ESPOL - FEN Deber # 1 de Econometria | Mayo del 2011 — Eco. Efrain Quifiénez J. Seccién |. Resuelva los siguientes ejercicios Ejercicio 1 (Modelo sin pendiente).- Dado un modelo de la forma ¥; = a+ 4, en el cual 4 corresponde al error aleatorio. Demuestre que la estimacion de minimos euadrados ordinarios del intercepto es Gycy =F , donde F es el promedio muestral de los datos. Ejercicio 2 (Varianza del intercepto).- Considere un modelo ¥, = 6 + 6X, +14, en-el cual 1, corresponde al error aleatorio que cumple con los supuestos of “Dye n> (X,-X) En un modelo ¥; = AX, +44, en el cual 4, corresponde al error aleatorio que cumple con los supuestos clasicos, clésicos. Determine que la expresion para la varianza del intercepto Bes Var(B, Ejercicio 3 (Residuos heterocedésticos).- Determine que los residuos (2) tienen, al igual que el error, valor esperado igual 0, pero son heterocedésticos, ya 2 of _Xi ux Suponga un modelo sin constante Y; = AX, +1, en el cual 4, corresponde al error aleatorio que cumple con los que la varianza se define como Var(,) Ejercicio 4 (Varianza de la pendient supuestos clasicos. Determine que la Var( B) = Ejercicio 5 (Covarianza de estimadore: Derive la expresion para calcular la covarianza entre el estimador de la pendiente y la constante Cov(@: 8) Efercicio 6 (Linealidad de los modelos} De los siguientes modelos. éCudles son modelos de regresién lineales? En los que no son lineales, existe forma de aplicar transformaciones que los vwelvan lineales? 1 7 pit brXitu a Ait h(x) +m £¥=eh ; b. ¥ = Bi +B: In X, ty ey = ——____ c. In ¥; = Bi + BoX; + at; 1 + ePitP2Xitu d. In ¥; = In B, + B, In X, + uy © Int = pi-a() +H aie Bi + (0.75 — By)e~P2%-?) + 14; Ly; By + B3X; + Pagina 1Elercicio 7 (Modelo en desviaciones con respecto a la media] Demuestre que el modelo Y, = @+ AX, +/,, se puede rescribir de la forma y, = Ax, +,, donde las variables mindsculas corresponden a los datos originales medidos en desviaciones con respecto a las media (usando x, =X,-X y y, =¥,-F). Observe que el intercepto desaparece en la segunda expresién. Ejercicio 8 (Cambio de Esc: ). Suponga que en un modelo ¥, = f, + A,X, +11, en el que se obtienen las estimaciones de la pendiente y la constante, los datos de la variable independiente son multiplicados por una constante A. 2Cémo afecta este cambio de valores a las estimaciones de MCO? £Qué hubiese ocurrido si el cambio se aplica tanto a la variable dependiente como a la independiente? En el segundo caso, éexisten modificaciones en los valores ajustados de la variable explicada? éSe logra incrementar el R cuadrado con este tipo de transformaciones? Ejercicio 9 (Regresin sobre valores ajustados).- Indique si la siguiente afirmacion es correcta: Al hacer una regresin de la ¥; observada sobre la ¥, estimada el valor de la interseccién y de la pendiente que se estima por minimos cuadrados seran 0 y 1 respectivamente. Efercicio 10 (Independencia entre los residuos y los valores estimados).- Demuestre que en un modelo de regresién lineal simple, Y, = @+ AX; +/, los valores ajustados Y,no estan correlacionados con los residuos ?,, porto que 57, = 0. éGuarda alguna intuicién este resultado? Ejercicio 11 (Coeficiente de bondad de ajuste) Demuestre que en un modelo de regresién lineal simple, con constante y pendiente, el coeficiente de bondad de ajuste (R cuadrado) coincide con el coeficiente de correlacién entre la variable dependiente e independiente, pero elevado al cuadrado (es decir R= pi, ). éSe cumple esta relacin si el modelo no tuviese constante? Ejercicio 12 (Ejemplo numérico del modelo de regresién lineal simple).- Considere los siguientes datos hipotéticos de consumo e ingreso familiar en el aio X, expresados en miles de délares x y 5 a 6 10 10 2 a) Realice un diagrama scatterplot de las variables dependiente e independiente. b) De acuerdo al gréfico 2Qué relacién se esperaria exista entre estas dos variables? ©) éAqué esigual X T Sx, Sxyy Sy? d) Determinar el valor de fa constante y la pendiente en un modelo de regresién lineal, estimado por minimos cuadrados ordinarios. €) Realizar el grafico scatterplot incorporando la recta de regresion estimada, 2s bueno el ajuste? f)Calcular el valor de ta suma de los residuos al cuadrado (RSS) @)Estimar la varianza que presentan los errores del modelo hh) Exprese la descomposicién de la varianza total de la variable dependiente (TSS = RSS + ESS) i) Calcular el valor del coeficiente de determinacién (R cuadrado) i) Demuestre el cumplimiento de las ecuaciones normales del método de minimos cuadrados ordinarios k)_Determinar los valores de las varianzas de las estimaciones de la constante y la pendiente. Pagina 2Seccién II.- Problemas del Libro “Econometria” Segunda Edicién. Alfonso Novales Problema 3.5. Para estudiar la relacion entre las variables x.e y se han estimado los modelos: a) y=at Bx, tu. b) Iny=a+ Bx, tu, c) y=at+Phlnx+ uy, d) Iny,=a+Pinx, + 4. ; Dusit la interpretacién que tendria, en cada caso, el valor estimado del coefi- ciente p. Problema 3.6. Probar que la estimacién MCO del coeficiente B en cl modelo y= 4a + Bx, +; es el inverso del estimador MCO del coeficiente 6 en el modelo x, =y + dy; + »; si y slo si el coeficiente de determinacién del primer modelo (y dei segundo) es igual a 1. Problema 3.30. Para estimar el modelo y,=x; + u; sé propone el estimador: San re Poa! a) Pruebe que dicho estimador esta'sesgado hacia cero. b) Pruebe que 2 EG- BP oy pret t c) Pruebe que su varianza es inferior a la det estimador MCO. Problema 3.31 (Johnston 2.2). Suponga que para estimar el’ modelo y, = a + Bx, + u, se dispone de las observaciones: 1 y se propone utilizar el estimador “get w—n em: Calcule su varianza muestral y comparela con la del estimador MCO. Pagina 3