Gua de

trabajos
prcticos


Universidad de Buenos Aires
Facultad de Ciencias Econmicas



E
C
O
N
O
M
E
T
R

A

































2003


C C t te ed dr ra a: Econometra
P Pr ro of fe es so or r t ti it tu ul la ar r
Dr. Heriberto Urbisaia
P Pr ro of fe es so or ra a A As so oc ci ia ad da a
Dra. Juana Z. Brufman
P Pr ro of fe es so or r A Ad dj ju un nt to o
Ing. Julio Fabris
J Je ef fe e d de e T Tr ra ab ba aj jo os s P Pr r c ct ti ic co os s
Lic. Ivn Canay
Esta gua de ejercicios ha sido elaborada tomando como base las valiosas
recopilaciones e invenciones de: Ivn Canay, Nicols Depetris Chauvin.,
Facundo Gonzlez Alvaredo y Dbora Lewi.

Nota referente a la segunda edicin.

Como respuesta a la frecuente demanda de los alumnos que cursaron
la materia en los ltimos aos la ctedra decidi revisar la anterior edicin
de la gua. Se ha modificado su estructura, respetando los lineamientos
bsicos de la original, a la vez que se han corregido y aadido ejercicios.

Entre las innovaciones, el estudiante podr encontrar respuestas al
final de la correspondiente prctica. Asimismo, se han calificado los
ejercicios con el propsito de incentivar la resolucin de los ms relevantes
diferencindolos de aquellos que implican una mayor profundizacin en el
tema de estudio.

El criterio utilizado ha sido el siguiente:

Ejercicio sin asteriscos = indispensable.
Ejercicio con dos asteriscos (**) = relevante.
Ejercicio con tres asteriscos (***) = interesante, no indispensable.

Los invitamos a visitar la pgina web del curso en la que podrn encontrar
material de gran utilidad:
http://www.econ.uba.ar/www/departamentos/matematica/plan97/econometria/urbisaia/index.htm
Clickear curso 4. All tambin encontrarn la presente gua en formato
digital.
Ante cualquier comentario o consulta sobre las diferentes prcticas
podrn contactarnos a las siguientes direcciones:

Ayudante Direccin de correo electrnico

Alejandro Francetich afrancetich@yahoo.com.ar
Damin Pierri nicolas_pierri@hotmail.com
Damin Sainz de Aja sainzdeaja@infovia.com.ar
Diego Ubfal dubfal@yahoo.com.ar
Emilio Depetris Chauvin emidepetris@yahoo.com
Hernn Finkelstein hf@econ.uba.ar
Leandro Gorno leandro551@mail.ru
Mara Jos Tosi mjtosi@infovia.com.ar
Paula Ricchio Franch793@aol.com

Febrero del 2003.
Coordinador: Diego Ubfal.
Editores: Alejandro Francetich y Emilio Depetris Chauvin.








Fernandez Sainz, Gonzalez Casimiro, Regulez Castillo, Moral Zuazo y Esteban
Gonzalez: E Ej je er rc ci ic ci io os s d de e E Ec co on no om me et tr r a a, Primera Edicin, Schuam, 1995.
Gujarati, Damodar: B Ba as si ic c E Ec co on no om me et tr ri ic cs s, Tercera Edicin, MacGRAW-HILL,
1995.
Johnston, J. y Dinardo, J. : E Ec co on no om me et tr ri ic cs s M Me et th ho od ds s, Cuarta Edicin, MacGRAW-
HILL, 1984.
Judge, Griffiths, Hill, Ltkepohl y Lee: T Th he e t th he eo or ry y a an nd d p pr ra ac ct ti ic ce e o of f e ec co on no om me et tr ri ic cs s,
Segunda edicin, Wiley and Sons, 1985.
Kmenta, Jan: E El le em me en nt to os s d de e E Ec co on no om me et tr r a a, Segunda edicin, Vincens-Vives,
1984.
Novales, Alfonso: E Ec co on no om me et tr r a a, Segunda Edicin, MacGRAW-HILL, 1994.
Stewart, M. B. y Wallis, K. F.: I In nt tr ro od du uc cc ci i n n a a l la a e ec co on no om me et tr r a a, Segunda Edicin,
Alianza Editorial, 1984.
Urbisaia, H. Y Brufman, J.: E Ec co on no om me et tr r a a: : P Pr ro ob bl le em ma as s y y e ej je er rc ci ic ci io os s, Primera
Edicin, Ediciones Macchi, 1985.


Bibliografa Consultada

1
Mnimos Cuadrados Clsicos
- 1 -


1) Sea el siguiente modelo Lineal que vincula a las variables X e Y:

0 1 1
b 0
t t t
Y b b X u = + + >
Suponiendo vigente los supuestos de G-M y utilizando la siguiente informacin

t
Y = 3,2,4,5,5,7,6,8,8,12

t
X = 1,2,2,3,4,5,5,9,9,15

Se pide:

a) Estimar el modelo por MCC.
b) Estimar las varianzas y covarianzas de las estimaciones.
c) Estimar el coeficiente de determinacin.
d) Al responder el tem a) utilizar alternativamente las siguientes escalas de medicin:

d1) unidades originales para todas las variables del modelo.
d2) unidades centradas para la variable explicativa nicamente.
d3) unidades centradas para todas las variables del modelo.


2) Sea el siguiente modelo lineal con dos variables explicativas:

t 0 1 1 2 2
Y
t t t
b b X b X u = + + +

para el que se suponen vigentes los supuestos de G-M. Utilizando la informacin estadstica
del ejercicio anterior y aadiendo:


2t
X = 8,14,10,9,7,6,8,4,3,1.

Se pide que vuelva a realizar los puntos a, b, c y d del ejercicio anterior teniendo en cuenta el
nuevo modelo y la nueva informacin.


3) Considerando el modelo de regresin lineal con k variables explicativas y un vector de
perturbaciones aleatorias, esto es, expresado en forma matricial:

2
N(0, ) = + y Xb u u I

a) Describir los supuestos que hay detrs de este modelo de regresin lineal.
b) El problema central es obtener el vector b desconocido. Demuestre que la
estimacin de los parmetros que estn incluidos en b, representados por

bse
puede obtener como

=
1
b (X X) Xy
c) Explique las propiedades de los estimadores MCC.
d) Derive la matriz de varianzas y covarianzas de los estimadores MCC.
e) Demuestre que
2

N( , )

1
b b (XX)
f) Explique y desarrolle el teorema de Gauss-Markov.


2
4) Suponiendo que en la regresin mnimo cuadrtica clsica de Y sobre X el coeficiente
estimado de X es 1,2.
Determinar si son ciertas las siguientes afirmaciones:

a) Tomando distintas muestras para la variable Y pueden obtenerse otras
estimaciones.
b) La distribucin de estas estimaciones debe estar centrada en torno al verdadero
valor 1,2.


5) Considerando las siguientes especificaciones para la parte sistemtica de la funcin de
regresin:

a)
1 2
1 2
Y a(X ) ( )
b b
t t t
X =

b)
( ) y
X ab
t
a bX
t
Y e
+
= =

c)
1
Y
X
t
t
a b = +

d)
2
t 1 2
Y X X
t t
a b b = + +

Se pide:

a) Introducir el trmino aleatorio en cada modelo.
b) Interpretar los coeficientes en los distintos casos.
c) Determinar si es necesario realizar alguna transformacin para poder estimar por
MCC los parmetros del modelo.


6) Determinar si las siguientes afirmaciones son correctas y justificar:

a) El estimador insesgado
1
b con varianza V
1
proporciona siempre mejores
estimaciones que el estimador sesgado
2
b con varianza
2
V , donde V
1
>
2
V .
b) En el modelo de regresin lineal general la matriz de covarianzas estimada del
estimador MCC de b es la misma para cualquier muestra que se tome.


7) Demostrar que:

a)
2 2 2
Y nY y = +



b)
2
Y y y =



c) XY nXY xy = +



d) X Y xy y x = =



e)
2 2 2
n n X ( X) x =




3
f)
2 2 2

R ( nY )/( nY ) = X y y y

en donde las letras maysculas indican variables no centradas y las letras minsculas variables
centradas.


8) En el modelo
t 0 1 t t
Y b b X u = + + , demostrar las siguientes igualdades:

a)
2
1

/ b Sxy S x = Siendo
2
2
x
S x
T
=

y
xy
Sxy
T
=



b)
2 2
1

/(1 ), en donde se define A b /( 2)

u
R A A xy T = + =

c)
2 2 2 2
1

( / ) R b S x S y =

d)
2 2
1

u y b xy =




9) Demostrar las siguientes expresiones:

a)

= u u y y b Xy

b) = u u y y y y


10) **Probar que la estimacin MCC del coeficiente del modelo
t t t
Y X u = + + es el
inverso del estimador MCC del coeficiente en el modelo
t t t
X Y v = + + si y solo si el
coeficiente de determinacin del primer modelo (y del segundo) es igual a 1.


11) Demuestre que la ecuacin de prediccin de mnimos cuadrados
0 1 1

...........
k k
Y b b X b X = + + + pasa por los valores medios (
1 2
, ,.........., ,
k
X X X Y ) de
las variables.


12) Para estimar el modelo
t 0 1 1 2 2
Y
t t t
b b X b X u = + + + se dispuso de 10 observaciones, a
partir de las cuales se calcularon las matrices de momentos muestrales respecto a la
media:



1 1, 5
1, 5 2, 5
| |
=
|

\ .
-1
(XX)
16
9
| |
=
|
\ .
(Xy)

obteniendo una suma residual de 5,2. Las medias muestrales fueron 4 Y = ,
1 2
3, 5 X X = = .
Recuperar las estimaciones MCC de los coeficientes
0 1 2
, , b b b , ***As como su matriz de
varianzas y covarianzas.

.

4
13) Una empresa consultora de mercado realiza un relevamiento en 22 distritos electorales.
Luego estima la siguiente regresin:


Donde V
i
es porcentaje de votos obtenidos por el partido A en el distrito electoral i y P
i
es la
poblacin en edad de votar del distrito electoral i. Por una falla de impresin, solo algunos de
los resultados se conocen,

LS // Dependent Variable is V
Sample: 1 22
Included observations: 22
Variable Coefficient Std. Error t-Statistic
P 0.137 0.028 ------(1)-----
C 26.034 -----(2)------ 14.955

R
2
----(3)------ Media var independiente 54.478
RSS 305.9600 Varianza var dependiente 31.954
Varianza
residuos
-----(4)----- Varianza var independiente 925.91
Coeficiente de
correlacin
entre V y P
-----(5)----- Media var dependiente ------(6)-----

Complete los resultados que faltan (1) a (6).


14) En un estudio de los determinantes de la inversin se utilizaron 20 observaciones anuales.
Las variables utilizadas fueron:

t t t t
Y X Z u = + + +
Donde:
Y
t
=Inversin (en billones de pesos) en el ao t.


t
X = tipo de inters (en porcentajes) en el ao t.


t
Z = Variacin anual del PBI en el ao t (en billones de pesos).
A partir de las muestra utilizada se obtuvieron los siguientes momentos muestrales:



t
X 100 =

2
t
(X X) 9 =

t t
(X X)(Y Y) 14 =

t
Y 5 =

2
t
(Y Y) 60 =

t t
(Z Z)(Y Y) 7 =

t
Z 24 =

2
t
(Z Z) 1 =

t t
(X X)(Z Z) 1 =

a) Estimar la regresin de Y sobre X y Z.
b) Qu porcentaje de la evolucin temporal de la inversin puede explicarse por la
influencia lineal de los tipos de inters y las variaciones del producto?
c) Puede decirse sin ninguna ambigedad que tipos de inters elevados conducen a
un nivel de inversin bajo?
1, 2,..., 22. i
V u P
i i i
= + + =

5
d) A tipos de inters del 10% y una variacin anual de 2 billones de pesos en el PBI,
qu puede esperarse del nivel anual de la inversin?


**15) Sea el modelo de regresin:


t t t
Y X u = + +

Pero el investigador estima el siguiente modelo:


* * * *
t t t
Y X u = + +

donde
* t
t
a X
X
b
+
= , siendo a y b constantes conocidas.

a) Estime el segundo modelo utilizando MCC. Cul es la relacin entre los
coeficientes de ambos modelos?
b) En qu situaciones puede ser conveniente realizar este tipo de transformaciones?


16) **Un profesor de Econometra encarga a dos de sus estudiantes que elijan la mejor
estimacin posible de un parmetro, dados los distintos estimadores propuestos en los
libros de Econometra. El estudiante A propone un estimador insesgado tal que:

*

5, 0 b = Var(
*

b ) = 8,0 R
2*
=0,86

El estudiante B propone tambin un estimador insesgado con el que se obtuvo:


**

6, 0 b = Var(
**

b ) = 4,0 R
2**
= 0,43

Como no llegan a un acuerdo sobre el estimador que deben proponer finalmente al profesor,
piden consejo a un compaero. Este, muy diplomtico, les aconseja utilizar la media de las dos
estimaciones, es decir,

5, 5 b = . Cul de estas tres estimaciones hubiera elegido usted?

Por qu?


17) ***Obtener la formula del estimador lineal insesgado ptimo de b
0
, y de su varianza, en el
modelo de regresin:

t 0 1 1t 2 2t
Y b b X b X u
t
= + + +

18) Estimar las pendientes de la ecuacin:

t 1 2 2t 3 3t
Y b b X b X u
t
= + + +

dados los siguientes momentos muestrales:

Y X2 X3
Y 1 3 7
X2 3 20 30
X3 7 30 50


6

19) Dado el modelo estimado:

t 1t

Y 5, 77 0, 47X =
(0,038) (0,068)

donde Y es la demanda de saldos monetarios reales y X es la tasa de inflacin.

R = 0,9039
2

Y 0, 255 S = T = 100

a) Interpretar las estimaciones obtenidas.
b) Diga qu porcentaje de la varianza del regresando est explicada por la parte
aleatoria del modelo.
c) Comente la siguiente afirmacin: Debido a que la dispersin de
1

b es muy
pequea, se puede afirmar que la variable X1t no es relevante para explicar el
modelo. Justifique detalladamente.
d) Un ajuste alternativo agrega la variable X2t (tasa de inters mensual),
obtenindose los siguientes resultados:


t 1t 2t

Y 4, 02 0, 62X 0,74X =
2
1, 08
t
u =

(0,021) (0,007) (0,028)

Verifique la significatividad de la regresin estimada. Interprete.

e) Cul modelo seleccionara? Justifique su respuesta.


20) Supongamos que para el siguiente modelo de regresin simple se cumplen los supuestos
de G-M:

t 0 1 t
Y b b X u
t
= + +

a) Obtener el estimador lineal insesgado ptimo de b
0
y su varianza.
b) Considrese dos perturbaciones
t s
u y u (t s) cualquiera de la regresin. Segn
los supuestos de G-M, estas perturbaciones tienen la misma varianza y son
independientes entre s. Puede afirmarse lo mismo acerca de los residuos mnimo
cuadrticos
t s
u y u respectivos?


21) Se ha estimado el siguiente modelo de regresin simple, utilizando el criterio MCC:

t t

V 1767,61 7,48W = + R = 0,80

Los estadsticos t para el contrate de los coeficientes resultan ser iguales a 1,4 para el trmino
constante y 18,5 para la pendiente. Dado que el valor del estadstico para el contraste de
significacin nos lleva a no rechazar la hiptesis nula, se formula y estima el siguiente modelo:


t t

V 11,71W = R = 0,91

Como el mayor coeficiente de determinacin corresponde a la segunda regresin, se opta por
elegir el segundo modelo. Le parece adecuada esta decisin?

7


22) Se quiere estimar un modelo que explique el ahorro generado, S, en funcin del tipo de
inters, R, de la forma:

t t t
S a bR u = + +

a) Para estimar con mayor precisin b, si pudiera elegir la muestra en diferentes
perodos, la elegira durante un perodo de tiempo en el cual los tipos de inters
fueran fluctuantes o durante un perodo de tiempo en el cual los tipos de inters
fueran relativamente constantes?
b) Qu ocurrira con los estimadores MCC de los coeficientes de la regresin si el
ahorro ha fluctuado muy poco en torno a un valor constante durante el perodo
muestral?


23) **Una de las contrastaciones relativas a la existencia de una relacin entre X e Y se
efecta construyendo el estadstico t, mediante

b / S . Mostrar que esto es, para el

modelo de regresin simple, exactamente igual a:


1/ 2
2 2
R (n-2)/(1-R ) (




24) **A partir de la ecuacin de regresin mltiple:

i 0 1 1i k ki k 1 k 1,i q qi i
Y b b X .... b X b X ..... b X u
+ +
= + + + + + + +

Demostrar que:

a)
q k
SCE SCE

b)
2 2
q k
R R


25) A partir de la informacin para un perodo de 20 aos, se obtuvo la estimacin:

t t

Y 5 8X = +
2
3
u
=
(2)

donde la cifra entre parntesis es el desvo estndar de la estimacin. Calcular R.


26) Se desea estimar el comportamiento del costo total (Y). Para ello se realiz un estudio
sobre 89 empresas, determinndose los siguientes resultados:



t
X 258,1 =

2
t
(X X) 50, 5 =

t t
(X X)(Y Y) 36, 8 =

t
Y 516, 2 =

2
t
(Y Y) 113, 6 =

t t
(Z Z)(Y Y) 39,1 =

8
Z 3, 9 =
2
t
(Z Z) 967,1 =

t t
(X X)(Z Z) 66, 2 =

donde X representa la tasa de produccin y Z la tasa de ausentismo:

a) Estimar el costo total en funcin de la tasa de ausentismo.
b) Supngase que se realiz una estimacin del costo total en funcin de las dos
variables explicativas la cual arroj:
2
78,117856
t
u =

b1) Son significativas las variables en forma conjunta?
b2) Es significativa la variable agregada?
b3) Qu modelo seleccionara?


27) ***Se han obtenido los siguientes resultados al estimar dos rectas de regresin:

t t

Y 1,72 0,37X = + R = 0,71

(0,03)

t t

Y 2,37 0,81Z = + R = 0,22

(0,35)

a) Sabiendo que las variables Z y X no estn correlacionadas entre s, y que Y 20 = ,
indique cuales sern las estimaciones de los coeficientes y el valor de R al estimar
por MCC la siguiente ecuacin de regresin.

t t t t
Y X Z u = + + +

b) Se puede decir que la suma de cuadrados residual del modelo es igual a la suma
de SCR de los dos modelos anteriores? Por qu?


28) Se dispone de los siguientes datos anuales desde 1963 a 1972 sobre la cantidad de dinero,
Mt, la renta nacional de un pas, Yt, en millones de unidades monetarias que se resume en:

t
M 37, 2 =

2
t
M 147,18 =

t t
M Y 295,95 =

t
Y 75, 5 =

2
t
Y 597, 03 =

a) Especifique un modelo lineal que represente la teora de que la cantidad de dinero
determina la renta nacional de un pas. Derive los estimadores MCC de los
coeficientes del modelo.

b) Demuestre que, bajo las hiptesis del modelo de regresin lineal, los estimadores
MCC,
0 1
b y b , son los estimadores lineales insesgados. Derive su matriz de
varianzas y covarianzas. Cmo es esa matriz en comparacin con la de otro
estimador lineal insesgado cualquiera? Si se supone que la perturbacin sigue una
distribucin normal, cul es la distribucin del estimador MCC?

c) Calcule las estimaciones de los parmetros a partir de la muestra inicial. Cul es
la interpretacin del trmino constante y de la pendiente de la recta de regresin?


9
d) Demuestre que los residuos MCC,
t
u , y los valores ajustados,

t
Y , de la regresin
son ortogonales, es decir,

0
t t
u Y =

.

e) Calcule la SCE y la SCR de la regresin. Demuestre que la suma de ambas
coincide con la SCT. Se cumple esta igualdad para cualquier modelo de regresin
que especifiquemos?

f) Calcule el R de la regresin anterior. Entre que valores espera que se
encuentre? Interpretar su significado.

g) Defina un estimador insesgado de la varianza de la perturbacin. Calcule su
estimacin.


29) Sea X la tasa de variacin del IPC e Y, la tasa de variacin del ndice de precios de las
acciones en 20 pases diferentes:

a) Estime e interprete los coeficientes de la regresin de Y sobre X dada la siguiente
informacin muestral:

2
(X X) 511, 4575
i
=

(X X)(Y Y) 387, 395

i i
=

2
(Y Y) 500, 402
i
=

Y 8,53 = X 5,175 =

b) Son las acciones una proteccin contra la inflacin? Son una proteccin perfecta
en el sentido de que cada subida porcentual en el IPC se ve reflejada con la misma
subida porcentual en el ndice de precios de las acciones?
c) Cul sera la variacin esperada en el ndice de precios de las acciones si la tasa
de variacin del IPC fuera del 5%?


30) Demostrar que
2 2
u
1
t
u /(n (k )) = +

es una estimacin insesgada de

2
u
.

31) **Demostrar que

( / )
y x
b r S S = , en donde r es el coeficiente de correlacin entre X e Y, y
y
S y
x
S son las desviaciones tpicas de Y y X, respectivamente.

32) ***Demostrar que el punto estacionario encontrado cuando minimizamos la SRC es,
efectivamente, un mnimo.


33) Demostrar para un modelo con una nica variable explicativa que:

a)
2 2 2
0

( ) ( ) / ( )
u t t
Var b X n X X =



b)
2 2
0 1

( ) / ( )
u t
Cov b b X X X =

34) Puede verse en el ejercicio anterior que la covarianza entre

o
b y
1

b va a ser cero si la
media muestral de X es cero. Dar una explicacin intuitiva de por qu debe ser as.


10
Respuestas. Mnimos Cuadrados Clsicos.
- 1 -

1) a)
1

2, 44 0, 647
t t
Y X = +

b)
1
10 55 0,192 0, 023
5, 49
55 471 0, 023 0, 004 8

| | | |
= =
| |

\ . \ .

c) R
2
= 0,928

d) Se debe llegar al mismo resultado usando las diferentes escalas de medicin. Ayuda: d
2
)

1
1
1
( )

10 0 60 6
0 168, 5 109 0, 647
t t
Y Y b X X u
Y
b

= + +
(
| | | | | |
( = =
| | |
( \ . \ . \ .



2) a)
1 2

5, 41 0, 447 0, 268
t t t
Y X X = +

b)
12
13 23
1, 916 0,135 0,161
0, 011 0, 011
0, 014
a
a a
| |
|
=
|
|
\ .


c) R
2
= 0,9576

3) Asegrese de que es capaz de responder a todos los tems, caso contrario acuda a
cualquier manual de Econometra.

4) a) Verdadero.
b) Falso. Justifique en ambos.

5) a) Modelo log-log, b
1
y b
2
representan la elasticidad de X
1t
y X
2t
con respecto a Y
t
.
1 2
1 2 0 1 1 2 2
, ln ln ln
b b ut
t t t t t t t
Y aX X e Y b b X b X u = = + + +

b) Modelo log-lin, b mide el cambio relativo en Y ante un cambio absoluto en X.
( )
, ln
t t
a bX u
t t t t
Y e e Y a bX u
+
= = + +

c) Modelo recproco, a representa el lmite asinttico. No requiere transformacin.

d) Modelo polinomial, no requiere transformacin, los coeficientes describen a la parbola.

6) a) Falso, b) Falso. Justifique apropiadamente.

7)-11) Intente demostrar todos los tems, si resulta necesario consulte un manual.



11
12)
0
1
2

2, 5
1, 5
b
b
b
| |
| |
|
|
| =
|
|
|

|
\ .
\ .
.
( ) 1 2
0, 74 1,11

,
1,11 1, 86
b b
| |
=
|

\ .

Ayuda:
2 1
0 2 2 2 2
1

var( ) ( ( ) )
T t
u
b X X X X
t

= +

=19,76
2 1
0 1 2 2 2

cov( , ) ( ) (3, 34; 5, 94)
t
u
b b X X X

= =



13) (1) = 4,89 , (2)= 1,741; (3)= 0,565; (4)= 15,298; (5)= 0,705 ; (6)= 33,497

14) a)
109 7 49

40 8 8
t t t
Y X Z = +

b) R
2
= 0,91875.
c) Siempre y cuando X
t
sea significativo y Z
t
se mantenga constante.
d) Se puede esperar que tenga un nivel de 0,775 billones de pesos.

15) a)

* b = , la traslacin no modifica el resultado del modelo; mientras que el cambio de

variable lo deja multiplicado por b (ya que el cambio consista en dividirla por b).

b) Resulta til para cambiar de origen y/o de unidades.

16) Se elige el de menor varianza:

b (si son estimadores independientes) ya que se pretende

la mejor aproximacin lineal al parmetro de la poblacin y no la bondad de ajuste de la
muestra.

18)
2 3
3 1

,
5 2
b b = =
19) a) Un aumento de una unidad en la tasa de inflacin genera una disminucin de 0,47
unidades en la demanda monetaria real. Si la tasa de inflacin fuera 0, se demandaran 5,77
unidades de saldo monetario real. Por ltimo, las variaciones en la tasa de inflacin explican un
90,39% de las variaciones en la demanda monetaria real.
b) Un 9,61%.
c) Falso, justifique.
e) Se seleccionara el nuevo modelo (comparando los R
2
ajustados).

20) a)
2
0 2 2

( )
t t t t t
t t
X Y X X Y
b
t X X

=

,
2
2
0 2

var( )
t
t
X
b
t x

,
b) Los supuestos son sobre la funcin de regresin poblacional, no sobre los residuos
muestrales los cuales resultan heteroscedsticos y correlacionados.


21) No se puede comparar el R
2
de un modelo simple con el de uno que no tenga intercepto,
los coeficientes de determinacin estn calculados sobre escalas diferentes.

22) a) Conviene que los valores de b
t
hayan sido fluctuantes, ya que caso contrario al estimar
a:
2
2

var( )
u
b
x

, el denominador tendera a cero y el estimador resultara muy impreciso.

b) Se podra correrlo contra una constante, no siendo conveniente la regresin MCC sino
podra haber un problema de multicolinealidad con la constante a.

12
25)
2
8
17
R = , ayuda: partir de lo demostrado en el ejercicio 23.

26) a)

5, 64 0, 0404
t t
Y Z = +
b) S, se elige el nuevo modelo.

27) a)

0, 37, 0, 81; 0, 37 0, 81 Y X Z = = = = -15,91
b) No es la simple suma ya que la SCT no vara.

28) a)
0 1
1, 588 1, 603
t t t t
Y b b M M u = + = + +
b) Asegrese que puede responder a este tem.
e) Siempre que el modelo tenga intercepto. 24,277 + 2,728 = 27,005.
f) R
2
= 0,899
g)
2
2, 728
0, 341
( 1) 10 2
u
SCR
T K
= = =
+


29) a)
0 1

4, 61; 0, 757 b b = =
b) La elasticidad (0,46) nos indica que no es una proteccin perfecta.
c)

4, 61 0, 757*5 8, 3975 Y = + =

32) Demostrar que X
t
X es una matriz semidefinida positiva.

34) Si la media muestral de X es cero, entonces
0

b ser una constante, por lo cual no va a

covariar junto a
1

b .





























13
Intervalos de confianza y test de hiptesis
- 2-


1) Deduzca las distribuciones muestrales de los estimadores MCC de los parmetros del
modelo, de la varianza homocedstica y el estimador del regresando.

2) Deduzca la expresin y distribucin del estadstico de restricciones lineales, e interprtelo
desde el punto de vista del estadstico de Wald. Demuestre que este estadstico puede
reducirse a los ya conocidos de significatividad (individual y global).

3) Suponga el siguiente modelo:



t 0 1 1t 2 2t 3 3t t
Y b b X b X b X u = + + + +



-1
5 3 2 0
6 2 4
( )
4 3
4
| |
|

|
=
|
|
|
\ .
X X
3
2
1
2
| |
|
|
=
|
|
|
\ .
(Xy) T 90 = ( ) 80 = y y

a) Estimar el modelo y obtener el coeficiente de determinacin.
b) Testear H
0
:
0
1 2
2 3
8
2 3 0
12 6
b
b b
b b
=

+ =

4) Se ha especificado un modelo de la funcin de produccin de la forma:



i 0 1 1i 2 2i i
Y b b X b X u = + + +
en el que
i
Y es el logaritmo de la cantidad producida,
1i
X es el logaritmo de la cantidad de
trabajo y
2i
X es el logaritmo de la cantidad de capital. El subndice i indica la empresa. En la
muestra aparecen 23 observaciones y las matrices de momentos (en desviaciones con
respecto de las medias muestrales) son:



12 8
8 12
| |
=
|
\ .
(XX)
10
8
| |
=
|
\ .
(Xy) 10 = (y y)

a) Obtener las estimaciones minimocuadrticas de los coeficientes de regresin
1 2
b y b , y sus errores standard estimados. Calcular el valor de R.
b) Efectuar la contrastacin de la existencia de rendimientos constantes a escala.
c) Supngase que queremos imponer a priori la restriccin de rendimientos
constantes, y estimar la funcin de produccin de esa forma. Cul es la
estimacin minimocuadrtica de
2
b y su error standard estimado? Cul es el
valor de R con esta especificacin?


14
5) ** Un monopolista que maximiza beneficios enfrenta la siguiente curva de demanda,

t t t
Q P = + +

Donde,
t
Q es la cantidad del bien,
t
P es el precio del bien, y son parmetros desconocidos
y
t
es un trmino aleatorio. Con datos histricos de la empresa la estimacin mnimo
cuadrtica de la curva de demanda (utilizando el EVIEWS) es:


LS // Dependent Variable is Q
Sample: 1 15
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
P -0.840583 0.237563 -3.538363 0.0036
C 20.76912 2.821568 7.360845 0.0000

R-squared 0.490596 Mean dependent var 11.46667
Adjusted R-squared 0.451411 S.D. dependent var 5.356794
S.E. of regression 3.967605 Akaike info criterion 2.879891
Sum squared resid 204.6446 Schwarz criterion 2.974298
Log likelihood -40.88326 F-statistic 12.52002
Durbin-Watson stat 1.946562 Prob(F-statistic 0.003600


La matriz de varianzas y covarianzas de los coeficientes es:

P C
P 0.056436 -0.624559
C -0.624559 7.961244

Asumiendo que el costo marginal de la empresa es 10, contraste la hiptesis de que la
cantidad esperada que maximiza el beneficio es igual a 7 utilizando un nivel de significatividad
del 5%.

6) ** Las sumas siguientes fueron obtenidas a partir de 16 pares de observaciones de X e Y.


2
t
Y 526 =

;
2
t
X 657 =

;
t t
X Y 492 =

;
t
Y 64 =

;
t
X 96 =

Estimar la regresin de Y sobre X y contrastar la hiptesis de que la pendiente es la unidad.

7) La estimacin de una funcin de produccin Cobb-Douglas de la forma,

donde Y es el producto, L el insumo trabajo y K el insumo capital se realiza por mnimos
cuadrados clsicos resultando:

LS // Dependent Variable is log(Y)
Sample: 1 27
Included observations: 27
Variable Coefficient Std. Error t-Statistic Prob.
LOG(L) 0.602999 0.125954 4.787457 0.0001
LOG(K) 0.375710 0.085346 4.402204 0.0002
C 1.170644 0.326782 3.582339 0.0015
( ) ( ) ( )
t t t t
Log Y Log L Log K = + + +

15

R-squared 0.943463 Mean dependent var 7.443631
Adjusted R-squared 0.938751 S.D. dependent var 0.761153
S.E. of regression 0.188374 Akaike info criterion -3.234213
Sum squared resid 0.851634 Schwarz criterion -3.090232
Log likelihood 8.350542 F-statistic 200.2489
Durbin-Watson stat 1.885989 Prob(F-statistic 0.000000

La matriz de varianzas y covarianzas de los coeficientes estimados es:

LOG(L) LOG(K) C
LOG(L) 0.015864 -0.009616 -0.019835
LOG(K) -0.009616 0.007284 0.001189
C -0.019835 0.001189 0.106786

Esta funcin de produccin: Tiene rendimientos constantes a escala? La elasticidad del
trabajo es igual a uno?

8) Dado el siguiente modelo economtrico:


t t t t
Y a bX cZ u = + + +

se ha tomado una muestra de cinco elementos en el espacio (Y,X,Z) proporcionando las
observaciones (1,1,1); (2,2,2); (3,2,2); (4,3,3); (5,4,5).

a) Obtenga las estimaciones MCC para a, b y c.
b) Proponga un estimador insesgado para
2
u
. Obtenga una estimacin para esta
muestra. Calcule un intervalo de confianza del 95% para
2
u
.
c) Calcule el valor del coeficiente de determinacin y comente la fiabilidad del modelo.
d) Contraste las siguientes hiptesis nulas:

i)
0
H :a 0 =
ii)
0
H :b-c 0 =


9) ** Efectuar el contraste de hiptesis
0
H :b-c 0 = en el modelo:


t t t
Z +u
t t
Y a bX c dW = + + +

si se ha obtenido

b 4,5 = y c 5,0 = a partir de:

50 13 21 120
4 2 20
6 10
10

| |
|

|
=
|

|
|
\ .
1
(XX)

SRC = 40 T = 25


16
b) Cmo contrastara la hiptesis anterior junto con la nueva hiptesis d = 0 si se ha
estimado

d 1,5 = ?

10) ** En un estudio de 89 empresas la variable dependiente es el costo total, Y, y las variables
explicativas son la cantidad de produccin X2, y la proporcin de ausencias del trabajo X3.
Las medias muestrales de las variables son:

Y 0,8 =
2
X 2, 9 =
3
X 3, 9 =

y los momentos centrados respecto a la media:

113, 9 = y y
36, 8
39,1
| |
=
|
\ .
Xy


50, 5 66, 2
66, 2 967,1
| |
=
|

\ .
XX

a) Estime los coeficientes del modelo de regresin siguiente:

t 2t 3t t
Y a bX cX u = + + +

b) Contraste si el efecto de X3, una vez incluida X2 en la regresin, es o no relevante.
c) Realice el contraste de significatividad conjunta de los coeficientes.

11) ** En el modelo de regresin:


t 0 1 1t 2 2t 3 3t 4 4t t
Y X X X X u = + + + + +

a) Qu estadsticos puede utilizar para contrastar las hiptesis nulas:

0 1
: 0 H =
0 0 1 2 3 4
: 0 H = = = = =
0 1 2 3 4
: 0 H = = = =
0 1 2 3 4
: H = = =
0 1 2 3 4
: 0 y 0 H = + + =


12) La funcin de consumo Keynesiana estimada en el perodo 1964-1971 es la siguiente:

a)

1416, 21 0, 3663 C R = +
2
0, 9121 R =
(3460,28) (0,1098)

En el perodo 1972-1983:

b)

337, 24 0, 8846 C R = +
2
0, 9121 R =
(1018,73) (0,0191)

En el perodo 1984-1990:


17
c)

337, 24 0, 8846 C R = +
2
0, 9544 R =
(11675,1) (0,1571)

Finalmente la estimacin para los aos 1964-1990 es:

d)

202, 23 0,895 C R = +
2
0, 9544 R =
(501,5) (0,009)

Teniendo en cuenta la siguiente informacin adicional:


1990
2
1964
(C-C) 6403270 =

1971
2
1964
u 2379,315 =

1983
2
1972
u 3679, 02 =

1990
2
1984
u 1295, 861 =

Se pide:

a) Explicar el concepto de cambio estructural.
b) Es admisible la hiptesis de constancia de los parmetros del modelo en los tres
perodos considerados? Nivel de significacin 5%.


13) Se ha obtenido la siguiente ecuacin estimada por MCC utilizando datos trimestrales
desde 1971 hasta 1976 inclusive.


t 1t 2t 3t

Y 1,10-0,0096X -4,56X 0,034X = +

(2,12) (0,0034) (3,35) (0,007)

SCE= 109,24 SCR= 20,22

a) Contrastar la significatividad de cada uno de los coeficientes.
b) Calcular el coeficiente de determinacin.
c) Contrastar la significatividad conjunta de la regresin.
d) Se han calculado dos regresiones ms para los perodos: primer trimestre de 1971
primer trimestre de 1975, y segundo trimestre de 1975 cuarto trimestre de 1976,
obtenindose los siguientes resultados:

1971(I)1975(I): SCR= 11,09.
1975(II)1976(IV): SCR= 2,17.

Contrastar la proposicin de que tuvo lugar una ruptura estructural entre el primer y segundo
trimestre de 1975.


14) ** En una poblacin, la verdadera relacin entre X e Y viene dada por la ecuacin:


i i
Y 2 3X = +

Supngase que los valores de X en una muestra de 10 observaciones son 1,2,3,4,...,10. Los
valores de los trminos de perturbacin se obtienen de forma aleatoria a partir de una
poblacin normal de media cero y varianza unitaria.


18

1
0, 464 u =
2
0, 06 u =
3
1, 486 u =
4
1, 022 u =
5
1, 394 u =

6
0, 906 u =
7
1, 501 u =
8
0, 69 u =
9
0,179 u =
10
1, 372 u =

a) Presentar los 10 valores observados de X e Y.
b) Estimar los coeficientes de regresin y sus errores standard utilizando MCC,
comparando estos resultados con los verdaderos valores.
c) Contrastar la existencia de relacin entre X e Y.



15) ** Verificar la constancia de la estructura usando los siguientes datos (centrados):

A B A+B
n 20 20 40
X
1 1 1
2
t
x

12 10 22
t t
x y

10 12 22
2
t
y

10 18 28
Y
8 9 8,5


16) La ecuacin siguiente fue estimada por MCC con datos trimestrales desde 1963 hasta
1972 inclusive


t t

Y 2,417 0,724X = +
(0,702) (0,081)


2
R 0, 678 = SRC = 137,21

Se calcularon separadamente dos regresiones ms para los perodos del primer trimestre de
1963 hasta el tercer trimestre de 1966 y del cuarto trimestre de 1966 hasta el cuarto de 1972:

1963(I)1966(III): SRC = 33,04
1966(IV)1972(IV): SRC = 68,19

Contrastar la proposicin de que entre el tercer y el cuarto trimestre de 1966 se ha producido
un cambio estructural.


17) Dada la siguiente estimacin para el perodo 1974-1997:

t 1t 2t 3t

Y 2,2-0,85X 0,17X -0,0048X = +

(1,41) (0,042) (0,0012)

1997
2
1974
20, 22
t
u =

SCE 109,24 =


Verificar si se produjo un cambio estructural entre 1990 y 1991 si se sabe que:


19
1974-1990 SCE 78,34 =

1991-1997 SCE 37,86 =

18) Dado el modelo de regresin lineal con una variable explicativa:


t 0 1 t t
Y b b X u = + +

bajo los supuestos de G-M es fcil verificar las siguientes relaciones:


2
t
2
t
u
1

Var(b) .
T-2 (X -X)
=

2
2 2
t 1

(Y -Y) b (X-X) =



Utilice estas relaciones para resolver el siguiente problema:
Estimada la funcin de consumo de dos regiones A y B, en forma independiente, se obtuvieron
los siguientes resultados:

Regin A:

t t

C 25 0,60Y = + T = 30
(0,06)

Regin B:

t t

C 20 0,80Y = + T = 40
(0,10)

a) Hallar los R correspondientes a ambas regiones.
b) Contrastar la hiptesis de que ambas regiones tienen igual propensin marginal al
consumo con un nivel de significacin de 5%.


19) Supngase que
i
Y es el logaritmo del valor de la produccin por trabajador,
i
X es el
logaritmo de la tasa de salario, y que el subndice i hace referencia a la empresa i-sima. El
parmetro b puede considerarse como una media de la elasticidad de sustitucin entre
trabajo y capital. Los resultados MCC correspondientes a la industria A son los siguientes:


i i

Y -0,4 X = + (n = 50)
(0,1)

Los resultados correspondientes a la industria B son:


i i

Y -0,3 0, 8X = + (n = 50)
(0,1)

Las dos muestras pueden considerarse independientes.

a) Mostrar que R
2
A
=25/37 y R
2
B
=4/7.
b) Contrastar la hiptesis de que ambas industrias tienen la misma elasticidad de
sustitucin.


20

20) *** Demuestre que el predictor MCC cumple la condicin de primer orden de mnimo error
cuadrtico medio.


21) ** Demuestre que el predictor MCC es el de mnima varianza de entre los lineales
insesgados (se asumen vigentes los supuestos de Gauss-Markov). Para ello se propone
como expresin de cualquier otro predictor:

f
= [ x
f
(XX)
-1
X

+ g] y

donde g es un vector fila no nulo.

22) Deduzca la expresin de los intervalos de confianza para las predicciones individuales y
media.

23) La variable Y es una funcin de tres variables independientes X1, X2, X3 que se
relacionan de la manera siguiente:

t 0 1 1t 2 2t 3 3t t
Y b b X b X b X u = + + + +
a) Ajuste el modelo a los 7 datos siguientes:
Y X1 X2 X3
1 -3 5 -1
0 -2 0 1
0 -1 -3 1
1 0 -4 0
2 1 -3 -1
3 2 0 1
3 3 5 1

b) Prediga Y cuando X1 = 1, X2 = -3 y X3 = -1. Compare con la respuesta observada
entre los datos originales. Por qu no son iguales?
c) Presentan los datos evidencia suficiente para indicar que X3 proporciona
informacin para la explicacin de Y?
d) Encuentre un intervalo de confianza del 95% para el valor esperado de Y dados los
siguientes valores de las variables explicativas: X1 = 1, X2 = -3 y X3 = -1.
e) Encuentre un intervalo de prediccin del 95% para Y usando los valores del punto
anterior.

24) La siguiente tabla contiene 20 observaciones trimestrales del gasto real de los
consumidores (C) y de renta personal disponible (Y) para el perodo 1972-1976 de la
economa Britnica (ambas magnitudes estn expresadas en millones de libras de 1975).


Perodo
t
C
t
Y
1972.1 14528 16424
1972.2 15519 17675
1972.3 15865 17506
1972.4 16850 18176
1973.1 15752 17913
1973.2 16037 18587
1973.3 16552 18826
1973.4 17156 19036
1974.1 15156 18253
1974.2 15612 17878
1974.3 16249 19128
1974.4 17053 19622

21
1975.1 15263 18734
1975.2 15659 18447
1975.3 15781 18650
1975.4 16489 18530
1976.1 15026 18257
1976.2 15506 18290
1976.3 15917 19113
1976.4 16871 18524

a) Estimar los coeficientes de la ecuacin
t 0 1 t t
C b b Y u = + +
b) Construir un intervalo de confianza del 95% para la propensin marginal al
consumo.
c) Verificar la hiptesis de que la propensin marginal es la unidad.
d) Calcular R.
e) Construir un intervalo de prediccin del 95% para el gasto dado que el valor de Y
para el primer trimestre de 1977 es de 17803 millones de libras.


25) ** Utilizando datos trimestrales para el perodo 1996-1998 se ha especificado el siguiente
modelo de demanda de dinero



que aplicando una transformacin montona resulta:

donde los saldos reales se explican en funcin del producto real; el coeficiente que acompaa
al producto indica la correspondiente elasticidad.
La estimacin MCC ha arrojado los siguientes resultados:


Dependent Variable: M1LOG
Method: Least Squares
Date: 01/05/03 Time: 23:34
Sample: 1996:1 1998:4
Included observations: 12
Variable Coefficient Std. Error t-Statistic Prob.
C -7.548935 2.930275 -2.576186 0.0276
Y 1.891087 0.521313 3.627545 0.0046
R-squared 0.568204 Mean dependent var 3.080352
Adjusted R-squared 0.525024 S.D. dependent var 0.130801
S.E. of regression 0.090146 Akaike info criterion -1.823764
Sum squared resid 0.081263 Schwarz criterion -1.742946
Log likelihood 12.94258 F-statistic 13.15909
Durbin-Watson stat 1.028343 Prob(F-statistic) 0.004631

a) Predecir el valor de la demanda de dinero para el primer trimestre de 1999 considerando
los siguientes escenarios posibles:
a.1 los temores de corridas bancarias se disipan y el comercio exterior se mantiene en
niveles normales; se recupera levemente la inversin productiva y el consumo; se prev que el
PBI ser de 259.174 miles de millones de pesos (base 1993).
( )
t
u a d
t t t
M
A y e md
P
= =
t t t
u y b b md + + = ) log( ) log(
1 0

22
a.2 los temores de corridas bancarias crecen, por lo que los bancos deciden elevar en
general las tasas pasivas parea retener depsitos, volviendo a las inversiones especulativas
ms atractivas que a las productivas; un resurgimiento de casos de aftosa provoca un resultado
desfavorable en la balanza comercial; se prevee entonces que el PBI ser de 148.0574 miles
de millones.

b) Construya los intervalos de confianza para la prediccin puntual en cada caso sabiendo
que la inversa de la matriz de momentos es
1057,8278 188,1873
188,1873 33, 4811
| |
|

\ .







Respuestas. Intervalos de confianza y test de hiptesis.
- 2-


3) a)
0
1
2
3

11
7
12
3
a
a
a
a
| | | |
| |

| |
=
| |
| |
| |
\ . \ .


b) Se rechaza la hiptesis. F
e
= 8452.82.

4) a)
1
2
7 /10
1/ 5
a
a
| | | |
=
| |
\ . \ .


R
2
= 0.86

b) La evidencia no permite rechazar la hip. de rendimientos constantes. F
e
= 0.015.

5) La muestra no permite rechazar la hiptesis de que es q=7 la cantidad que maximiza
beneficios. t
e
= -1.4488

6) a)

1
2
3, 98
1, 93
a
a
| | | |
=
| |
\ . \ .


b) No se rechaza que la pendiente sea la unidad. t
e
= 0.99

7) No se rechaza la existencia de rendimientos constantes (t
e
= -0.4866), aunque s se rechaza
la existencia de elasticidad de trabajo unitaria (t
e
= -3.161).







23
8) a)
1
2
3
0, 50
2
0, 26
a
a
a
| | | |
| |
=
| |
| |

\ . \ .


b)
2
1, 4884
u
=
IC=(0.4033; 59.5359) ; = 0.05

c) R
2
= 0.7
d) No se rechazan las hiptesis (t
e
= -0.2732; t
e
= 2.619).


9) a) No se rechaza la hiptesis. t
e
= -0.1057.
b) No se rechaza la hiptesis. F
e
= 2.3625.


10) a)
1
2
3
2, 077
0, 8587
0, 0992
a
a
a
| | | |
| |
=
| |
| |
\ . \ .


b) Se rechaza la hiptesis nula. t
e
=2.9433
c) Se rechaza la hiptesis nula. F
e
= 19.45


12) Se rechaza la hiptesis de constancia de estructura. F
e
= 615.64.


13) a) El intercepto y el coef. que acompaa al segundo regresor no son significativos.
t
e
= 0.5188. t
e
= -2.8235. t
e
= -1.3611. t
e
= 4.8571.

b) R
2
= 0.84
c) Se rechaza la hiptesis de no significatividad global. F
e
= 35.
d) La evidencia no sugiere un quiebre de estructura. F
e
= 2.1.

14) b)
1
2
170, 6
1534, 91
a
a
| | | |
=
| |
\ . \ .



0 1
( ) 0, 6826; ( ) 1,1 a a = =

c) Se rechaza la hiptesis. t
e
= 1395.3727

15) Se rechaza la constancia de estructura. F
e
= 3.

16) La evidencia disponible no indica un quiebre estructural. F
e
= 0.51.

17) La muestra seleccionada no revela cambios estructurales. F
e
=2.1087.

18) a) R
2
A
= 0.78 ; R
2
B
= 0.62

b) No se rechaza la hiptesis nula. t
e
= -1.7152


24
19) b) No se rechaza la hiptesis nula. t
e
= 1.4142


23) a)
0
1
2
3

1, 53
0, 55
0,12
0, 38
a
a
a
a
| | | |
| |
| |
=
| |
| |
| |

\ . \ .


b)
f
= 2.1
c) No se rechaza la hiptesis. t
e
= -1.6081.
d) IC= (4.004 ; 8.204)
e) IC= (4.2239 ; 8.4239)


24) a)
0
1
3860, 98
0, 6573
a
a
| | | |
=
| |
\ . \ .


b) IC= (0.26 ; 1.04)
c) Se rechaza la hiptesis. t
e
= -1.84.
d) R
2
= 0.409
f) IC= (15566.3 ; 15566.51)


25) a)
f(I)
= 19.2979 ;
f(II)
= 6.6959

b) IC= (15.4699 ; 24.0708) ; IC= (3.1553 ; 14.2079)



























25
Mnimos Cuadrados Restringidos
- 3 -


*1)
a) Deduzca el estimador mnimo-cuadrtico restringido, as como tambin la matriz de
covarianzas de dicho estimador, a partir de la minimizacin de los residuos sujeta a la
restriccin Rb = r.
b) Demuestre que SRR SRS, siendo la SRR la suma de residuos restringida, y la SRS
la suma de residuos sin restringir.
Qu implicancias trae esto sobre la calidad de las estimaciones y sobre el coeficiente
de determinacin?

*2) Considere el siguiente modelo lineal, que relaciona las variables X e Y:

t t t
Y a bX u = + +

Dados los siguientes datos:

Y 8 14 16 6 6
X 10 8 4 12 16

a) Estime el modelo aplicando MCC.
b) Calcule la suma de los residuos cuadrticos y verificar que:

t
X 0
t t
u u = =



c) Considere la siguiente hiptesis nula:

0
H :a 0 =

y estime el modelo sujeto a tal restriccin.
d) Calcular la suma de los residuos cuadrticos restringidos:

R

t
u ;
2
R

t
u

;
t
X
tR
u

e) Verificar la siguiente relacin:

2 2 2
R t R t

(Y -Y )
t t
u u = +



f) Contrastar mediante un test F, al 5% de significatividad, la hiptesis nula:

0
H :a 0 =

g) Llevar a cabo el mismo test utilizando una distribucin t.
h) Graficar las observaciones y ambas estimaciones. Efectuar los comentarios que
crea pertinentes.

*3) La funcin de Cobb-Douglas se utiliza con frecuencia para representar la relacin entre la
produccin de una empresa (P) y los factores capital (K) y trabajo (L) utilizados.

a) Determinar la forma funcional del modelo. De ser necesario explicar las transformaciones
que deben realizarse para estimar el modelo por MCC.

26
b) Explicar detalladamente el procedimiento de contraste de hiptesis de rendimientos
constantes a escala frente a la alternativa de rendimientos decrecientes a escala en dicho
modelo.
c) Si se satisface la existencia de rendimientos constantes a escala. Cmo se incorpora
dicha informacin a la hora de estimar el modelo? En qu sentido mejoran las
estimaciones y por qu?
**d) Aplicada la funcin anterior a los datos de una empresa de fabricacin de plsticos, la
estimacin MCC da lugar a:

ln P 1,37 0,632 ln K 0,452 ln L = + +

2
0, 98 R =
(0,257) (0,219)

Utilizando estos resultados y las respuestas de los puntos a, b y c contraste la hiptesis
de rendimientos constantes a escala sabiendo que existe una correlacin positiva entre
los insumos. (Nivel de significacin: 5%).
Ayuda: Tenga en cuenta la relacin existente entre los estadsticos t-student y F, asi
como tambin la relacin entre ste ltimo y el coeficiente de determinacin.


*4) Dada la matriz de productos cruzados centrados obtenida a partir de 103 observaciones:

y x1 x2 x3 x4
y 10 3 -3 -2 3
x1 3 10 4 -2 0
x2 -3 4 8 0 0
x3 -2 -2 0 6 0
x4 3 0 0 0 8

a) Obtener las estimaciones MCC del modelo:

t 0 1 1t 2 2t 3 3t 4 4t t
Y X X X X u = + + + + +

b) Obtener las estimaciones MCR si:

1 2
0 + =

3 4
4 2 3 + =

as como la matriz de covarianzas de dicho estimador.


*5) Para estimar el modelo
t 1 1t 2 2t 3 3t t
y x x x u = + + + se dispone de las observaciones:

t 1 2 3 4 5 6 7 8 9 10
y
3 6 10 5 10 12 5 10 10 8
1
x
1 1 1 1 1 1 1 1 1 1
2
x
1 0 -1 1 0 -1 1 0 -1 0
3
x
1 1 1 0 0 0 -1 -1 -1 0



27
a) Estime el modelo y obtenga la matriz de varianzas y covarianzas del vector .
Estime
2
u
.
b) Considere la hiptesis conjunta
0 1 2 3
: 7 2 H , = = . Escrbala en la forma
= R r y calcule el valor del estadstico F para su contraste. Muestre que no
puede rechazarse la hiptesis al 95% de confianza.
c) Si la hiptesis fuese cierta, la regresin podra escribirse:

1 3 2 3
7 (2 )
t t t t t
y x x x u = + + o de forma similar:

3 t t t
y x u

= +

Efecte la regresin MCC en este nuevo modelo, calcule el valor del estadstico:


( ) /
/( ( 1))
SRR SRS q
SRS T k

+


y utilcelo para contrastar dicha hiptesis. Tenga en cuenta que SRR denota la suma residual
restringida y SRS la suma residual sin restringir.
Verifique que el valor de dicho estadstico sea igual al calculado en el punto b), a
qu se debe la igualdad?

*6) Se ha estimado, con 20 datos, el siguiente modelo de regresin utilizando MCC

t
= 1767,67 + 7,48 X
t
con R
2
= 0,80

Los estadsticos t para el contraste de los coeficientes resultan ser iguales a 1,4 para el
trmino constate y 18,5 para la pendiente. Dado que el valor del estadstico para el
contraste de significacin del intercepto nos lleva a no rechazar la hiptesis nula, se
formula y estima el siguiente modelo:

t
= 11,71 X
t
con R
2
= 0,70

Como el coeficiente de determinacin correspondiente a la primera regresin es mayor, se
opta por elegir el primer modelo. Le parece adecuada esta decisin?

*7) Estime el modelo Y
t
=
1
+
2
X
2t
+
3
X
3t
+ u
t
sujeto a la restriccin
2 3
1 + = disponiendo
nicamente de la informacin:

2
t 3t
(Y -X ) 8250 =

2t
X 200 =

2
2t 3t
(X -X ) 600 =

T 100 =


3t
X 400 =

t
Y 600 =

t 3t 2t 3t
(Y X )(X -X ) 200 =

y obtenga la matriz de varianzas y covarianzas de sus estimaciones.

*8) Un economista est estudiando la variabilidad de los accidentes en las rutas de las
diferentes provincias. Supone que la tasa de accidentes depende de la velocidad promedio
y de la desviacin standard de la velocidad en cada provincia. Como no hay informacin
disponible sobre la desviacin standard decide aproximarla por la diferencia entre el 85
percentil y el 50 percentil (supone una distribucin normal).
Por lo tanto el modelo especificado es:


28

t 1 2 2t 3 3t 2t t
Y X (X -X ) u = + + +

t
Y = Tasa de accidentes.
2t
X =velocidad promedio (50 perc.)

3t
X =85 percentil de la velocidad.

En vez de hacer esto, un asistente estima
t 1 2 2t 3 3t t
Y X X u = + + + con el siguiente
resultado:


t 2t 3t

Y c - 0,24X 0,20X = +
2
0, 62 R =

Los estadsticos t para las dos pendientes fueron 1,8 y 2,3 respectivamente y la covarianza de
las pendientes de la regresin es 0,003.

Use estos resultados para calcular una estimacin puntual de
2
y someta a contrastacin la
hiptesis de que la velocidad promedio no tiene efectos sobre la tasa de accidentes.







Respuestas. Mnimos Cuadrados Restringidos.
- 3 -

*2)
a)
t
= 39/2 19/20 X
t

c)
tR
= 106/145 X
t

d)
tR
= 390/29

tR
2
= 40316/145

tR
.X
t
= [ 390/20 ; 0 ]
f) No existe evidencia suficiente para aceptar la Ho, puesto que F (1,3) = 49,79.
g) La evidencia lleva a rechazar la Ho. El estadstico t es 7,05

*3)
a) Existen rendimientos constantes a escala al 5% de significacin.

*4)
a)
t
= 23/44 x
1t
7/11 x
2t
7/44 x
3t
+ 3/8 x
4t

b)
tR
= x
1t
x
2t
x
3t
+ x
4t





29

c) Matriz de covarianzas de las estimaciones


12
13 23
14 24 34
19/188 19/188 1/188 1/ 94
19/188 1/188 1/ 94
149
5/188 5/ 94 2904
5/ 47
a
a a
a a a
| |
|

|
=
|
|
|
\ .


*5)
a) t = 79/10 X1t 19/6X2t X3t
191/1050
191/ 630
191/ 630
| |
|
=
|
|
\ .

2
() = 1,819047
c) No puede rechazarse la Ho con el 5% de significatividad.

*6) No. Por qu?
*7) a) t = 8 + 3 X2t 2 X3t
b)
363/194 121/194
121/ 388
| |
=
|
\ .


*8) El estadstico t es 0,3217, con lo cual puede afirmarse con el 5% de significatividad que la
velocidad promedio no tiene efectos sobre la tasa de accidentes.






















30
Variables dummy
- 4 -


1) Defina Variable Dummy. qu valores puede tomar?
Qu diferencia estos valores de los que puede tomar cualquier regresor?

2) Plantee el modelo: detecte la discriminacin por sexo y por procedencia tnica en el
mercado de trabajo. Adems, sus superiores requieren especficamente saber si el grado
de discriminacin sexual disminuye a medida que los aos de experiencia aumentan. qu
resultados deben arrojar las estimaciones para no rechazar la hiptesis que plantean sus
superiores?

3) Plantee el modelo: sospecha usted, que los gastos en indumentaria infantil son llevados a
cabo mayormente por mujeres. Adems, si superan los treinta aos, estaran ms
dispuestas a comprar en este tipo de locales. Testee que ambos efectos no son
independientes, esto es, las mujeres mayores de treinta aos son proclives a comprar en
este tipo de comercios. Ahora bien, se requiere adems que averige si este efecto
combinado, es constante o vara con el nivel de ingreso.

4) a) Defina categora Base.
b) Si en una regresin dada la variable ficticia tiene asignado el par (1,0), en ese
orden, y arroja los siguientes resultados: los coeficientes
( )
1 2
, son ambos positivos,
indicando la influencia de la discriminacin racial en la seleccin de puestos de trabajo
( )
1
y adems que el grado de discriminacin aumenta con los aos de experiencia
( )
2
. Si ahora realiza el mismo ejercicio pero invierte el orden de los valores (0,1),
qu signo espera que tengan los coeficientes?, cmo los interpretara?

5) Los niveles educativos son diferentes con respecto al tipo de variable que venimos
manejando, ya que puede ser tratada cardinalmente asignando aos invertidos en
educacin. Adems, las categoras pueden no ser excluyentes, esto es, un egresado
universitario debe tener ttulo secundario.
Interprete los coeficientes en los siguientes modelos y determine cual de ellos ser posible
de estimar y cual no.

( )
( )
1 1 2 2 3 3 4 4
1
4
1 2 2 3 3 4 4
1
a ) . . . .
E : ; 1, 0 , 0 , 0
: ; 0 , 0 , 0 , 1
) y . . .
i i
y E E E E u
D e s e r t o r e s
E P o s t G r a d o
b E E E u



= + + + +
= + + + +
=

( )
1 2 2 3 3 4 4
3

1 1 2 2 3 3 4 4

) . . .
: 1,1,1, 0
) . . . .
Definido igual que en el item a)
incluye un vector de unos
c y E E E u
E
d y E E E E x u
x


= + + + +
= + + + + +

31

6) Represente Grficamente:

( )
1 2 3
1 1
1 1 1 2 3
) . .
: 0, 0,....1, 0 ;
Donde y es el ingreso nacional, k es el flujo de capitales y D es una dummy que toma valor uno solo par
b) . . . .
t t D t
t t D D D t
a y k D u
D
y k D D D u


= + + +
= + + + + +
1
1 2 3
1 1 1
1
Las variables representan lo mismo que en el punto anterior.
D : Crisis Mejicana(Tequila) ; D : Crisis Rusa ; D : Crisis Brasilera.
) . .
: Remarca si el flujo de capitales fue predomina
t t D t
c y k D u
D
= + + +
1
1 1 1
1
ntemente de corto o largo plazo.
) . .( ).
: Representa lo mismo que en el apartado anterior.
t t D t t
d y k D k u
D
= + + +


7) La tabla muestra informacin sobre (y) ingreso nacional, (s) sexo, y nivel educativo (e). Por
ejemplo, tres personas en la primera categora de sexo y nivel educativo, tienen ingresos
de 8,10 y12.
Detecte la influencia de sexo y nivel educativo en los niveles de ingreso, en base a la
siguiente informacin:




Deje volar su imaginacin, testee influencia sobre intercepto, pendiente y no olvide el
efecto combinado de ambas caractersticas.
Encuentre los coeficientes para los niveles educativos definidos de manera excluyente y no
excluyente.

8) Se requiere estudiar la dependencia de los aos de educacin de un grupo de jvenes
respecto de la renta familiar y la procedencia socioeconmica de los mismos, para lo cual
se dispone de los siguientes datos mustrales:

Zona Aos de Educacin Renta familiar

Urbana
16
18
14
18
8
13
9
12

Rural
12
10
11
14
7
3
6
10


1
E
2
E
3
E
1
s
8,10,12 12,14 20,22
2
s
5,6 10,12 20,24
32
a) Especificar un modelo que explique los aos de la educacin en base a la
informacin disponible.
b) Estimar los parmetros del modelo propuesto. Calcular el coeficiente de
determinacin.
c) Contrastar las siguientes hiptesis a un nivel de significacin del 5%:

i) Relevancia de la variable renta familiar.
ii) Relevancia de la variable procedencia geogrfica.
d) Predecir puntualmente y por intervalo (nivel de confianza 95%) la duracin de la
educacin de un joven de zona urbana cuya familia tiene una renta de 10,5.

9) Si en una estimacin por MCC se ha obtenido:

t 1t t

Y =40,5+10,5D +0,4X

y a continuacin se estima el siguiente modelo alternativo:


t 0 2t 1 1t t

Y a D a D bX = + +

Donde
1t
D 1 = si se trabaja/ 0 en caso contrario.

2t
D 1 = si no se trabaja/ 0 en caso contrario.

Explicar y hallar los valores numricos de
0
a ,
1
a y b en el segundo modelo con la informacin
del primer modelo.


10) Se desea explicar el comportamiento de la variable Y que representa el sueldo inicial al
ingresar a cierta empresa. El mismo depende del nivel de instruccin, alcanzado por el
postulante, admitindose tres niveles de enseanza: primaria, secundaria y universitaria.

a) Formular el modelo economtrico apropiado.
b) Hallar el valor medio condicional. Interpretar.
c) Hallar la matriz

1
(XX) y los estimadores MCC de los parmetros del modelo.
d) Si designamos con:

Np, Ns, Nu: nmero de postulantes en la muestra con educacin primaria,
secundaria y universitaria, respectivamente, verificndose que N = Np + Ns + Nu.

Yp : Ingreso promedio muestral de postulantes con educacin primaria.

Ys : Ingreso promedio muestral de postulantes con educacin secundaria.

Ys : Ingreso promedio muestral de postulantes con educacin universitaria.

Relacionar estos valores promedios con las estimadores del modelo.


11) Qu posibles ventajas presenta el uso de variables dummy frente a las regresiones
particionadas cuando existen cambios estructurales en el modelo testeado? Qu
desventajas posee?





33
12) Considere el modelo para estudiar el consumo de bebidas gaseosas, con datos de nivel
trimestral:

t t 1t 2t 3t t
C a bY cD dD eD u = + + + + +

Siendo:


t
C : Consumo de bebidas gaseosas.

t
Y : Ingreso personal.

1t 2t 3t
D , D , D : Variables binarias segn la asignacin de valores

D1 D2 D3
Primavera 0 0 0
Verano 1 0 0
Otoo 1 1 0
Invierno 1 1 1

a) Graficar la funcin propuesta para cada estacin.
b) Hallar los valores medios condicionales.
c) Cmo determinara la relevancia del efecto estacional?
d) Considere como alternativa la posibilidad de trabajar con variables
desestacionalizadas:
t
C

e
t
Y

, formulando el modelo:

t 0 1 t t
C Y v

= + +
Analizar las relaciones entre
0
y a ,
1
y b .

e) Analizar las diferencias con el siguiente modelo:

D1 D2 D3
Primavera 0 0 0
Verano 1 0 0
Otoo 0 1 0
Invierno 0 0 1

f) Qu ocurrira si se agregara D4 al modelo especificado originalmente, con la
siguiente asignacin: Primavera = 1/ 0 en cualquier otra estacin?



















34



Multicolinealidad
- 5 -


1) Dadas las siguientes observaciones:

Yt 11 24 35 42 25 23 29 45 18 19
X1t 1 5 7 9 3 2 8 7 11 12
X2t 3 11 15 19 7 5 17 15 23 25

Estimar si es posible por MCC la siguiente regresin:


t 1t 2t t
Y a bX cX u = + + +

En caso de no ser posible explicar por qu, e indique como corregira el problema
Si puede demuestre sus afirmaciones.


2) En el modelo de regresin lineal general siguiente:

t t
Y X Z
t t
u = + + +

Podemos afirmar que surgen los mismos problemas de multicolinealidad si
t t
X Z 5 + = que
si 5 + = ?
Qu sucede si en el modelo verdadero =0 ?

3) Considere los dos casos siguientes y explique en que situaciones se pueden encontrar
indicios de presencia de multicolinealidad.

CASO A

i) Estimando la regresin de Y sobre X, esta resulta no relevante.
ii) Realizando la regresin de Y sobre Z, tambin resulta no relevante.
iii) De la regresin de Y sobre X y Z conjuntamente resulta, sin embargo, un buen
ajuste y adems ambas variables son individualmente relevantes.

CASO B

i) X resulta relevante en la regresin de Y sobre X.
ii) Z resulta relevante en la regresin de Y sobre Z.
iii) La regresin de Y sobre Z y X nos da un buen ajuste, pero los contrastes
individuales nos indican no relevancia de cada una de las variables.


4) Para estimar el modelo:

t t t t
Y a bL cK u = + + +

donde:

t
Y : Volumen de produccin facturado en el perodo t.
t
L : Cantidad del factor mano de obra en el perodo t.
35
t
K : Cantidad del factor capital en el perodo t.

Se disponen de las siguientes observaciones:

Yt 230 140 180 270 300 240 230 350 120
Lt 30 10 20 40 50 20 30 60 40
Kt 160 50 100 200 210 190 160 300 150

El investigador estima el modelo tomando solo las primeras ocho observaciones y obtiene los
siguientes resultados:


2
t t t

Y 97,258 0,970L 0,650K R 0,999 = + + =

(1,956) (0,12) (0,03)

Cuando se da cuenta del error cometido, piensa que este es irrelevante y decide tomar los
resultados obtenidos como vlidos, pero su honestidad profesional se impone y, finalmente
estima el modelo con todas las observaciones (T = 9), obtenindose en este caso los
siguientes resultados:


2
t t t

Y 75,479-1,970L 1,272K R 0,824 = + =

(32,046) (1,74) (0,38)

Su desconcierto es grande al comparar ambas estimaciones y no puede comprender cmo,
utilizando una sola observacin ms, los resultados son tan diferentes.

a) Cabe encontrar alguna razn que permita justificar estas diferencias?
b) Podra haber llegado a la misma conclusin sin necesidad de realizar la segunda
estimacin? Podra explicar cmo?
c) Qu herramienta de e-views utilizara para observar este hecho?


5) Aun en presencia de multicolinealidad las estimaciones MCC siguen siendo BLUE.
Verdadero o falso. Justifique.


6) Si bien la presencia de alta multicolinealidad entre las variables genera un problema para la
estimacin MCC, este problema no es grave en el caso que el modelo se utilice para la
prediccin. Verdadero o falso.

7) En un modelo de regresin mltiple la presencia de 2 variables explicativas altamente
correlacionadas es condicin necesaria para la presencia de multicolinealidad. Verdadero o
falso. Justifique.

8) Un cambio producido como el del ejercicio 4 solo se justifica con presencia de
multicolinealidad. Verdadero o falso. Justifique.

9) Existe un problema similar en un modelo que presenta multicolinealidad (no perfecta) y
otro modelo donde el nmero de observaciones obtenidas de la muestra es lo
suficientemente reducida? Explique su respuesta.









36
Heteroscedasticidad.
- 6-

1*) Considere el modelo:
Yi = b0 + b1Xi + ui
Var ui =
2
Z
2
i



habiendo datos disponibles sobre todas las variables seleccionadas. Indique cmo estimara el
modelo y disee el esquema de clculo.

2*) Obtenga expresiones matriciales para el estimador MCG, su matriz de covarianzas, as
como el estimador de
2
u para el modelo:

Y
t
= b
0
+ b
1
X
1t
+ b
2
X
2t
+ u
t

donde E (u t) = 0 t;
2 2
( )
t u
E u t = y E (u t u s) = 0 t s

3*) Proponga un estadstico para el contraste de hiptesis nula Ho: b
1
=0 en el modelo:

Y
t
= b
0
+ b
1
X
1t
+ u
t

Var(u
t
) =
2

=
2
u
X
2
1t


4*) Se quiere estimar el modelo

Y
t
= b
0
+ b
1
X
1t
+ u
t


para el que se dispone de las observaciones

yt 20 45 50 55 70 80
xt 10 20 20 30 40 40

a) Estime el modelo mediante MCO.
b) Suponiendo que tanto las observaciones de x como la constante se multiplican por 10,
obtener la nueva estimacin. Supone esto que el modelo es ms heteroscedstico?

5*) Considera el modelo

Ct = 0 + 1PNBt + 2Dt + Ut;

donde Ct es el consumo del perodo t, PNBt es el Producto nacional Bruto del perodo t, y Dt
son los gastos en defensa del perodo t. Para estimar los parmetros
0
;
1
; y
2
; se estiman los
siguientes modelos:

C
t
= 26.19 + 062PNB
t
0.44D
t
; R
2
= 0.9
(2.7) (0.006) (0.07)

C
t
/PNB
t
= 25.9 PNB
-1
t
+ 0.62 0.43 D
t
/PNB
t
; R
2
=0.8
(2.2) (0.006) (0.06)

Si se sospecha que la dispersin de los errores pueda estar correlacionado con el PNB,
a) Qu modelo escogera?
b) Qu supuesto sobre los errores habrn hecho los autores de las estimaciones?

6*) Suponiendo el modelo

yt =
0
+
1
x
1
+
2
w
t
+ u
t
;

donde ut N(0;
2
) y donde x
t
y w
t
son deterministas. Un investigador cree errneamente que
var(u
t
) = 2x
2
t
, por lo que transforma el modelo y aplica MCO al modelo transformado. Qu
propiedades tendr este estimador?
37

7*) Establezca si las siguientes afirmaciones son verdaderas o falsas y justifique.

a) En presencia de heterocedasticidad, los estimadores MCO son sesgados al igual que
ineficientes.
b) Si hay heterocedasticidad, las pruebas convencionales t y F son invalidas.
c) En presencia de heterocedasticidad, el mtodo MCO usual sobreestima siempre los
errores estndar de los estimadores.
d) Si los residuales estimados a travs de una regresin MCO exhiben un patrn
sistemtico, significa esto que hay presencia de heterocedasticidad en los datos.
e) Si un regresor que tiene una varianza no constante se omite (incorrectamente) de un
modelo, los residuales (MCO) sern heteroscedsticos.

8*) Sea el modelo lineal sin trmino constante Y i = bXi + ui donde las variables se expresan
en unidades originales. Halle el estimador del parmetro b suponiendo el patrn de heteroscedasticidad

2
ui =
2
uX
2
i .

9*) Un econometrista trata de estimar el consumo de una regin en funcin de la renta de esa
regin. Para ello toma datos de 10 regiones y propone el siguiente modelo
Ci = 0 + 1Ri + Ui; donde Ci y Ri son al consumo y la renta medios de cada regin. El
investigador supone que el consumo por individuo tiene una varianza constante
2
y aplica
MCO al modelo propuesto. Ha realizado bien la estimacin? En caso de que tu respuesta sea
negativa, propn una alternativa.

10**) Heteroscedasticidad por grupos. Se pretende estimar la ecuacin de consumo
c
i
= a +by
i
+u
i
, donde c
i
es el consumo familiar e y
i
es el ingreso disponible. Para ello
se recoge informacin de N familias, estructuradas en 5 subgrupos de tamao Nj ;con
j=1,2,,5. De cada uno de ellos se obtiene el consumo y el ingreso disponibles agregados, Cj=
c
i
, Yj= y
i
con los que se especifica el modelo Cj= +yj + vj

a) De cuantos datos se disponen para estimar esta ltima ecuacin?
b) Determinar la relacin de los coeficientes de ambos modelos, as como la relacin
entre los trminos de error u
i
y v
j
.
c) Si se supone que E (u
i
) = 0 y
2
ui =
2
u . Cules son las caractersticas de v
j
?
d) Si la informacin recogida es en promedio y no en agregados qu cambios se
producen en el esquema de clculo?

11***) Para el modelo de regresin lineal, Prais y Houthakker han realizado un supuesto sobre
la estructura de Heteroscedasticidad tal que Var(u
i
)
2 2 2 2
( Xb) = [E(Y)]
u u
, en donde X es
la matriz de variables independientes y b es el vector de coeficientes del modelo. Dado tal
supuesto, obtenga la expresin de los estimadores MCG desarrollando el esquema de clculo.

12**) Dado el modelo lineal sin trmino constante y un solo regresor:

Yt = X t + ut

donde E(ut) = 0, E(
2
t
u ) =
2
t
y suponiendo que las varianzas cambian de acuerdo con el
esquema
2 2
t u
= Z t, donde Z es variable conocida, obtenga la expresin analtica del
estimador MCG, as como de su varianza. Utilice la desigualdad de Cauchy- Schwartz para
comparar dicha varianza con la del estimador MCC. Qu ocurrira si a pesar de la
heteroscedasticidad se utilizase u(XX)
-1
como matriz de covarianzas del estimador MCC?
Nota: La desigualdad de Cauchy- Schwartz garantiza que para dos variables cualquiera X e Y
se tiene:
2 2 2
( ) ( ) ( ) xy x y =

38
13*) Una empresa de autobuses desea estimar la demanda de billetes (Y
t
) en funcin de la
variable constante, del precio de los mismos (X
2t
) y de la calidad del servicio, evaluada a travs
de los gastos que la empresa realiza para la mejora del mismo (X
3t
). Se dispone de 50 datos
ordenados en forma creciente segn la variable X
3t
y de la estimacin MCO de las siguientes
ecuaciones:

(1): Y
t
= 0.68 - 0.3X
2t
+ 0.33X
3t
+ e
t
=184

(2): e
2
t
=
1
+
2
X
2t
+
3
X
3t
+
4
X
2
2t
+
5
X
3t
2
+
6
X
2t
X
3t
+ v
t
R
2
= 0.053

(3): e
2
t
=
1
+
2
e
2
t-1
+
t
R
2
= 0.025

(4): Y
t
= -0.1 0.93X
2t
+ 1.48X
3t
= 204

(5): Y
t
= 0.42 1.85X
2t
+ 1.66X
3t
= 150

Las tres primeras ecuaciones se estimaron con los 50 datos; la cuarta se estimo con los 20
datos iniciales y la quinta con los 20 datos finales. Supondremos validas las aproximaciones
asintticas.

a) Contraste el supuesto de homoscedasticidad en el modelo estimado en la ecuacin (1)
con el contraste de White.
b) Contraste el supuesto de homoscedasticidad en el modelo estimado en la ecuacin (1)
con el contraste de Goldfeld-Quandt, eliminando las 10 observaciones centrales.


14*) Un investigador de la industria del automvil estima un modelo de ventas mensuales de
automviles (Y
t
) en funcin de la variable constante, la poblacin (X
2t
) y la renta per capita (X
3t
)
de varios pases del mundo. El modelo satisface los supuestos de Gauss-Markov, excepto el
de homoscedasticidad. Se dispone de 20 datos con los que se obtuvieron las siguientes
estimaciones MCO.

(1) Y
t
= 1.835+0.059X
2t
+0.123X
3t
+e
t

(1.9) (11.1)

(2)
2
1 2 2 3 3 2
t
t t t
e
X X v

= + + +



Contraste el supuesto de homocedasticidad en el modelo estimado en la ecuacin (1) con
el estadstico de Breusch-Pagan Se puede dar alguna razn econmica que explique el
resultado obtenido?




Respuestas. Heteroscedasticidad.
- 6-


2) Ayuda: = t
i





39
4)
a)
0

b =9.09;
1

b =1.66
b)
0

b =0.909;
1

b =0.166 VAR(

b )= 41.415
La varianza no cambia. An si multiplicramos todas las variables por una constante el
modelo no seria ms heteroscedstico sino, de mayor varianza.

5)
a) El segundo.
b) VAR(
i
) =

2
PBN
2


6) Insesgado pero no eficiente ya que no resuelve el problema de heterocedasticidad.


7)
a) F
b) V
c) F
d) V
e) V

8)

* b y =


9) No se ha realizado bien la estimacin.


10)
a) N=5
b) n
j
a = ; = b; u
i
=v
j

c) La variabilidad de la variable agregada es mayor a la de la variable sin agregar
d) Cambia la matriz . Se introduce la heteroscedasticidad

11) Ayuda: se trata de un proceso iterativo.


12) Sugerencia: no trabaje en forma matricial para el ltimo punto. Sustituya A= x z
B= x z .


13) En ninguno de los casos se detecta la presencia de heteroscedasticidad.


14) Existe heteroscedasticidad. El problema ms notorio seria la inclusin de la renta per
cpita. Tambin puede afectar la omisin de variables relevantes, como el precio.













40

Autocorrelacin
- 7-


1) A partir de la siguiente informacin:


Yt 17 13 25 23 17 4 26 28 32 43 46 65 62 48 77
Xt 3 2 7 5 4 2 8 9 11 13 13 15 14 12 17


Se estim el modelo:
0 1 t t t
Y b b X u = + + utilizando un programa de regresin, que incluye
componente de autocorrelacin. La salida comprende: a) MCC sobre variables originales; b)
MCC sobre las variables transformadas. Los resultados fueron los siguientes:

a)
t t

Y -1,05 4,0057X = + b)
* *
t t
Y -1,87223 4,39708X = +

(2,42) (0,5032)


15
2
t
1
= 591,7112
i =

15
2
1
1
( )
t t
i
u u

= 411,7836


Deber usted a) Indicar si corresponde o no efectuar la correccin por autocorrelacin.
En caso afirmativo, expresar la estimacin MCG del modelo (no es necesario
que considere la primera fila).

** b) Mostrar que se llega al mismo resultado en forma directa, estimando el
modelo:


t 0 1 1 t
Y* = b * + b X * + v
donde
0 0
b * = b (1- ) , es decir, el intercepto ya no es ms una fila de unos.

c) Predecir el valor de Y para t = 17, suponiendo que
17
X = 20.

2) Al realizar una regresin MCC con una muestra de 100 datos trimestrales de las series de
tiempo: Y = ingresos por ventas, X
1
= gastos en I&D y X
2
= gastos de comercializacin; se
obtuvieron los siguientes resultados:

1 2
(0,77) (0,50) (0,30)

1, 70 1, 25 1, 00 Y X X = + + R
2
= 0,73

n =100 DW = 0,80.

El consultor que contrat la empresa recomend seguir invirtiendo en el sector de
investigacin y desarrollo, ya que en base a la regresin concluy que los gastos en ese sector
tenan, al nivel del 5%, un efecto significativo sobre las ventas. La empresa debera adoptar
esa decisin o contratar a un economista ms serio? Justifique su respuesta.

3) Suponga el siguiente modelo estimado:


t 1t 2

Y 3,4 1,08X 0, 83
t
X = +

41

38
2
1
2
( ) 0, 029
t t
t
u u

=
=

2
0, 00026
u
=

a) Se puede afirmar la existencia de autocorrelacin de primer orden? Justifique.

b) En caso de que sea necesario, cmo corregira el modelo a fin de que los
estimadores cumplan con las caractersticas deseadas?


4) Indique si las siguientes afirmaciones son verdaderas o falsas justificando adecuadamente
su respuesta.

**a) El principal motivo para utilizar el mtodo de Cochrane-Orcutt en presencia de
autocorrelacin consiste en obtener errores estndar correctos para los estimadores minimo-
cuadrticos de los coeficientes

**b) Si luego de realizar la regresin MCC de Y sobre X con una muestra de 100
observaciones, se obtiene la regresin MCC de los residuos sobre sus valores desfasados:

t
= 0,01 + 0,1 e
t-1


entonces la hiptesis nula de ausencia de autocorrelacin debe aceptarse a un nivel del 5%.

c) El test de Durbin-Watson supone que la varianza de la perturbacin estocstica u
t
es
homoscedstica.

d) La exclusin de variables relevantes en un modelo de regresin puede generar un valor DW
significativo.

5) Dado el modelo

Y
t
= a
0
+a
1
X
t
+ u
t

1 t t t
u u

= +
donde
t
es i., i.d., N(0,
2

), y disponiendo de las observaciones numricas:

t 1 2 3 4 5 6 7 8
Y 22 26 32 34 40 46 46 50
X 4 6 10 12 14 16 20 22

a) Obtenga una estimacin eficiente de los coeficientes a
0
y a
1
, as como de su matriz
de covarianzas, sabiendo que 0, 5 = .
b) Contraste la hiptesis H
o
: a
1
= 1.
c) Indique como se estimara eficientemente el modelo si no se conociese el valor
numrico del parmetro .

***6) Se tiene informacin de series de tiempo sobre una base trimestral. En los modelos que
contienen datos trimestrales puede resultar conveniente suponer en lugar de un modelo AR(1),
uno AR(4) del tipo:
u
t
=
4
u
t-4
+ e
t


es decir, tomar como supuesto que la perturbacin actual est correlacionada con la del mismo
trimestre del ao anterior y no con la del trimestre anterior.


Para probar la hiptesis de que
4
=0 se sugiere una prueba DW modificada:

42

2
4
5
4
2
1
( )
d

n
t t
i
n
t
i
u u
u

=
=

La prueba sigue el mismo procedimiento que la DW tradicional.

En el caso de haber informacin mensual, podra generalizarse la prueba DW para tener
en cuenta esa informacin? De ser factible, escriba la frmula d
12
apropiada.


7) Al estimar por MCC un modelo lineal, utilizando 21 observaciones, se obtuvo:


1
1, 3 0, 97 2, 31
t t t
Y Y X

= + + DW = 1,21
(0,3) (0,18) (0,41)

donde las cifras entre parntesis son las desviaciones tpicas asintticas. Enuncie los
supuestos que requiere el test DW y utilice un mtodo conveniente para contrastar la presencia
de autocorrelacin en el trmino de error.




Respuesta a los problemas impares. Autocorrelacin
- 7-


1) a)
t
= -5,38 + 4,3970 X
t

( 6,979)

( 0,503)

c)
t+2
= 85, 804


3) a) Hay autocorrelacin negativa.

b) Y
t
+ 0,5934 Y
t-1
= b
0
(1+ 0,5934) + b
1
(X
1t
+ 0,5934X
t-1
) + b
2
( X
2t
+ 0,5934X
t-2
) + v
t


5) a)
0
= 21,3448 ;
1
= 1,2931.


12, 05 0, 65
0, 65 0, 04
| |
=
|

\ .



b) No rechazo H
o
.

c) Se debe estimar el .


7) Hay autocorrelacin, h= 3,20186.








43

Errores de especificacin
- 8-

1) Si el verdadero modelo de regresin es:

t t t
Y a bX u = + +

pero, por error, se estima:


t t t t
Y c dX eZ u = + + +

a) Es b = d y e = 0?
b) Es

b d y e 0 = = ? (Relacione con ejercicio 4 de la practica 1)
c) Demuestre que (e) 0 = y

E(d)=b


2) Considere el siguiente modelo explicativo de la variable Y:

= + +
1 1 2 2
y X b X b u

Sin embargo, el modelo estimado es:

= +
1 1
y X b u

Demuestre que
2
/( 1)
u
T k

=
* *
u u es un estimador que sobrestima
2
u
, incluso cuando
0 =
1 2
X X .
Qu puede decir de las propiedades de las estimaciones que obtendra de b
1
? Distinga el
caso en que 0 =
1 2
X X y 0
1 2
X X . Explique intuitivamente.

3) Suponga que el verdadero modelo explicativo es
2
i 0 1 2 i i i
Y X X u = + + + , pero por
error se especifica
0 1 i i i
Y X v = + + .
a) Cul ser la forma del trmino estocstico?
b) Qu propiedades de las estimaciones se vern afectadas por dicho error?
c) De la pregunta a): puede decir que
i
v presentar heterocedasticidad? En caso afirmativo,
qu propiedades tendrn las estimaciones MCC?
d) Compare a) y c), y discuta diferencias en lo que refiere a propiedades de las estimaciones
MCC.














44
Series de Tiempo
- 9 -

Importante: los archivos mencionados en los ejercicios de esta prctica pueden hallarse en la
pgina web del curso:
http://www.econ.uba.ar/www/departamentos/matematica/plan97/econometria/urbisaia/index.htm
Clickear curso 4 y gua prctica.


1) Considere un proceso autorregresivo de orden 1 (AR(1))

1 t t t t
y y

= + es ruido blanco

Hallar varianza y covarianzas del proceso. Demostrar que la condicin de estacionariedad
implica que < 1. Expresarlas en forma matricial.
Hallar la funcin de autocorrelacin (FAC) y expresarla en forma matricial. Suponga que
=0.9. Graficar el correlograma. Si
80
y =55, qu puede decir de
81
y ?


2) Considere un proceso autorregresivo de orden 2 (AR(2))

1 1 2 2 t t t t t
z z z

= + + + es ruido blanco

Hallar E(z
t
). Reexpresar el modelo en forma de desvos y nombrar a la nueva variable
centrada y
t
. Hallar las condiciones de estacionariedad en funcin de
1
y de
2
.Hallar las
autocovarianzas. Hallar la funcin de autocorrelacin (FAC) y de autocorrelacin parcial
(FACP).Analice las condiciones de estacionariedad para el caso en que
1 2
0.5 0.2 2 = = = .


3) Dado un proceso MA(1)

1 1 t t t
w

= + +

Hallar la esperanza matemtica del proceso. Hallar la condicin de invertibilidad. Hallar la
funcin de autocovarianza y la funcin de autocorrelacin.


4) Demuestre que si un proceso AR(1) cumple la condicin de estacionariedad (en sentido
dbil) puede escribirse como un proceso MA de orden infinito en el que el coeficiente que
acompaa a
t j

(el rezago j-simo del residuo) es

1
j
.

5) Halle la funcin de autocorrelacin de un proceso MA(q).


6) Suponga un proceso MA(1) de la forma:

1
5
t t t
z u u

=

Observe que no cumple la condicin de invertibilidad. Trabaje con el modelo de manera de
expresar a z
t
en funcin de su pasado (v.gr. 3 rezagos) y del pasado de u
t
. Interprete entonces
el sentido de la no invertibilidad. En cada realizacin del proceso tiene ms importancia el
pasado lejano o el cercano?


45
7) Considere un proceso AR(p) sin constante. Exprese las condiciones de estacionariedad.
Obtenga las funciones de autocorrelacin y de autocorrelacin parcial.


8) Considere dos procesos AR(1) y
t
y x
t
. Demuestre que la suma de ambos es un proceso
ARMA(2,1).


9) Derive la FAC de un proceso ARMA(2,1) y la de un proceso ARMA(1,2). Note que la FAC
se comporta como la de un AR(p) a partir de k > q, donde q caracteriza el orden de la parte
de medias mviles.


10) Considere el siguiente esquema:

1
1
t t t
t t t
y y u
u u v

= +

= +

donde v
t
es ruido blanco. Qu proceso genera y
t
?


11) Explique cmo pueden utilizarse los dos primeros valores estimados de la funcin de
autocorrelacin simple para obtener estimaciones de
1
y
2
en un modelo AR(2):

1 1 2 2 t t t t t
z z z

= + + WN


12) En el archivo simular.wf1 encontrar series generadas por simulacin segn los
siguientes procesos:

ARMA(1,1)
AR(1)
MA(1)
AR(2)
Variable aleatoria con distribucin normal de media 0 y desvo standard 1

Cada serie tiene 250 realizaciones. Descarte las 50 primeras observaciones para evitar
efectos temporarios. Grafique las series con respecto al tiempo. Obtenga la funcin de
autocorrelacin y autocorrelacin parcial muestral. Identifique los procesos siguiendo la
metodologa de Box y Jenkins. Estime los parmetros.

13) Sea el modelo con rezagos distribuidos:

0
t j t j t
j
y x

=
= + +

Expresar el modelo utilizando el operador desfasaje L.
Considerar la hiptesis:

( )
0
; 0,1 ; 0,1, 2...
j
j
j = =

y aplicar la transformacin de Koyck.


14) Derive la FACP de un proceso AR(3).

46
15) La teora ms sencilla del valor presente del precio de un activo dice que el precio es la
esperanza del valor (descontado) de todos los dividendos futuros. Suponga que los
dividendos siguen un proceso AR(2). Qu proceso siguen los precios de los activos?

16) En el archivo RETURN.WF1 encontrar la serie "returns." Grafique la FAC y la FACP.
Aplicando la metodologa de Box y Jenkins identifique el proceso.


17) Considere un random walk
1


1 t t t
m m u

= +

Probar que el proceso no es estacionario.
Generar un modelo en primeras diferencias
1 t t t t
w m m m

= = , probar que es estacionario

y que m
t
puede expresarse como suma de las diferencias de w
t
.


18) Muestre que los siguientes procesos
2
:

1. random walk with drift
1 t t t
z z

= + +
2. trend stationary process
t t
z t = + +
3. random walk
1 t t t
z z

= +

estn caracterizados por una raz unitaria. Demuestre que la constante produce la tendencia
en el random walk with drift. Genere la primera diferencia de los tres procesos. Note que una
de ellas, al menos, es un ruido blanco cul es? Note que otra es un MA(1). Saque sus
conclusiones.


19) Identificacin, Estimacin y Prediccin de la Inversin

El archivo KOPCKE.WF1 contiene datos trimestrales de la inversin en equipos (IE) y de la
inversin en estructuras (IS) para los Estados Unidos entre el primer trimestre de 1952 y el
ltimo trimestre de 1986.

a) El primer paso es corregir la muestra para trabajar desde el primer trimestre de 1952 hasta el
ltimo trimestre de 1985.

b) La segunda tarea es analizar si estas series son estacionarias. Haga un grfico de cada
serie contra el tiempo. Se observa alguna tendencia que le haga sospechar que las series no
son estacionarias?. Para confirmar si las series son estacionarias dibuje las funciones de
autocorrelacin y autocorrelacin parcial para ambas series. Si las series fueran estacionarias
debera observarse un decaimiento exponencial hacia cero de la funcin de autocorrelacin, de
otra forma el decaimiento sera lineal. Qu sucede con las series que est estudiando? Por
ltimo realice el test de raz unitaria de Dickey-Fuller Aumentado (DFA) utilizando la opcin del
test que incluye solamente una ordenada al origen. Determine el nmero ptimo de rezagos de
la variable dependiente a incluir utilizando el criterio de informacin de Akaike (Comience con
un rezago mximo de 4). Qu conclusin obtiene?




1
Una de las posibles traduccines al castellano es trayectoria al azar, sin embargo,
por razones de rigurosidad y consistencia con la jerga actual creemos conveniente
denominar a los procesos en ingls.
2
Random walk with drift: trayectoria al azar con desplazamiento.
Trend stationary process: Proceso estacionario en torno a una tendencia.
47
c) De acuerdo a los resultados obtenidos en (b) trabaje con la serie estacionaria, es decir la
original en niveles o la serie en primeras diferencias. Construya el correlograma de cada una
de las series y trate de identificar algn modelo AR, MA o ARMA que caracterice esas series.
Justifique su eleccin.

d) Habiendo identificado un modelo para IE y un modelo para IS (o sus diferencias) estime los
parmetros de estos modelos. Si en alguna de las series se identific algn componente AR
estime el modelo usando esos componentes AR y usando la variable rezagada. Por ejemplo, si
se identific un AR(1) para IE, estime: (IE C AR(1)) y adems estime (IE C (IE(-1)). Nota
alguna diferencia entre estas estimaciones? Cmo se podran reconciliar ambas
estimaciones?

e) Una vez estimados los modelos, analice su identificacin en (c) mediante el estudio de la
funcin de autocorrelacin y autocorrelacin parcial de los residuos de los modelos estimados.
Hay alguna estructura que indique que todava existe informacin que no fue capturada por el
modelo identificado? Si la respuesta es afirmativa, vuelva a (c) y repita el procedimiento hasta
que no exista ninguna informacin en los residuos de los modelos. Haga uso de todas las
herramientas que conoce, incluido el test Q, que proporciona la salida de EVIEWS.

f) El siguiente paso consiste en hacer la prediccin de cada una de las series de inversin para
el ao 1986. Para esto utilice el botn FORECAST de la salida de la regresin en (d). Cambie
el rango a predecir poniendo desde 1986:1 hasta 1986:4, asegrese que el mtodo utilizado
por el Eviews sea el dinmico y que la opcin FORECAST EVALUATION est marcada.
Asegrese de proyectar las series de inversin en niveles an si estim los modelos en primera
diferencia.

La salida de la evaluacin de la prediccin contiene varias medidas que comparan la prediccin
con el valor real de la serie. En particular la raz cuadrada del error de prediccin medio
cuadrtico (Root mean square error, RMSE) es un estadstico que se utiliza en la prctica para
comparar varias predicciones de la misma variable. Cuanto menor el estadstico mejor la
prediccin. Sin embargo, este estadstico sufre del problema de estar afectado por las unidades
de medida de las variables. Para eliminar este problema calcule el RMSE en porcentaje de la
variable a proyectar. Es decir, calcule:

1
2
2
1
%
T
t
t
e
RMSE
T
=
| |

|
\ .

donde T es el nmero de trimestres de prediccin (cuatro en este caso),

t t
t
t
I I
e
I

= es decir el
error de prediccin en cada trimestre t. (IS o IE). Utilizando esta medida uno podra decir que
la prediccin es buena si el % RMSE es menor a 2%. Cul es su conclusin para las
predicciones que hizo?

20) Demuestre que las predicciones ARIMA son dbiles en el largo plazo. Compare sus
propiedades y supuestos subyacentes con respecto a las predicciones clsicas.


21) Suponga que y
t
sigue un proceso AR(3).

Reescriba y
t
de manera de realizar el test de Dickey-Fuller de existencia de races unitarias.
Qu orden de rezago tiene la ecuacin del DFA (Dickey-Fuller aumentado) de manera tal que
los errores son ruido blanco?
Qu restriccin impone sobre los parmetros del AR(3) la hiptesis nula de que existe una
raz unitaria?

22) Demuestre que si X
t
sigue un proceso I(1) e Y
t
es una serie I(1) y estn cointegradas,
entonces el vector de cointegracin es nico.

48


23) Considere el siguiente ejemplo:

1
2
1 1 1 1 2 1
2 2 1 2 2 2
0.2 0.8
0.5
t t t
t t t
t t t t
t t t t
y x u
y x u
u u u
u u u

+ =
+ =
= + +
= + +


Cul es el orden de integracin de y
t
y de x
t
? Bajo qu condiciones estn cointegradas?
Suponga que efectivamente estn cointegradas y halle el modelo ECM (modelo de correccin
de errores o modelo de correccin de equilibrio).


24) En el archivo data.xls ud. encontrar datos de series correspondientes a la economa
Argentina durante la dcada de 1980:

y: PBI a precios de mercado en decenas de miles de australes de 1986
c: consumo en decenas de miles de australes de 1986
x: exportaciones en decenas de miles de australes de 1986
m: importaciones en decenas de miles de australes de 1986


Grafique las series en niveles y en logaritmos. La media es constante a lo largo del tiempo?
Qu puede decir con respecto a la varianza? Identifique el orden de integracin de las series
con el test DFA (Dickey-Fuller aumentado), tanto en niveles como en logaritmos. Sus
conclusiones son vlidas para cualquier subperodo de la dcada? Puede decir que el
consumo y el ingreso estn cointegrados?


25) La cointegracin entre los precios de los activos y sus dividendos puede plantearse como
una condicin necesaria para la eficiencia de los mercados. Suponga que los precios de los
activos pueden escribirse como:
( )
( )
1
1
1
t t i t t i
i
P E D I
r

+
=
= +
+

Donde (0)
t
I . I
t
es el conjunto de informacin disponible en t. Suponga tambin que los
dividendos siguen un random walk:

1 t t t
D D v

= +

Demuestre que dado que D
t
es integrada de orden 1, P
t
tambin lo es. Demuestre tambin que
si la teora es vlida, ambas variables estn cointegradas y que el vector de cointegracin es:
1
1 ;
r
( | |

| (
\ .











49


Modelos Multiecuacionales
- 10 -

1) Dado el siguiente modelo de mercado en su forma estructural:

Demanda : Q
t
= 60 0.7 P
t
+ 0.10 Y
t
+ u
1t

Oferta : Q
t
= 20 0.6 P
t
+ 0.8P
t-1
+ 0.15 W
t
+ u
2t

Equilibrio : demanda = oferta

u
1t
,u
2t
~ N [0;
2
u
]

a) Analizar las condiciones de identificacin.
b) Proponer mtodos de estimacin parta cada ecuacin.


2) Explicar cmo estimara los parmetros de cada una de las ecuaciones del siguiente
modelo.

y
1t
+
12
y
2t
+
11
+
12
x
2t
= u
1t

y
2t
+
21
+
23
x
3t
= u
2t


32
y
2t
+ y
3 t
+
31
+
33
x
3t
= u
3 t


3) Para el modelo

y
1t
+
12
y
2t
+
11
x
1t
= u
1t

21
y
1t
+ y
2t
+
22
x
2t
+
23
x
3t
= u
2t

la matriz de momentos muestrales de segundo orden centrados:



1
y
2
y
1
x
2
x
3
x
1
y
100 200 30 20 40
2
y
200 900 0 50 160
1
x
30 0 100 0 0
2
x
20 50 0 50 0
3
x
40 160 0 0 40


a) Calcular las estimaciones de los parmetros de la segunda ecuacin por MCI y VI;
comprobar que son idnticas.
b) Comparar las estimaciones por MCC y por MC2E de
12
y


11.


4) La primera ecuacin estructural de un modelo de 3 ecuaciones y cuatro variables
predeterminadas es:

y
1t
=
12
y
2t
+
11
x
1t
+
12
x
2t


Se pide estimar los parmetros de dicha ecuacin por MC2E, dada la siguiente informacin.

la matriz producto XX es:


50

10 0 0 0
0 5 0 0
0 0 4 0
0 0 0 2

Y adems, la matriz [ y
1
| y
2
].X es :

2 3 4 1
1 0 2 1


5) Considrese el modelo:

1 21 2 11 1 21 2 1 t t t t t
y a y b x b x u = + + +
2 12 1 2 t t t
y a y u = +

a) Obtener la expresin analtica del estimador VI (variables instrumentales) del
parmetro
12
a cuando se utiliza la variable
1t
x como instrumento de
2t
y .
b) Obtener la expresin analtica del estimador MC2E (Mnimos cuadrados en dos
Etapas) de dicho parmetro.
c) Justificar en qu sentido puede afirmarse que el estimador de MC2E es una
combinacin lineal de los estimadores de MCI.


6) Dado el modelo

1 21 2 11 1 21 2 1 t t t t t
y a y b x b x u = + + +
2 12 1 32 3 2 t t t t
y a y b x u = + +

y la matriz de momentos muestrales de segundo orden centrados:




a) Calcule el estimador MCC de los parmetros de la forma reducida sin restricciones.

b) Slo una de las dos ecuaciones del modelo puede estimarse por mnimos
cuadrados indirectos. Discutir cul de ellas y proceda a su estimacin. Es
insesgado este estimador? Es consistente?

c) Estimar la otra ecuacin por MC2E. Es insesgado este estimador? Es
consistente?

d) Encuentre las estimaciones de los parmetros de la forma reducida que se derivan
de las estimaciones obtenidas en b) y c). Coinciden estas estimaciones con las
obtenidas en a)?



1
y
2
y
1
x
2
x
3
x
1
y
3,5 3 1 1 0
2
y
11,5 1 3 4
1
x
1 0 0
2
x
1 1
3
x
2
51

7) Dado el modelo de ecuaciones simultneas:

1 21 2 11 1 1 t t t t
y a y b x u = + +
2 12 1 22 2 32 3 2 t t t t t
y a y b x b x u = + + +

y las matrices producto:

1 0 0
0 20 0
0 0 10
| |
|
=
|
|
\ .
XX
5 10
40 20
20 30
| |
|
=
|
|
\ .
XY

Estimar la forma reducida del modelo a) por MCC, b) a partir de estimaciones MC2E o
MCI de cada una de las ecuaciones. Coinciden ambas estimaciones? A qu se debe el
resultado? Cambia el procedimiento de estimacin utilizado si
21
a fuese igual a cero y, a la
vez, los trminos de error
1t
u y
2t
u fuesen independientes?


8) La ecuacin
1 21 2 31 3 11 1 1 t t t t t
y a y a y b x u = + + + , forma parte de un modelo que incluye
otras tres variables predeterminadas. Si se dispone de los momentos muestrales


80 60 20
60 240 180
20 180 280
| |
|
=
|
|

\ .
Y Y
8 8 16 20
0 16 48 20
0 8 48 40
| |
|
=
|
|

\ .
Y X


4 0 0 0
0 8 0 0
0 0 16 0
0 0 0 20
| |
|
|
=
|
|
|
\ .
XX

obtenidos a partir de 30 observaciones muestrales, estimar dicha ecuacin por MC2E y
obtener las varianzas de sus coeficientes.


9) Analizar la situacin de identificacin de las ecuaciones del modelo:

1 2 1
t 2
t 1 2 3 3
t
(funcin de consumo)
I (funcin de inversin)
r (determinacin de tipo de inters)
Y
t t t t
t t
t t t t
t t
C Y r u
r u
m Y D u
C I

= + +
= +
= + + +
= +


donde las variables:


t
C : Gasto agregado en bs. de consumo.

t
Y : Producto Nacional Bruto.

t
r : Tasa promedio de rendimiento de la Deuda Pblica.
52

t
I : Inversin en bs. de equipo.

t
m : Tasa de crecimiento de los Activos Lquidos en manos del pblico.

t
D : Stock de Deuda Pblica.

Se hallan todas en desviaciones con respecto a sus medias muestrales. Se consideran
exgenas
t
m y
t
D , y endgenas todas las variables restantes.
b) Proporcionar estimaciones eficientes de los parmetros
1 2
, y , disponiendo de los
momentos muestrales:



t
C
t
I
t
r
t
m
t
D
t
C
100 -80 -20 10 -40
t
I
80 -60 40 60
t
r
80 60 -60
t
m
100 50
t
D
50


10) Dado el modelo:

1 2 1
t 1 2 3 1 2
t
(funcin de consumo)
I (funcin de inversin)
Y
t t t
t t t
t t t
C Y u
Y G u
C I G

= + +
= + + +
= + +


Se pide:

a) Construir la forma reducida del modelo.
b) Estudiar la identificacin de las funciones de consumo e inversin.
c) Qu problema tendra el clculo de la propensin marginal a consumir estimada
aplicando MCC a la primera ecuacin?

11) Dados los siguientes modelos :

C
t
=

Y
t
+
2
r
t-1
+

u
1t

I
t
=

Y
t
+
2
r
t-1
+ u
2t

Y
t
= C
t
+ I
t


Variables endgenas: Y
t
, C
t
y I
t
, variable exgena: r
t


M
t
=

r
t
+
2
M
t-1
+

v
1t
r
t
=

M
t
+
2
M
t-1
+
3
Y
t
v
2t


Variables endgenas: M
t
y

r
t
, variable exgena: Y
t .

a) Evaluar la identificabilidad de las ecuaciones de ambos modelos.
b) Obtener la ecuacin de la forma reducida para Y
t
en el primer modelo y la
ecuacin de la forma reducida para r
t
en el segundo modelo.
c) Evaluar la identificabilidad de un modelo biecuacional compuesto por la ecuacin
de la forma reducida para Y
t
en el primer modelo (una curva IS) y la ecuacin de la
53
forma reducida para r
t
en el segundo modelo (una curva LM). Dadas las series
temporales de datos sobre Y, r y M, Cmo estimara este modelo?Cmo cambia
la estimacin de la segunda ecuacin de este modelo si se supone que las u y las v
no estn mutuamente correlacionadas.

12***) Resuelva los siguientes modelos multiecuacionales determinando si son o no estables.
Analizar el impacto de las variables exgenas sobre el ingreso al cabo de 1, 2, 3 e infinitos
perodos de tiempo. Intente deducir de qu tipo de trayectoria se trata. Contraste sus
presunciones con lo visto en Matemtica para economistas.

a) C
t
= 0.5Y
t-1

I
t
= C
t
-C
t-1

Y
t
= C
t
+I
t
+G
0


Y
t
= C
t
+I
t
+G
0

I
t
= 0.2 (C
t
-C
t-1
)
C
t
= 0.6Y
t-1

Y
t
= C
t
+I
t
+G
0

I
t
= 3 (C
t
-C
t-1
)
C
t
= 0.7Y
t-1





Respuestas. Modelos Multiecuacionales.
- 10 -



1)a) la ecuacin de demanda resulta sobreidentificada; la de oferta, exactamente identificada.
b) La primera ecuacin puede estimarse por VI y MC2E. Si se opta por el mtodo de VI puede
elegirse P
t-1
o bien W
t
como variable instrumento. Se obtendrn resultados diferentes, segn el
camino elegido.
La ecuacin de oferta puede estimarse por MCI, VI o MC2E y los resultados sern idnticos por
ser la ecuacin exactamente identificada.

2) Si no se puede suponer que u
t
(t=1,2,3) son independientes
La primera y la tercera ecuaciones estn exactamente identificadas. En este caso
MC2E, MCI y VI son equivalentes y proporcionan estimaciones consistentes. X
3
se utiliza
como instrumento para Y
3
en la primera ecuacin y X
2
como instrumento de Y
2
en la tercera.
La segunda ecuacin no contiene ninguna otra variable endgena aparte de Y
2
. Por
consiguiente, la regresin por MCC de Y
2
sobre X
3
proporcionar

estimaciones insesgadas y
consistentes.
Si se puede suponer que u
t
(t=1,2,3) son independientes, despues de reordenar las
ecuaciones y las variables, el sistema es recursivo, por consiguiente se pueden usar MCC
con las tres ecuaciones y proporcionar estimaciones insesgadas y consistentes.

3) a)
0
1
4
| |
|

|
|
\ .
b)
2/ 9
3/10
| |
|

\ .
: por MCC
6/ 23
3/10
| |
|

\ .
: por MC2E

4)
1, 6667
0, 0333
0, 6000
| |
|
|
|
\ .

54


5) c) Porque el estimador MC2E es el estimador de VI que utiliza la matriz
Z = [
1
;

X
1
] como instrumento. Las combinaciones lineales de las variables predeterminadas
utilizadas por el mtodo de MC2E son las que generan un estimador de VI con menor varianza.

6)a)
1 1
2 2
1 1
| |
|
|
|

\ .



b) Slo la primera ecuacin puede estimarse por MCI por estar exactamente identificada.

1
2
4
| |
|
|
|
\ .



El estimador MCI es, en general, sesgado, a pesar de que los estimadores de la forma
reducida eran insesgados. Esto se debe a que el estimador MCI es una funcin lineal de las
estimaciones de la forma reducida del modelo. Sin embargo, puede probarse que es
consistenteya que es una funcin del estimador MCC de la forma reducida.


c) Es sesgado y consistente.
1
2
| |
|
\ .


7) a)

1
= 5X
1
+ 2X
2
+ 2X
3



2
= 10X
1
+ 1X
2
+ 3X
3
b) de la primera ecuacin

0, 909
4, 09
| |
|

\ .

de la segunda
2
3
1
| |
|

|
|

\ .

Quedando,

1
= 5X
1
+ 10/3X
2
+ 10/9X
3



2
= 10X
1
+ 11/3X
2
+ 11/9X
3


Las estimaciones son diferentes porque las estimaciones por MCC no estn
restringidas y, por lo tanto, no satisfacen las restricciones impuestas a los parametros de la
forma reducida por estar sobreidentificado el sistema (porque la primera ecuacin esta
sobreidentificada y la segunda exactamente identificada. Hay slo 2 exgenas y 3
predeterminadas pero hay 6 coeficientes de la forma reducida, las cuales son funcin de slo 5
coeficientes estructurales.

Bajo la especificacn adicional el modelo se hace recursivo y las ecuaciones
estructurales pueden ser estimadas consistentemente por MCC.
55


8) Los coeficientes y sus varianzas son,

1, 28
1, 03
2
| |
|
|
|
\ .

2
12
13 23
0, 263 0, 227 0
0, 222 0
1, 55
MC E
bb
a
a a
| |
|
=
|
|
\ .


9)a) La primera ecuacin esta exactamente identificada, la segunda y la tercera estn
sobreidentificadas.


10) a) La forma reducida,

C
t
= [(1-b
1
)a
1
+ b
1
a
2
] / (1- a
2
- b
2
) + a
2
/ (1- a
2
- b
2
). G
t
+ v
1t
I
t
= [a
1
b
2
+ (1-a
1
)b
1
] / (1- a
2
- b
2
) + b
2
/ (1- a
2
- b
2
). G
t
+ v
2t
Y
t
= [a
1
+

b
1
] / (1- a
2
- b
2
) + 1

/ (1- a
2
- b
2
). G
t

b) Ambas ecuaciones se encuentran exactamente identificadas

c) De estimarse la propensin marginal a consumirpor MCC se obtendra una estimacin
inconsistente si y slo si Y
t
es una variable aleatoria y hay correlacin contemporanea entre las
perturbaciones.

11) a) Ninguna de las ecuaciones, en el primer modelo, est identificada. En el segundo
modelo la primera ecuacin esta identificada siempre y cuando
3
sea distinto de cero pero la
segunda ecuacin no est identificada.

b)
Y
t
= [1 / 1 -
1


]

[(
2
+

2
)r
t-1
+

u
1t
+ u
2t
]

r
t
= [1 / 1 -
1

]

[
3
Y
t
+

(
2

+
2
)

M
t-1
+

v
1t
+ v
2t
]

c) Si escribimos el modelo biecuacional como:

Y
t
=

r
t-1
+ w
1t
r
t
=
2
Y
t
+
3
M
t-1
+ w
2t

las dos ecuaciones estn identificadas siempre que las sean distintas de cero. La primera
ecuacin tiene solamente una variable endgena retardada en el lado de la derecha, y puede
ser estimada consistentemente por MCC, suponiendo que las perturbaciones no estn
autocorrelacionadas. La segunda ecuacin puede ser estimada consistentemente por MCI o
por VI (utilizando r
t-1
como una variable instrumental para Y
t
). Si las u y las v no estn
correlacionadas, tampoco w
1
y w
2
lo estn y el modelo se hace recursivo, por lo tanto puede
utilizarse MCC.


12)a) t
1
= 1
t
2
= 2
t
3
= 5/2
t

= 2
Estable. Oscilante amortiguada.

b) t
1
= 1
t
2
= 1.72
t
3
= 2.12
t

= 6.25
Estable. Montona creciente convergente.

c) Inestable. Oscilante explosiva.