25-10-2011-P1-Simulacro
Transcript of 25-10-2011-P1-Simulacro
1
U.C.V. PARCIAL I - Simulacro Octubre 25 del 2011 F.A.C.E.S. – ECONOMÍA – ECONOMETRIA I Prof.: Rodolfo Medina
I. En un máximo de 10 líneas (c/u) desarrolle los siguientes aspectos 1. Partiendo del siguiente modelo de regresión poblacional:
Yt = 1 + 2 X2t + 3 X3t + ………….+ k Xkt + t t = 1, 2, 3,……, T Explique como se obtienen los estimadores de los coeficientes de regresión del modelo y los supuestos de homocedasticidad y de no autocorrelación, expréselos en forma matricial.
2. ¿Explique los conceptos estadísticos que involucra un modelo de regresión con tres
variables?
3. Explique como se relaciona la Teoría Económica con la Econometria e indique como
aplicaría esta relación entre una función de regresión poblacional y una muestral.
4. Deduzca gráfica y matemáticamente el coeficiente de determinación R2 y explique su
significado.
5. ¿Explique la diferencia entre Regresión y Correlación?
6. ¿En qué esta basado el método de intervalo de confianza?
7. Explique detalladamente la diferencia entre el Coeficiente de Determinación Simple y el
Ajustado. (1 pto. c/u)
II. Explique los tipos de modelos econométricos existentes y su finalidad. (2 ptos) III. Explique detalladamente en forma analítica, gráfica, estadística y económicamente las funciones de regresión poblacional y muestral. (2 ptos)
IV. En los cuadros Anexos # 1, se presentan las salidas del computador correspondiente a la estimación por MCO, para analizar un modelo del Producto Interno Bruto, entre el primer trimestre de 1970 y el cuarto trimestre de 1991, para la economía americana, donde:
PIB = Producto Interno Bruto, en miles de millones de dólares de 1987. IPD = Ingreso Personal Disponible, en miles de millones de dólares.
Se pide:
a) Verifique que existe elasticidad Inelástica e interprete el coeficiente estimado, ¿tiene sentido con lo esperado?
b) Construya la mejor aproximación de la Elasticidad del modelo logarítmico partiendo del modelo de regresión lineal simple (2 ptos)
2
V. En los cuadros anexos # 2, se presentan las salidas del computador correspondiente a la estimación por MCO, para analizar un modelo de Saldos Reales entre el primer trimestre de 1994 y el cuarto trimestre de 1999, para la economía venezolana, donde:
LM1 = El dinero deflactado, que es lo mismo que los saldos reales (V. Dependiente) LPIB = Logaritmo del Producto Interno Bruto Real r = Tasa de interés nominal promedio doméstica rext = Tasa de interés nominal promedio externa LTC = Logaritmo del tipo de cambio promedio INFL = Tasa del Índice de Precios al Consumidor
Se pide: a) Plantear la FRP y FRM ajustada al contexto del planteamiento, interpretar cada una e indicar los signos esperados de cada coeficiente de regresión. b) Se corresponde los valores de los coeficientes estimados con los esperados teóricamente. De existir contradicciones, a ¿qué puede deberse?. c) ¿Qué se podría argumentar acerca de la contribución al cambio de los Saldos Reales por parte de las variables explicativas en forma independiente?. d) Existe una contribución conjunta de las variables explicativas al modelo. e) Si Ud. tiene en sus manos la posibilidad de mejorar el modelo, que cambios realizaría, platee la FRP y la FRM de su modelo final. f) Si compara las funciones muestrales estimadas del modelo inicial y su modelo final, en qué se basa las diferencias del cambio. g) ¿Qué riesgo se corre al pasar del modelo inicial al final, en el modelo de regresión lineal clásico?. h) Si analizamos el modelo de Saldos Reales a lo largo del período de estudio, ¿podría existir una estabilidad estructural en el modelo?, analice y explique detalladamente. i) Verifique si los coeficientes de regresión de las variables r y rext son iguales pero contrario
en signos. Dado Cov (2, 3) = 0,02 j) Compruebe la validez de que las variables r y rext aportan información al modelo en forma simultanea. Sabiendo que F2,18,0.05 = 3,55. k) Suponiendo que se cumplen los supuestos del modelo lineal: Realice una predicción individual para los Saldos Reales para el primer trimestre del año 2000, bajo la estimación del modelo final determinado, y suponga que el error de la predicción para ese período es de 1,98. (7 ptos)
BUENA SUERTE
3
ANEXOS #1 (PARTE IV)
4
ANEXOS #2 (PARTE V) CORRIDA 1: (Modelo Inicial)
CORRIDA 2:
Dependent Variable: LM1
Method: Least Squares
Date: 05/05/04 Time: 11:52
Sample: 1994:1 1999:4
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C -50.20295 17.41577 -2.882614 0.0095
LPIB 2.834789 0.681931 4.157004 0.0005
r -0.002434 0.002726 -0.892855 0.3831
LTC 1.066780 0.063068 16.91462 0.0000
INFL -0.025166 0.005142 -4.894196 0.0001
R-squared 0.975512 Mean dependent var 28.47567
Adjusted R-squared 0.970356 S.D. dependent var 0.801355
S.E. of regression 0.137972 Akaike info criterion -0.940484
Sum squared resid 0.361688 Schwarz criterion -0.695056
Log likelihood 16.28581 F-statistic 189.2212
Durbin-Watson stat 1.449022 Prob(F-statistic) 0.000000
Dependent Variable: LM1
Method: Least Squares
Date: 05/05/04 Time: 11:41
Sample: 1994:1 1999:4
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C -46.26850 18.41198 -2.512957 0.0217
LPIB 2.667517 0.726300 3.672748 0.0017
r -0.001088 0.003305 -0.329053 0.7459
rext 0.050675 0.068503 0.739751 0.4690
LTC 1.073307 0.064441 16.65574 0.0000
INFL -0.025977 0.005319 -4.884179 0.0001
R-squared 0.976234 Mean dependent var 28.47567
Adjusted R-squared 0.969633 S.D. dependent var 0.801355
S.E. of regression 0.139646 Akaike info criterion -0.887099
Sum squared resid 0.351016 Schwarz criterion -0.592586
Log likelihood 16.64519 F-statistic 147.8791
Durbin-Watson stat 1.636841 Prob(F-statistic) 0.000000
X2000:1 = 1
25,6902
28,7200
6,5223
4,32
5
CORRIDA 3:
Dependent Variable: LM1
Method: Least Squares
Date: 05/05/04 Time: 11:56
Sample: 1994:1 1999:4
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C -52.54849 17.12899 -3.067811 0.0061
LPIB 2.918086 0.672085 4.341840 0.0003
LTC 1.086986 0.058569 18.55914 0.0000
INFL -0.025889 0.005052 -5.124402 0.0001
R-squared 0.974484 Mean dependent var 28.47567
Adjusted R-squared 0.970657 S.D. dependent var 0.801355
S.E. of regression 0.137270 Akaike info criterion 0.982716
Sum squared resid 0.376863 Schwarz criterion 0.786374
Log likelihood 15.79260 F-statistic 254.6111
Durbin-Watson stat 1.545541 Prob(F-statistic) 0.000000
Chow Breakpoint Test: 1996:2 1999:1
F-statistic 2.323521 Probability 0.091024
Log likelihood ratio 22.45696 Probability 0.004136
X2000:1 = 1
25,6902
6,5223
4,32
0.15
0.10
0.05
0.00 -0.4
-0.2
0.0
0.2
0.4
95:1 95:3 96:1 96:3 97:1 97:3 98:1 98:3 99:1 99:3
One-Step Probability Recursive Residuals