
1
X)
1
R
]
1
(R
MCG
r)/q
u
MCG
1
u
MCG
/(TK)
d,H
0
2
q
(E)
(R
MCG
r)
[R(X
1
X)
1
R
]
1
(R
MCG
r)/q
u
MCG
1
u
MCG
/(TK)
H
0
F
(q,TK)
15. Se tienen los datos de consumo (C) y renta disponible (R) de N familias, con los que se desea
estimar el modelo C
i
= + R
i
+ u
i
, donde u
i
iid(0,
2
u
). Las N familias se encuentran
distribuidas a lo largo de J provincias, de manera que en la provincia j hay N
j
familias. Para
manejar menos datos, con las N
j
observaciones de cada provincia j = 1, . . . , J se calculan los
consumos medios,

C
j
y rentas medias

R
j
(suponemos N
j
= N
j
para j = j
con j, j
= 1 . . . , J).
As se estima el modelo:
C
j
= +

R
j
+ u
j
j = 1, . . . , J.
Entonces se cumple que:
(A) u
j
siguen un proceso autorregresivo de orden 1 con coeciente positivo.
(B) u
j
siguen un proceso de medias m oviles.
(C) u
j
siguen un proceso autorregresivo de orden 1 con coeciente negativo.
(D) u
j
iid(0,
2
u
).
(E) u
j
son heteroced asticas.
16. Sea el modelo Y
t
= +X
t
+u
t
donde V ar(u
t
) = a Z
2
t
, siendo a un par ametro desconocido. A
los estimadores de MCG de este modelo se les llama tambi en estimadores de Mnimos Cuadrados
Ponderados porque:
(A) se da m as importancia a aquellas observaciones con un valor peque no de Z
2
t
.
(B) en V ar(u
t
) la variable Z
2
t
est a ponderada por a.
(C) se da m as importancia a aquellas observaciones con un valor grande de Z
2
t
.
(D) se pondera la inuencia que la variable X
t
tiene en Y
t
.
(E) todo falso.
17. Sea el modelo:
Y
t
=
1
+
2
X
2t
+
3
X
2
3t
+u
t
t = 1, . . . , 150.
con X
2t
y X
3t
no estoc asticas. Para contrastar que V ar(u
t
) = a Z
2
t
, siendo a una constante
desconocida, es correcto aplicar los contrastes:
(A) no el de Goldfeld y Quandt pero s el de Breusch y Godfrey.
(B) s el de Goldfeld y Quandt pero no el de Breusch y Pagan.
(C) s el de Goldfeld y Quandt y s el de Breusch y Pagan.
(D) no el de Goldfeld y Quandt pero s el de Durbin y Watson.
(E) s el de Goldfeld y Quandt y s el de Breusch y Godfrey.
107
18. Sea el modelo:
Y
t
=
1
+
2
X
2t
+
3
X
3t
+
4
X
4t
+u
t
.
Se sospecha que en este modelo V ar(u
t
) =
0
+
1
Z
1t
+
2
Z
2t
. Para llevar a cabo el contraste se
estima el modelo por MCO, se obtienen los residuos u y con ellos se estiman las dos regresiones
siguientes:
u
2
t
=
0
+
1
Z
1t
+
2
Z
2t
+
t
(1)
u
2
t
u
u/T
=
0
+
1
Z
1t
+
2
Z
2t
+
t
(2)
obteni endose sus sumas de cuadrados explicadas SCE
(1)
y SCE
(2)
y sus sumas de cuadrados
residuales SCR
(1)
y SCR
(2)
respectivamente. El estadstico para llevar a cabo el contraste y su
distribuci on asint otica adecuada son:
(A) SCE
(1)
/2 y
2
3
(B) T SCR
(1)
y
2
2
(C) T R
2
(2)
y
2
2
(D) SCE
(2)
/2 y
2
2
(E) T SCR
(2)
y
2
3
19. Cu ando es m as apropiado estimar por MCO en lugar de estimar por MCG o MCGF si existe
heterocedasticidad?
(A) Siempre.
(B) Nunca.
(C) Si V ar(u
t
) es conocida.
(D) Si V ar(u
t
) es desconocida pero estimable.
(E) Si V ar(u
t
) es desconocida y no estimable.
Un investigador desea comparar la funci on de consumo de la Comunidad de Madrid con la de
Catalu na. Para ello plantea las siguientes ecuaciones:
C
1t
=
1
+
1
R
1t
+u
1t
t = 1, . . . , T. (3)
C
2t
=
2
+
2
R
2t
+u
2t
t = 1, . . . , T. (4)
donde:
C
1
: Consumo agregado en la C. Aut onoma de Madrid.
C
2
: en la C. Aut onoma de Catalu na.
R
1
: Renta disponible en la C.A. de Madrid.
R
2
: en la C.A. de Catalu na.
Considera los siguientes estimadores:
E1: MCO en cada ecuaci on por separado.
E2: MCO en el modelo conjunto:
_
C
1
C
2
_
=
_
l R
1
0 0
0 0 l R
2
_
_
2
_
_
+
_
u
1
u
2
_
(5)
siendo C
1
un vector que contiene las T observaciones de C
1t
, C
2
lo mismo para Catalu na,
R
1
el vector de observaciones de R
1t
, R
2
el correspondiente a R
2t
y l un vector columna
formado por T unos.
108
E3: El estimador de MCG del modelo conjunto (5).
E4: El estimador de MCGF,

MCGF
= (X
1
X)
1
X
1
Y , del modelo conjunto (5), donde
E4
=
_

2
1
I 0
0
2
2
I
_
,
2
1
=
u
1
u
1
T K
1
,
2
2
=
u
2
u
2
T K
2
siendo u
1
los residuos de la estimaci on mediante E1 de la ecuaci on de Madrid y u
2
los de
Catalu na.
E5: El estimador de MCGF,

MCGF
= (X
1
X)
1
X
1
Y , del modelo conjunto (5), donde
E5
=
_

2
1
I
12
I

12
I
2
2
I
_
siendo
2
1
y
2
2
iguales que en E4 y
12
=
u
1
u
2
T
.
E6: MCO en el modelo conjunto:
_
C
1
C
2
_
=
_
l 0 R
1
0 l R
2
_
_
_ +
_
u
1
u
2
_
(6)
E7: MCGF con

E4
sobre el modelo (6).
E8: MCGF con

E5
sobre el modelo (6).
20. Si u
1t
iid(0,
2
) y u
2t
iid(0,
2
) son independientes, cu al de los siguientes estimadores de
los par ametros
1
,
2
,
1
y
2
presenta mejores propiedades?
(A) E8. (B) E5. (C) E1. (D) E7. (E) E6.
21. Si u
1t
y u
2t
son independientes, siendo ahora u
1t
iid(0, 1) y u
2t
iid(0, 2), cu ales de los
siguientes son estimadores lineales insesgados de mnima varianza?
(A) E4 y E5. (B) E5 y E8. (C) E1 y E5. (D) E4 y E7. (E) E1 y E3.
22. Si u
1t
iid(0,
2
1
), u
2t
iid(0,
2
2
) y Cov(u
1t
, u
2s
) =
_

12
si t = s
0 si t = s
siendo
2
1
,
2
2
y
12
desconocidos, el investigador debera utilizar:
(A) E3. (B) E4. (C) E7. (D) E1. (E) E5.
23. Si u
1t
NID(0, 2 t) y u
2t
NID(0, 7 t) son independientes entre s, cu al de los siguientes
estimadores tiene mejores propiedades?
(A) E1. (B) E3. (C) E4. (D) E5. (E) E2.
24. Si u
1t
iid(0,
2
1
), u
2t
iid(0,
2
2
), Cov(u
1t
, u
2s
) = 0 t, s,
1
=
2
y
2
1
,
2
2
son desconocidos,
cu al de los siguientes estimadores tiene mejores propiedades?
(A) E1. (B) E3. (C) E2. (D) E6. (E) E7.
Las cuestiones 25 y 26 hacen referencia al siguiente enunciado:
Al estimar Y
t
= + X
t
+ u
t
con T = 4 por MCO, se ha obtenido u
1
= 4, u
2
= 2, u
3
= 4
y u
4
= 6.
109
25. El valor del estadstico DW es:
(A) 0 (B) 2,39 (C) 0,14 (D) 3,07 (E) 4,78
26. Si u
t
sigue un modelo AR(1): u
t
= u
t1
+
t
con
t
iid(0,
2
), es:
(A) 0,194 (B) 4 (C) 1 (D) 1,11 (E) 0,375
27. Sea el modelo: Y
t
=
1
+
2
X
2t
+
3
X
3t
+ u
t
con t = 1, . . . , 10, donde se sospecha que hay
autocorrelaci on de tipo AR(1) en las perturbaciones (u
t
= u
t1
+
t
con
t
iid(0,
2
) y || <
1). Para contrastar dicha hip otesis, se estima el modelo por MCO, se calcula la serie de residuos
y se obtiene el estadstico de Durbin-Watson, DW. Al realizar el contraste de
_
H
0
: = 0
H
a
: < 0
al
nivel de signicaci on del 5 % cu al de los siguientes resultados sera correcto?
(A) 2 < DW < 4 d
s
= 2,36 Rechazamos la hip otesis nula.
(B) 4 d
i
= 3,30 < DW No rechazamos la hip otesis nula.
(C) 4 d
s
= 2,68 < DW < 4 d
i
= 3,12 No rechazamos la hip otesis nula.
(D) 4 d
i
= 3,12 < DW Rechazamos la hip otesis nula.
(E) todo falso.
t
=
1
+
2
X
2t
+ u
t
con t = 1, . . . , 100, en el que, al realizar un contraste,
se ha rechazado la hip otesis de ausencia de autocorrelaci on de tipo AR(1) en las perturbaciones
(u
t
= u
t1
+
t
con
t
iid(0,
2
) y || < 1). Estimaramos los coecientes del modelo de la

siguiente manera:
(A) Estimaramos por MCG, ya que podemos aproximar por medio del estadstico DW. Este
estimador no sera lineal ni insesgado pero s sera consistente.
(B) Estimaramos por MCG, ya que podemos aproximar por medio del estadstico DW. As,
obtenemos las propiedades de linealidad, insesgadez, varianza mnima y consistencia.
(C) Dado que es desconocido, estimaramos por MCGF obteniendo un estimador lineal, inses-
gado, con varianza mnima y consistente (por ejemplo, mediante el m etodo iterativo de Cochrane-
Orcutt o el m etodo de la red de b usqueda de Hildreth-Lu).
(D) Dado que es desconocido, estimaramos por MCGF obteniendo un estimador consistente
(por ejemplo, mediante el m etodo iterativo de Cochrane-Orcutt o el m etodo de la red de b usqueda
de Hildreth-Lu).
(E) El m etodo de estimaci on adecuado sera MCO, ya que tenemos perturbaciones esf ericas. Este
estimador ser a lineal, insesgado, con varianza mnima y consistente.
29. Consid erense los estimadores MCO, MCG y MCGF de los coecientes del modelo Y
t
=
1
+
2
X
t
+u
t
con X
t
no estoc astica y u
t
AR(1). Siempre es cierto que:
(A)

MCO
2
<

MCG
2
(B) V ar(
MCO
2
) V ar(
MCGF
2
) (C)

MCO
2

MCG
2
(D)
2
MCO

2
MCG
(E) V ar(
MCO
1
) V ar(
MCG
1
)
30. Lo que aparece en las siguientes opciones son resultados de regresiones auxiliares hechas tras
estimar por MCO el modelo Y
t
=
1
+
2
X
t
+
3
Z
t
+u
t
con T = 62. A partir de cu al de ellas
se puede concluir que existe autocorrelaci on de primer orden en las perturbaciones con un nivel de
signicaci on del 5 %?
110
(A) u
t
= 0,4 u
t1
+ v
t
SCR = 78 SCE = 12
(B) u
t
= 8 3X
t
+ 0,1Z
t
+ 0,3 u
t1
+ v
t
SCR = 80 SCE = 10
(C)
u
t

2
= 8 5,2X
t
+Z
t
+ 0,4
u
t1

2
+ v
t
SCR = 85 SCE = 20
(D)
u
2
t

2
= 10 2X
t
+ 0,2Z
t
+ v
t
SCR = 100 SCE = 30
(E) u
t
= 8 2,5X
t
+ 0,2Z
t
+ 0,3 u
t1
+ v
t
SCR = 85 SCE = 5
31. Sea Y = X + u con u
t
MA(1) [es decir, u
t
=
t

t1
con (0,
2
I)] y T = 4. El
n umero de elementos de E(uu
) distintos de cero es:

(A) 4 (B) 16 (C) 12 (D) 10 (E) 6
32. Sea Y = X + u con u
t
AR(1) [es decir, u
t
= u
t1
+
t
con (0,
2
I) y || < 1] y
T = 4. El n umero de elementos de E(uu
) distintos de cero es:

(A) 16 (B) 12 (C) 6 (D) 4 (E) 10
33. Sea el modelo Y
t
= + X
t
+ u
t
, con u
t
= 0,5u
t1
+
t
y
t
iid(0, 4). El coeciente de
autocorrelaci on entre u
t
y u
t2
,
2
, es:
(A) 2 (B) -2 (C) 0.25 (D) -0.25 (E) 0
Sea el modelo:
Y
t
=
1
+
2
X
2t
+
3
X
3t
+u
t
t = 1, . . . , T u (0,
2
u
I) (7)
donde X
2t
es una variable no estoc astica, X
3t
es una variable estoc astica y plim
X
X
T
= Q nita e
invertible.
34. En el modelo (7):
(A)

MCO
no es lineal porque X
2t
es una variable no estoc astica.
(B)

MCO
no es lineal porque X
3t
es una variable estoc astica.
(C)

MCO
es un estimador lineal si E(X
3t
) = 0 t.
(D)

MCO
es un estimador lineal ya que E(u
t
) = 0 t.
(E)

MCO
no es lineal porque u
t
es una variable estoc astica.
35. En el modelo (7), si X
3t
es dependiente de u
t
pero incorrelacionada contempor aneamente con ella:
(A) El estimador

MCO
es no lineal, generalmente sesgado e inconsistente.
(B) El estimador

MCO
es lineal, sesgado e inconsistente.
(C) El estimador

MCO
es lineal, insesgado y consistente.
(D) El estimador

MCO
es no lineal, insesgado y consistente.
(E) El estimador

MCO
es no lineal, generalmente sesgado y consistente.
111
36. En el modelo (7), si X
3t
es independiente de u
t
:
(A) Para contrastar la H
0
:
3
= 0 basta con utilizar la distribuci on en muestras nitas del estima-
dor MCO.
(B) Aunque se cumple el teorema de Mann y Wald, no podemos obtener la distribuci on asint otica
de

MCO
porque no conocemos la distribuci on de u
t
.
(C) Dado que se cumple el teorema de Mann y Wald, podemos obtener la distribuci on asint otica
de

MCO
y hacer inferencia en el lmite.
(D) No podemos hacer inferencia ya que no conocemos la distribuci on de u
t
.
(E) Todo falso.
37. En el modelo (7), si queremos contrastar la hip otesis nula E(X
3t
u
t
) = 0 contra la alternativa
E(X
3t
u
t
) = 0, podremos utilizar para ello el estadstico:
(A)
(
3,MCO
3,V I
)
2
V ar(
3,V I
)
V ar(
3,MCO
)
d,H
0
2
(1)
(B)

3,MCO
3,V I
Desv(
3,V I
)

Desv(
3,MCO
)
d,H
0
N(0, 1)
(C)
(
3,MCO
3,V I
)
2
V ar(
3,V I
)
V ar(
3,MCO
)
d,H
0
N(0, 1)
(D)

3,MCO
3,V I
Desv(
3,V I
)

Desv(
3,MCO
)
H
0
t
(T3)
(E)

3,MCO
3,V I
Desv(
3,V I
)

Desv(
3,MCO
)
d,H
0
2
(1)
38. Sea el modelo:
Y
t
=
1
+
2
X
2t
+
3
X
3t
+u
t
t = 1, . . . , T con u (0,
2
u
I)
donde X
2t
y X
3t
son variables no estoc asticas inobservables.

Unicamente se dispone de los valores
de las variables explicativas medidos con error. En este caso, en el modelo estimable,
(A) los estimadores

MCO
son siempre ecientes.
(B) los estimadores

MCO
son inconsistentes y un m etodo de estimaci on apropiado es Variables
Instrumentales.
(C) los estimadores

MCO
son inconsistentes y por tanto debemos estimar por MCG.
(D) los estimadores

MCO
son siempre consistentes.
(E) que los regresores est en medidos con error no crea problemas ni de eciencia ni de consistencia
en el estimador MCO.
Sea el modelo: Y
t
= +X
t
+u
t
donde u
t
iid(0,
2
u
) y X
t
es no estoc astica.
112
39. Si Y
t
es una variable aleatoria no observable y se relaciona con la variable observable Y
t
tal
que Y
t
= Y
t
+
t
donde
t
iid(0,
2
) y
t
es independiente de u
t
, el modelo estimable es
Y
t
= +X
t
+v
t
con
(A) v
t
iid(0,
2
u
+
2
+ 2
u
) y
u
= 0.
(B) v
t
iid(0,
2
u
+
2
).
(C) v
t
iid(0,
2
).
(D) v
t
iid(0,
2
u
).
(E) v
t
iid(0, 1).
40. Si Y
t
es una variable aleatoria no observable y se relaciona con la variable observable Y
t
tal que
Y
t
= Y
t
+
t
donde
t
iid(0,
2
) y Cov(
t
, u
t
) = 0,
(A) Si Y
t
no es observable debemos estimar los par ametros y por Variables Instrumentales.
(B) Si Y
t
no es observable no podemos estimar los par ametros y de ninguna forma.
(C) Dadas las propiedades de la perturbaci on del modelo estimable debemos estimar por MCGF
que ser a consistente y asint oticamente eciente.
(D) Dadas las propiedades de la perturbaci on del modelo estimable debemos estimar por MCO
que ser a consistente y asint oticamente eciente.
(E) Todo falso.
41. Si X
t
es una variable no observable tal que disponemos de la variable observable X
t
= X
t
+
t
donde X
t
es ja,
t
iid(0,
2
) y Cov(u
t
,
t
) = Cov(u
s
,
t
) = 0 t, s,
(A) plim

MCO
=

2
2
x
+
2
(B) plim

MCO
=

2
2
x
+
2
(C) plim

MCO
=
(
2
x
+
2
2
x
(D) plim

MCO
=
(
2
x
+
2
2
x
(E) plim

MCO
=
Sea el modelo R
t
= +
0
M
t
+
1
M
t1
+
2
M
t2
+
3
M
t3
+u
t
con u (0,
2
u
I) donde R
t
es el tipo de inter es, M
t
es la oferta monetaria, que consideramos estoc astica, y las observaciones
son datos temporales trimestrales para un determinado pas.
42. Se nala cu al de las siguientes armaciones es correcta:
(A) si M
t
est a autocorrelacionada, esto puede causar un alto grado de multicolinealidad en este
modelo, haciendo que los valores estimados de los coecientes
j
no sean muy ables.
(B) si E(M
tj
u
t
) = 0 para alg un j entre 0 y 3, se cumplen las condiciones del Teorema de Mann
y Wald, y por tanto, los estimadores de MCO son consistentes.
(C) si E(M
tj
u
t
) = 0 para alg un j entre 0 y 3, lo mejor sera estimar por MCG.
(D) si M
t
est a autocorrelacionada, los estimadores MCO ser an siempre inconsistentes.
(E) todo falso.
113
43. Se ha calculado el estadstico de Hausman (H) para las cuatro variables explicativas, entonces:
(A) si H > 9,49, al nivel de signicaci on del 5 % concluiramos que los estimadores MCO son
consistentes.
(B) si H > 9,49, al nivel de signicaci on del 5 % concluiramos que los estimadores MCO son
inconsistentes.
(C) si H > 11,07, al nivel de signicaci on del 5 % concluiramos que los estimadores MCO son
consistentes.
(D) si H > 11,07, al nivel de signicaci on del 5 % concluiramos que las perturbaciones est an
autocorrelacionadas y, por tanto, habr a que estimar el modelo por MCGF.
(E) si H > 9,49, al nivel de signicaci on del 5 % concluiramos que las perturbaciones est an
autocorrelacionadas y, por tanto, habr a que estimar el modelo por MCGF.
44. Sea el siguiente modelo din amico Y
t
=
1
+
2
X
t
+
3
Y
t1
+ u
t
, donde X
t
es no estoc astica,
u
t
= u
t1
+
t
y (0,
2
I). Se nala cu al de las siguientes armaciones es la correcta:

(A) todo falso.
(B) dado que E(Y
t1
u
t
) = 0, lo m as adecuado es estimar por MCO el modelo: Y
t1
=
1
+
2
X
t1
+
3
Y
t2
+
t
y utilizar

Y
t1
como instrumento de Y
t1
para estimar el modelo por
Variables Instrumentales.
(C) dado que E(Y
t1
u
t
) = 0, a la hora de estimar el modelo por Variables Instrumentales, Y
t2
es un buen instrumento para Y
t1
.
(D) dado que E(Y
t1
u
t
) = 0, a la hora de estimar el modelo por Variables Instrumentales, X
t1
es un buen instrumento para Y
t1
.
(E) dado que E(Y
t1
u
t
) = 0, los estimadores MCO son consistentes.
En el modelo Y
t
=
1
+
2
X
t
+
3
Y
t1
+u
t
con X
t
no estoc astica, se ha realizado el contraste de
Breusch-Godfrey para autocorrelaci on de orden uno y la conclusi on ha sido rechazar la hip otesis
nula con un nivel de signicaci on del 5 %.
45. Utilizando la variable X
t1
t1
y estimando el modelo por Variables
Instrumentales, se conseguiran estimadores:
(A) consistentes y asint oticamente ecientes.
(B) consistentes y asint oticamente no ecientes.
(C) inconsistentes y asint oticamente ecientes.
(D) inconsistentes y asint oticamente no ecientes.
(E) todo falso.
46. Para contrastar restricciones lineales en los par ametros, se nala a partir de cu al de las cinco distri-
buciones asint oticas siguientes se pueden construir estadsticos de contraste v alidos:
(A)
T(
MCO
)
d
N(0,
2
A
1
) donde plim (
1
T
X
X)
1
= A
1
114
(B)
T(
V I
)
d
N(0,
2
Q
1
zx
Q
zz
(Q
1
zx
)
) donde plim(
1
T
Z
X) = Q
zx
y donde plim(
1
T
Z
Z) =
Q
zz
(C)
T(
MCGF
)
d
N(0,
2
Q
1
) donde plim(
1
T
X
1
X)
1
= Q
1
y donde

se obtiene
usando =
T
t=3
u
V I
t
u
V I
t1
T
t=3
( u
V I
t1
)
2
(D)
T(
MCGF
)
d
N(0,
2
Q
1
) donde plim(
1
T
X
1
X)
1
= Q
1
y donde

se obtiene
usando =
T
t=3
u
MCO
t
u
MCO
t1
T
t=3
( u
MCO
t1
)
2
(E)
T(
MCG
)
d
N(0,
2
B
1
) donde plim (
1
T
X
1
X)
1
= B
1
47. Sea el modelo Y
t
=
1
+
2
X
2t
+
3
X
3t
+ u
t
donde u
t
iid(0,
2
u
) y X
3t
es una variable
estoc astica correlacionada contempor aneamente con u
t
. Sea Z
t
un instrumento v alido para X
3t
.
Se tiene la siguiente informaci on muestral:
(Z
X)
1
=
1
2734
_
_
4245 790 497
347 100 11
649 124 123
_
_; (X
X)
1
=
1
2552
_
_
4939 924 649
924 208 124
649 124 123
_
_;
(Z
Z)
1
=
1
3014
_
_
3797 363 497
363 99 11
497 11 123
_
_;
5
t=1
Y
t
= 10

5
t=1
Y
t
X
2t
= 63

5
t=1
Z
t
= 15
5
t=1
Y
t
Z
t
= 33

5
t=1
X
2
3t
= 68

5
t=1
X
3t
Y
t
= 14
La estimaci on de
3
por Variables Instrumentales es:
(A) 0,156 (B) 2,108 (C) 0,146 (D) 0,072 (E) 1,968
48. Un investigador desea estudiar la relaci on entre las funciones de producci on de dos industrias, una
de ellas, A, del sector servicios y la otra, B, del sector primario. Para ello plantea el sistema
P
A
t
=
A
1
+
A
2
L
A
t
+u
A
t
(8)
P
B
t
=
B
1
+
B
2
L
B
t
+
B
3
K
B
t
+u
B
t
(9)
donde t = 1, . . . , T. P
A
y P
B
son las producciones anuales de cada industria, L
A
y L
B
son los
n umeros de trabajadores de cada industria y K
B
es el capital jo de la industria B (todas las va-
riables est an en logaritmos). Se suponen u
A
t
NID(0,
2
A
) y u
B
t
NID(0,
2
B
) independientes
entre s. Considera los dos modelos conjuntos:
_
P
A
P
B
_
=
_
l L
A
0 0 0
0 0 l L
B
K
B
_
_
A
1
A
2
B
1
B
2
B
3
_
_
+
_
u
A
u
B
_
(10)
_
P
A
P
B
_
=
_
l 0 L
A
0
0 l L
B
K
B
_
_
A
1
B
1
B
3
_
_
+
_
u
A
u
B
_
(11)
y el estimador de la matriz de varianzas y covarianzas de
_
u
A
u
B
_
:
=
_

2
A
I 0
0
2
B
I
_
;
2
A
=
u
A
u
A
T K
A
,
2
B
=
u
B
u
B
T K
B
(12)
115
siendo u
A
los residuos de la estimaci on mediante MCO de la ecuaci on (8) y u
B
los de (9).
Si se desea contrastar la hip otesis de rendimientos constantes a escala (
B
2
+
B
3
= 1) en la
empresa B, especicando adecuadamente la matriz Ry el vector r, en qu e modelo, qu e estimador
y qu e estadstico utilizaras?
(A) Modelo (10), estimador MCGF utilizando para ello el estimador de dado por (12), y es-
tadstico
(R
r)
[R(X

1
X)
1
R
]
1
(R
r)
d,H
0
N(0, 1)
(B) Modelo (11), estimador MCGF utilizando para ello (12), y estadstico
(R
r)
[R(X

1
X)
1
R
]
1
(R
r)
d,H
0

2
(1)
(C) Modelo (11), estimador MCO y estadstico
(R
r)
[R(X
X)
1
R
]
1
(R
r)
u
u/(TK)
H
0
F
(1,2TK)
(D) Modelo (9) (s olo segunda ecuaci on), estimador MCO, y estadstico
(R
B
r)
[R(X
B
X
B
)
1
R
]
1
(R
B
r)
u
B
u
B
/(TK
B
)
H
0
F
(1,TK
B
)
(E) Todo falso.
49. La relaci on entre consumo y renta para dos pases, A y B es:
_
C
A
t
=
A
Y
A
t
+u
A
t
t = 1, . . . , 40 u
A
t
NID(0,
2
u
)
C
B
t
=
B
Y
B
t
+u
B
t
t = 1, . . . , 40 u
B
t
NID(0,
2
u
)
u
A
y u
B
son independientes. Se ha estimado por MCO el modelo C
t
= Y
t
+ u
t
con todos los
datos de los dos pases, obteni endose los residuos u
R,t
= C
t

Y
t
siendo t = 1, . . . , 80. Si se
desea contrastar la hip otesis nula H
0
:
A
=
B
, puede utilizarse el estadstico (y la distribuci on):
(A)

B
( u
A
u
A
+ u
B
u
B
)/(802)
H
0
t
(802)
(B)
( u
R
u
R
u
A
u
A
u
B
u
B
)/2
( u
A
u
A
+ u
B
u
B
)/(802)
H
0
F
(2,78)
(C)
( u
R
u
R
u
A
u
A
u
B
u
B
)
( u
A
u
A
+ u
B
u
B
)/(802)
H
0
F
(1,78)
(D)
( u
R
u
R
u
A
u
A
u
B
u
B
)/2
u
R
u
R
/(802)
H
0
F
(2,78)
(E)

B
u
R
u
R
/(802)
H
0
t
(801)
50. La relaci on entre ventas y benecios para dos empresas, A y B es:
_
B
A
t
=
A
+
A
V
A
t
+u
A
t
t = 1, . . . , 50 u
A
t
iid(0,
2
A
)
B
B
t
=
B
+
B
V
B
t
+u
B
t
t = 1, . . . , 100 u
B
t
iid(0,
2
B
)
u
A
y u
B
son independientes,
2
A
=
2
B
y

=
_

A

A

B

B
_
es el estimador de MCO. Se
quiere contrastar H
0
:
A
=
B
,
A
=
B
y se denen
R =
_
1 0 1 0
0 1 0 1
_
; r =
_
0
0
_
;

=
_

2
A
I
50
0
0
2
B
I
100
_
116
siendo

2
A
=
u
A
u
A
50 2
,
2
B
=
u
B
u
B
100 2
, y
2
=
u
A
u
A
+ u
B
u
B
150 4
.
Bajo H
0
, di qu e opci on es cierta.
(A) (R
r)
[R(X
X)
1
X
X(X
X)
1
R
]
1
(R
r)/2 F
2,146
(B) (R
r)
[R
2
(X
X)
1
R
]
1
(R
r)
d
2
2
(C) (R
r)
[R
2
(X
X)
1
R
]
1
(R
r)/2 F
2,146
(D) Con el estimador MCO no se pueden hacer contrastes en este modelo.
(E) (R
r)
[R(X
X)
1
X
X(X
X)
1
R
]
1
(R
r)
d
2
2
117
CUESTIONARIO LADE-2003 (Sep-2003)
1. [Pregunta-regalo] La capital de Espa na es:
(A) Pars (B) Madrid (C) Bagdad (D) Sebastopol (E) Edimburgo
2. Un estimador,

T
, de un par ametro , se dice que es consistente si:
(A) plim (
T
) = 0.
(B) converge en probabilidad a .
(C) converge en distribuci on a y as nos permite realizar inferencia asint otica.
(D) tiene varianza asint otica igual a cero.
(E) es asint oticamente insesgado y tiene varianza mnima.
3. Las siguientes condiciones son NECESARIAS para poder aplicar el teorema de Mann y Wald:
(A) X estoc astica y E(u
2
t
) =
2
u
t.
(B) X ja y E(u
t
u
s
) = 0 t = s.
(C) X estoc astica y E(u
t
u
s
) = 0 t = s.
(D) X ja y u
t
iid
(0,
2
u
).
(E) plim
1
T
X
X = Q, nita y no singular, y E(u

t
) = 0 t.
4. Si se cumplen las condiciones del teorema de Mann-Wald tenemos los siguientes resultados:
(A) E(X
it
u
t
) = 0 y plim
X
X
T
= Q <
(B) plim
X
T
= 0 y
X
u
T
d
N
_
0,
2
u
Q
1
_
(C) plim
X
u
T
= 0 y
X
T
d
N
_
0,
2
u
Q
1
_
(D) plim
X
u
T
= 0 y
X
T
d
N
_
0,
2
u
Q
_
(E) A
T
z
T
d
Az
5. Sea el modelo Y
t
= + X
t
+ u
t
, donde se cumplen las hip otesis b asicas y la perturbaci on NO
sigue una distribuci on normal. Despu es de estimar el modelo por MCO y hallar
2
u
, contrastamos
la signicatividad de la variable explicativa con el siguiente estadstico y distribuci on asociada:
(A)

des(
)
H
0
N(0, 1)
(B)

des(
)
H
0
t
TK
(C)

des(
)
d,H
0
N(0, 1)
(D)

var(
)
H
0

2
1
(E)

var(
)
d,H
0
N(0, 1)
118
Consideramos el modelo Y
t
= X
t
+u
t
, donde se cumplen todas las hip otesis b asicas. Denimos
el estimador:
MCO
+
1
T
C
donde C es una constante nita (que no depende del tama no de muestra, T).
6. El estimador
es:
(A) sesgado en muestras nitas y sesgado asint oticamente.
(B) insesgado en muestras nitas y sesgado asint oticamente.
(C) sesgado en muestras nitas pero insesgado asint oticamente.
(D) insesgado en muestras nitas e insesgado asint oticamente.
(E) todo falso.
7. Indica cu al de las siguientes armaciones es cierta:
(A)

MCO
es consistente pero
es inconsistente.
(B)

MCO
es inconsistente pero
es consistente.
(C)

MCO
y
son inconsistentes.
(D)

MCO
y
son consistentes.
(E) todo falso.
Sea el modelo Y
t
= X
t
+u
t
t = 1, 2, 3. Se dispone de los siguientes datos:
Y
t
X
t
1 0
1 1
2 2
V ar(u) =
_
_
4 0 4
0 4 0
4 0 8
_
_ V ar(u)
1
=
_
_
0, 5 0 0, 25
0 0, 25 0
0, 25 0 0, 25
_
_
8. En Y
t
= X
t
+u
t
t = 1, 2, 3 tal que u
t
son esf ericas, la Cov(u
1
, u
3
) es:
(A) 4 (B) 0,25 (C) 1 (D) 0 (E) -0,25
9. La estimaci on MCG de es:
(A) 1 (B) 0,6 (C) 1,667 (D) 4 (E) 0,15
10. La varianza del estimador MCG de es:
(A)

2
1,25
(B)

2
0,75
(C)
1
0,75
(D)

2
31
(E)
1
1,25
Sea el modelo Y
t
=
1
+
2
X
2t
+
3
X
3t
+
4
X
4t
+ u
t
t = 1, . . . , T donde X
2t
, X
3t
y X
4t
son regresores no estoc asticos y u N(0, ) con conocida.
119
11. Para estimar por MCG podemos hacer:
1.

= (X
1
X)
1
(X
1
Y )
2. Estimar por MCO el modelo P
1
Y = P
1
X +P
1
u donde PP
=
(A) Ambos m etodos de estimaci on son distintos.
(B) Ambos m etodos son dos expresiones del mismo estimador.
(C) El primer m etodo nos permite obtener estimadores con menor varianza que el segundo.
(D) Ambos m etodos de estimaci on son iguales si y s olo si = I.
(E) Todo falso.
12. Para contrastar H
0
: R = r, se debe utilizar el estadstico y la distribuci on:
(A) (R
r)
[R(X
X)
1
R
]
1
(R
r)
H
0
F
q,TK
(B) (R
r)
[R(X
1
X)
1
R
]
1
(R
r)
H
0

2
q
(C) (R
r)
[R(X
1
X)
1
R
]
1
(R
r)
H
0
F
q,TK
(D) (R
r)
[R(X
1
X)
1
R
](R
r)
d,H
0
2
q
(E) todo falso
13. Sea un modelo de regresi on lineal general Y = X + u, donde E(uu
) =
2
y es conocida.
Se nala cu al de las siguientes armaciones es correcta: ( u = u
MCO
)
(A) se puede estimar por MCO pero
2
=
u
u
Tk
es sesgado e inconsistente.
(B) se puede estimar por MCO y como es conocida
2
=
u
1
u
Tk
es insesgado.
(C) no se puede estimar por MCO aunque
2
=
u
u
Tk
es consistente.
(D) no se puede estimar por MCO porque la varianza
2
=
u
u
Tk
no es mnima.
(E) todo falso.
En el modelo:
Y
t
=
1
+
2
X
2t
+
3
X
3t
+u
t
t = 1, . . . , T
donde X
2t
, X
3t
son regresores no estoc asticos, X
2t
> 0 t y u
t
N(0,
2
X
2
2t
) con
2
desco-
nocida.
14. El criterio para obtener los estimadores de mnimos cuadrados ponderados es:
(A) Min
T
t=1
(
Y
t
X
2t
1
1
X
2t
3
X
3t
X
2t
)
2
(B) Min
T
t=1
(Y
t
X
2t
1
X
2t
2
X
2
2t
3
X
3t
X
2t
)
2
(C) Min
T
t=1
(Y
t
2
X
2
2t
3
X
3t
)
2
(D) Min
T
t=1
(Y
t
2
X
2t
3
X
3t
)
2
(E) Min
T
t=1
(
Y
t
X
2
2t
1
1
X
2
2t
2
X
2t
X
2
2t
3
X
3t
X
2
2t
)
2
120
15. Para contrastar H
0
:
2
+
3
= 0 contra H
a
:
2
+
3
= 0 utilizamos los estimadores de mnimos
cuadrados ponderados,

, y el estadstico:
(A)

2
+
desv(
2
)+
desv(
3
)
H
0
t
(T3)
(B)

2
+
desv(
2
)+
desv(
3
)+2
Cov(
2
,

3
)
H
0
t
(T3)
(C)

2
+
desv(
2
)+
desv(
3
)
H
0
N(0, 1)
(D)

2
+
desv(
2
)+
desv(
3
)+2
Cov(
2
,

3
)
H
0
N(0, 1)
(E)

2
+
3
_
var(
2
)+ var(
3
)+2
Cov(
2
,

3
)
H
0
t
(T3)
16. Sea el modelo Y
i
=
1
+
2
X
2i
+
3
X
3i
+ u
i
i = 1, . . . , N, con X
2i
y X
3i
regresores no
estoc asticos, u
i
(0,
2
(X
2i
+X
3i
)) i y u
i
, u
j
independientes i = j. Entonces:
(A) dado que la varianza de la perturbaci on depende de X
2i
y X
3i
, E(X
2i
u
i
) = 0 y E(X
3i
u
i
) =
0.
(B) dado que tenemos perturbaciones no esf ericas y es conocida, estimaramos el modelo por
MCG, obteniendo un estimador lineal, insesgado, de varianza mnima y consistente.
(C) dado que tenemos perturbaciones no esf ericas y es desconocida, estimaramos el modelo
por MCGF, obteniendo un estimador consistente.
(D) dado que tenemos perturbaciones esf ericas, estimaramos por MCO, obteniendo un estima-
dor lineal, insesgado, de varianza mnima y consistente.
(E) no conocemos la estructura exacta de la varianza de la perturbaci on, as que estimaramos
por MCO y luego estimaramos su matriz de varianzas y covarianzas mediante la aproximaci on de
White.
17. Sea el modelo, Y
i
= +X
i
+Z
i
+u
i
i = 1, . . . , 100. Se estima por MCO y se obtienen los
siguientes resultados:
Y
i
= 3 + 2, 8X
i
+ 1, 3Z
i
SCR = 1, 23 R
2
= 0, 92 (1)
Adem as se estima por MCO la siguiente regresi on auxiliar:
u
2
i

2
u
= 0, 22 + 0, 30X
i
+ 0, 18Z
i
+
i
SCR = 1, 35 R
2
= 0, 80 (2)
En el modelo dado por la ecuaci on (1), la existencia de heterocedasticidad causada por las variables
X
i
y Z
i
:
2
i
= h(
0
+
1
X
i
+
2
Z
i
), se contrasta as:
(A)
_
H
0
:
1
=
2
= 0
H
A
: alguna igualdad no se d e
BP = 2, 7 <
2
(2)0,05
= 5, 99 = No se rechaza la hip otesis nula de homocedasticidad a un
= 5 %
(B)
_
H
0
:
1
=
2
= 0
H
A
BP = 3, 375 <
2
(2)0,05
= 5, 99 =No se rechaza la hip otesis nula de homocedasticidad a un
= 5 %
121
(C)
_
H
0
:
0
=
1
=
2
= 0
H
A
BP = 2, 7 <
2
(3)0,05
= 7, 81 = No se rechaza la hip otesis nula de homocedasticidad a un
= 5 %
(D)
_
H
0
:
1
=
2
H
A
:
1
=
2
BP = 80 >
2
(2)0,05
= 5, 99 =Se rechaza la hip otesis nula de homocedasticidad a un = 5 %
(E)
_
H
0
:
1
=
2
= 0
H
A
BP = 0, 675 <
2
(2)0,05
= 5, 99 =No se rechaza la hip otesis nula de homocedasticidad a un
= 5 %
Sea el modelo Y
t
= +X
t
+u
t
, t = 1, . . . , T, u
t
= 0, 7u
t1
+
t
, donde
t
iid
(0, 0,5).
18. Var(u
t2
) es:
(A) 0,5 (B) 0,98 (C) 0,25 (D) 0,34 (E) 0,74
19. En cu al de los siguientes modelos transformados las perturbaciones no presentan autocorrelaci on?
(A) Y
t
+ 0, 7Y
t1
= 0, 3 +(X
t
+ 0, 7X
t1
) +v
t
t = 2, . . . , T
(B) Y
t
0, 7Y
t1
= 0, 3 +(X
t
0, 7X
t1
) +v
t
t = 2, . . . , T
(C) Y
t
+ 0, 7Y
t1
= 1, 7 +(X
t
+ 0, 7X
t1
) +v
t
t = 2, . . . , T
(D) Y
t
0, 7Y
t1
= 1, 7 +(X
t
0, 7X
t1
) +v
t
t = 2, . . . , T
(E) Y
t
0, 7Y
t1
= 0, 7 +(X
t
0, 7X
t1
) +v
t
t = 2, . . . , T
20. Sea el modelo Y
t
=
1
+
2
X
2t
+. . . +
6
X
6t
+u
t
t = 1, . . . , 60. Si
T
t=2
u
t
u
t1
T
t=2
u
2
t1
= 0, 31 , el
valor aproximado del estadstico de Durbin y Watson y la conclusi on del contraste DW ( = 5 %)
son respectivamente:
(A) 1,81 y se concluye que no hay autocorrelaci on.
(B) 1,81 y el contraste no es concluyente.
(C) 1,38 y se concluye que hay autocorrelaci on.
(D) 1,38 y el contraste no es concluyente.
(E) todo falso.
21. En el modelo Y
t
=
1
+
2
X
2t
+
3
X
3t
+ u
t
t = 1, . . . , T se quiere contrastar la presencia
de autocorrelaci on de 2
o
orden en las perturbaciones mediante el contraste de Breusch-Godfrey.
El coeciente de determinaci on, R
2
, que interviene en el estadstico de contraste, se obtiene de la
siguiente regresi on:
(A) u
t
=
0
+
1
u
t1
+
2
u
t2
+
t
(B) u
t
=
0
+
1
u
t1
+
2
X
2t
+
3
X
3t
+
t
(C) u
t
=
1
u
t1
+
2
u
t2
+
3
X
2t
+
4
X
3t
+
t
122
(D) u
t
=
0
+
1
u
t1
+
2
u
t2
+
3
X
2t
+
4
X
3t
+
t
(E) u
t
=
0
+
1
u
t1
+
2
u
t2
+
3
u
2
t1
+
4
u
2
t2
+
t
22. Sea u
t
= u
t2
+
t

t
iid
(0,
2
) || < 1. Entonces:
(A) E(u
t
u
t4
) = 0 (B) E(u
t
u
t2
) = 0 (C) E(u
t

t4
) = 0
(D) E(u
t
u
t1
) = 0 (E) E(u
t

t2
) = 0
23. Sea u
t
=
t
+ 0, 6
t1

t
iid
(0,
2
= 1). Entonces V ar(u

t
) toma el valor:
(A) 1,60 (B) 1,36 (C) 1,56 (D) 0,64 (E) 0,36
t
=
1
+
2
X
t
+ u
t
, donde u
t
= 0, 6u
t1
+
t

t
NID(0,
2
). Se dispone
de la siguiente informaci on muestral:
X =
_
_
1 3
1 4
1 1
1 2
1 3
_
_
Y =
_
_
1
3
2
3
4
_
_
Para obtener las estimaciones de los coecientes por MCG, transformamos el modelo y lo estima-
mos por MCO. Los dos primeros elementos de P
1
Y , es decir, Y
1
e Y
2
son:
(A) 0, 8 y 0, 4 (B) 0, 8 y 2, 4 (C) 1 y 3
(D) 2, 4 y 0, 2 (E) 2, 4 y 2, 2
25. Sea un MRLG donde u
t
= 0, 6u
t1
+
t
,
t
iid
(0,
2
), t = 1, 2, . . . , 6 . Entonces:
(A) E(uu
) =
2
u
_
_
1 0, 6 0, 6
2
0, 6
3
0, 6
4
0, 6
5
1 0, 6 0, 6
2
0, 6
3
0, 6
4
.
.
.
1
_
_
(B) E(uu
) =
2
u
_
_
1 0, 6 0, 6
2
0, 6
3
0, 6
4
0, 6
5
0, 6
6
1 0, 6 0, 6
2
0, 6
3
0, 6
4
0, 6
5
.
.
.
1
_
_
(C) E(uu
) =
2
_
1 0, 6 0, 6
2
0, 6
3
0, 6
4
0, 6
5
1 0, 6 0, 6
2
0, 6
3
0, 6
4
.
.
.
1
_
_
(D) E(uu
) =
2
_
1 0, 6 0, 6
2
0, 6
3
0, 6
4
0, 6
5
0, 6
6
1 0, 6 0, 6
2
0, 6
3
0, 6
4
0, 6
5
.
.
.
1
_
_
123
(E) todo falso.
26. Sea el modelo Y
t
=
1
+
2
X
t
+ u
t
t = 1, . . . , T, y u
t
NID(0,
2
u
). No disponemos de
datos sobre la variable X
t
, por lo que utilizamos la siguiente variable medida con error: X
t
=
X
t
+
t

t
iid(0,
2
). Entonces:
(A) los errores de medida en las variables econ omicas son inexistentes, ya que siempre disponemos
de datos exactos sobre las variables.
(B) el error de medida en la variable explicativa causa autocorrelaci on en la perturbaci on del mo-
delo.
(C) la variable que conocemos, X
t
, es pr acticamente la variable original, X
t
y, por tanto, no nos
causa ning un problema.
(D) el error de medida en la variable explicativa causa heterocedasticidad en la perturbaci on del
modelo.
(E) todo falso.
27. Sea el modelo:
Y
t
= +X
t
+u
t
donde u
t
iid(0,
2
u
)
Si X
t
es una variable no observable tal que disponemos de la variable observable X
t
= X
t
+ v
t
donde X
t
es ja, v
t
iid(0,
2
v
) y Cov(u
s
, v
t
) = 0, t, s:
(A) plim
MCO
= +

2
v
2
x
+
2
v
plim

X
(B) plim
MCO
=

2
v
2
x
+
2
v
plim

X
(C) plim
MCO
= +
(
2
x
+
2
v
)
2
x
plim

X
(D) plim
MCO
=
(
2
x
+
2
v
)
2
x
plim

X
(E) plim
MCO
=
28. Se tiene el modelo Y
t
=
1
+
2
X
t
+
3
Z
t
+ u
t
donde se cumplen todas las hip otesis b asicas
del MRLG. X
t
es una variable inobservable pero se observa X
t
= X
t
+
t

t
iid
(0,
2
). Las
variables X
t
, u
t
y
t
son variables incorrelacionadas en todo momento. El modelo estimable ser a:
Y
t
=
1
+
2
X
t
+
3
Z
t
+v
t
. Entonces:
(A) como E(X
t
v
t
) = 0, los estimadores MCO son inconsistentes.
(B) como E(Z
t
v
t
) = 0, los estimadores MCO son inconsistentes.
(C) como E(X
t
v
t
(D) como E(Z
t
v
t
(E) como v
t
no son perturbaciones esf ericas, los estimadores MCGF son consistentes.
Sea el modelo Y
t
=
1
+
2
X
t
+u
t
donde u
t
= 0, 3u
t1
+
t
,
t
iid
(0, 4) y X
t
es inobservable. Se
tienen observaciones de X
t
= X
t
+w
t
donde w
t
iid
(0,
2
w
) y adem as w
t
y
t
son independientes.
De este modo, el modelo estimable es Y
t
=
1
+
2
X
t
+v
t
.
124
29. Entonces E(v
2
t
) es:
(A)
2
+
2
2
2
w
(B)
2
u
+
2
2
w
(C)
2
u
+
2
2
2
w
(D)
2
+
2
2
2
w
2
2
Cov(u
t
, w
t
), donde Cov(u
t
, w
t
) = 0
(E)
2
+
2
2
2
w
+ 2
2
Cov(u
t
, w
t
), donde Cov(u
t
, w
t
) = 0
30. E(v
t
v
t2
) vale:
(A) 1,30 (B) 0,51 (C) No hay sucientes datos para hallarla (D) 0,39 (E) 1,71
Sea el modelo Y
t
= + X
t
+ Z
t
+ u
t
t = 1, . . . , 360. La variable X es estoc astica y la
variable Z es no estoc astica.
31. Existe la sospecha de la existencia de autocorrelaci on de primer orden en la perturbaci on del
modelo. Indica cu al de las siguientes armaciones es cierta:
(A) Podemos realizar tanto el contraste de Durbin-Watson como el contraste de Breusch-Godfrey,
ambos seran v alidos.
(B) Realizaramos el contraste de Durbin-Watson pero utilizando los residuos de VI, ya que los
residuos MCO seran inconsistentes.
(C) El contraste de Breusch-Godfrey no se podra aplicar dado que s olo es v alido para un contraste
de autocorrelaci on de orden p.
(D) Primero deberamos realizar el contraste de Hausman porque el resultado del mismo nos per-
mitir a vericar la existencia de autocorrelaci on.
(E) Dadas las caractersticas del modelo, realizaramos el contraste de Breusch-Godfrey.
32. Si E(X
t
u
t
) = 0 los estimadores MCO cumplen:
(A)

, y

son inconsistentes.
(B)

, y

son consistentes.
(C) es inconsistente y

y

son consistentes.
(D) es consistente y

y

son inconsistentes.
(E)

es consistente y y

son inconsistentes.
En el modelo Y = X +u X es estoc astica, u N(0,
2
I) y X y u son independientes.
33. La expresi on de la Var(
MCO
) es:
(A)
2
E
x
_
(X
X)
1
X
X(X
X)
1
(B)
2
(X
X)
1
(C)
2
(X
X)
1
X
X(X
X)
1
(D)
2
E
x
(X
X)
1
(E)
2
(X
X)
1
125
34. La distribuci on en muestras nitas del estadstico de contraste de signicatividad individual de una
de las variables explicativas (
i
entre su desviaci on tpica estimada), bajo la H
0
, es:
(A) normal. (B) t-Student. (C) F de Snedecor.
(D) desconocida. (E)
2
.
35. La distribuci on asint otica del estadstico de contraste de signicatividad individual de una de las
variables explicativas (
i
entre su desviaci on tpica estimada), bajo la H
0
, es:
(A) desconocida. (B) normal. (C) todo falso.
(D)
2
. (E) F de Snedecor.
Sea el modelo Y
t
=
1
+
2
X
2t
+
3
X
3t
+
4
X
4t
+u
t
t = 1, . . . , T donde:
u
t
iid(0,
2
u
) X
3t
, X
4t
son variables jas
X
2t
= 0, 5X
2t1
+v
t
v
t
iid(0,
2
v
) t
E(u
t
v
s
) =
_
5 si t = s t, s
0 si t = s
36. E(X
2t
u
t
) es:
(A) 0, 5 (B) 5, 5 (C) 0 (D) 5 (E) 1
37. Sup on que existe una variable instrumental v alida para X
2t
. Entonces:
(A) el estimador MCO es lineal, insesgado y consistente.
(B) el estimador MCO es no lineal, generalmente sesgado e inconsistente.
(C) el estimador de VI es lineal, insesgado y consistente.
(D) el estimador de VI es no lineal, generalmente sesgado e inconsistente.
(E) todo falso.
En el modelo V
t
= P
t
+ u
t
t = 1, . . . , 100 u
t
iid(0, 1) donde V
t
son las ventas de un
producto y P
t
es su precio, queremos contrastar la independencia entre P
t
y u
t
. Disponemos de
informaci on muestral sobre estas variables aleatorias y una posible variable instrumental, S
t
, que
son las existencias en almac en, tal que E(S
t
u
t
) = 0. La informaci on muestral de que se dispone es:
S
t
V
t
= 2, 75

P
t
S
t
= 0, 6

P
t
V
t
= 1, 78
S
2
t
= 1, 76

P
2
t
= 0, 5

p
t
s
t
= 0, 564
s
2
t
= 1, 7276

p
2
t
= 0, 46

s
t
v
t
= 3
donde s
t
= S
t

S; v
t
= V
t

V ; p
t
= P
t

P
38. Si E(P
t
u
t
) = 0 ser a S
t
un buen instrumento para P
t
al utilizar el estimador de VI? (utiliza al
menos cuatro decimales)
(A) S, porque est an correlacionadas y su correlaci on es 0,6
(B) S, porque est an correlacionadas y su correlaci on es 0,632
126
(C) S, porque est an correlacionadas y su correlaci on es 0,649
(D) No, porque no est an correlacionadas
(E) S, porque est an correlacionadas y su correlaci on es 0,7097
39. La estimaci on de por VI es:
(A) 0,218 (B) 0,188 (C) 3,560 (D) 0,341 (E) 4,583
40. El estadstico de Hausman tiene un valor de:
(A) H = 1, 78 (B) H = 0, 94 (C) H = 1, 28 (D) H = 0, 36 (E) H = 0, 75
41. Sea Y
t
=
1
+
2
X
t
+
3
W
t
+ u
t
u
t
NID(0,
2
u
) siendo W
t
= W
t1
+
t

t

NID(0,
2
) y X
t
no estoc astica.

MCO
es consistente si:
(A) W
t1
y u
t
est an incorrelacionadas.
(B) W
t
y
t
son independientes.
(C) X
t
y u
t
est an incorrelacionadas.
(D)
t
y u
t
son independientes.
(E) todo falso.
42. En el modelo Y
t
=
1
+
2
Y
t1
+ u
t
t = 2, . . . , T donde u
t
=
t
+
t1
estimamos por VI,
usando como instrumento el segundo retardo de la variable end ogena. La expresi on del estimador
de VI ser a:
(A)
_
T 1

T
2
Y
t1
T
2
Y
t2
T
2
Y
t2
Y
t1
_
1
_

T
2
Y
t
T
2
Y
t2
Y
t
_
(B)
_
T 2

T
3
Y
t2
T
3
Y
t1
T
3
Y
t1
Y
t2
_
1
_

T
3
Y
t
T
3
Y
t2
Y
t
_
(C)
_
T 1

T
2
Y
t1
T
2
Y
t1
T
2
Y
2
t1
_
1
_

T
2
Y
t
T
2
Y
t1
Y
t
_
(D)
_
T 2

T
3
Y
t1
T
3
Y
t2
T
3
Y
t2
Y
t1
_
1
_

T
3
Y
t
T
3
Y
t2
Y
t
_
(E)
_
T 2

T
3
Y
t1
T
3
Y
t2
T
3
Y
t2
Y
t1
_
1
_

T
3
Y
t
T
3
Y
t1
Y
t
_
127
43. En el modelo Y
t
=
1
+
2
Y
t1
+u
t
, los estimadores MCO:
(A) son siempre inconsistentes.
(B) son siempre consistentes.
(C) son consistentes si las perturbaciones no tienen autocorrelaci on.
(D) son consistentes si las perturbaciones tienen autocorrelaci on.
(E) todo falso.
44. Sea el modelo Y
t
=
1
+
2
X
t
+
3
Y
t2
+u
t
t = 1, . . . , 100.
(A) Si u
t
MA(2), entonces

MCO
es un estimador consistente.
(B) Si u
t
MA(1), entonces

MCO
(C) Si u
t
AR(2), entonces

MCO
(D) Si u
t
AR(1), entonces

MCO
(E) El estimador MCO es siempre inconsistente, independientemente del proceso que siga u
t
.
45. u
A
y u
B
est an correlacionadas contempor aneamente si E(u
At
u
Bs
) es igual a:
(A) 0 t = s y 1 t = s (B)
AB
t = s (C) 0 t = s
(D)
AB
t = s y 0 t = s (E) 0 t = s y
AB
t = s
46. Sea el sistema de ecuaciones:
Y
A
t
=
A
+
A
X
A
t
+u
A
t
t = 1, . . . , 50 u
A
t
NID(0, 3)
Y
B
t
=
B
+
B
X
B
t
+u
B
t
t = 1, . . . , 50 u
B
t
NID(0, 5X
B
t
)
donde u
A
y u
B
son independientes. Sea

=
_

A

A

B

B
_
el estimador MCO y u
A
, u
B
son
los vectores de residuos MCO,

2
A
=
u
A
u
A
50 2

2
B
=
u
B
u
B
50 2

AB
=
u
A
u
B
50
y las matrices:
B
=
_
_
_
X
B
1
0
.
.
.
0 X
B
50
_
_
_
1
=
_
3I 0
0 5
B
_

2
=
_

2
A
I 0
0
2
B
I
_

3
=
_

2
A
I
AB
I

AB
I
2
B
I
_
Cu al de los siguientes estimadores del modelo conjunto tiene mejores propiedades?
(A) MCGF con la matriz

3
.
(B) MCGF con la matriz

2
.
(C) MCG con la matriz
1
.
(D) MCG con la matriz

2
.
(E) MCGF con la matriz
1
.
128
47. Sea el siguiente sistema de ecuaciones:
_
Y
At
=
A
+
A
X
At
+u
At
u
A
NID(0,
2
A
I
T
)
Y
Bt
=
B
+
B
X
Bt
+u
Bt
u
B
NID(0,
2
B
I
T
)
siendo u
A
y u
B
independientes. Las variables X
A
y X
B
son no estoc asticas. Sean las siguientes
matrices:
F =
_
l X
A
0 0
0 0 l X
B
_
G =
_
l X
A
l X
B
_
H =
_
l X
A
0
0 X
B
l
_
donde l es una columna de unos. Si se sabe que la restricci on
A
=
B
es cierta, la matriz X del
modelo restringido y el m etodo de estimaci on a utilizar para conseguir estimadores asint oticamente
ecientes son:
(A) F y MCO. (B) H y MCO. (C) H y MCGF. (D) F y VI. (E) G y MCGF.
48. Sea el siguiente sistema de ecuaciones:
_
Y
1
= X
1
1
+u
1
con T
1
observaciones
Y
2
= X
2
2
+u
2
con T
2
obsservaciones
donde V ar(u
1t
) =
2
1
Z
t
con Z
t
conocida, E(u
1t
u
1s
) = 0 t = s, E(u
1
u
2
) = 0 y E(u
2
u
2
) =
2
2
I. Los estimadores lineales, insesgados de varianza mnima se obtienen:
(A) estimando la primera ecuaci on por MCG y la segunda por MCO.
(B) estimando conjuntamente por MCGF.
(C) estimando cada ecuaci on por separado por MCO.
(D) estimando conjuntamente por MCO.
(E) estimando cada ecuaci on por separado por MCGF.
49. Se ha realizado una regresi on MCO de una variable Y sobre dos variables explicativas. Al repre-
sentar los residuos u, con respecto a

Y se obtiene el siguiente gr aco:
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
3.9 4 4.1 4.2 4.3 4.4 4.5
u
129
qu e se puede sospechar a partir de este gr aco?
(A) Que hay un error de especicaci on.
(B) Que las perturbaciones presentan autocorrelaci on.
(C) Que las perturbaciones presentan heterocedasticidad.
(D) Que las perturbaciones cumplen todas las hip otesis b asicas del MRLG.
(E) Todo falso.
50. Se ha realizado una regresi on MCO de una variable Y sobre una constante y una tendencia lineal
determinista, Y
t
= + t + u
t
t = 1, . . . , T . Al representar los residuos, u, con respecto al
tiempo se obtiene el siguiente gr aco:
-3
-2
-1
0
1
2
3
4
1950 1955 1960 1965 1970 1975 1980 1985 1990
u
Tiempo
qu e se puede sospechar a partir de este gr aco?
(A) Que las perturbaciones cumplen todas las hip otesis b asicas del MRLG.
(B) Que las perturbaciones presentan heterocedasticidad.
(C) Que las perturbaciones presentan autocorrelaci on.
(D) Que hay un regresor estoc astico.
(E) Todo falso.
130
Responde a las siguientes preguntas:
a) La no normalidad de las perturbaciones del modelo, c omo afecta a las propiedades del estimador
MCO?
b) Sea el modelo:
Y
t
=
1
+
2
X
2t
+
3
X
3t
+u
t
u
t
NID(0, exp(Z
t
)) (1)
donde X
2
, X
3
, Z son variables observables y jas y es una constante conocida. Se han estimado
los par ametros del modelo por MCO y por MCG. A continuaci on tienes los resultados de ambas
estimaciones. Cu al corresponde a la estimaci on MCG? Por qu e?
Y
t
(desv.)
=
7, 211
(0, 17)
0, 52
(0, 03)
X
2t
+
1, 5
(0, 81)
X
3t
cov(
2
,

3
) = 0, 5 R
2
= 0, 40 (2)
Y
t
(desv.)
=
3, 211
(0, 37)
0, 42
(0, 11)
X
2t
+
1, 3
(0, 97)
X
3t
cov(
2
,

3
) = 0, 3 R
2
= 0, 55 (3)
c) Se suele decir que el estimador de MCGF es un estimador de MCG. Por qu e?
d) Cu ando se utiliza el contraste de Hausman? Explica brevemente en qu e consiste.
La tasa de fertilidad, y, es el n umero de ni nos nacidos por cada 1000 mujeres en edad f ertil. Para datos
anuales de EE.UU. durante 1946-1984 se ha propuesto el siguiente modelo:
y
t
=
0
+
1
x
t
+
2
x
t1
+
3
D
t
+
4
y
t1
+u
t
(4)
donde
x es la exenci on impositiva (en d olares reales) personal promedio por hijo.
D es una variable cticia que toma valor 1 de 1963 en adelante, a no en que sali o al mercado la
pldora anticonceptiva.
Los resultados de la estimaci on MCO han sido:
y
t
( desv)
=
6, 52
(5, 35)
0, 01
(0, 05)
x
t
+
0, 13
(0, 04)
x
t1
6, 22
(1, 64)
D
t
+
0, 78
(0, 04)
y
t1
(5)
R
2
= 0, 986 DW = 1, 7 BG(4) = 2, 17 BP(D) = 0, 9 donde
131
Figura 6: Residuos y ajuste MCO estimaci on (5)
-8
-4
0
4
8
60
80
100
120
140
1950 1955 1960 1965 1970 1975 1980
Residuo
Y
Ajuste
R
e
s
i
d
u
o
Y
,

a
j
u
s
t
e
BG(4) denota el estadstico de Breusch y Godfrey calculado para la hip otesis de autocorrelaci on
de orden 4.
BP(D) denota el estadstico de Breusch y Pagan calculado para la hip otesis de heterocedasticidad
relacionada con la variable cticia D.
a) Analiza la existencia de autocorrelaci on en el modelo mediante un contraste. Plantea claramente el
modelo, las hip otesis y el estadstico de contraste, su distribuci on y todos los c alculos necesarios
para su obtenci on.
b) Con el dato sobre el estadstico de Breusch y Pagan realiza el contraste correspondiente. Plantea
claramente el modelo, las hip otesis y el estadstico de contraste, su distribuci on y todos los c alcu-
los necesarios para su obtenci on.
c) Reformularas este modelo (4)? C omo? Por qu e?
d) Finalmente, c omo contrastaras si las medidas impositivas tienen efecto sobre la tasa de fertili-
dad? Si tienes datos para realizar el contraste, ll evalo a cabo.
Considera estimar el par ametro en la siguiente ecuaci on
y
1t
= y
2t
+u
1t
u
1t
NID(0,
2
1
) (1)
Se sabe que y
1t
e y
2t
se determinan simult aneamente ya que
y
2t
=
1
y
1t
+
2
X
t
+u
2t
u
2t
NID(0,
2
2
) (2)
donde X
t
es una variable ex ogena, independiente de u
1s
y de u
2s
para todo t y s.
132
a) Obt en la expresi on del estimador de por el m etodo de variables instrumentales (VI) utilizando
como instrumento X
t
.
b) Es este estimador lineal? Es insesgado? Por qu e?
c) Es consistente? Por qu e?
d) Conoces su distribuci on? Y la asint otica? Por qu e?
e) Cambiara alguna de tus respuestas a los apartados anteriores si
2
= 0 ? Razona tu respuesta.
Para una muestra de tama no T = 1000 se obtiene la siguiente informaci on muestral:
t
y
2
2t
= 42

t
y
1t
y
2t
= 5

t
y
2t
X
t
= 12

t
X
2
t
= 10

t
X
t
y
1t
= 3

t
y
2
1t
= 11
f) Adem as se dispone de un estimador consistente de
2
1
cuya estimaci on es
2
1
= 0, 01.
Utiliza el contraste de Hausman para determinar si hay evidencia o no de que y
2t
sea una variable
end ogena. Explica en detalle todo el proceso.
Con datos anuales desde 1948 hasta 1989 se ha estimado la siguiente funci on de consumo para el Reino
Unido:
C
t
=
1
+
2
RD
t
+u
t
(3)
donde C es el consumo per c apita y RD es la renta disponible per c apita (en libras). Ambas variables
est an medidas en t erminos reales. Los resultados de la estimaci on han sido:
Modelo 3: MCO utilizando las 42 observaciones 1948-1989 Variable dependiente: C
VARIABLE COEFICIENTE DESV.T
IP. ESTAD.T
const 168,315 43,2796 3,889
RD 0,864323 0,0133004 64,985
Media de la var. dependiente = 2876,55 R-cuadrado = 0,990617
D.T. de la var. dependiente= 771,61 R-cuadrado corregido = 0,990382
Suma de cuadrados de los residuos = 229045 Grados de libertad = 40
Desviacion tpica de los residuos = 75,6711
Estadstico de Durbin-Watson = 0,247444
Coef. de autocorr. de primer orden = 0,927294
a) Qu e signica que las variables est an medidas en t erminos reales?
133
Figura 7: Gr aco de residuos del modelo (1)
200
150
100
50
0
50
100
150
200
250
1950 1955 1960 1965 1970 1975 1980 1985 1990
r
e
s
id
u
o
b) Despu es de analizar los resultados el investigador cree que este modelo puede estar incorrectamente especi-
cado. Cu al puede ser la raz on de esta armaci on? Utilizando los resultados de la estimaci on y el gr aco,
repite los pasos que ha realizado para llegar a esta conclusi on.
A continuaci on, considera dos re-especicaciones para la funci on de consumo. La primera propuesta junto con los
resultados de la estimaci on son:
C
t
=
1
+
2
RD
t
+
3
RD
t1
+
4
C
t1
+u
t
(4)
Modelo 4: MCO utilizando 41 observaciones 1949-1989
Variable dependiente: C
VARIABLE COEFICIENTE DESV. TIP. ESTADISTICO t
const -56,094 29,936 -1,874
RD{t} 0,684 0,085 8,048
RD{t-1} -0,723 0,080 -9,002
C{t-1} 1,068 0,097 10,980
Suma cuadrados de residuos= 45682,2 R-cuadrado= 0,998043
Desv. tpica de residuos = 35,1376 R-cuadrado corregido=0,997885
Estadstico Durbin-Watson = 1,59545 Estadstico F(3, 37)= 6291,16
Coef. de autocorr. de primer orden= 0,166491
Estad. de Breusch-Godfrey para autocorrelacion de segundo orden = 2,97
Estad. de Breusch-Pagan para varianza en funcion de RD y tiempo=17,9
134
Figura 8: Gr acos de residuos del modelo (4)
80
60
40
20
0
20
40
60
80
1950 1955 1960 1965 1970 1975 1980 1985 1990
r
e
s
id
u
o
80
60
40
20
0
20
40
60
80
2000 2500 3000 3500 4000 4500 5000
r
e
s
id
u
o
Renta Disponible
c) Qu e mide el par ametro
2
del modelo (4)?
d) Analiza los resultados de la estimaci on del modelo (4). Dada la evidencia encontrada, explica cu ales son las
consecuencias sobre el estimador MCO de los coecientes y si son ables las desviaciones tpicas mostra-
das.
A continuaci on se muestran la segunda propuesta y su estimaci on:
ln(C
t
) =
1
+
2
ln(RD
t
) +
3
ln(RD
t1
) +
4
ln(C
t1
) +v
t
(5)
Modelo 5: Estimaciones MCO utilizando 41 observaciones 1949-1989
Variable dependiente: ln(C)
const -0,116 0,080 -1,453
ln(RD{t}) 0,741 0,083 8,968
ln(RD{t-1}) -0,744 0,087 -8,531
ln(C{t-1}) 1,018 0,090 11,355
Media var. dependiente = 7,94001 R-cuadrado = 0,998389
D.T. var. dependiente = 0,258946 R-cuadrado corregido = 0,998259
Suma cuadrados residuos= 0,004320 Estadstico F(3, 37) = 7644,56
Desv. tpica residuos = 0,0108057
Estad. de Durbin-Watson = 1,65215
Estad. Breusch-Godfrey para autocorrelacion de segundo orden = 3,2
Estad. Breusch-Pagan para heterocedasticidad en funcion de RD y tiempo = 1,5
ESTIMACION DE MATRIZ DE COVARIANZAS DE LOS COEFICIENTES
const ln(RD{t}) ln(RD{t-1}) ln(C{t-1})
0,00641 0,0023 0,0024 -0,0056
0,0068 -0,0039 -0,0032
0,0076 -0,0040
0,0080
e) Qu e mide el par ametro
2
del modelo (5)?
f) Analiza los resultados de la estimaci on del modelo (5). Re-estimaras los par ametros del modelo? Justica
tu respuesta.
135
Figura 9: Gr acos de residuos del modelo (5)
0.02
0.015
0.01
0.005
0
0.005
0.01
0.015
0.02
1950 1955 1960 1965 1970 1975 1980 1985 1990
r
e
s
id
u
o
0.02
0.015
0.01
0.005
0
0.005
0.01
0.015
0.02
7.6 7.8 8 8.2 8.4
r
e
s
id
u
o
ln(Renta disponible)
g) Qu e modelo te parece mejor para explicar el comportamiento del consumo? Por qu e? Justica tu respues-
ta.
Finalmente, tras analizar el modelo (5), el investigador propone el siguiente modelo:
ln(C
t
) =
1
+
2
[ln(RD
t
) ln(RD
t1
)] +
3
ln(C
t1
) +v
t
(6)
h) Qu e contraste ha realizado para llegar a esta conclusi on? Utilizando los resultados de la estimaci on del
modelo 5, repite los pasos que ha realizado para llegar a esta conclusi on. Sup on que v
t
NID(0,
2
v
).
Se dispone de una base de datos sobre el precio de venta y distintas caractersticas de 224 viviendas pertenecientes
a dos areas residenciales del condado de Orange en California (USA), Dove Canyon y Coto de Caza
1
. Dove
Canyon es una zona de viviendas relativamente peque nas construidas alrededor de un campo de golf. Coto de Caza
es un area de mayor nivel de vida aunque m as rural con viviendas m as grandes. Las variables que se consideran
son
salepric = precio de venta de la vivienda en miles de dolares
sqft = tamano de la vivienda en pies cuadrados
age = edad de la vivienda en anos
city = 1 si esta en Coto de Caza, 0 si esta en Dove Canyon
A continuaci on se muestran los resultados de la estimaci on por Mnimos Cuadrados Ordinarios (MCO) de un
modelo para el precio de venta de la vivienda utilizando esa base de datos:
1
Fuente: Ramanthan, Ramu (1992) Introductory econometrics with applications
136
RESULTADOS A Variable dependiente: salepric
IP. ESTAD.T
const -440,312 35,3203 -12,466
sqft 0,252069 0,00815634 30,905
age 3,69805 3,02416 1,223
city 91,8038 21,7494 4,221
Media de la var. dependiente = 642,929
D.T. de la var. dependiente = 371,376
Suma de cuadrados de los residuos (SCR_A) = 4,27804e+006
R-cuadrado = 0,860905
R-cuadrado corregido = 0,859008
Estadstico F (3, 220) = 453,884
a) Escribe el modelo te orico que se ha estimado y comenta los resultados obtenidos en t erminos de bondad de
ajuste, signicatividad y signos de los coecientes estimados.
b) Analiza de forma razonada la informaci on que te proporcionan los siguientes gr acos y la regresi on auxiliar.
Si realizas alg un contraste, indica todos los elementos del mismo. Cu al de los gr acos es m as informativo
y por qu e?
Figura 10: Gr aco de residuos MCO sobre observaci on i=1,...,224
800
600
400
200
0
200
400
600
800
0 50 100 150 200
r
e
s
i
d
u
o
index
Residuos de la regresin (= salepric observada ajustada)
137
Figura 11: Gr aco de residuos MCO sobre la variable sqft
800
600
400
200
0
200
400
600
800
3000 4000 5000 6000 7000 8000 9000 10000 11000
r
e
s
i
d
u
o
sqft
Residuos de la regresin (= salepric observada ajustada)
u
i
2
SCR
A
/224
= 5, 94184
(-10,387)
+ 0, 00172457
(12,727)
sqft
i
N = 224 R
2
= 0, 421826 SCR = 1478, 52
A continuaci on se muestran los resultados de la estimaci on por MCO utilizando un estimador de la matriz
de varianzas y covarianzas de los coecientes consistente aunque exista heterocedasticidad.
RESULTADOS B Variable dependiente: salepric
IP. ESTAD.T
const -440,312 110,631 -3,980
sqft 0,252069 0,0279076 9,032
age 3,69805 5,15553 0,717
city 91,8038 26,3404 3,485
Suma de cuadrados de los residuos = 4,27804e+006
c) En que varan los resultados mostrados ahora (RESULTADOS B) con los primeros (RESULTADOS A)?
Por qu e? Cu ales son ables y para qu e? Explica razonadamente.
Por ultimo se muestran los resultados de la estimaci on por Mnimos Cuadrados Generalizados o Ponderados
utilizando como variable de ponderaci on el inverso del tama no de la vivienda esto es,
1
sqft
.
138
RESULTADOS C
Estimaciones MC.Ponderados utilizando las 224 observaciones 1-224
Variable utilizada como ponderacion: inversqf = 1/sqft
Variable dependiente: salepric
IP. ESTAD.T
const -285,205 37,2121 -7,664
sqft 0,215569 0,00959143 22,475
age -0,549288 2,28001 -0,241
city 110,780 15,6896 7,061
Estadsticos basados en los datos ponderados:
Suma de cuadrados de los residuos = 0,150742
Estadstico F (3, 220) = 291,177
Estadsticos basados en los datos originales:
Suma de cuadrados de los residuos = 4,73514e+006
d) Qu e se quiere decir con datos ponderados y datos originales? Por qu e se utiliza como variable de ponde-
raci on el inverso de sqft? Explica razonadamente.
e) Qu e resultados de los tres A,B, o C te parecen mejores? Por qu e?
Con datos anuales desde 1948 hasta 1989 se ha estimado la siguiente funci on de consumo para el Reino Unido:
ln(C
t
) =
1
+
2
ln(RD
t
) +
3
ln(RD
t1
) +
4
ln(C
t1
) +v
t
(1)
donde C es el consumo per c apita y RD es la renta disponible per c apita (en libras). Ambas variables est an medidas
en t erminos reales. Los resultados de la estimaci on por MCO han sido los siguientes:
Variable dependiente: ln(C)
const -0,116 0,080 -1,453
ln(RD{t}) 0,741 0,083 8,968
ln(RD{t-1}) -0,744 0,087 -8,531
ln(C{t-1}) 1,018 0,090 11,355
Media var. dependiente = 7,94001 R-cuadrado = 0,998389
D.T. var. dependiente = 0,258946 R-cuadrado corregido = 0,998259
Suma cuadrados residuos= 0,004320 Estadstico F(3, 37) = 7644,56
Desv. tpica residuos = 0,0108057 Estad. de Durbin-Watson = 1,65215
Estad. Breusch-Godfrey para autocorrelacion de segundo orden = 3,2
139
0.02
0.015
0.01
0.005
0
0.005
0.01
0.015
0.02
1950 1955 1960 1965 1970 1975 1980 1985 1990
r
e
s
i
d
u
o
0.02
0.015
0.01
0.005
0
0.005
0.01
0.015
0.02
7.6 7.8 8 8.2 8.4
r
e
s
i
d
u
o
ln(Renta disponible)
Figura 12: Gr acos de residuos
a) Se pueden considerar todos los regresores jos? Por qu e?
b) Tiene este hecho alguna consecuencia para la validez de los resultados mostrados? Razona tu respuesta.
c) Utilizando la informaci on mostrada en los resultados de la estimaci on y en los gr acos, decide si quedarte
con el m etodo de estimaci on utilizado o propondras otro alternativo. Razona tu respuesta. Si realizas alg un
contraste, indica todos los elementos del mismo.
Comenta brevemente las siguientes armaciones:
a) Si utilizando el contraste de Hausman aceptamos la hip otesis nula, entonces es mejor utilizar el estimador
de Variables Instrumentales que el de Mnimos Cuadrados Ordinarios.
b) Un sistema de ecuaciones aparentemente no relacionadas se caracteriza por la existencia de relaciones entre
los coecientes de sus ecuaciones.
Con datos de 50 regiones europeas se ha estimado la relaci on:
Y
i
=
1
+
2
X
i
+
3
Z
i
+
4
Z
2
i
+u
i
i = 1, 2, . . . , 50 (1)
donde Y
i
es el consumo de gasolina en la regi on i- esima, X
i
es el n umero de coches matriculados y Z
i
es el tipo
impositivo sobre la gasolina.
El resultado de la estimaci on por MCO es:
Y
i
= 2990,73
(1342,50)
+ 0,18
(0,01)
X
i
552,62
(260,68)
Z
i
+ 24,57
(12,16)
Z
2
i
Entre par entesis: desviaciones tpicas estimadas con el estimador de White
140
a) Contrasta la hip otesis de que el efecto del impuesto sobre el consumo de gasolina no es cuadr atico. Especi-
ca la f ormula que se ha utilizado para obtener el n umero 12,16.
b) Se sospecha que la varianza de las perturbaciones depende tanto del n umero de coches como del impuesto.
Explica paso a paso c omo efectuaras el contraste oportuno. Haz el contraste, suponiendo que el valor del
estadstico es 60,20.
c) El contraste del apartado anterior conrma la sospecha. Sera preferible en este caso el uso de los esti-
madores de MCG Factibles para hacer el contraste del primer apartado, en vez de los de MCO? Por qu e?
Razona tu respuesta en t erminos de las propiedades del estimador MCGF.
Una entidad bancaria solicita a su servicio de estudios que analice la relaci on entre el Producto Nacional Bruto
(PNB) y la oferta monetaria (M), variable no estoc astica. Las variables est an medidas en logaritmos, desde el
primer trimestre de 1970 al segundo trimestre de 2003, ambos inclusive. El servicio de estudios propone estimar
por MCO el siguiente modelo:
PNB
t
=
0
+
1
M
t
+
2
M
t1
+u
t
(2)
PNB
t
(
desv)
= 0,00078
(0,00218)
+ 0,5320
(0,2053)
M
t
+ 0,4368
(0,2074)
M
t1
R
2
= 0,9371 DW = 0,2911 SCR = 0,08476
El servicio de estudios concluye:
El ajuste encontrado es bueno, por encima del 93 % y las variables ex ogenas son signicativas al 5 %. Se ha
estimado el modelo de la manera m as eciente posible.
a) Te parece razonable cada una de estas tres conclusiones? Razona tu respuesta comentando las propiedades
de los estimadores utilizados.
b) Si no est as de acuerdo con las conclusiones del servicio de estudios prop on un m etodo de estimaci on alter-
nativo y descrbelo.
a) Plantea un modelo con t ermino independiente y una sola variable explicativa para una muestra de tama no
T. Especica la condici on de perturbaciones esf ericas.
b) Sup on que no dispones de observaciones sobre dicha variable explicativa pero s de otra variable que se
considera una aproximaci on de la anterior. Escribe formalmente este hecho y comprueba qu e consecuencias
tiene sobre las propiedades del estimador de MCO. Escribe explcitamente todos los supuestos que creas
necesarios para demostrar tus resultados.
141
c) Llegaras a las mismas conclusiones sobre las propiedades del estimador MCO si la variable de la que no
dispones de observaciones fuera la end ogena?
Para analizar el consumo de un pas se especica el siguiente modelo:
Y
t
=
0
+
1
X
1t
+
2
X
2t
+u
t
, t = 1, 2, ..., 100
donde Y
t
, X
1t
y X
2t
representan la tasa de crecimiento del consumo, el tipo de inter es y la inaci on en el periodo
t respectivamente. Se supone que u
t
iid(0,
2
). La variable X
1t
se supone no estoc astica, pero la inaci on, al
estar determinada por la demanda de consumo, se considera estoc astica. Se dispone a su vez de informaci on sobre
la tasa de crecimiento de los costes de producci on, P
t
, que se considera no estoc astica.
Se ha estimado el modelo por MCO, obteni endose los siguientes resultados:
Y
t
= 0,046 0,021X
1t
0,055X
2t
(3)
a) Cu ando es el estimador de la ecuaci on (3) inconsistente?
b) Se dispone de la siguiente informaci on muestral:
(X
X)
1
=
_
_
0,010 0,012 0,000
0,012 0,011 -0,033
0,000 -0,033 0,022
_
_
(Z
X)
1
=
_
_
0,011 0,000 0,003
-0,034 -0,012 0,000
-0,023 0,000 -0,032
_
_
(Z
X)
1
Z
Z[(Z
X)
1
]
=
_
_
0,012 -0,033 -0,033
-0,033 0,118 0,051
-0,033 0,051 0,188
_
_
Z
Y =
_
_
1,0
3,0
1,8
_
_
X
Y =
_
_
1,0
3,0
2,0
_
_
Z
Z =
_
_
100 -14 -16
-14 95 -15
-16 -15 155
_
_
(X
Z)
1
Z
Z[(X
Z)
1
]
=
_
_
0,012 -0,030 0,059
0,002 0,008 -0,010
-0,006 -0,033 0,142
_
_
Si Z es la matriz de instrumentos, estima el modelo por variables instrumentales. Escribe la matriz Z y el
instrumento que se utiliza, argumentando por qu e se elige dicho instrumento. Qu e propiedades tiene este
estimador?
c) Si adem as
u
2
t,V I
= 2,037, c omo podras contrastar si el estimador MCO es consistente? Explica y rea-
liza el contraste. De acuerdo con este contraste, qu e m etodo de estimaci on elegiras?Por qu e?
Sea la relaci on lineal entre consumo de ropa (C
i
) e ingreso (R
i
):
C
i
= +R
i
+u
i
i = 1, . . . , N
donde se sospecha que la varianza de la perturbaci on puede ser distinta para los hombres que para las mujeres.
142
a) Para una muestra de 50 individuos varones se ha estimado por MCO la relaci on anterior obteni endose un
valor de 136,28 para la SCR. El mismo estadstico obtenido en una muestra de 50 mujeres ha alcanzado el
valor de 18,34. Describe y aplica el contraste de Goldfeld y Quandt para contrastar la sospecha del enuncia-
do.
b) Dado el resultado del contraste, describe c omo estimaras los par ametros del modelo de manera que tengan
buenas propiedades. Ctalas.
c) Si adem as se sospecha que los par ametros de la relaci on consumo de ropa-ingreso para los hombres son dis-
tintos que los de la relaci on consumo de ropa-ingreso para las mujeres, c omo estimaras estos par ametros?
Indica el modelo a estimar y el m etodo de estimaci on justicando tu respuesta.
12 Sea el siguiente modelo: Y
t
=
1
+
2
X
t
+
3
Y
t1
+u
t
t = 1, . . . , T (1)
donde X
t
es un regresor no estoc astico. Se ha estimado el modelo por MCO, obteni endose:
Y
t
= 17,86 + 0,27X
t
0,79Y
t1
t = 2, . . . , 51
En la siguiente tabla se recogen las 8 primeras observaciones de las variables Y
t
, X
t
y u
t,MCO
t Y
t
X
t
u
t,MCO
1 8,5 11
2 8,9 13
3 16 14
4 7,8 14,9
5 16,4 15,1 0,625
6 7,9 18 -1,864
7 18 18,8 1,304
8 8 19,1 -0,797
.
.
.
.
.
.
.
.
.
.
.
.
a) Utilizando las observaciones muestrales de la tabla anterior obt en los residuos de MCO iniciales. Analiza
gr acamente la posible presencia de autocorrelaci on de primer orden en las perturbaciones. Explica deta-
lladamente c omo contrastaras formalmente este supuesto.
b) En el caso de rechazar la hip otesis nula del apartado anterior y suponiendo que las perturbaciones siguen un
AR(1), es decir, u
t
= u
t1
+
t

t
iid(0,
2
), demuestra las propiedades del estimador MCO de los

par ametros de la relaci on (1).
Se dispone de la siguiente informaci on muestral:
51
t=2
X
t
= 3323, 4
51
t=2
Y
t
= 1022
51
t=2
Y
t1
= 998, 5
51
t=2
X
t
Y
t
= 77268, 38
51
t=2
Y
t
Y
t1
= 14146, 83
51
t=2
X
t
Y
t1
= 75652, 8
51
t=2
(X
t
)
2
= 281168, 2
51
t=2
X
t
X
t1
= 272614, 67
51
t=2
(Y
t1
)
2
= 31068, 07
51
t=2
X
t1
= 3205, 4
51
t=2
X
t1
Y
t1
= 73233, 88
51
t=2
X
t1
Y
t
= 74499, 05
(X
X)
1
=
_
_
0,103060 -0,000948 -0,001003
-0,000948 0,000019 -0,000015
-0,001003 -0,000015 0,000103
_
_
143
(Z
X)
1
=
_
_
-0,233 0,203 -0,207
-0,0062 0,0032 -0,0032
0,033 -0,021 0,021
_
_
(X
Z)
1
=
_
_
-0,233 -0,0062 0,033
0,203 0,0032 -0,021
-0,207 -0,0032 0,021
_
_
c) Si Z es la matriz de instrumentos, estima el modelo por Variables Instrumentales donde X
t1
es el instru-
mento para Y
t1
. Razona las propiedades de dicho estimador.
d) Crees que con la estimaci on anterior se ha corregido el problema de autocorrelaci on? Razona tu respuesta.
Adem as de la informaci on anterior se dispone de la siguiente:
u
2
t1,MCO
= 3353, 54
t
= 4627, 25
t
Y
t1
= 148191, 84
u
t,MCO
u
t1,MCO
= 1331, 60
t
= 1421, 21
t
Y
t
= 151394, 54
u
2
t1,V I
= 477634, 63
t1
= 1388, 42
t
Y
t1
= 41014, 33
u
t,V I
u
t1,V I
= 196899, 12
(X
t
)
2
= 550599, 31
(Y
t1
)
2
= 46920, 97
donde Y
t
= Y
t
Y
t1
, X
t
= X
t
X
t1
, Y
t1
= Y
t1
Y
t2
y es un estimador
consistente del par ametro del proceso autorregresivo de primer orden.
e) Cu al es la estimaci on consistente del par ametro utilizada para construir Y
t
, X
t
y Y
t1
en las expresiones
superiores?
f) Con la informaci on anterior, se puede estimar los par ametros de la relaci on (1) mejorando las propiedades
del estimador de VI? Describe el m etodo que propones y sustituye los sumatorios anteriores en la f ormula
del estimador correspondiente. (No debes calcular las estimaciones.)
g) C omo contrastaras la hip otesis nula H
0
:
2
= 1? Detalla explcitamente todos los elementos que inter-
vienen en dicho contraste.
Se desea analizar la siguiente la relaci on entre los gastos agregados en sanidad, Y
i
y la renta agregada, X
i
, ambos
en billones de d olares, para 51 estados norteamericanos
2
:
Y
i
=
1
+
2
X
i
+u
i
(1)
Los resultados de la estimaci on por Mnimos Cuadrados Ordinarios son los siguientes:
Y
i
(
desv(
i
))
= 0, 3256
(0,3197)
+ 0, 1420
(0,0019)
X
i
R
2
= 0, 999 (2)
(

desv(
i
)
White
) (0, 2577) (0, 0031)
u
2
i
u
u
T
= 0, 113 + 0, 008X
i
+
i
R
2
= 0, 3269 SCE = 55, 89 (3)
Posteriormente, se dibujan los residuos frente a la renta agregada (gura 13).
1
CVS Id: $Id: 05e2le.tex,v 1.2 2006/02/07 15:03:04 etpdihei Exp
2
Rammanathan, R. (2002), Introductory econometrics with applications, data 3-2.
144
Figura 13: Residuos MCO frenta a la Renta (1)
-5
-4
-3
-2
-1
0
1
2
3
4
5
0 100 200 300 400 500 600 700
r
e
s
i
d
u
o
Renta
a) Explica c omo crees que se han calculado los residuos y para qu e crees que se ha dibujado la Figura 1. In-
terpr etala.
b) Teniendo en cuenta la Figura 1 realiza el contraste que consideres oportuno.
c) Explica, razonando tu respuesta, qu e estadstico utilizaras para contrastar la signicatividad de la variable
renta. Realiza el contraste detallando todos sus elementos.
d) A la vista de los resultados de la estimaci on del modelo (1) el investigador estima de nuevo el modelo
suponiendo la siguiente estructura para la varianza de la perturbaci on: V ar(u
i
) =
2
X
i
. Se obtienen los
siguientes resultados:
Modelo 2: estimaciones M C.Ponderados
utilizando las 51 observaciones 1-51
Variable dependiente: Gasto
IP. ESTAD.T 2Prob(t > |T|)

const 0,104510 0,162476 0,643 0,523069
renta 0,144202 0,00259765 55,513 < 0,00001
***
Suma de cuadrados de los residuos = 1,14534 R-cuadrado = 0,984348
Desviacion tpica de los residuos = 0,152887 R-cuadrado corregido = 0,984029
4.a) Razona la forma funcional escogida para la varianza de la perturbaci on. Explica c omo crees que se
han obtenido las estimaciones.
4.b) Suponiendo normalidad en la perturbaci on, contrasta la signicatividad de la variable renta.
e) El investigador no se siente conforme con la forma funcional escogida para V ar(u
i
) y se propone reestimar
el modelo (1) suponiendo que V ar(u
i
) = a +bX
i
, donde a y b son desconocidos.
5.a) Explica detalladamente c omo estimaras los coecientes del modelo (1) bajo este supuesto.
145
5.b) Suponiendo
2
i
= a +
bX
i
. Realiza dicha estimaci on con la siguiente informaci on muestral:
u
2
i
= 148, 699
u
2
i
X
i
= 34945, 67
(X
i
/
i
)
2
= 196420, 998
(X
i
/
i
2
) = 1608, 337
(1/
i
)
2
= 34, 738
(Y
i
/
i
2
) = 236, 139
(Y
i
X
i
/
i
2
) = 28484, 578
(Y
2
i
/
i
2
) = 4168, 919
5.c) Contrasta la signicatividad de la variable explicativa.
f) Qu e comentaras sobre la validez de los contrastes realizados en los apartados 3), 4.b) y 5.c)?
La evoluci on anual de los precios para el perodo de 1950-1994 para el pas A es la siguiente:
P
t
=
1
+
2
M
t
+
3
M
t1
+
4
P
t1
+u
t
(4)
Siendo M
t
la masa monetaria, variable que se supone no estoc astica. La estimaci on MCO de la ecuaci on anterior
ha proporcionado los siguientes resultados:
P
t
= 0,46
(0,231)
+ 1, 68
(0,64)
M
t
+ 0, 99
(0,495)
M
t1
+ 2, 36
(0,87)
P
t1
(5)
R
2
= 0, 78 DW = 0, 86 BG(1) = 6, 38
a) Enuncia el Teorema de Mann y Wald.
b) Teniendo en cuenta los resultados obtenidos en (5) verica cu ales de los supuestos de este Teorema no se
satisfacen. Qu e consecuencias tiene esto sobre las propiedades del estimador MCO?
c) Dado que se incluye como regresor a la variable end ogena retardada el investigador decide estimar por va-
riables instrumentales la relaci on (4). Describe el m etodo de estimaci on y escribe las cuatro primeras las
de las matrices que utilizaras para calcularlo. Justica las propiedades de este estimador.
d) Suponiendo que en (4) u
t
= u
t1
+
t
|| < 1 pero desconocido y
t
iid(0,
2
). Cu al crees
que sera el mejor estimador de los coecientes del modelo (4)? Explcalo detalladamente.
e) Para contrastar la signicatividad de la variable P
t1
, qu e estadstico de contraste consideras m as adecua-
do?
El director de recursos humanos de una empresa quiere estimar un modelo sobre la productividad de los empleados
y cree que esta es diferente seg un el sexo del empleado. Por ello propone el siguiente modelo:
Y
H
(T 1)
= X
H
(T 2)
H
(2 1)
+ u
H
(T 1)
u
H
NID(0,
2
) (6)
Y
M
(T 1)
= X
M
(T 2)
M
(2 1)
+ u
M
(T 1)
u
M
NID(0,
2
) (7)
146
Donde H-indica observaci on que pertenece a la muestra masculina y M-indica observaci on que pertenece a la
muestra femenina y E(u
H
u
M
) = 0
a) Explica razonadamente cu al sera el m etodo de estimaci on m as eciente del conjunto de par ametros .
b) Indica c omo contrastaras H
0
:
H
=
M
. No olvides explicar cada uno de los elementos del contraste y
c omo los obtendras.
Se desea estimar una funci on de producci on tipo Cobb-Douglas para el sector agrcola y ganadero en los Estados
Unidos. Para ello se dispone de una base
3
de datos anuales para el periodo de 1948 a 1993 sobre los siguientes
ndices con base en el a no 1982:
Y
t
=

Indice de la producci on agrcola y ganadera (en logaritmos)
L
t
=

Indice de utilizaci on del factor trabajo (en logaritmos)
EX
t
=

Indice del tama no de la explotaci on (en logaritmos)
K
t
=

Indice del gasto en maquinaria (en logaritmos)
Se especica el siguiente modelo:
Y
t
=
1
+
2
L
t
+
3
EX
t
+
4
K
t
+u
t
(1)
Los resultados de la estimaci on por Mnimos Cuadrados Ordinarios son los siguientes:
Y
t
(
desv(
i
))
= 4, 112
(1,286)
0, 739
(0,039)
L
t
+ 1, 063
(0,377)
EX
t
0, 233
(0,077)
K
t
(2)
R
2
= 0, 974 DW = 1, 304
u
t
= 0, 3215 0, 0068L
t
+ 0, 084EX
t
0, 007K
t
+ 0, 349 u
t1
+ w
t
(3)
R
2
= 0, 1225
Se obtiene la serie temporal de los residuos (ver Figura 1).
a) Explica c omo crees que se han calculado los residuos y para qu e se ha dibujado la Figura 1. Interpreta el
gr aco y comenta si hay evidencia de alg un problema.
b) Realiza los contrastes de autocorrelaci on que consideres oportunos utilizando toda la informaci on ofrecida.
Explica detalladamente.
c) Explica, razonando tu respuesta, si es able contrastar la signicatividad del factor trabajo utilizando la
informaci on proporcionada en (2). C omo se debera modicar el estadstico si se sigue utilizando el esti-
mador MCO para estimar el coeciente
2
?
A la vista de los resultados de la estimaci on del modelo (1) el investigador estima de nuevo la funci on
de producci on por el m etodo de Hildreth y Lu. Los resultados utilizando el programa GRETL son los
siguientes:
3
Rammanathan, R. (2002), Introductory econometrics with applications, data 9-5.gdt
147
Figura 14: Residuos MCO Modelo 1
-0.1
-0.08
-0.06
-0.04
-0.02
0
0.02
0.04
0.06
0.08
1950 1955 1960 1965 1970 1975 1980 1985 1990
r
e
s
i
d
u
o
Residuos de la regresin (= l_output observada - ajustada)
Estimaciones Hildreth-Lu utilizando las 45 observaciones 1949-1993
Variable dependiente: Y

const 3,70258 1,30555 2,836 0,007064
***
L -0,741430 0,0434648 -17,058 0,00001
***
EX 1,14724 0,378590 3,030 0,004219
***
K -0,224659 0,0906423 -2,479 0,017399
**
d) Explica razonadamente qu e muestra la gura 2. Qu e quiere decir que la SCR sea mnima para rho = 0,35?
e) Explica c omo se han obtenido las estimaciones de los coecientes.
f) Utilizando los resultados de la estimaci on por Hildreth y Lu y sabiendo que la estimaci on de la matriz de
covarianzas de los coecientes es:
V ar(
HL
) =
_
_
1, 70446 0, 03642 0, 47824 0, 07057
0, 03642 0, 00189 0, 012883 0, 00307
0, 47824 0, 01283 0, 143331 0, 02647
0, 07057 0, 00307 0, 02647 0, 00827
_
_
Contrasta la hip otesis nula H
0
:
3
= 2
4
. Explica todos los elementos del contraste.
En el modelo
Y
i
=
1
+
2
X
i
+u
i
u
i
NID(0,
2
i
) (4)
donde
2
i
= a +bX
2
i
.
148
Figura 15: Hildreth-Lu. La SCR es mnima para rho = 0,35
0.06
0.08
0.1
0.12
0.14
0.16
0.18
0.2
-1 -0.5 0 0.5 1
S
C
R
rho
a) Obt en la estimaci on por Mnimos Cuadrados Generalizados Factibles utilizando la siguiente informaci on
muestral donde
2
i
= a +
bX
2
i
es un estimador consistente de la varianza de u
i
:
u
2
i
= 148, 699
u
2
i
X
i
= 34945, 67
(X
i
/
i
)
2
= 196420, 99
(X
i
/
i
2
) = 1608, 34
(1/
i
)
2
= 34, 74
(Y
i
/
i
2
) = 236, 14
(Y
i
X
i
/
i
2
) = 28484, 58
(Y
2
i
/
i
2
) = 4168, 92
b) Explica qu e ventajas presenta este estimador frente al de Mnimos Cuadrados Ordinarios. Razona tu res-
puesta.
c) Contrasta la signicatividad de la variable explicativa. Explica todos los elementos del contraste.
Contesta razonadamente a las siguientes preguntas:
a) Qu e requisitos debe de satisfacer un instrumento para estimar por el m etodo de Variables instrumentales?
Por qu e? Razona la respuesta.
b) Se puede detectar con el contraste de Hausman un problema de error de medida en alg un regresor? Por
qu e?
3
149
Se dispone de datos anuales del consumo (C
t
) y renta (R
t
) de USA desde 1950 hasta 1985. Para analizar la
proporci on de renta que se dedica al consumo se propone el modelo C
t
= + R
t
+ u
t
, donde u
t
sigue una
distribuci on normal. Al estimar el modelo por MCO se obtienen los siguientes resultados:
C
t
= 11, 374
(1,181)
+ 0, 898
(153,603)
R
t
T = 36

R
2
= 0, 998
u
2
t
= 12044, 2
(entre par entesis, los estadsticos t)
a) Para analizar si se ha mantenido constante la dispersi on de las perturbaciones a lo largo del tiempo se han
realizado dos regresiones :
C
t
= 6, 719 + 0, 909R
t
u
2
t
= 405, 369 t = 1950, ..., 1963
C
t
= 187, 162 + 0, 99R
t
u
2
t
= 3709, 55 t = 1972, ..., 1985
Utiliza estos resultados para contrastar si las perturbaciones del modelo considerado han mantenido cons-
tante su dispersi on. Explica claramente todos los pasos del contraste.
b) Asimismo, se desea contrastar la posibilidad de que la dispersi on de las perturbaciones dependa de R
t
. Uti-
liza una de las siguientes regresiones para realizar dicho contraste. Explica claramente todos los elementos
del contraste realizado.
(1)
u
2
t
334, 561
= 1, 345 + 0, 345R
t
+ 0, 581C
t
+ w
t
; R
2
= 0, 890;
w
2
t
= 4, 515
(2) u
t
= 7, 205 + 0, 014R
t
+ 0, 546 u
t1
+ w
t
; R
2
= 0, 329;
w
2
t
= 19, 455
(3) u
2
t
= 3, 305 + 0, 953R
t
+ w
t
; R
2
= 0, 129;
w
2
t
= 9, 315
(4)
u
2
t
334, 561
= 1, 272 + 0, 001R
t
+ w
t
; R
2
= 0, 189;
w
2
t
= 94, 651
c) Teniendo en cuenta que la renta ha mantenido una tendencia creciente durante los a nos considerados en la
muestra y los resultados obtenidos en los dos apartados anteriores, dibuja en un gr aco el comportamiento
que esperas que tengan los residuos MCO frente a R
t
.
d) Suponiendo que V ar(u
t
) =
2
R
4
t
explica detalladamente c omo estimaras de la mejor forma posible los
par ametros y . Razona qu e propiedades tiene el estimador propuesto.
e) Sup on ahora que V ar(u
t
) =
0
+
1
R
t
, donde
0
y
1
son constantes desconocidas. Explica detallada-
mente c omo contrastaras la hip otesis de que de cada dolar en que se incrementa la renta se espera que 90
c entimos se dediquen al consumo.
Con una muestra de 100 observaciones se ha estimado por MCOel siguiente modelo donde X
1t
y X
2t
son variables
no estoc asticas:
Y
t
= 3, 25
(0,96)
+ 0, 086
(0,027)
X
1t
+ 0, 402
(0,009)
X
2t
T = 100 (1)
150
DW = 2, 05 R
2
= 0, 950
u
2
t
= 635, 2
(entre parentesis, las desviaciones estimadas)
a) Contrasta la signicatividad de la variable X
2t
suponiendo que las perturbaciones del modelo siguen una
distribuci on normal. Ten en cuenta toda la informaci on suministrada en la regresi on.
Con los mismos datos se ha obtenido la estimaci on de otro modelo:
Y
t
= 3, 82
(1,04)
+ 0, 088
(0,027)
X
1t
+ 0, 403
(0,010)
X
2t
0, 032
(0,023)
Y
t1
T = 99 (2)
DW = 1, 98 R
2
= 0, 951
u
2
t
= 621, 4
(entre parentesis, las desviaciones estimadas)
Tambi en se han obtenido las regresiones auxiliares asociadas al modelo (2):
u
t
= 0, 0005 + 0, 01 u
t1
+ w
t
; R
2
= 0, 00005; SCT = 621, 4 (3)
u
t
= 0, 011 + 0, 008 u
t1
+ 0, 0000006X
1t
0, 00009X
2t
0, 0003Y
t1
+ v
t
(4)
R
2
= 0, 00006; SCT = 621, 4
b) Contrasta de nuevo la signicatividad de la variable X
2t
suponiendo que las perturbaciones del modelo
siguen una distribuci on normal. Utiliza la informaci on de las regresiones auxiliares para comentar la abi-
lidad de este contraste.
c) Existe alguna diferencia entre los contrastes de signicatividad de los apartados A y B? Si la hay, explcala
detalladamente.
d) Con qu e modelo preferiras trabajar? Explica por qu e.
El due no de una editorial propone explicar sus ventas de libros a trav es del modelo:
V
t
=
1
+
2
P
t
+
3
G
t
+
4
V
t1
+u
t
t = 1992 : 1, . . . , 2001 : 4 (5)
donde V
t
denota las ventas, P
t
, el precio medio de los libros y G
t
, los gastos realizados en publicidad. Las variables
P
t
y G
t
se consideran no estoc asticas. Estimado el modelo por MCO se obtiene:
V
t
= 259, 42
(44,64)
2, 14
(0,40)
P
t
+ 0, 097
(0,005)
G
t
+ 0, 091
(0,04)
V
t1
(6)
R
2
= 0, 9366 DW = 1, 8998 SCR = 9608, 8056
Su hijo piensa que la estimaci on del modelo anterior por MCO no es la m as adecuada. Por tanto, decide realizar la
siguiente regresi on auxiliar:
V
t1
= 313, 53 2, 09P
t1
+ 0, 10G
t1
(7)
y utilizar sus resultados para estimar el modelo (5) mediante el m etodo de Variables Instrumentales. El resultado
de dicha estimaci on aparece a continuaci on:
V
t
= 260, 54
(45,21)
2, 15
(0,40)
P
t
+ 0, 097
(0,005)
G
t
+ 0, 086
(0,05)
V
t1
(8)
R
2
= 0, 9354 DW = 1, 7101 SCR = 9790, 8944
151
a) Explica por qu e se ha utilizado la regresi on auxiliar (7) para obtener los estimadores de Variables Instru-
mentales del modelo estimado (8). Escribe las expresiones del estimador de variables instrumentales y del
estimador de su matriz de varianzas y covarianzas para este modelo concreto, detallando cada matriz utili-
zada.
b) Realiza el contraste de Hausman y decide, bas andote en el resultado obtenido, si es v alido el m etodo de
estimaci on utilizado por el padre. Razona tu respuesta.
c) Dado el resultado del apartado anterior, puedes hacer alg un comentario sobre el cumplimiento de las
hip otesis b asicas de las perturbaciones del modelo? Razona la respuesta.
Se dispone de una muestra de 20 datos anuales de las empresas Citroen y Renault (i = C si la empresa es Citroen,
i = R si la empresa es Renault) para las variables:
I
it
= Inversi on Bruta de la empresa i
F
it
= Valor de mercado de la empresa i al nal del a no anterior
C
it
= Valor del stock de capital de la empresa i al nal del a no anterior As, se proponen las siguientes relaciones:
_
I
Ct
=
1
+
1
F
Ct
+
1
C
Ct
+u
Ct
u
Ct

iid
(0,
2
)
I
Rt
=
2
+
2
F
Rt
+
2
C
Rt
+u
Rt
u
Rt

iid
(0,
2
)
(9)
a) Si se cree que las perturbaciones de ambos modelos est an incorrelacionadas entre s en todo momento del
tiempo, c omo estimaras los par ametros de ambos modelos? Escribe detalladamente el modelo a estimar
junto con el estimador propuesto y sus propiedades.
b) C omo contrastaras el hecho de que la estructura de inversi on bruta especicada es la misma para la em-
presa Citroen y para Renault?
Se propone el siguiente modelo de regresi on para estudiar el efecto de los gastos en publicidad, X
i
, en los ingresos,
Y
i
, de los restaurantes de una determinada ciudad:
Y
i
= +X
i
+u
i
u
i
NID(0,
2
u
) (1)
De una muestra de 166 restaurantes, se dispone del promedio de los ingresos (en miles de euros) y del gasto en
publicidad mensual (en cientos de euros) de los restaurantes agrupados seg un al barrio al que pertenecen.
Barrio 1 2 3 4 5 6 7
Y
j
10 12 14 18 17 18 20
X
j
3 5 9 12 15 17 19
n
j
9 4 36 16 81 4 16
donde X
j
=
1
n
j
iB
j
X
i
, Y
j
=
1
n
j
iB
j
Y
i
y n
j
indica el n umero de restaurantes en el barrio B
j
, j =
1, 2, . . . , 7.
152
Adem as, se dispone de la siguiente informaci on:
7
j=1
n
j
X
j
= 366;
7
j=1
n
j
Y
j
= 479;
7
j=1
n
j
X
2
j
= 5186;
7
j=1
n
j
Y
2
j
= 7909;
7
j=1
n
j
X
j
Y
j
= 6257
7
j=1
X
j
n
j
= 8, 21;
7
j=1
Y
j
n
j
= 11, 59;
7
j=1
X
2
j
n
j
= 116, 09;
7
j=1
Y
2
j
n
j
= 182, 37;
7
j=1
X
j
Y
j
n
j
= 138, 73
7
j=1
n
j
X
j
= 2150;
7
j=1
n
j
Y
j
= 2699;
7
j=1
n
j
X
2
j
= 30558;
7
j=1
n
j
Y
2
j
= 44821;
7
j=1
n
j
X
j
Y
j
= 36461
a) Dado que s olo tienes la informaci on de los promedios, en qu e modelo podras estimar los par ametros y
? Indica la propiedades de las perturbaciones de dicho modelo.
b) Estima ecientemente los par ametros del modelo y describe en detalle el estimador utilizado y sus propie-
dades.
c) Contrasta si el gasto en publicidad tiene un efecto marginal positivo sobre los ingresos.
d) Sin hacer los c alculos, c omo estimaras el modelo que has propuesto en el apartado 1 si la varianza de las
perturbaciones del modelo original (1) aumenta con los gastos en publicidad tal que Var(u
i
) =
2
u
X
i
?
Un investigador est a analizando la relaci on que existe entre el

Indice de Producci on Industrial medio anual de la
CAPV (X
t
) y el Valor A nadido del sector industrial (Y
t
). Para ello, dispone de datos anuales de ambas variables
en los ultimos 30 a nos y propone el siguiente modelo de dos ecuaciones:
Y
1t
=
1
+
1
X
1t
+u
1t
u
1t
iid(0,
2
u
) t = 1975, ..., 1985 (2)
Y
2t
=
2
+
2
X
2t
+u
2t
u
2t
iid(0,
2
u
) t = 1986, ..., 2004 (3)
donde u
1
y u
2
son independientes entre s.
a) Dado el importante cambio en el proceso productivo industrial a raz de la entrada en la Comunidad
Econ omica Europea en 1986, comenta brevemente el motivo que puede haber llevado al investigador a
especicar dos ecuaciones en lugar de una sola. Escribe el modelo en forma matricial y la correspondiente
matriz de varianzas y covarianzas de las perturbaciones. Prop on el estimador m as eciente para estimar los
par ametros del modelo, incluyendo
2
u
.
b) Sup on que la relaci on entre X e Y no se ha alterado a lo largo de los 30 a nos. Escribe matricialmente el
modelo y prop on el estimador m as eciente de los par ametros del modelo, incluyendo
2
u
.
153
Y
t
=
1
+
2
X
2t
+
3
X
3t
+u
t
t = 1, . . . , 100 (4)
donde X
2
y X
3
son variables no estoc asticas.
Se ha estimado el modelo por MCO obteni endose la siguiente funci on de regresi on muestral:
Y
t
(estadstico-t)
= 0, 79
(0,15)
+ 12, 56
(10,58)
X
2t
12, 43
(-8,35)
X
3t
R
2
= 0, 75 DW = 0, 3 (5)
a) Realiza un contraste para detectar la posible presencia de un proceso autorregresivo de orden uno en las
perturbaciones explicando detalladamente todos los pasos.
b) Describe c omo realizar el contraste de Breusch y Godfrey para detectar la posible presencia de autocorrela-
ci on de primer orden en las perturbaciones.
c) Si u
t
AR(1), prop on un estimador asint oticamente eciente de los par ametros del modelo y un contraste
v alido para la signicatividad de X
3
.
Se quiere analizar si la volatilidad de las acciones del BBVA (X
1t
) afecta a su rendimiento (Y
t
). Para ello se
propone el siguiente modelo:
Y
t
=
0
+
1
X
1t
+
2
X
2t
+u
t
t = 1, 2, ..., 100
donde u
t
iid(0,
2
) y X
2t
es el tipo de inter es de las letras del tesoro a un a no. Un investigador estima el modelo
por MCO obteni endose el siguiente resultado:
Y
t
= 0, 7 0, 3X
1t
0, 1X
2t
(6)
con
V ar(
) =
2
(X
X)
1
= 0, 17
_
_
0, 31 0, 12 0, 15
0, 12 0, 31 0, 07
0, 15 0, 07 0, 13
_
_
a) Contrasta si la volatilidad afecta al rendimiento de las acciones del BBVA.
b) Otro investigador considera que, aunque X
2t
puede considerarse una variable no estoc astica, la volatilidad
est a determinada por los mismos factores que afectan al rendimiento y, por lo tanto, u
t
y X
1t
estar an corre-
lacionados. Qu e implicaciones tendra este hecho en la estimaci on por MCO del modelo en la ecuaci on (6)?
c) Este segundo investigador decide estimar el modelo por VI utilizando como instrumento la volatilidad del
Ibex35, obteniendo los siguientes resultados:
Y
t
= 1, 3 0, 7X
1t
0, 2X
2t
(7)
con
V ar(
V I
) = 0, 21
_
_
0, 41 0, 23 0, 25
0, 23 0, 33 0, 09
0, 25 0, 09 0, 16
_
_
154
Explica detalladamente c omo se han obtenido las estimaciones de
0
,
1
y
2
y comenta las propiedades
de estos estimadores. Qu e condiciones tiene que cumplir la volatilidad del Ibex35 para que sirva como
instrumento?
d) Explica c omo se ha obtenido

V ar(
V I
).
e) Contrasta, utilizando los resultados obtenidos mediante VI, si la volatilidad afecta al rendimiento de las
acciones del BBVA.
f) Realiza alg un contraste para comprobar cu al de los investigadores est a actuando mejor a la hora de estimar
y contrastar la hip otesis de inter es. Explica detalladamente tus conclusiones.
Una empresa familiar dedicada al arreglo de coches siniestrados, encarga a una gestora un estudio sobre la relaci on
existente entre el n umero de trabajadores, L, y los benecios anuales obtenidos (medidos en miles de euros), M,
durante los ultimos 46 a nos. El gestor le propone la siguiente relaci on:
M
t
=
1
+
2
L
t
+u
t
t = 1, . . . , T (1)
donde supone que la variable L
t
es no estoc astica y la perturbaci on sigue una distribuci on normal de media cero.
Los resultados de la estimaci on MCO son los siguientes:
M
t
(
desv(
i
))
= 7, 4408
(0,0843)
0, 6310
(0,0170)
L
t
R
2
= 0, 968 DW = 1, 333 t = 1, . . . , 46 (2)
3.8
3.9
4
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
0 5 10 15 20 25 30 35 40 45
M
M observada y estimada
estimada
actual
-0.1
-0.08
-0.06
-0.04
-0.02
0
0.02
0.04
0.06
0.08
0.1
0 5 10 15 20 25 30 35 40 45
r
e
s
id
u
o
Residuos de la regresin (= M observada - estimada)
Adem as se dispone de las siguientes regresiones auxiliares:
u
2
t
u
u
= 0, 7734 + 0, 1225L
t
+

1t
SCR = 45, 8741 R
2
= 0, 1209 (A)
u
2
t
( u
u/46)
= 0, 1740 + 0, 0351 t +

2t
SCR = 60, 5979 R
2
= 0, 1418 (B)
u
t
( u
u/46)
= 0, 2232 0, 3517 t + 2, 4571L
t
+

3t
SCR = 36, 3244 R
2
= 0, 2187 (C)
u
t
= 0, 2992 u
t1
+ 0, 0464 u
t2
+

4t
SCR = 0, 0733 R
2
= 0, 1010 (D)
155
1. Interpreta el coeciente
2
, cu al es el signo que esperas?
2. Comenta los gr acos. Crees que el modelo (1) cumple todas las hip otesis b asicas?
3. Bas andote en la informaci on proporcionada, qu e supuestos sobre la perturbaci on podras contrastar? Rea-
liza los posibles contrastes indicando todos los elementos necesarios.
No satisfecho con los resultados el gestor procede a estimar el siguiente modelo alternativo:
M
t
=
1
+
2
L
t
+
3
L
2
t
+v
t
t = 1, . . . , T (3)
cuyos resultados aparecen en la siguiente tabla:
Modelo 3: estimaciones MCO utilizando las 46 observaciones 19481993
Variable dependiente: M
Variable Coeciente Desv. tpica Estadstico t valor p
const 421,905 21,0849 20,0098 0,0000
L -72,228 4,71511 -15,3185 0,0000
L
2
0,000484685 8,99453e-05 5,3887 0,0000
Media de la var. dependiente 78,0652 R
2
0,962685
D.T. de la variable dependiente 18,9975

R
2
corregido 0,960949
Suma de cuadrados de los residuos 606,028 F(2, 43) 554,674
4. Qu e pretende recoger el nuevo t ermino?
Adem as se dispone de los siguientes resultados:
Modelo A: estimaciones MCO utilizando las 46 observaciones 146
Variable dependiente:
v
2
t
( v
v)/46
const -0,132741 0,391608 -0,3390 0,7362
t 0,0482018 0,0145090 3,3222 0,0018
Media de la var. dependiente 1,00000 R
2
0,200538

R
2
corregido 0,182368
Suma de cuadrados de los residuos 75,0956 Grados de libertad 44
Desviaci on tpica de los residuos ( ) 1,30641 Estadstico de DurbinWatson 2,08620
Modelo B: estimaciones MCO utilizando las 45 observaciones 246
Variable dependiente: v
t
const -0,144956 1,26964 -0,1142 0,9097
L 0,0583956 0,513785 0,1137 0,9101
L
2
-0,00585360 0,0517415 -0,1131 0,9105
v
t1
0,194001 0,153777 1,2616 0,2142
156
Media de la var. dependiente -8,41529e-05 R
2
0,0374139

R
2
corregido -0,0330193
Suma de cuadrados de los residuos 0,0680212 F(3,41) 0,531197
Desviaci on tpica de los residuos ( ) 0,0407315 Estadstico de DurbinWatson 1,97476
5. Bas andote en la informaci on contenida en las dos tablas anteriores:
i. Qu e concluyes sobre las caractersticas de la perturbaci on?
ii. A qu e se debe la contradicci on que se obtiene entre los Apartados 3 y 5.i?
6. A la vista de los resultados obtenidos en la estimaci on del modelo (3), cu ales son las consecuencias sobre
el estimador de MCO y las desviaciones estimadas mostradas?
Otro de los socios de la gestora presenta los siguientes resultados obtenidos empleando otro estimador alternativo.
Modelo C: estimaciones MC.Ponderados utilizando las 46 observaciones 19481993
Variable dependiente: M
Variable utilizada como ponderaci on:
1
t
const 147,113 4,21100 34,9355 0,0000
L -0,666136 0,0404821 -16,4551 0,0000
L
2
0,00115263 9,35801e-05 12,3170 0,0000
7. Escribe la funci on de regresi on poblacional que se est a estimando e indica cu ales son los supuestos sobre
la perturbaci on que se han asumido. Cu al es el m etodo de estimaci on que se est a empleando? Escribe la
f ormula matricial del estimador y cada uno de sus componentes.
8. Dado el supuesto realizado sobre la varianza de u
t
, cu al es el correspondiente modelo transformado con
perturbaciones esf ericas? Demu estralo. Para este modelo, indica cu ales son los pasos necesarios para obte-
ner dichas estimaciones y el valor de estas.
9. C omo contrastaras si el n umero de trabajadores de la empresa es relevante para determinar el benecio
medio anual?
Se dispone de 62 observaciones sobre las siguientes caractersticas de los terremotos registrados en Alaska durante
el periodo 1969-1978
4
:
Y
t
El logaritmo de la amplitud de onda en metros por segundo, (m/sg).
X
t
El logaritmo de la amplitud del cuerpo longitudinal de la onda en m/sg.
W
t
El logaritmo de la traza m axima de amplitud de onda a corta distancia en m/sg.
4
Fuente: Fuller, W.A. (1987). Measurement Error Models. Wiley, New York.
157
Se quiere estimar cu al es el efecto sobre Y
t
de la velocidad de amplitud del cuerpo de la onda de un terremoto, X
t
,
mediante el modelo:
Y
t
=
1
+
2
X
t
+v
t
v
t
NID(0,
2
v
) (4)
La tecnologa existente no permite obtener directamente el valor de la variable no estoc astica X
t
por lo que se
aproxima mediante X
t
= X
t
+ e
t
, donde X
t
es la variable observada y e
t
NID(0,
2
e
) es el error de medida.
Adem as, la perturbaci on del modelo, v, y el error de medida, e, son independientes. Se han obtenido los siguientes
resultados a partir del estimador de Mnimos Cuadrados ordinarios (MCO).
Y
t
( desv(
i
))
= 1,491
(0,780)
+ 1,261
(0,149)
X
t
+ u
t
, SCR = 17,242.
(X
X)
1
=
_
2, 118 0, 403
0, 403 0, 077
_
1
1. Obt en paso a paso cada uno de los siguientes valores:
u
t
=
E(u
t
) =
V ar(u
t
) =
Cov(u
t
, u
s
) =
E(X
t
u
t
) =
2. Razona las propiedades en muestras nitas y asint oticas del estimador MCO.
El modelo anterior ha sido reestimado por variables instrumentales (VI). Para ello se ha utilizado como instrumento
para el regresor X
t
a la variable W
t
, cuya medici on se puede realizar con exactitud. Se han obtenido los siguientes
resultados.
Y
t
( desv(
i,V I
))
= 4,287
(1,114)
+ 1,797
(0,213)
X
t
+ u
t
, SCR = 20,961.
3. Escribe explcitamente la f ormula del estimador de VI y su expresi on en t erminos de sumatorios.
4. Escribe explcitamente las condiciones necesarias para que el estimador de VI sea consistente.
5. Lleva a cabo el contraste de Hausman para analizar si es o no importante el problema de error de medida.
Escribe la hip otesis nula, la alternativa y todos los elementos del contraste, as como su conclusi on.
6. Contrasta la hip otesis de que, en media, la amplitud del cuerpo longitudinal de la onda recogida en un
sism ografo no es relevante sobre la amplitud de la onda.
158
El Departamento de Sanidad de E.E.U.U. quiere estudiar la relaci on entre el gasto sanitario agregado en billones
de d olares (exphlth), la renta personal disponible agregada tambi en en billones de d olares (income), el porcentaje
de poblaci on que supera los 65 a nos en el a no 2005 (seniors) y la poblaci on en millones (pop). Para ello encarga
un estudio a dos becarios de la facultad de Econ omicas de Harvard poniendo a su disposici on datos de 2005 para
dichas variables sobre 51 estados americanos y los siguientes resultados:
Modelo 1: estimaciones MCO utilizando las
51 observaciones 1-51 Variable dependiente: exphlth

0) const -3,55153 1,40710 -2,524 0,014965
**
2) income 0,142035 0,00184017 77,186 < 0,00001
***
4) seniors 0,305816 0,108449 2,820 0,006962
***
Estadstico F (2, 48) = 2985,94 (valor p < 0,00001)
Estad. de Breusch-Pagan para la varianza en funcion de POP = 15,13
-5
-4
-3
-2
-1
0
1
2
3
4
5
0 5 10 15 20 25 30
r
e
s
i
d
u
o
pop
residuos MCO versus pop
5
4
3
2
1
0
1
2
3
4
0 10 20 30 40 50
r
e
s
i
d
u
o
index
Residuos de la regresin (= exphlth observada ajustada)
El becario A supone que las variables income, seniors y pop son no estoc asticas, que la perturbaci on sigue una
distribuci on normal y concluye que tanto la renta como el porcentaje de poblaci on mayor de 65 a nos son variables
individualmente signicativas para explicar el gasto sanitario y presenta los siguientes resultados:
Modelo becario A: estimaciones MCO utilizando las 51 observaciones
1-51 Variable dependiente: exphlth
Desviaciones tpicas robustas a heterocedasticidad, variante HC3

159
const -3,55153 1,57010 -2,262 0,028265
**
income 0,142035 0,00264576 53,684 < 0,00001
***
seniors 0,305816 0,121408 2,519 0,015157
**
1. Qu e modelo est a estimando el becario A? Analiza la informaci on proporcionada en los gr acos y realiza
los contrastes que consideres oportunos.
2. Qu e supuestos est a realizando sobre la media, varianza y covarianzas de la perturbaci on?, qu e m etodo de
estimaci on est a utilizando?
3. Est as de acuerdo con sus conclusiones sobre la signicatividad individual de las variables? Realiza los
contrastes que creas oportunos para justicar tus argumentos.
Al mismo tiempo el becario B, que tambi en supone que las variables income, seniors y pop son no estoc asticas
y que la perturbaci on sigue una distribuci on normal llega a las mismas conclusiones sobre la signicatividad
individual de las variables. Presenta los resultados siguientes:
Modelo becario B: estimaciones MC.Ponderados utilizando las 51 observaciones 1-51
Variable dependiente: exphlth
Variable utilizada como ponderacion: 1/pop

const -1,12626 0,408314 -2,758 0,008196
***
income 0,142343 0,00493399 28,849 < 0,00001
***
seniors 0,106763 0,0330614 3,229 0,002242
***
Estadsticos basados en los datos ponderados::
4. Qu e modelo est a estimando el becario B?, qu e supuesto est a realizando sobre la varianza de la perturba-
ci on?, qu e m etodo de estimaci on est a utilizando?
5. Est as de acuerdo con sus conclusiones sobre la signicatividad individual de las variables? Realiza los
contrastes que creas oportunos para justicar tus argumentos.
6. Valora el comportamiento de ambos investigadores. Cu al te parece m as adecuado?
160
Un agricultor quiere conocer la relaci on que existe entre la cantidad de fresas recolectadas en sus tierras, Q, medida
en kilogramos, y el n umero de jornaleros contratados, L. Para ello encarga un estudio sobre la relaci on entre ambas
variables a un econ ometra, quien especica el siguiente modelo:
Q
t
=
1
+
2
L
t
+u
t
t = 1970, . . . , 2004 (1)
donde L
t
es no estoc astica y u
t
sigue una distribuci on normal. La estimaci on MCO presenta los siguientes resul-
tados:
Q
t
(estad-t)
= 1115, 93
(36,62)
2, 4462
(-14,20)
L
t
R
2
= 0, 8594 DW = 0, 3210 T = 35 (2)
Adem as se dispone de las siguientes regresiones, donde u
t
son los residuos obtenidos de (2):
u
t
= 31, 25 0, 1814L
t
+ 0, 8958 u
t1
+

1t
SCR = 26981, 8 R
2
= 0, 7041 (A)
u
t
= 1, 1397 + 0, 8958 u
t1
+

2t
SCR = 29807, 6 R
2
= 0, 6731 (B)
u
2
t
( u
u/35)
= 0, 4432 + 2, 2378L
t
+

3t
SCR = 70, 4985 R
2
= 0, 0427 (C)
u
2
t
( u
u/35)
= 1, 7899 + 0, 9955 u
t1
+

4t
SCR = 55, 2297 R
2
= 0, 0577 (D)
Y de los siguientes gr acos:
400
500
600
700
800
900
1000
1970 1975 1980 1985 1990 1995 2000
Q
Q observada y estimada
estimada
actual
-100
-50
0
50
100
150
1970 1975 1980 1985 1990 1995 2000
r
e
s
id
u
o
Residuos de la regresin (= Q observada - estimada)
1. La muestra se compone de datos de secci on cruzada o datos temporales?, por qu e?
2. Interpreta el coeciente
2
, cu al es el signo que esperas?
3. Comenta el gr aco que representa los valores reales y los ajustados de la variable end ogena. Crees que
se trata de un buen ajuste? Comenta el gr aco de los residuos. A la vista de ambos gr acos, crees que el
modelo cumple todas las hip otesis b asicas?
4. Bas andote en la informaci on proporcionada verica si las perturbaciones cumplen las hip otesis b asicas.
161
5. Dada la evidencia encontrada explica cu ales son las consecuencias sobre el estimador MCO de los coe-
cientes y la abilidad de los estadsticos mostrados.
A la vista de los resultados obtenidos en los contrastes anteriores el econ ometra estima la relaci on (1) empleando
otro estimador que cree m as adecuado al contexto. Los resultados que obtiene son los siguientes:
Modelo 2: estimaciones CochraneOrcutt utilizando las 34 observaciones 19712004
Variable dependiente: Q
iteraci on nal = 0,976619
const 1456,54 186,561 7,8073 0,0000
L 2,74197 1,13652 2,4126 0,0217
6. Qu e m etodo de estimaci on se est a empleando? Especica detalladamente todos los pasos que se han de
llevar a cabo para obtener todas las estimaciones anteriores. Por qu e es m as adecuado que el anterior?
Razona tu respuesta bas andote en las propiedades del estimador.
En una conversaci on con el agricultor, este le comenta que en general a una buena cosecha, le suceden buenas
cosechas y que cuando se obtiene una mala cosecha es muy probable que las siguientes sean malas tambi en. Esto
hace reexionar al econ ometra porque pudiera ser que la cantidad de fresas recogidas en la temporada anterior
inuyera en la cosecha actual. En base a su sospecha el econ ometra especica y estima el siguiente modelo:
Q
t
=
1
+
2
L
t
+
3
Q
t1
+w
t
(3)
Resultados de la estimaci on:
const 90,9866 99,9536 0,9103 0,3697
L -0,230355 0,0115477 -1,9948 0,0470
Q
t1
0,944638 0,0898926 10,5085 0,0000
Estadstico de Durbin-Watson = 3,10304
Adem as se dispone de las siguientes regresiones auxiliares:
w
t
= 21, 32 0, 1766L
t
+ 0, 8788 w
t1
+
1t
SCR = 25671, 3 R
2
= 0, 4734 (E)
w
t
= 1, 7943 + 0, 2398 w
t1
+ 0, 5647Q
t1
+
2t
SCR = 23398, 1 R
2
= 0, 4767 (F)
w
t
= 255, 47 + 0, 579406L
t
+ 0, 231059Q
t1
0, 804475 w
t1
+
3t
SCR = 10958, 4 R
2
= 0, 4869 (G)
w
2
t
( w
w/34)
= 0, 4432 + 2, 2378L
t
+
4t
SCR = 77, 8328 R
2
= 0, 05665 (H)
w
t
( w
w/34)
= 3, 9229 + 2, 2552 w
t1
+ 0, 3463Q
t1
+
5t
SCR = 50, 0805 R
2
= 0, 0064 (I)
7. Realiza los contrastes que creas oportunos y calcula o razona las siguientes igualdades:
162
E(w
t
) =
E(w
2
t
) =
Cov(w
t
, w
s
) =
E(L
t
w
t
) =
E(Q
t1
w
t
) =
E(
MCO
) =
8. Qu e puedes decir sobre el Teorema de Mann y Wald y la consistencia de estimador MCO?
9. Para poder comprobar que la cosecha de la temporada anterior es un factor que determina la cosecha actual
se ha obtenido la siguiente estimaci on consistente, asint oticamente eciente y v alida para hacer inferencia
del modelo (3):
Q
t
Q
t1
(
desv(
i
))
. .
Q
t
= 25, 28 (1 )
. .
X
t
+ 0, 064
(0,125)
(L
t
L
t1
)
. .
L
t
+ 1, 067
(0,048)
(Q
t1
Q
t2
) +
t
(4)
R
2
= 0, 981 DW = 1, 98
siendo
t
t
= w
t
w
t1
y w
t
son las perturbaciones del modelo (3).
Completa y/o realiza lo siguiente:
a)
t
( , )
b)
_
_

1

2

3
_
_
.........
=
_
_
25, 28
0, 064
1, 067
_
_
=
_
_
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
_
_
1
_
_
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
_
_
c) Cu al es el estimador consistente de empleado? Describe todos los elementos y las condiciones que te
garantizan la consistencia del par ametro estimado.
d) Es cierto que la cosecha de la temporada anterior es un factor que determina la cosecha actual? Qu e im-
plicaciones tiene el resultado?
Para analizar el precio de las viviendas (en miles de d olares) de San Diego en 1990 (Y
i
) en funci on del area de la
vivienda (pies al cuadrado) (A
i
) y el n umero de habitaciones (H
i
), se dispone de una muestra de 14 viviendas Se
163
especica el siguiente modelo de regresi on lineal:
Y
i
=
1
+
2
A
i
+
3
H
i
+u
i
i = 1, . . . , 14
Se ha estimado el modelo por MCO, obteni endose:
Y
i
( desv)
= 146,730
(89,564)
+ 0,138
(0,024)
A
i
25,957
(27,527)
H
i
R
2
= 0,7749 SCR = 21000,44
Las regresiones auxiliares:
u
2
i
1500,03
= 2,106 + 0,002A
i
+
i
R
2
= 0,3727 SCR = 19,294
u
2
i
21000,44
= 0,150 + 0,001A
i
+
i
R
2
= 0,3727 SCR = 0,098
y los gr acos:
x
x
x
x
x
x
x
x
x
x
x
x
x
x
0 500 1500 2500
0
1
0
0
3
0
0
5
0
0
Area
P
r
e
c
i
o
x
xx
x
x
x
x
x
x
x
x
x
x
x
1000 1500 2000 2500 3000
5
0
0
5
0
Area
R
e
s
i
d
u
o
s

M
C
O
a) Interpreta

2
.
b) Hay evidencia de incumplimiento de alguna hip otesis b asica sobre la perturbaci on? B asate en los gr acos
y la informaci on proporcionada en las regresiones auxiliares.
c) Qu e puedes decir sobre la abilidad de las desviaciones estimadas mostradas?
d) Sup on que V (u
i
) =
2
A
i
y el resultado de la estimaci on del modelo por MCG es:
Y
i
(estad. t)
= 104,029
(1,414)
+ 0,141
(6,000)
A
i
15,625
(0,634)
H
i
Detalla c omo se ha obtenido

MCG
.
164
e) Es la variable explicativa area de la vivienda signicativa? Y el n umero de habitaciones? Haz los contras-
tes, detallando sus elementos. (Supuesto: u
i
N)
Un estudio propone el siguiente modelo para explicar las ventas de un producto (Y
t
) en funci on del precio (P
t
) y
de los gastos en publicidad (G
t
) para dos pases distintos A y B.
Y
A
t
=
0
+
1
P
A
t
+
2
G
A
t
+u
A
t
t = 1, . . . , T
Y
B
t
=
0
+
1
P
B
t
+
2
G
B
t
+u
B
t
t = 1, . . . , T
Sabiendo que u
A
t
NID(0,
2
A
), u
B
t
NID(0,
2
B
) y E(u
A
t
u
B
t
) =
AB
, con
2
A
,
2
B
y
AB
desconocidas,
a) Describe detalladamente el estimador con mejores propiedades de los coecientes y sus varianzas en el
modelo formado por estas ecuaciones.
b) Razona las propiedades del estimador de los coecientes anterior, tanto en muestras nitas como asint oticas.
Se quiere analizar la relaci on que hay entre los dividendos anuales de una empresa (Y
t
) y su nivel de benecios
anual (X
t
), para lo que se propone el siguiente modelo
Y
t
=
0
+
1
X
t
+u
t
(1)
donde X
t
se considera un regresor estoc astico independiente de la perturbaci on.
Con los datos de los ultimos 60 a nos se ha estimado (1) por MCO obteni endose
Y
t
( desv)
= 1, 59
(0, 46)
+ 0, 12
(0, 14)
X
t
t = 1, 2, ..., 60,
R
2
= 0, 75 , SCR = 24, 45 , DW = 0, 95
a) Contrasta la signicatividad de los benecios en el nivel de dividendos.
Adem as, con los residuos MCO, u
t
, se ha estimado por MCO la siguiente relaci on
u
t
= 0, 41 + 0, 32 u
t1
+ 0, 12X
t
+
t
R
2
= 0, 17 , SCR = 7, 22
b) Realiza un contraste para comprobar si las perturbaciones del modelo (1) cumplen la hip otesis b asica de no
autocorrelaci on. Explica detalladamente c omo se calculan todos los elementos del contraste.
c) De acuerdo con tu respuesta en (b), qu e propiedades tiene el estimador MCO de (1)? Y el contraste
propuesto en (a)?
165
d) Otro investigador considera que el tipo de inter es (Z
t
) inuye tambi en en los dividendos y por lo tanto
estima por MCO un modelo que incluye esta variable:
Y
t
( desv)
= 1, 23
(0, 36)
+ 0, 23
(0, 07)
X
t
+ 0, 16
(0, 04)
Z
t
+ v
t
t = 1, 2, ..., 60,
R
2
= 0, 86 , SCR = 17, 45 , DW = 2, 05
Con los residuos MCO, v
t
, se ha estimado por MCO la relaci on
v
t
= 0, 25 + 0, 07 v
t1
+ 0, 11X
t
+ 0, 21Z
t
+
t
R
2
= 0, 03 , SCR = 4, 22
Dados estos resultados, cu ales son las propiedades del estimador MCO del modelo (1)? Razona tu res-
puesta, apoy andote en los contrastes oportunos.
Sea el modelo:
Y
t
=
1
+
2
X
2t
+
3
X
3t
+
4
X
4t
+u
t
u
t
iid(0,
2
u
) t = 1, . . . , 100 (2)
donde X
2t
es una variable no estoc astica, X
3t
es una variable aleatoria incorrelacionada con u
t
y X
4t
= 0, 4X
4,t1
+
v
t
siendo v
t
un ruido blanco y tal que E(v
t
u
t
) =
uv
y E(v
t
u
s
) = 0 t = s.
a) Calcula y razona:
E(X
2t
u
t
) =
E(X
3t
u
t
) =
E(X
4t
u
t
) =
b) Razona las propiedades del estimador MCO en (2)
c) Prop on un estimador alternativo a MCO que sea consistente en (2), especicando sus componentes. Es
asint oticamente eciente?
d) Con el estimador que has propuesto en el apartado (c), explica c omo contrastaras la signicatividad indivi-
dual de X
3t
. Escribe la hip otesis nula, la alternativa, el estadstico de contraste y su distribuci on as como la
regla de decisi on.
Se dispone de datos anuales del consumo (C
t
) y renta (R
t
) de USA desde 1950 hasta 1985. Para analizar la
proporci on de renta que se dedica al consumo se propone el modelo C
t
= + R
t
+ u
t
, donde u
t
sigue una
distribuci on normal. Al estimar el modelo por MCO se obtienen los siguientes resultados:
C
t
= 11, 374
(1,181)
+ 0, 898
(153,603)
R
t
166
T = 36

R
2
= 0, 998
u
2
t
= 12044, 2
Para analizar si se ha mantenido constante la dispersi on de las perturbaciones a lo largo del tiempo se han realizado
dos regresiones :
C
t
= 6, 719 + 0, 909R
t
u
2
t
= 405, 369 t = 1950, ..., 1963
C
t
= 187, 162 + 0, 99R
t
u
2
t
= 3709, 55 t = 1972, ..., 1985
Utiliza estos resultados para contrastar si las perturbaciones del modelo considerado han mantenido constante su
dispersi on. Explica claramente todos los pasos del contraste.
Se quiere analizar la relaci on que hay entre los dividendos anuales de una empresa (Y
t
) y su nivel de benecios
anual (X
t
), para lo que se propone el siguiente modelo
Y
t
=
0
+
1
X
t
+u
t
(1)
donde X
t
se considera no estoc astico. Con los datos correspondientes a los ultimos 60 a nos se ha estimado (1) por
MCO obteni endose
Y
t
( desv)
= 1, 59
(0, 46)
+ 0, 12
(0, 14)
X
t
t = 1, 2, ..., 60, (2)
R
2
= 0, 75 SCR = 24, 45
60
t=2
( u
t
u
t1
) u
t1
= 11, 98 (3)
60
t=2
u
t
u
t1
= 13, 02
60
t=2
( u
t
u
t1
)
2
= 22, 12
a) Realiza un contraste para comprobar si las perturbaciones del modelo (1) cumplen las hip otesis b asicas.
b) De acuerdo con tu respuesta en a), demuestra las propiedades en muestras nitas del estimador MCO de (1).
c) Suponiendo que las perturbaciones fuesen un AR(1), describe como estimaras de la mejor forma posible
los par ametros del modelo.
d) Suponiendo que las perturbaciones fuesen un AR(1), describe detalladamente como realizaras el contraste
de signicatividad de X
t
.
e) Otro investigador considera que el tipo de inter es (Z
t
, no estoc astica) inuye tambi en en los dividendos y
por lo tanto estima por MCO un modelo que incluye Z
t
Y
t
( desv)
= 1, 23
(0, 36)
+ 0, 23
(0, 07)
X
t
+ 0, 16
(0, 04)
Z
t
+ v
t
t = 1, 2, ..., 60, (4)
R
2
= 0, 86 , SCR = 17, 45 , DW = 2, 05
Encuentras alguna evidencia de que las perturbaciones en el modelo estimado incumplan alguna hip otesis
b asica?
f) Con la informaci on obtenida en el apartado e), razona las propiedades asint oticas del estimador MCO del
modelo (1).
167
Sea el modelo a estimar:
Y
t
= X
t
+u
t
u
t
iid(0,
2
u
) t = 1, . . . , 100 (5)
y se sabe que X
t
= 0, 5X
t1
+w
t
donde w
t
E(w
t
u
s
) =
_
4 si t = s
0 si t = s
a) Demuestra las propiedades del estimador MCO en el modelo (5).
Se dispone de la siguiente informaci on muestral:
Y
t
X
t
X
t1
Y
t
140 70 50
X
t
90 84
X
t1
87
b) Estima de una forma consistente.
c) Contrasta la signicatividad de la variable X
t
suponiendo que
2
u
= 1.
d) Si la unica informaci on disponible sobre X
t
es que es una variable estoc astica, realiza un contraste que te
ayude a decidir qu e m etodo de estimaci on utilizar.
e) Si E(u
t
w
s
) = 0 t, s qu e hubiese cambiado en tus respuestas a los apartados b) y c)?
Sea el modelo formado por las siguientes dos ecuaciones:
Y
1t
=
0
+
1
X
1t
+
2
Z
1t
+u
t
u
t
NID(0,
2
u
= 3) t = 1 . . . , T
Y
2t
=
0
+
1
X
2t
+
2
Z
2t
+w
t
w
t
NID(0,
2
w
= 2) t = 1 . . . , T
donde cov(u
t
, w
s
) =
_
2, si t = s;
0, si t = s.
a) Describe detalladamente c omo estimaras los coecientes y sus varianzas en este sistema de ecuaciones y
razona cu ales son las propiedades del estimador propuesto.
b) Utilizando un nivel de signicaci on del 5 % y bajo las hip otesis del apartado anterior, explica c omo contras-
taras la hip otesis
1
=
1
= 0.
168
Un agricultor desea analizar el efecto que produce la aplicaci on de un determinado abono en la producci on de
tomates. Ha dividido su terreno en 30 parcelas de similares caractersticas, ha anotado los Kg. de tomates recogidos
(T
i
) en cada una y la cantidad de abono utilizado durante el a no 2005 (A
i
) y ha preguntado a su sobrino como
podra comprobar dicho efecto. El sobrino ha especicado un modelo de regresi on lineal simple cuya estimaci on
por MCO le ha aportado el siguiente resultado:
T
i
( desv)
= 150, 71
(423, 31)
+ 0, 8
(0, 03)
A
i
i = 1, . . . , 30
a) Es la cantidad de abono relevante en la producci on de tomates? Contr astalo.
b) El agricultor se ha dado cuenta de que la producci on de tomates en las hect areas que reciben mucho abono
es mucho m as variable que la de las hect areas con poco abono, de forma que algunas hect areas intensivas en
abono han dado una gran producci on y otras poca. C omo podra realizar un contraste para vericar dicha
observaci on? Explcalo detalladamente.
Sup on en el resto de apartados que el resultado del contraste anterior ha vericado la sospecha del agricultor.
c) Es el resultado del contraste del apartado a) v alido? Raz onalo.
d) Si tu respuesta anterior es negativa, c omo podra realizar el mismo contraste de signicatividad con el es-
timador MCO?
PROBLEMA LE 2007.1 (Jun-2007)
Una consultora americana tiene rmado un contrato para realizar un estudio sobre la relaci on entre el n umero de
patentes y los gastos en Investigaci on y Desarrollo (RD) en Estados Unidos. Para ello dispone de datos anuales
para los a nos 1960 a 1993 de las siguientes variables
5
:
PATENTS: n umero de patentes, en miles de unidades, (rango muestral de 84,5 a 189,4).
RD: gastos en investigaci on y desarrollo, en billones de d olares de 1992, (rango muestral de 57,94 a 166,7)
En primer lugar se considera estimar por MCO el modelo simple:
PATENTS
t
=
1
+
2
RD
t
+u
t
t = 1, . . . , 34 (1)
Variable dependiente: PATENTS
const 34,5711 6,35787 5,4375 0,0000
RD 0,791935 0,0567036 13,9662 0,0000
Desviaci on tpica de los residuos ( ) 11,1724
R-cuadrado 0,859065
Estadstico de DurbinWatson 0,233951
5
Fuente: chero DATA3-3 del libro de Ramanathan.
169
a) Interpreta el coeciente estimado que acompa na a la variable RD. Tiene el signo esperado?, es una va-
riable signicativa?
b) Comenta detalladamente los tres gr acos proporcionados.
Figura 16: PATENTS sobre RD, PATENTS observada y estimada y Residuos MCO sobre tiempo
60
80
100
120
140
160
180
200
60 80 100 120 140 160
P
A
T
E
N
T
S
R_D
PATENTS con respecto a R_D
Y = 34,6 + 0,792X
80
100
120
140
160
180
200
1960 1965 1970 1975 1980 1985 1990
P
A
T
E
N
T
S
PATENTS observada y estimada
estimada
actual
-25
-20
-15
-10
-5
0
5
10
15
20
25
1960 1965 1970 1975 1980 1985 1990
re
s
id
u
o
Residuos de la regresin (= PATENTS observada - estimada)
Qu e problema parece existir en el modelo anterior? Raz onalo con detalle y comenta las posibles con-
secuencias sobre los resultados mostrados y los obtenidos en el apartado anterior.
Despu es de probar con diversas especicaciones la consultora decide elegir de entre las siguientes:
PATENTS
t
=
1
+
2
RD
t
+
3
RD
2
t
+u
1t
(2)
PATENTS
t
=
1
+
2
RD
t
+
3
RD
t4
+
4
RD
2
t
+u
2t
(3)
3. Son estos dos modelos lineales?, por qu e? Son ambos modelos din amicos?, por qu e?
4. Escribe la matriz de datos que corresponde a cada modelo.
Los resultados de la estimaci on de las dos especicaciones alternativas son:
MODELO A:

PATENTS
t
(

desv)
(
desv)
NWest
= 121, 575
(23, 243)
(27, 615)
0, 852
(0, 429)
(0, 503)
RD
t
+ 0, 00706
(0, 00183)
(0, 002)
RD
2
t
R
2
= 0, 904 DW = 0, 284 BG(4) = 27, 171
MODELO B:

PATENTS
t
(

desv)
(
desv)
NWest
= 135, 887
(22, 493)
(30, 555)
1, 789
(0, 356)
(0, 475)
RD
t
+ 0, 813
(0, 097)
(0, 120)
RD
t4
+ 0, 00790
(0, 00160)
(0, 002)
RD
2
t
R
2
= 0, 979 DW = 0, 842 BG(4) = 11, 974
5. Crees que los gr acos de los residuos reejan alg un problema? Contr astalo.
6. Por qu e crees que han utilizado el estimador de Newey-West para la obtenci on de las desviaciones tpicas?
te parece razonable su uso en las dos especicaciones?
7. Utilizando toda la informaci on proporcionada, cu al crees que puede ser la mejor especicaci on para de-
terminar el n umero de patentes? Razona tu respuesta. Es el modelo escogido un modelo con din amica?
8. Dado el modelo que has escogido, obt en el incremento medio en el n umero de patentes inscritas cuando el
gasto en investigaci on y desarrollo correspondiente a ese a no aumenta en un bill on de d olares manteniendo
el resto de los factores constantes. Dado el rango muestral, es el incremento estimado positivo?
170
Figura 17: Gr acos de residuos de los Modelos A y B
-20
-15
-10
-5
0
5
10
15
20
1960 1965 1970 1975 1980 1985 1990
r
e
s
id
u
o
Residuos del Modelo A
-8
-6
-4
-2
0
2
4
6
8
1960 1965 1970 1975 1980 1985 1990
r
e
s
id
u
o
Residuos del Modelo B
PROBLEMA LE 2007.2 (Jun-2007)
Una empresa quiere analizar el precio (P) de las viviendas en un determinado pas en funci on del tipo de inter es
(I) y del Producto Interior Bruto (PIB). Para ello se dispone de datos trimestrales correspondientes al periodo
1963-1985. Los resultados de la estimaci on son los siguientes:
P
t
(
desv)
= 5, 3174
(3,128)
+ 1, 864
(0,469)
PIB
t
0, 890
(0,295)
I
t
(4)
SCR = 0, 516 R
2
= 0, 478
El analista de la empresa, tras observar los residuos, sospecha que la varianza de las perturbaciones al principio de
la muestra son menores que los correspondientes al nal de la muestra. Por ello propone dos posibles especica-
ciones:
V ar(u
t
) = t
4
> 0 (5)
V ar(u
t
) =
1
+
2
D
t

1
,
2
> 0 (6)
donde la variable cticia D
t
toma valor uno para las observaciones comprendidas en el periodo 1963-1975 y cero
en caso contrario.
1. Qu e pretenden recoger las ecuaciones (5) y (6)?, en qu e se diferencian? Escribe la matriz de varianzas y
covarianzas de la perturbaci on asociada a cada una de las propuestas. (Sup on que E(u
t
u
s
) = 0 t = s.)
2. Podras vericar la sospecha del analista con el contraste de Hausman? Raz onalo.
Al nal el analista se decide por una de las especicaciones y obtiene los siguientes resultados
Modelo: estimaciones M.C.Ponderados utilizando las observaciones 1976:11985:4
Variable dependiente: P
Variable utilizada como ponderaci on: 1/t
2
const 9,3955 3,83947 2,4471 0,0443
PIB 2,42845 0,511158 4,7509 0,0021
I 1,0789 0,182560 5,9103 0,0006
Suma de cuadrados de los residuos 0,000142049
R
2
0,837967
R
2
corregido 0,791671
171
3. Escribe la funci on de regresi on poblacional que ha estimado el analista. Especica las hip otesis necesarias
sobre la perturbaci on para que la ponderaci on empleada sea la adecuada. Demuestra tus armaciones.
4. Escribe detalladamente la expresi on del estimador empleado.
..........
=
_
_
_
_
1
_
_
_
_
5. Si la especicaci on adecuada para la varianza fuese la recogida en la ecuaci on (6), qu e consecuencias
tendra sobre las estimaciones de Mnimos Cuadrados Ponderados mostradas? En este caso, c omo esti-
maras los coecientes del modelo?, por qu e?
PROBLEMA LE 2007.3 (Sep-2007)
El director de una empresa desea estudiar la funci on de demanda de silicona para la construcci on de equipamientos.
Para ello dispone de una muestra de datos mensuales
6
desde 1983:1 hasta 1990:5 sobre los galones producidos de
silicona (Q) y el precio por gal on en d olares (P). Con estos datos se estima el siguiente modelo:
Q
t
=
1
+
2
P
t
+u
t
(1)
Los resultados que se obtienen son los siguientes:
Modelo 1: estimaciones MCO utilizando las 89 observaciones 1983:011990:05
const 5962,05 955,810 6,2377 0,0000
P 381,09 104,766 3,6376 0,0005
Media de la var. dependiente 2531,49
Suma de cuadrados de los residuos 1,87000e+08
R
2
0,132013
R
2
corregido 0,122036
Grados de libertad 87
Coef. de autocorr. de primer orden. 0,323783
Estadstico de Breusch-Godfrey, BG(1) 9,52
6
Fuente: Ramanathan, chero de datos data3-5.
172
a) Qu e hip otesis se est an asumiendo sobre la perturbaci on del modelo para que los estadsticos-t anteriores
tengan validez?, y sobre la variable explicativa? Raz onalas.
b) Indica c omo y para qu e se ha calculado el valor Estadstico de Durbin-Watson = 1,32875. Dado el valor
de este estadstico, son crebles las hip otesis asumidas para la perturbaci on en el apartado anterior?
Se dispone adem as de los siguientes gr acos:
-3000
-2000
-1000
0
1000
2000
3000
4000
5000
1983 1984 1985 1986 1987 1988 1989 1990
r
e
s
id
u
o
Residuos de la regresin (= Q observada - estimada)
0
1000
2000
3000
4000
5000
6000
7000
8000
1983 1984 1985 1986 1987 1988 1989 1990
Q
Q observada y estimada
estimada
actual
El director, tras analizar los resultados de la estimaci on y los gr acos disponibles decide proponer este
nuevo modelo:
Q
t
=
1
+
2
P
t
+
3
Q
t1
+v
t
(2)
c) Qu e razones crees que han llevado al gerente a proponer el nuevo modelo? Raz onalo en base a los gr acos
y todos los resultados disponibles.
Los conocimientos de econometra del gerente son limitados y no confa en tomar la decisi on adecuada
sobre el m etodo de estimaci on, por lo que duda entre dos alternativas. Los primeros resultados de que
dispone son los siguientes:
Modelo 2: estimaciones MC2E utilizando las 88 observaciones 1983:021990:05
Instrumentos: P 1
const 6056,46 1363,59 4,4415 0,0000
P 375,74 109,814 3,4216 0,0006
Q 1 0,0470207 0,285300 0,1648 0,8691
R
2
0,101437
Estadstico de Hausman 1,7694
d) Dados los resultados de la primera alternativa:
I) Qu e m etodo de estimaci on ha utilizado? Por qu e crees que ha propuesto este estimador? Qu e pro-
piedades tiene el estimador empleado? Explica con detalle tus armaciones.
II) Escribe explcitamente la f ormula del estimador.
La segunda estimaci on disponible es la siguiente:
173
Modelo 3: estimaciones MCO utilizando las 88 observaciones 1983:021990:05
const 4971,54 967,433 5,1389 0,0000
P 346,23 100,532 3,4440 0,0009
Q 1 0,276772 0,0956479 2,8937 0,0048
Suma de cuadrados de los residuos 1,66272e+08
R
2
0,206563
R
2
corregido 0,187894
F(2, 85) 11,0645
Coef. de autocorr. de primer orden. -0,00538456
Estadstico de Breusch-Godfrey, BG(1) 0,04984
e) Dados los resultados de la segunda alternativa:
I) Qu e m etodo de estimaci on ha utilizado? Escribe explcitamente la f ormula.
II) Enuncia el teorema de Mann y Wald y verica si se satisfacen sus condiciones en este caso. Indica las
propiedades del estimador. Cu al de los dos m etodos de estimaci on te parece la m as adecuada?, por
qu e?
f) Contrasta si el modelo que determina la producci on de silicona es est atico.
PROBLEMA LE 2007.4 (Sep-2007)
La inmobiliaria BOSHOUSE contrat o a un gestor para que le asesore en su poltica de jaci on de precios. Para
ello le presenta la siguiente informaci on obtenida con 88 observaciones sobre precios de venta y sus determinantes
correspondientes a hogares situados en Boston y su area de inuencia. Las variables disponibles son: precio de
la vivienda en miles de d olares (price), tama no de la parcela en pies cuadrados (lotsize), tama no de la vivienda
en pies cuadrados (sqrft) y n umero de dormitorios (bdrms). El analista propone dos especicaciones alternativas
para determinar el precio de la vivienda. Los resultados de la primera especicaci on se muestran a continuaci on:
Variable dependiente: price
const 21,770 29,4750 0,7386 0,4622
lotsize 0,00206771 0,000642126 3,2201 0,0018
sqrft 0,122778 0,0132374 9,2751 0,0000
bdrms 13,8525 9,01015 1,5374 0,1279
174
Suma de cuadrados de los residuos 300724
R
2
0,672362
F(3, 84) 57,4602
Breusch-Pagan: h(
0
+
1
lotsize +
2
sqrft) 27,97
-150
-100
-50
0
50
100
150
200
250
0 10 20 30 40 50 60 70 80 90
r
e
s
id
u
o
Residuos de la regresin (= price observada - estimada)
-150
-100
-50
0
50
100
150
200
250
0 10000 20000 30000 40000 50000 60000 70000 80000 90000
r
e
s
id
u
o
lotsize
-150
-100
-50
0
50
100
150
200
250
1500 2000 2500 3000 3500
r
e
s
id
u
o
sqrft
1. Qu e modelo est a estimando la empresa? Interpreta los dos primeros coecientes estimados del modelo.
2. Interpreta la informaci on contenida en los gr acos y realiza los contrastes que creas oportunos. Cu ales son
las propiedades del estimador MCO? Razona tus armaciones.
3. Dados los resultados obtenidos, prop on una estructura para la matriz de varianzas y covarianzas. C omo la
estimaras?
Los resultados de la segunda alternativa se muestran a continuaci on:
Variable dependiente: ln(price)
const 1,2970 0,651284 1,9915 0,0497
ln(lotsize) 0,167967 0,0382811 4,3877 0,0000
ln(sqrft) 0,700232 0,0928652 7,5403 0,0000
bdrms 0,0369583 0,0275313 1,3424 0,1831
Suma de cuadrados de los residuos 2,86256
R
2
0,642965
F(3, 84) 50,4237
Breusch-Pagan: h(
0
+
1
ln(lotsize) +
2
ln(sqrft)) 4,66
175
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
0 10 20 30 40 50 60 70 80 90
r
e
s
id
u
o
Residuos de la regresin (= lprice observada - estimada)
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
7 7.5 8 8.5 9 9.5 10 10.5 11 11.5
r
e
s
id
u
o
llotsize
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
7.2 7.4 7.6 7.8 8 8.2
r
e
s
id
u
o
lsqrft
4. Qu e modelo est a estimando la empresa? Recogen los coecientes lo mismo que en la especicaci on
anterior? Razona tu respuesta.
5. Interpreta la informaci on contenida en los gr acos y realiza los contrastes que creas oportunos.
Cu ales son las propiedades del estimador MCO? Razona tus armaciones.
6. Dados los resultados obtenidos, prop on una estructura para la matriz de varianzas y covarianzas.
C omo la estimaras?
7. Cu al de las dos especicaciones te parece m as adecuada para determinar el precio de la vivienda?,
por qu e?
Una empresa quiere analizar si el gasto realizado en publicidad tiene alg un efecto sobre los benecios obtenidos.
Para ello especica una relaci on lineal entre los gastos en publicidad (P), considerados no estoc asticos, y los
benecios (B):
B
t
=
0
+
1
P
t
+u
t
donde u
t
tiene una distribuci on normal. La empresa dispone de datos anuales desde 1997 a 2006, con los que
estima por MCO la relaci on anterior, obteniendo
B
t
( desv(
))
= 4, 59
(1, 56)
3, 46
(3, 39)
P
t
+ u
t
u
2
t
= 39, 40
176
A no 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006
P
t
0,3 0,3 0,5 0,7 0,1 0,4 0,2 0,8 0,3 0,5
B
t
5,76 6,90 3,16 4,63 4,45 2,53 1,96 0,11 0,71 1,48
u
t
2,21 3,35 0,30 2,46 0,21 -0,67
a) Contrasta si el gasto en publicidad inuye en la obtenci on de benecios.
b) Completa la serie de residuos y utiliza alg un m etodo gr aco para comprobar si las perturbaciones cumplen
todas las hip otesis b asicas.
c) Realiza un contraste para ver si las perturbaciones siguen un proceso AR(1).
d) De acuerdo con tus resultados anteriores, qu e propiedades tiene el estimador de MCO? Y el contraste
realizado en el apartado 1? Razona tus respuestas.
e) Sup on que las perturbaciones se forman de acuerdo con el proceso u
t
= u
t1
+
t
, donde
t
iid(0,
2
)
y es desconocido. Explica detalladamente c omo realizaras el contraste del apartado 1 en este caso.
f) Se decide incluir como regresor el nivel de inversi on (I
t
), que se considera no estoc astico, y se estima el
modelo por MCO obteniendo:
B
t
( desv(
))
= 5, 64
(0, 71)
0, 79
(1, 57)
P
t
+ 1, 17
(0, 20)
I
t
+ v
t
R
2
= 0, 86 DW = 2, 13
Con esta nueva informaci on, cambiara en algo tu respuesta en el apartado D?
Se dispone de datos anuales del Producto Interior Bruto (PIB), que se considera no estoc astico, y del Valor A nadido
Bruto Industrial (VAB) en miles de millones de euros para 48 provincias espa nolas (Fuente: Contabilidad Regional
de Espa na. INE).
Para analizar la proporci on del PIB que proviene de la industria se ha estimado el siguiente modelo por MCO:
VAB
i
= (0, 25)
(-0,045)
+ (17, 71)
(0,277)
PIB
i
(1)
N = 48 R
2
= 0, 87
u
2
i
= 23
Se dispone, adem as, del siguiente gr aco en el que aparecen los residuos de MCO frente al PIB:
177
5 10 15 20 25 30 35
2
.0
1
.5
1
.0
0
.5
0
.0
0
.5
1
.0
1
.5
PIB
a) A la vista del gr aco anterior, hay evidencia del incumplimiento de alguna de las hip otesis b asicas? Co-
menta razonadamente tu respuesta.
b) Se desea contrastar la posibilidad de que la dispersi on de las perturbaciones dependa del PIB. Utiliza
una de las siguientes regresiones para realizar dicho contraste. Explica claramente todos los elementos del
contraste realizado.
(1) u
i
= 0, 074 0, 005PIB
i
+ 0, 374 u
i1
+ w
i
; R
2
= 0, 14;
w
2
i
= 19, 13
(2) u
2
i
= 0, 015 + 0, 053PIB
i
+ w
i
; R
2
= 0, 18;
w
2
i
= 25, 94
(3)
u
2
i
0, 479
= 0, 032 + 0, 111PIB
i
+ w
i
; R
2
= 0, 18;
w
2
i
= 112, 95
(4) u
i
= 0, 019 + 0, 366 u
i1
+ w
i
; R
2
= 0, 13;
w
2
i
= 19, 2
c) Suponiendo que V ar(u
i
) =
2
PIB
2
i
estima la relaci on entre VAB y PIB de la mejor forma posible. Para
ello dispones de la siguiente informaci on muestral para las 48 provincias analizadas:
i
V AB
i
= 121, 37
i
PIB
i
= 446
i
V AB
i
PIB
i
= 1694, 32
i
PIB
2
i
= 6189, 95
i
1
PIB
i
= 8, 58
i
V AB
i
PIB
i
= 12, 95
i
V AB
i
PIB
2
i
= 2, 27
i
1
PIB
2
i
= 2, 47
i
V AB
2
i
PIB
i
= 34, 95
i
V AB
2
i
PIB
2
i
= 3, 7
i
V AB
2
i
= 486, 8
d) Razona las propiedades tiene el estimador propuesto.
e) Otro investigador considera que para analizar la relaci on entre PIB y VAB es mejor transformar las variables
tomando logaritmos por lo que propone y estima por MCO el siguiente modelo:
log(VAB)
i
= (12, 68)
(-1,385)
+ (19, 78)
(1,022)
log(PIB)
i
(2)
N = 48 R
2
= 0, 89
u
2
i
= 3, 07
178
o
o
o
o
o
o
o
o
o
o
oo
o
o
o
o
0.5 1.0 1.5 2.0 2.5 3.0 3.5
1
.0
0
.5
0
.0
0
.5
1
.0
1
.5
2
.0
log(PIB)
lo
g
(
V
A
B
)
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
oo
o
o
o
o
o
o
o
o
o
SCR1= 0.56 SCR2= 1.19
Para analizar si se ha mantenido constante la dispersi on de las perturbaciones para los distintos valores del
log(PIB) se han estimado los siguientes modelos:
log(VAB)
i
= 1, 382 + 0, 995log(PIB)
i
u
2
i
= 0, 56 i 16 provincias de menor log(PIB)
log(VAB)
i
= 1, 323 + 0, 991log(PIB)
i
u
2
i
= 1, 19 i 16 provincias de mayor log(PIB)
Utiliza estos resultados para contrastar si las perturbaciones del modelo considerado, que se suponen con
distribuci on normal, han mantenido constante su dispersi on. Explica claramente todos los pasos del con-
traste.
f) Comparando los modelos estimados en los apartados anteriores, cu al te parece preferible? Por qu e?
Sea el siguiente modelo de regresi on:
Y
t
=
1
+
2
X
t
+u
t
t = 1, 2, . . . , T u
t
iid(0,
2
u
) (3)
La variable X
t
no es observable y, en su lugar, observamos X
t
= X
t
+
t
, donde
t
iid(0,
2
) y adem as,
sabemos que es independiente de u y E(X
t
u
s
) = E(X
t
s
) = 0, t, s.
a) Obt en las propiedades de la perturbaci on w
t
del modelo a estimar
Y
t
=
1
+
2
X
t
+w
t
t = 1, 2, . . . , T.
b) Suponiendo que la correlaci on entre X
t
y X
t1
es 0,62, elige un m etodo de estimaci on adecuado, explica
su elecci on y detalla el estimador de los coecientes
1
y
2
, as como sus propiedades.
c) Si se desconociese que el regresor es una variable medida con error, pero se sospecha que en el modelo a
estimar E(X
t
w
t
) = 0, explica c omo realizaras el contraste que te ayude a vericar dicha sospecha.
d) Supongamos ahora que en el modelo (3) X
t
s es observable, pero Y
t
no lo es y, en su lugar, tenemos
Y
t
= Y
t
+
t
, donde
t
=
t
+0, 5
t1
con iid(0,
2
), y u son independientes y adem as E(X

t
u
t
) =
E(X
t
t
) = 0. Obt en las propiedades de la perturbaci on u
t
del modelo a estimar:
Y
t
=
1
+
2
X
t
+u
t
t = 1, 2, . . . , T
y en funci on de estas prop on un m etodo de estimaci on adecuado suponiendo que
2
u
y
2
son conocidas.
179
Y
i
=
1
+
2
X
i
+u
i
i = 1, 2, . . . , 5 u
i
N(0, aX
2
i
)
Sabemos que E(u
i
u
j
) = 0 i = j, y que X es no estoc astica.
a) Escribe la matriz de varianzas y covarianzas de la perturbaci on.
b) Explica c omo estimaras el modelo de manera optima y demuestra las propiedades del estimador propuesto
en muestras nitas.
c) Utilizando los datos de la siguiente tabla:
i Y
i
X
i
1 9 2
2 15 3
3 7 1
4 17 4
5 23 5
realiza una estimaci on eciente de los coecientes y estima su matriz de varianzas y covarianzas.
V ar
=
2
(X
)
1
=
_
0,62 0,2831
0,2831 0,1815
_
1
d) Sup on que desconoces totalmente la forma funcional de la varianza de la perturbaci on y quieres realizar el
contraste de signicatividad para la variable X. Explica c omo realizaras el contraste y comenta su abili-
dad para este tama no de muestra.
Un sindicato quiere analizar el comportamiento de los salarios en dos empresas del mismo sector. Para ello, pro-
pone el siguiente modelo:
W
(1)
i
=
(1)
1
+
(1)
2
H
(1)
i
+
(1)
3
A
(1)
i
+u
(1)
i
, i = 1, ..., N
1
W
(2)
i
=
(2)
1
+
(2)
2
H
(2)
i
+
(2)
3
A
(2)
i
+u
(2)
i
, i = 1, ..., N
2
donde W
i
son los salarios, H
i
son las horas trabajadas y A
i
es la antiguedad del empleado. Adem as, u
(1)
i

NID(0,
2
), u
(2)
i
NID(0,
2
), y las perturbaciones u
(1)
i
y u
(2)
j
son independientes i, j. Explica detalladamente
c omo realizaras el contraste de que en ambas empresas todos los coecientes son iguales.
180
Una empresa de alimentaci on desea estimar la demanda de helados. Para ello dispone de datos de las siguientes
variables:
C
t
= consumo per capita de helado en litros
P
t
= precio medio del helado en e por litro
M
t
= temperatura media en

C
P
t
y M
t
se suponen no estoc asticas. Los datos son mensuales, desde marzo de 2004 hasta agosto de 2006, ambos
inclusive. Con ellos, se obtiene la siguiente estimaci on por el m etodo de MCO:
C
t
= (0, 1454)
(0,3941)
+ (0, 0005)
(0,0031)
M
t
(0, 2988)
(0,4527)
P
t
u
u = 0, 0149 R
2
= 0, 6328
(Desv. tpicas estimadas entre par entesis)
a) Utilizando la informaci on proporcionada contrasta la hip otesis de que el precio del helado no inuye en el
consumo.
b) Los residuos MCO de la estimaci on anterior se muestran en el gr aco siguiente:
-0.06
-0.04
-0.02
0
0.02
0.04
0.06
5 10 15 20 25 30
u
t
t
3
3
3
3
3
3
3
3
3
3
33
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
A la vista de este gr aco, qu e puedes decir del resultado del apartado anterior? Explcalo con detalle.
c) Utiliza la informaci on de la regresi on siguiente para conrmar o descartar mediante un contraste de hip otesis
tu argumentaci on del apartado anterior.
u
t
= (0, 1148)
( 0,0177)
(0, 0004)
(0,0003)
M
t
+ (0, 2356)
(0,0440)
P
t
+ (0, 1760)
(0,7307)
u
t1
+ v
t
R
2
= 0, 4089
(Desviaciones tpicas estimadas entre par entesis)
d) Una especicaci on alternativa del modelo lleva a la siguiente estimaci on MCO:
C
t
= (0, 1510)
(0,1750)
+ (0, 0005)
(0,0035)
M
t
(0, 2695)
(0,3373)
P
t
+ (0, 0007)
(0,0019)
I
t
R
2
= 0, 7190 D-W = 0, 6559
(Desviaciones tpicas estimadas entre par entesis)
181
donde I
t
mide el ingreso per capita mensual. Bas andote nuevamente en contrastes de hip otesis, argumenta
si este nuevo modelo es preferible al anterior o no y por qu e.
e) Finalmente, y dado el car acter posiblemente estacional de los datos, se ha decidido incluir las variables
cticias estacionales E
1t
, E
2t
y E
3t
donde
E
1t
=
_
1 si t es un mes de invierno (Enero, Febrero o Marzo)
0 en caso contrario.
y E
2t
, E
3t
se construyen id enticamente para cada uno de los tres meses de primavera y verano, respectiva-
mente. El resultado de la estimaci on MCO es:
C
t
= (0, 154)
(0,202)
+ (0, 0008)
(0,0036)
M
t
(0, 278)
(0,352)
P
t
+ (0, 0007)
(0,0015)
I
t
+ (0, 013)
(0,029)
E
1t
+ (0, 013)
(0,018)
E
2t
+ (0, 017)
(0,012)
E
3t
R
2
= 0, 7644 (Desviaciones tpicas estimadas entre par entesis)
Si tambi en se dispone de la siguiente regresi on auxiliar:
u
t
= (0, 159)
(0,074)
(0, 0008)
(0,0002)
M
t
+ (0, 281)
(0,088)
P
t
+ (0, 0007)
(0,0004)
I
t
(0, 014)
(0,013)
E
1t
(0, 013)
(0,004)
E
2t
+(0, 0173)
(0,0008)
E
3t
+ (0, 251)
(0,267)
u
t1
+ w
t
R
2
= 0, 0866 (Desviaciones tpicas estimadas entre par entesis)
Teniendo en cuenta la informaci on sobre la estimaci on de este modelo, el inicial y el del apartado 4, explica
con cu al de los 3 modelos te quedaras y por qu e. A partir del modelo elegido, da una respuesta denitiva
sobre la posible inuencia o no del precio del helado sobre su consumo.
Sea el modelo Y
t
=
1
+
2
X
t
+
3
Y
t1
+u
t
donde X
t
no es estoc astica.
a) Describe detalladamente un ejemplo concreto en el que el estimador MCO de este modelo no sea consis-
tente. Demuestra por qu e no es consistente.
b) En el caso descrito en el apartado anterior, y suponiendo que todos los par ametros son desconocidos, c omo
estimaras el modelo de forma asint oticamente eciente? Detalla todos los elementos necesarios para obte-
ner el estimador propuesto, includas las matrices.
Y
=
_
_
Y
3
Y
2
.
.
.
Y
T
Y
T1
_
_ X
=
_
_
1 X
3
X
2
Y
2
Y
1
.
.
.
.
.
.
.
.
.
.
.
.
1 X
T
X
T1
Y
T
Y
T1
_
=
_
_
1
(1 )
3
_
_
con lo que se obtiene el estimador

MCGF
= (X
)
1
X
.
c) C omo contrastaras la signicatividad individual de la variable explicativa X
t
? Detalla todos los elementos
necesarios para realizar dicho contraste.
182
En un modelo de regresi on lineal general, donde los regresores son no estoc asticos y las perturbaciones hetero-
ced asticas y no autocorrelacionadas, discute las siguientes armaciones:
a)

MCO
es sesgado.
b)

V ar(
MCO
) =
2
(X
X)
1
donde
2
=

U
MCO
U
MCO
TK
, es el estimador insesgado y consistente de la
matriz de varianzas y covarianzas del estimador MCO.
c) No se puede hacer inferencia con el estimador MCO.
d) Es posible que, a un existiendo heterocedasticidad, el contraste de Goldfeld y Quandt no rechace la hip otesis
nula.
Sea el siguiente modelo a estimar:
Y
t
= X
t
+u
t
donde t = 1, . . . , 50 y u
t
iid(0, 1)
Se sabe que X
t
= 0,3X
t1
+w
t
donde w
t
es un ruido blanco tal que:
E(w
t
u
s
) = 5 si t = s
E(w
t
u
s
) = 0 si t = s
Adem as se dispone de la siguiente informaci on muestral:
50
t=1
X
2
t
= 110
50
t=2
X
2
t1
= 100
50
t=2
X
t1
X
t
= 98
50
t=2
X
t1
Y
t
= 80
50
t=1
X
t
Y
t
= 70
a) Demuestra las propiedades del estimador MCO en el modelo.
b) En vista de las propiedades del apartado anterior, qu e m etodo utilizaras para estimar ? Demuestra alguna
de sus propiedades asint oticas y aplcalo para obtener la estimaci on de .
c) Contrasta la signicatividad de la variable X
t
.
183
d) Si s olo conocemos que X
t
es estoc astica, qu e contraste utilizaras para saber qu e m etodo de estimaci on es
el m as adecuado? Descrbelo y realiza el contraste.
El gestor de una empresa desea analizar la relaci on existente entre el rendimiento en bolsa de las acciones de su
empresa, Y
t
, y el rendimiento general del ndice burs atil Ibex 35, X
t
. Para ello especica el siguiente modelo:
Y
t
=
0
+
1
X
t
+u
t
donde la variable X
t
se supone no estoc astica.
Dispone de 100 observaciones mensuales de dichos rendimientos desde enero de 2000 hasta abril de 2008, con los
que ha obtenido la siguiente estimaci on por MCO:
Y
t
( desv)
= 0, 336
(0, 201)
+ 0, 247
(2, 614)
X
t
+ u
t
(1)
a) Contrasta si existe relaci on entre los rendimientos de las acciones de la empresa y el Ibex35.
b) La gura (1) muestra los residuos u
t
. Encuentras evidencia de incumplimiento de alguna hip otesis b asica?
10 30 50 70 90
-6
-4
-2
0
2
4
c) Teniendo en cuenta la siguiente informaci on, realiza un contraste para conrmar la ausencia o presencia de
autocorrelaci on en las perturbaciones.
100
t=1
u
t
= 94, 22 ,
100
t=2
( u
t
u
t1
)
2
= 151, 06 ,
100
t=2
( u
t
u
t1
) = 2, 62 ,
100
t=2
( u
t
u
t1
) = 568, 16 ,
100
t=1
u
2
t
= 651, 80 ,
100
t=2
u
2
t
= 649, 32
184
d) A la vista de la informaci on obtenida, comenta las propiedades del estimador en (1).
e) Si u
t
= u
t1
+
t
,
t
iid(0,
2
) con desconocido describe detalladamente c omo estimaras de forma
asint oticamente eciente los par ametros del modelo
0
y
1
y como realizaras el contraste que se pide en
el apartado 1.
f) Una consultora externa piensa que la incorporaci on de un nuevo cuadro directivo con la consiguiente res-
tructuraci on empresarial en febrero de 2004 tuvo un efecto positivo en la empresa, de forma que sus rendi-
mientos burs atiles aumentaron considerablemente desde esa fecha hasta la actualidad. Qu e efectos tendra
este hecho en las propiedades del estimador MCO en (1) as como en los contrastes realizados en el apartado
1 y el descrito en el apartado 5?
Se dispone de 30 observaciones de la evoluci on temporal del gasto e ingreso de 2 pases A y B, y se desea estimar
con estos datos el modelo siguiente:
G
A
t
=
A
+
A
I
A
t
+u
A
t
G
B
t
=
B
+
B
I
B
t
+u
B
t
La varianza de la perturbaci on u
A
t
y la varianza de u
B
t
son par ametros desconocidos y constantes en el tiempo. Se
sabe adem as que las perturbaciones correspondientes a ambos pases est an correlacionadas contempor aneamente.
Prop on un m etodo eciente de estimaci on de los modelos anteriores, razonando la respuesta.
Sea el siguiente modelo de regresi on lineal simple:
Y
i
=
1
+
2
X
i
+u
i
donde las perturbaciones se supone que siguen una distribuci on normal. Se desean analizar los salarios de los
profesores en las escuelas privadas (Y , medido en euros) seg un su antig uedad en la docencia (X, medido en a nos),
para lo que se ha obtenido una muestra de 122 docentes. Dada la informaci on muestral, presentamos la funci on de
regresi on obtenida mediante MCO y el gr aco de los residuos MCO frente a la variable antiguedad.
Y
i
( desv)
= 49184, 7
(2635, 57)
+ 1753, 22
(151, 77)
X
i
R2 = 0,42 SCR = 130427, 1 (1)
a) Contrasta la signicatividad de la variable Antig uedad.
185
60000
40000
20000
0
20000
40000
60000
5 10 15 20 25
r
e
s
id
u
o
ANTIGUEDAD
Residuos de la regresin (= SALARIO__Euros_ observada estimada)
b) Dado el gr aco anterior, crees que el contraste propuesto en el apartado anterior es v alido? Por qu e?
c) Qu e contraste realizaras para saber si las perturbaciones son esf ericas? Explcalo.
d) En el caso de rechazar la hip otesis nula en el contraste propuesto en el apartado anterior y suponiendo que
var(u
i
) = a + bX
i
+ cX
2
i
explica detalladamente c omo estimaras los coecientes del modelo y c omo
realizaras el contraste de signicatividad de la variable explicativa.
Para analizar la relaci on entre dos variables se disponen de los siguientes datos
t Y
t
X
t
1 7,4 0,3
2 7,6 0,3
3 9,9 0,5
4 5,9 0,4
5 11,1 0,1
6 6,2 0,4
7 9,5 0,2
8 6,4 0,5
Se estima por MCO el modelo Y
t
=
0
+
1
X
t
+u
t
, obteni endose
Y
t
( desv)
= 10, 68
(1, 66)
7, 93
(4, 58)
X
t
+ u
t
(2)
a) Bas andote en un gr aco, analiza si existe autocorrelaci on en las perturbaciones.
b) Se desea contrastar la existencia de autocorrelaci on de orden 1 en las perturbaciones, para lo que se utiliza el
contraste de Breusch y Godfrey, obteni endose para el estadstico de contraste un valor BG = 5, 57. Explica
186
detalladamente c omo se ha obtenido este valor y realiza el contraste. Comenta la abilidad del mismo.
c) Si u
t
= 0, 9u
t1
+
t
con
t
NID(0, 1), estima de forma eciente los par ametros del modelo.
d) Contrasta la signicatividad de la variable X
t
.
Sea el modelo de regresi on Y
t
=
1
+
2
X
2t
+
3
X
3t
+
4
Y
t1
+ u
t
t = 2, . . . , 200 donde X
3
es un regresor
no estoc astico. Se considera adem as que u
t
iid(0, 2
u
) y X
2
es un regresor estoc astico correlacionado con otra
variable Z que no es estoc astica.
a) Suponiendo que X
2
es independiente de las perturbaciones, qu e estimador de utilizaras? Describe sus
propiedades.
b) C omo contrastaras H
0
:
2
=
3
= 0? Describe detalladamente todos los elementos del contraste.
Para los siguientes apartados, si no sabes si la variable X
2
est a medida con error o no:
c) Como puedes decidir si la variable X
2
est a medida con error o no? Describe todos los elementos del con-
traste.
d) Sup on que el estadstico del contraste anterior vale 7. Qu e estimador elegiras en este caso? Razona tu
elecci on, bas andote en las propiedades de los estimadores. Escribe explcitamente las matrices y vectores
que intervienen en el estimador.
Para celebrar el A no Internacional de la Astronoma los alumnos de secundaria y bachillerato de 200 centros
escolares han recogido datos de las siguientes variables:
Y : distancia de su centro de estudios al paralelo 40
o
Norte en kil ometros
X: altura del sol en el horizonte al medioda en grados
Con estos datos se ha estimado la relaci on lineal entre Y y X por MCO obteni endose los siguientes resultados:
Y
i
(
j
)
=
1
..
5594, 9
(30, 25)
2
..
111, 91
(0, 58)
X
i
200
i=1
u
2
i
= 71260, 46 R
2
= 0, 9948 (1)
187
a) El coeciente
2
indica a cuantos kil ometros equivale un grado de la esfera terrestre (con signo negativo).
Se sabe que este par ametro toma el valor te orico de 111, 11 km/grado. Contrasta si este valor es compati-
ble con el obtenido en (1). Sup on que u
i
iid
N(0,
2
).
b) Un profesor de uno de los centros escolares arma que las perturbaciones u
i
no son homoced asticas como
hemos supuesto en el apartado anterior, sino que su varianza depende de la variable X
i
. Bas andote en
el siguiente gr aco, que presenta los residuos de MCO del modelo estimado (1) frente a la variable X
i
,
comenta la armaci on anterior.
48 50 52 54 56 58
6
0
4
0
2
0
0
2
0
4
0
6
0
X
u ^
M
C
O
c) Utiliza una de las siguientes regresiones para contrastar si la varianza de las perturbaciones depende de X
i
.
Explica claramente todos los elementos del contraste realizado.
(a)
u
2
i
71260, 46
= 2, 65 0, 025X
i
+ w
i
w
2
i
= 1269, 9 R
2
= 0, 0005
(b)
u
2
i
18, 876
= 37, 31 0, 351X
i
+ w
i
w
2
i
= 251450 R
2
= 0, 0005
(c) u
i
= 0, 34 0, 11 u
i1
0, 005X
i
+ w
i
w
2
i
= 70885 R
2
= 0, 0132
(d)
u
2
i
356, 302
= 1, 97 0, 018X
i
+ w
i
w
2
i
= 698, 6 R
2
= 0, 0005
d) Otro profesor cree que existe heterocedasticidad en las perturbaciones u
i
pero causada por las distintas
caractersticas del alumnado de bachillerato y secundaria. Cree que los alumnos de secundaria cometen, en
general, mayores errores al medir la variable Y , y que por tanto, la variabilidad de la perturbaci on ser a mayor
en los datos que proceden de los alumnos de secundaria que en los datos que proceden de los alumnos de
bachillerato. Adem as, ha estimado por MCO la relaci on lineal entre X e Y por separado para los centros de
secundaria y los centros de bachillerato obteniendo los siguientes resultados:
Para los 100 centros de bachillerato:
Y
i
(

j
)
=

1
..
5535, 9
(21, 85)

2
..
110, 76
(0, 42)
X
i
SCR = 9919 R
2
= 0, 9986 N = 100 (2)
Para los 100 centros de secundaria:
Y
i
(

j
)
=

1
..
5662, 7
(57, 55)

2
..
113, 23
(1, 10)
X
i
SCR = 60131 R
2
= 0, 9909 N = 100 (3)
188
Con esta informaci on contrasta la hip otesis de que la varianza de la perturbaci on en los centros de secunda-
ria es mayor que la de los centros de bachillerato.
e) A la vista de los resultados obtenidos hasta ahora, qu e puedes decir sobre la abilidad del contraste que
has realizado en el primer apartado? Raz onalo.
f) Otro profesor sostiene que los par ametros de la relaci on lineal entre Y y X son iguales para los centros
de secundaria y bachillerato. A la vista de los resultados de los apartados anteriores, c omo crees que se
debera estimar la relaci on entre Y y X con los datos de los 200 centros escolares? Explica en detalle c omo
calcularas el estimador que propongas.
Un estudiante pretende medir la relaci on que existe entre el consumo y la renta en Estados Unidos para el periodo
1947 a 1980. Para ello dispone de 136 datos trimestrales
7
del consumo per capita (C, en d olares) y de la renta
disponible per capita (RD, en d olares). El estudiante comienza estimando la relaci on por MCO obteniendo el
siguiente resultado:
C
t
(estad-t)
= 325, 97
(9,9117)
+ 0, 8616
(189,4498)
RD
t
SCR = 966548 R
2
= 0, 9963 DW = 0, 6306 (4)
a) Interpreta el coeciente estimado asociado a la variable renta disponible.
b) Contrasta la signicatividad de la variable renta disponible.
c) Comenta el gr aco proporcionado en la p agina siguiente (residuos de MCO frente al tiempo), crees que se
aprecia evidencia de heterocedasticidad y/o autocorrelaci on?
300
250
200
150
100
50
0
50
100
150
200
250
1950 1955 1960 1965 1970 1975 1980
r
e
s
i
d
u
o
s

M
C
O
El estudiante decide estimar una segunda especicaci on por MCO en la que el consumo est e determinado
por el consumo realizado en el trimestre anterior:
C
t
(estad-t)
= 78, 8615
(3,1245)
+ 0, 215834
(5,1943)
RD
t
+ 0, 753590
(15,5848)
C
t1
t = 2, . . . , 136 (5)
7
Datos del libro: Undergraduate Econometrics (2001) de R.C. Hill, W.E. Grifths y G.G. Judge.
189
SCR = 339029 R
2
= 0, 998679 DW = 1, 59122
d) Qu e supuesto sobre las variables explicativas es necesario para que el estimador MCO sea insesgado?, se
cumple este supuesto? Razona tu respuesta.
El estudiante quiere analizar m as detenidamente los resultados obtenidos para el modelo (5) por lo que
decide estimar la siguiente regresi on auxiliar:
u
t
(estad-t)
= 10, 9677
(0,4388)
+ 0, 0415440
(0,9714)
RD
t
0, 0478147
(-0,9617)
C
t1
+ 0, 216094
(2,4522)
u
t1
+ e
t
(6)
SCR = 316915 R
2
= 0, 0452226
e) Para qu e sirve esta regresi on auxiliar? Cu al es la conclusi on que se obtiene? Contr astalo.
f) Dado el resultado obtenido en el apartado anterior, cu ales son las propiedades del estimador empleado
en (5)? Razona tu respuesta.
g) Teniendo en cuenta los resultados obtenidos hasta el momento, explica detalladamente como estimaras un
modelo que explicase el consumo de forma consistente.
h) Teniendo en cuenta los resultados obtenidos hasta el momento, explica detalladamente como estimaras un
modelo que explicase el consumo de forma asint oticamente eciente.
Se dispone de datos del consumo en ropa (C
i
, en cientos de euros) y de la renta (R
i
, en cientos de euros) de 10
individuos:
i 1 2 3 4 5 6 7 8 9 10
C
i
7 3 5 6 5 6 4 5 5 4
R
i
14 5 8 10 9 16 7 11 12 8
Sexo Mujer Mujer Mujer Mujer Mujer Hombre Hombre Hombre Hombre Hombre
Para analizar la proporci on de renta que se dedica al consumo en ropa se propone el modelo C
i
=
1
+
2
R
i
+u
i
,
donde u
i
sigue una distribuci on normal. Al estimar el modelo por MCO se obtienen los siguientes resultados:
C
i
(
j
)
=
1
..
2, 1
(0, 7026)
+
2
..
0, 29
(0, 0670)
R
i
10
i=1
u
2
i
= 3, 59 R
2
= 0, 7008 (1)
a) Contrasta si ante un incremento de la renta de 100 euros el incremento medio del consumo en ropa es menor
o igual a 35 euros.
b) Se sospecha que la varianza de la perturbaci on puede ser distinta para los hombres que para las mujeres de la
muestra. Para analizar si esta sospecha es cierta se ha estimado por MCO la relaci on lineal entre consumo en
ropa y renta por separado para la muestra de hombres y la de mujeres obteniendo los siguientes resultados:
Para los 5 hombres de la muestra:
C
i
(

j
)
=

1
..
2, 2913
(0, 2217)
+

2
..
0, 2323
(0, 0197)
R
i
SCR = 0, 0588 R
2
= 0, 98 N = 5 (2)
190
Para las 5 mujeres de la muestra:
C
i
(

j
)
=

1
..
1, 1589
(0, 6275)
+

2
..
0, 4393
(0, 0650)
R
i
SCR = 0, 5547 R
2
= 0, 94 N = 5 (3)
Utiliza estos resultados para contrastar si las perturbaciones del modelo considerado han mantenido cons-
tante su dispersi on. Explica claramente todos los pasos del contraste.
c) Dado el resultado del contraste anterior, prop on y calcula un estimador de los par ametros del modelo que
sea asint oticamente eciente. Sup on que los par ametros de la relaci on consumo de ropa-ingreso para los
hombres son iguales que los de la relaci on consumo de ropa-ingreso para las mujeres.
d) A la vista de los resultados obtenidos hasta ahora, qu e puedes decir sobre la abilidad del contraste que
has realizado en el primer apartado? Raz onalo.
Un analista quiere determinar la relaci on existente entre el consumo real (C, medido en billones de d olares) en
funci on del salario real (W, medido en billones de d olares) y las rentas no salariales reales (P, medido en billones
de d olares). Para ello dispone de una muestra con observaciones anuales
8
y obtiene los siguientes resultados MCO:
C
t
(t-estad)
= 222, 15
(-11,3620)
+ 0, 693262
(21,2615)
W
t
+ 0, 735916
(15,0735)
P
t
t = 1959, . . . , 1994 (4)
SCR = 38976, 5 R
2
= 0, 998754 DW = 0, 969426 BG(1) = 9, 621
Adem as se dispone de la siguiente informaci on:
100
80
60
40
20
0
20
40
60
1960 1965 1970 1975 1980 1985 1990
r
e
s
i
d
u
o
Residuos de la regresin (= C observada estimada)
a) Interpreta el coeciente estimado asociado a la variable W
t
.
8
Fuente: Ramanathan, R. (2002), Introductory Econometrics with applications, ed. South-Western
191
b) Comenta el gr aco de residuos. Crees que se cumplen todas las hip otesis b asicas sobre la perturbaci on?
Contr astalo.
c) Completa las siguientes matrices, de manera que sean compatibles con el resultado del apartado anterior:
d) Suponiendo que las variables W y P no son estoc asticas, razona las propiedades que tiene el estimador
MCO de los coecientes del modelo (4).
e) A continuaci on el analista se preocupa por la especicaci on del modelo por lo que decide analizar los
resultados MCO de la siguiente especicaci on:
C
t
(t-estad)
= 223, 32
(-10,1613)
+ 0, 618833
(5,4418)
W
t
+ 0, 0839831
(0,7730)
W
t1
+ 0, 725303
(14,6813)
P
t
t = 1960, . . . , 1994 (5)
SCR = 36407, 3 R
2
= 0, 998754 DW = 0, 949518 BG(1) = 7, 1034
Es consistente el estimador MCO de los coecientes en (5)? Raz onalo.
f) Por ultimo el analista estudia los resultados MCO de la siguiente especicaci on:
C
t
(t-estad)
= 155, 77
(-4,7021)
+ 0, 513348
(6,6942)
W
t
+ 0, 535774
(6,4140)
P
t
+ 0, 270081
(2,6911)
C
t1
t = 1960, . . . , 1994 (6)
SCR = 30081, 4 DW = 1, 00858 BG(1) = 8, 704344
Dados todos los resultados de la estimaci on anterior, c omo estimaras el modelo de la mejor manera posi-
ble? Argumenta por qu e eliges este m etodo, explcalo detalladamente y cita sus propiedades.
Para explicar las ventas de una corredura de seguros (V
t
, en miles de euros) se propone el modelo:
V
t
=
1
+
2
F
t
+
3
T
t
+
4
C
t
+u
t
t = 1, 2, . . . , 400 observaciones mensuales
donde:
F
t
n umero de trabajadores jos de la corredura en el mes t
T
t
n umero de trabajadores temporales de la corredura en el mes t
C
t
meses desde la fundaci on de la corredura.
Se supone que las perturbaciones son u
t
NID(0,
2
u
) y el resultado de la estimaci on por V I es:
V
t
= 34,95 + 31,16 F
t
+ 20, 14 T
t
+ 0,60 C
t
R
2
= 0,3559
donde se ha usado D
t
= tasa provincial de desempleo en el mes t como instrumento para T
t
.
192
Var(
V I
) =
_
_
144,655 8,15421 47,9531 1,2992
5,4432 1,1876 0,034
35,8342 0,0142
0,0315
_
_
a) Cu al puede ser el motivo para haber estimado este modelo por variables instrumentales?.
b) Explica detalladamente c omo se han obtenido las estimaciones de los coecientes y sus varianzas. (Escribe
todas las matrices y vectores).
c) Conoces la distribuci on en muestras nitas del estimador? Y la distribuci on asint otica? En caso armati-
vo, escrbela.
d) Contrasta la hip otesis de que
4
= 1.
e) Contrasta si el efecto sobre las ventas de los trabajadores jos y temporales es el mismo.
Un departamento de transportes pretende estudiar la relaci on existente entre la demanda de un servicio interurbano
de autobuses y la poblaci on. Para ello dispone de una muestra de diez ciudades sobre:
Y : n umero medio de viajeros por hora (en cientos)
X: n umero de habitantes (en miles)
i 1 2 3 4 5 6 7 8 9 10 Suma
Y 23 22 21 24 24 20 34 40 19 28 255
X 10 6 4 5 8 4 8 10 4 7 66
La estimaci on de Y
i
= +X
i
+u
i
por MCO da:
Y
i
= 12, 5357 + 1, 9643 X
i
i = 1, . . . , 10. (1)
Se supone normalidad de las perturbaciones.
a) Representa la nube de puntos (X, Y ) y la recta de regresi on en el mismo gr aco. Crees que la dispersi on
de los errores se mantiene constante a lo largo de la muestra? Responde bas andote en el gr aco.
193
-
6
b) Explica detalladamente todos los pasos del contraste de Goldfeld y Quandt. Escribe (con n umeros) las
matrices X e Y de cada regresi on. En este ejemplo, por qu e es preferible este contraste al de Breusch y
Pagan?
c) Estima el modelo por MCG suponiendo que V ar(u
i
) =
2
X
2
i
i = 1, . . . , 10.
d) Contrasta la signicatividad del n umero de habitantes a la hora de explicar la demanda de transporte inter-
urbano de una ciudad.
Sea el siguiente modelo din amico:
Y
t
=
1
+
2
X
t
+
3
Y
t1
+u
t
t = 2, . . . , 200 donde X es un regresor jo (2)
a) Escribe la matriz de datos X y el vector Y.
b) Es el estimador MCO insesgado y consistente en los siguientes casos? Demu estralo.
S1) u
t
iid(0,
2
u
)
S2) u
t
= u
t1
+
t

t
iid(0,
2
) , desconocido
c) Si en alguno de los casos anteriores el estimador MCO es inconsistente y quisi eramos estimar el modelo por
Variables Instrumentales, crees que Y
t2
sera un instrumento adecuado? Y la variable X
t1
? Razona tus
respuestas.
d) Explica detalladamente un contraste v alido para distinguir entre las situaciones de (S1) y (S2).
e) Explica con todo detalle c omo lograras un estimador consistente y asint oticamente eciente de los par ame-
tros del modelo en el caso (S2).
f) Explica c omo realizaras el contraste de signicatividad conjunta de la regresi on en el caso (S2).
Se tienen datos mensuales desde enero de 2005 hasta diciembre de 2009 (60 datos) de las variables:
194
Y = ln de las ventas de un grabador de DVDs (en millones de euros)
X
2
= ln del precio del grabador (en euros)
X
3
= ln del gasto en publicidad (en miles de euros).
Se supone que X
2
y X
3
son no estoc asticas y que u
t
N(0,
2
u
) para todo t. A continuaci on se presentan
estimaciones por MCO y MCGF (red de b usqueda):
MCO-1

Y
t
(t-estad.)
= 22, 1
(2,9)
0, 20
(-3,03)
X
2t
+ 0, 04
(1,12)
X
3t
DW = 1, 85
MCO-2

Y
t
(t-estad.)
= 23, 5
(3,09)
0, 22
(-2,16)
X
2t
DW = 1, 38
MCGF-1

Y
t
(t-estad.)
= 21, 4
(3,2)
0, 23
(-2,11)
X
2t
+ 0, 05
(1,40)
X
3t
= 0, 12
MCGF-2

Y
t
(t-estad.)
= 25, 6
(2,6)
0, 25
(-2,27)
X
2t
= 0, 31
a) Haz (y explica) los contrastes de autocorrelaci on en los modelos MCO-1 y MCO-2.
b) Es signicativa la variable X
3
en el modelo MCO-1? Qu e puedes decir sobre la validez de este contraste?
c) Explica detalladamente el proceso que se ha utilizado para estimar MCGF-2 (incluidos = 0, 31 y t-estad.
= 2, 27).
d) En vista de los resultados, razona qu e modelo y qu e m etodo de estimaci on elegiras.
Para analizar el precio de la vivienda se han recogido 187 observaciones de las siguientes variables:
Y : precio de la vivienda en miles de euros
X: supercie de la vivienda en metros cuadrados
Con estos datos se ha estimado la relaci on lineal entre Y y X por MCO obteni endose los siguientes resultados:
Y
i
(
j
)
=
1
..
357, 52
(52, 9655)
+
2
..
2, 60326
(0, 150752)
X
i
(1)
a) Contrasta la signicatividad de la variable supercie.
b) Bas andote en el gr aco de residuos MCO frente a la variable supercie que se presenta a continuaci on,
crees que el contraste realizado en el apartado anterior es correcto? Por qu e?
195
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+ +
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+ +
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
X (m
2
)
250 300 350 400 450 500
2
0
0
1
0
0
0
1
0
0
2
0
0
3
0
0
u
^
c) Sabiendo que el estadstico Breusch-Pagan toma el valor 26,5 contrasta, explicando detalladamente todos
los pasos, si las perturbaciones son esf ericas.
d) Dado el resultado del apartado anterior, explica detalladamente c omo estimaras de forma eciente el mo-
delo propuesto.
Un estudiante desea analizar qu e parte del precio de los ordenadores se debe al tama no del disco duro. Para ello
ha calculado el precio medio anual del ordenador en euros (P) y el tama no medio de disco duro anual en cientos
de Gigabytes (D) para los ordenadores de la tienda de sus padres con los datos de los diez ultimos a nos. Con esta
informaci on ha estimado la siguiente regresi on por MCO:
P
t
(t-estad.)
= 1504, 32
(12,12)
1, 52
(-4,60)
D
t
R
2
= 0,7259
u
2
t
= 443394 (2)
En la siguiente tabla se recogen los valores de las variables y de los residuos de la regresi on anterior:
A no P (Precio) D (Disco) u
mco
t
1 1776 74 384
2 1560 96 202
3 1370 125 56
4 1203 163 -54
5 1057 213 -124
6 920 225 -243
7 758 285 -314
8 699 421 -166
9 576 640 43
10 548 772 216
196
a) Interpreta los coecientes de la regresi on (2). Te parecen razonables los valores obtenidos?
b) El estudiante sospecha que puede existir un problema de autocorrelaci on en la regresi on (2). Dibuja un gr a-
co que permita analizar esta sospecha y comenta razonadamente la posible existencia de autocorrelaci on.
c) Estima la relaci on entre precio y disco duro por Mnimos Cuadrados Generalizados Factibles (MCGF) su-
poniendo que u
t
AR(1).
d) Qu e propiedades tiene el estimador que has utilizado?
Un compa nero del estudiante le comenta que todo el mundo sabe que los ordenadores cada da est an m as
baratos y, por ello, le sugiere incorporar el efecto del paso del tiempo en el modelo mediante la variable
t = 1, 2 . . . , 10 medida en a nos. Se estima por MCO esta nueva especicaci on obteni endose el siguiente
resultado:
P
t
(t-estad.)
= 1872, 23
(70,61)
+ 0, 69
(5,49)
D
t
187, 79
(-19,10)
t (3)
R
2
= 0,9948
u
2
t
= 8336 DW = 2, 14
e) Suponiendo que las perturbaciones siguen una distribuci on normal, contrasta si el paso del tiempo (t) es una
variable relevante. Interpreta su coeciente estimado.
f) Contrasta la existencia de un proceso AR(1) en las perturbaciones con los datos del modelo (3).
g) A la vista de los resultados obtenidos hasta ahora comenta las propiedades de los tres estimadores que han
aparecido en el ejercicio, los de los modelos (2), (3) y el de MCGF que has estimado en el apartado C.
Un investigador dispone de datos mensuales del consumo (C
i
, en miles de euros), la renta que han declarado a Ha-
cienda (R
i
, en miles de euros) y el salario del cabeza de familia (S
i
, en miles de euros) para un grupo de 10 familias:
Familia consumo renta declarada salario
1 1,3 1,5 1,3
2 1,4 1,7 1,6
3 1,5 1,8 1,7
4 1,1 1,2 1,0
5 1,7 1,9 1,6
6 1,5 1,7 1,6
7 1,4 1,6 1,4
8 1,3 1,5 1,4
9 1,3 1,5 1,4
10 1,7 1,7 1,3
variable 14,2 16,1 14,3
variable
2
20,48 26,27 20,83
Para analizar la proporci on de renta que se dedica al consumo se propone el modelo: C
i
= +R
i
+u
i
, donde u
i
sigue una distribuci on normal. Se ha estimado este modelo por MCO con los datos de consumo y renta declarada
a Hacienda de la tabla anterior y se han obtenido los siguientes resultados:
C
i
(
desv)
= 0, 0453
(0,2406)
+ 0, 8539
(0,1485)
R
i
R
2
= 0,8052
u
2
i
= 0, 0615 (4)
197
a) Te parece probable que exista autocorrelaci on en las perturbaciones de este modelo? Raz onalo.
b) Se cree que alguna de las familias puede haber declarado a Hacienda una renta distinta a la real, con lo que
los datos observados no seran iguales a la variable de inter es, es decir, observaramos la variable renta con
error, RD
i
= R
i
+
i
, donde R
i
es la variable explicativa que no observamos y RD
i
es la variable obser-
vada, la renta declarada a Hacienda. Qu e consecuencias tendra este hecho sobre el estimador de MCO?
Demu estralo.
c) Sup on que, en efecto, la renta se mide con error. Estima el modelo por el m etodo de Variables Instrumenta-
les.
d) Sea

V ar(
V I
) =
_
0, 0954 0, 0586
0, 0586 0, 0364
_
la matriz de varianzas y covarianzas estimada del estimador
de VI. Explica c omo se ha calculado.
e) Contrasta si, en efecto, la renta se mide con error o no. Comenta la abilidad del contraste en esta aplicaci on.
f) En funci on de los resultados obtenidos hasta ahora, qu e estimador te parece preferible, el de MCO o el de
VI? Raz onalo.
Se quiere analizar el salario mensual (S
i
) de 49 trabajadores de una determinada empresa. Para ello se dispone de
informaci on sobre las variables educaci on (Edu
i
), experiencia laboral (Exp
i
), edad (Edad
i
) y sexo (H
i
) de cada
uno de los trabajadores. Nota: La variable H
i
toma valor 1 si el individuo es hombre y 0 en caso contrario.
Para explicar el salario se proponen y estiman por MCO los siguientes modelos:
S
i
(

desv.)
= 648, 27
(383,13)
+ 132, 50
(31,69)
Edu
i
+ 37, 97
(13,04)
Exp
i
5, 83
(7,69)
Edad
i
+ 487, 67
(147,31)
H
i
(1)
S
i
(

desv.)
= 434, 82
(258,87)
+ 133, 55
(31,51)
Edu
i
+ 34, 45
(12,13)
Exp
i
+ 470, 46
(144,87)
H
i
(2)
1500
1000
500
0
500
1000
1500
0 1
r
e
s
i
d
u
o
Sexo
Residuos de la regresin
198
a) Cu al de los dos modelos te parece m as adecuado? Razona tu respuesta.
b) El investigador cree que la varianza de la perturbaci on puede ser diferente para hombres y mujeres. Para
buscar evidencia a favor de esta hip otesis dibuja un gr aco de los residuos (del modelo m as adecuado) frente
a la variable Sexo. Recordad que el valor 0 recoge a las mujeres de la muestra y el valor 1 a los hombres.
Qu e se puede observar en el gr aco?
c) Despu es de observar el gr aco, decide hacer un contraste de heterocedasticidad. La varianza de la perturba-
ci on la especica de la siguiente manera:
2
i
= h(
0
+
1
H
i
). Qu e contraste va a llevar a cabo? Explcalo
paso a paso.
d) En base a los siguientes datos, qu e conclusi on obtiene?
u
2
i

2
u
= 0, 443 + 1, 050H
i
+ w
i
SCT = 127, 66 SCR = 114, 21
e) Con los resultados obtenidos hasta el momento, qu e m etodo de estimaci on propondras? Explcalo en de-
talle y comenta sus propiedades.
Se desea analizar el comportamiento de las importaciones de Espa na (Y) en funci on del Producto Interior Bruto
(PIB) y la Inversi on (I). Para ello se ha estimado el siguiente modelo por MCO (DW: Durbin-Watson; BG(1):
Breusch Godfrey para autocorrelaci on de orden 1):
Y
t
(estad t)
=
1
..
0,44
(9,32)
+
2
..
0,00018
(19,47)
PIB
t
+
3
..
0,39
(20,27)
I
t
t = 1976, . . . , 2009 (3)
R
2
= 0,89 SCR = 1,42 DW = 0,96 BG(1) = 9,14
a) Explica con todo detalle c omo contrastaras la existencia de un proceso autorregresivo de primer orden en
las perturbaciones y con la informaci on aportada, realiza el contraste.
b) En el caso de que las perturbaciones siguieran un proceso autorregresivo de orden 1:
u
t
AR(1): u
t
= u
t1
+
t
,
t
iid
(0,
2
), || < 1
a) Obt en (demuestra) a qu e es igual Cov(u
t
, u
t1
).
b) Escribe la matriz de varianzas y covarianzas de las perturbaciones.
c) En este caso, sera consistente el estimador MCO? Y asint oticamente eciente? Raz onalo.
d) Detalla c omo estimaras el modelo de forma consistente y asint oticamente eciente.
199
Otra posible especicaci on consiste en dinamizar el modelo introduciendo la variable end ogena retardada
un periodo como variable explicativa. El resultado de la estimaci on por MCO es el siguiente:
Y
t
(estad t)
=

1
..
0,39
(3,72)
+

2
..
0,000179
(15,28)
PIB
t
+

3
..
0,43
(9,70)
I
t

4
..
0,015
(0,2791)
Y
t1
t = 1977, . . . , 2009 (4)
R
2
= 0,96 SCR = 1,38 DW = 0,89 BG(1) = 8,79
c) Se sospecha que la autocorrelaci on detectada en los residuos del modelo (3) puede ser debida a la omisi on
de la variable relevante Y
t1
. Razona por qu e una mala especicaci on puede provocar problemas de auto-
correlaci on.
d) Qu e propiedades tiene el estimador MCO del modelo (4) ? Realiza alg un contraste si lo consideras opor-
tuno.
Un investigador dispone de datos del salario mensual (S
i
, en miles de euros) y de los a nos de educaci on post-
obligatoria (E
i
) para un grupo de 10 personas. Adem as dispone de informaci on de la distancia de su hogar materno
a la universidad m as cercana (D
i
, en decenas de kil ometros):
Individuo Salario Educaci on Distancia
S
i
E
i
D
i
1 1,0 1 13
2 2,2 6 6
3 2,4 4 9
4 2,5 3 9
5 3,7 7 4
6 2,4 4 8
7 2,3 0 14
8 2,2 3 9
9 1,8 7 5
10 3,1 8 3
variable 23,60 43 80
variable
2
60,28 249 758
Para analizar el efecto de la educaci on en el salario de un individuo se propone el modelo: S
i
= +E
i
+u
i
.
Se ha estimado este modelo por MCO con los datos de la tabla anterior y se han obtenido los siguientes resultados:
S
i
(
desv)
= 1, 7348
(0,3960)
+ 0, 1454
(0,0794)
E
i
R
2
= 0,2956
u
2
i
= 3, 2289 (5)
a) Te parece probable que exista autocorrelaci on en las perturbaciones de este modelo? Raz onalo.
b) Se piensa que la variable Educaci on y la perturbaci on del modelo pueden estar correlacionadas. Si esto fuese
cierto, qu e propiedades tendra el estimador de MCO del modelo (5)? Raz onalo en detalle.
c) Estima el modelo por el m etodo de Variables Instrumentales (VI) utilizando la variable Distancia como
instrumento (el investigador piensa que esta variable puede estar relacionada de forma negativa con la edu-
caci on, pero no cree que se relacione con la perturbaci on del modelo). Nota: al no ser una matriz sim etrica
el determinante de Z
X puede ser negativo.

200
d) Sea

V ar(
V I
) =
_
0, 1836 0, 0319
0, 0319 0, 0074
_
la matriz de varianzas y covarianzas asint otica estimada del
estimador de VI. Explica c omo se ha calculado (no realices ning un c alculo).
e) Contrasta si, en efecto, la variable Educaci on y la perturbaci on del modelo est an correlacionadas. Comenta
la abilidad del contraste en esta aplicaci on.
Se dispone de datos de la media de la Nota de Acceso a la Universidad (Nota) para 201 centros educativos de la
CAV para los a nos 2009 y 2010 (N=201+201=402) por tipo de centro: p ublico (PU) o concertado-privado (PR).
Para analizar el efecto del tipo de centro en la nota se estima por MCO con todos los datos (los de 2009 y 2010)
obteniendo los siguientes resultados:
Nota
i
(
j
)
=
1
..
6, 2647
(0, 0458)
2
..
0, 1928
(0, 0677)
PU
i
402
i=1
u
2
i
= 182, 7854 N = 402 (1)
donde PU
i
es una variable cticia que toma valor 1 si el centro es p ublico y cero en caso contrario. Se supone que
u
i
sigue una distribuci on normal.
a) Se sospecha que la varianza de la perturbaci on puede ser diferente en los distintos a nos. Para analizar si esta
sospecha es cierta se ha estimado por MCO el modelo para los a nos 2009 y 2010 por separado:
Nota
i,2009
(
j
)
=
2009
1
..
6, 0971
(0, 0680)
2009
2
..
0, 2316
(0, 1005)
PU
i,2009
201
i=1
u
2
i,2009
= 100, 2597 N
2009
= 201 (2)
Nota
i,2010
(
j
)
=
2010
1
..
6, 4323
(0, 0562)
2010
2
..
0, 1540
(0, 0831)
PU
i,2010
201
i=1
u
2
i,2010
= 68, 5586 N
2010
= 201 (3)
Contrasta si las perturbaciones del modelo han mantenido constante su dispersi on en los dos a nos. Explica
claramente los pasos del contraste y especica la hip otesis nula, la alternativa, el estadstico de contraste y
la regla de decisi on.
b) Con los resultados obtenidos hasta el momento, qu e m etodo de estimaci on propondras para estimar el
modelo (1)? Explcalo en detalle y comenta sus propiedades.
c) Durante el curso 2010 se implement o en la CAV un plan para mejorar el resultado de los alumnos en las
pruebas de acceso. Se supone que este plan ha funcionado y que, por tanto, hay un cambio estructural en
el modelo (los coecientes del modelo son distintos en el a no 2009 y en el 2010). Escribe un sistema de
ecuaciones que tenga en cuenta esta circunstancia y prop on un estimador de los par ametros que sea asint oti-
camente eciente.
Sea el siguiente modelo de regresi on:
Y
t
=
1
+
2
Y
t1
+
3
X
t
+u
t
t = 2, . . . , 80 (4)
201
donde u
t
(0,
2
u
) y consideramos que X
t
es una variable ja. Utilizando el estimador MCO se han obtenido
los siguientes resultados:
Y
t
( desv)
= 3, 02
(0, 91)
+ 0,59
(0,21)
Y
t1
+ 1,02
(0,32)
X
t
+ u
t
R
2
= 0,65 DW = 1,8
u
t
= 0,041 + 0,039 u
t1
0,008Y
t1
+ 0,021X
t
+ v
t
R
2
= 0,017
a) Utilizando la informaci on disponible, es el estimador de MCO un estimador insesgado de los coecientes
del modelo?, consistente? Razona con todo detalle tu respuesta.
Supongamos, para los siguientes apartados que u
t
iid(0,
2
u
) y que la variable X
t
es estoc astica y
se sospecha que E(X
t
u
t
) = 0. Por tanto, utilizando la variable Z
t
como instrumento de la variable X
t
, se
estima el modelo por el m etodo de variables instrumentales.
Estimaci on VI:
Y
t
= 2, 61 + 0, 67Y
t1
+ 2, 35X
t
(5)
donde
V ar(
V I
) =
_
_
1, 09 0, 09 0, 07
0, 09 0, 11 0, 10
0, 07 0, 10 0, 42
_
_
b) Qu e condiciones debe vericar la variable instrumental Z
t
para que el estimador de VI sea consistente?
c) Explica c omo se ha obtenido la estimaci on de los coecientes por el m etodo de VI,

V I
, y la estimaci on de
su matriz de varianzas y covarianzas asint otica,

V ar(
V I
). Detalla c omo es cada matriz o vector utilizados.
d) Realiza un contraste para decidir el m etodo de estimaci on m as adecuado.
e) Contrasta la signicatividad de la variable X
t
.
Se dispone de las siguientes observaciones muestrales de las variables Y
t
y X
t
:
t Y
t
X
t
1 14 6
2 19 8
3 22 10
4 15 6
5 18,5 8
6 26,5 12
7 11 4
8 6 2
Suma 132 56
Media 16,5 7
Se supone que X es una variable no estoc astica. Para analizar la relaci on entre las variables X e Y se ha estimado
por MCO, con la informaci on de la tabla anterior, el modelo de regresi on lineal simple:
Y
t
= 2, 5 + 2X
t
202
a) Dibuja un gr aco que te permita detectar la existencia de autocorrelaci on. Encuentras indicios de autoco-
rrelaci on?, de qu e signo? Comenta en detalle.
b) Realiza el contraste de Durbin y Watson.
c) Bas andote en los resultados obtenidos en los apartados anteriores, qu e propiedades tiene el estimador de
MCO?, Qu e puedes decir sobre la validez de los contrastes realizados con este estimador? Existe un mejor
estimador?
d) Estima los par ametros del modelo mediante el m etodo de Mnimos Cuadrados Generalizados suponiendo
que u
t
AR(1) con = 0, 8.
203

Ejer Cici Os

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Ejer Cici Os

Hochgeladen von

Copyright:

Verfügbare Formate

RECOPILACION DE

I) de manera que el investigador s olo dispone de

, son estimadores insesgados de y

). Existe en este caso alg un otro estimador con mejores

obteniendo las siguientes Sumas de Cuadrados Residuales (SCR):

0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0

). Al mismo tiempo, conoce la variable

) Con los siguientes

del modelo transformado

que por lo menos sea

? Y entre las varianzas de las perturbaciones u

) y || < 1 es desconocido, explica detalladamente como

) y || < 1). Estimaramos los coecientes del modelo de la

) distintos de cero es:

) distintos de cero es:

I). Se nala cu al de las siguientes armaciones es la correcta:

X = Q, nita y no singular, y E(u

= 1). Entonces V ar(u

), demuestra las propiedades del estimador MCO de los

IP. ESTAD.T 2Prob(t > |T|)

IP. ESTAD.T 2Prob(t > |T|)

IP. ESTAD.T 2Prob(t > |T|)

IP. ESTAD.T 2Prob(t > |T|)

IP. ESTAD.T 2Prob(t > |T|)

), y u son independientes y adem as E(X

variable 14,2 16,1 14,3

X puede ser negativo.

Das könnte Ihnen auch gefallen