Prueba I Econometría

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 4

1ra.

prueba Solemne
UST ICO-084 ECONOMETRÍA
FECHA: 26 de mayo de 2020
________________________________________________________________________

Instrucciones Generales:

 El puntaje total de esta prueba es 60 puntos, con una exigencia de 50%.


 Cada pregunta tiene un valor de 10 puntos.
 Usted dispone de 90 minutos de tiempo para responder la prueba
 Devuelva sus respuestas usando la plataforma Teams.

PREGUNTAS:

1) Explique ¿Por qué puede ser útil el análisis de regresión? ¿Por qué no usar como
estimador de la variable dependiente simplemente la media muestral?
Respuesta:
El analisis de variable puede ser util ya que se estima la esperanza condicional de la
variable dependiente dados los valores fijos de las variables explicativas.Por lo tanto, se
asume una relación de causalidad desde las variables explicativas hacia la variable
explicada. La media muestral es simplemente el valor esperado no condicional de la
variable dependiente y, por lo mismo, es independiente de los valores que puedan tomar
las variables explicativas.
2) Un modelo I para estudiar el mercado de trabajo tiene como variable dependiente el
logaritmo del empleo y como variables explicativas el logaritmo del PIB y el logaritmo
del salario real. Se reporta para este modelo I un coeficiente de determinación ( R2 ¿ de
0,7. Para otro modelo II, la variable dependiente es el nivel del empleo, la variable
explicativa es el nivel del PIB y se reporta un coeficiente de determinación de 0,9.
Claramente el modelo II es superior al modelo I, porque explica 90% de la variable
dependiente en lugar de solo 70%. Comente la anterior afirmación.
Respuesta:

3) La Tabla 1, es una estimación del siguiente modelo de regresión lineal para la inflación:

Inf t =β 1+ β2 TD t +ut

Donde la variable explicativa es la tasa de desempleo (TD). Esta es una versión de la


conocida curva de Phillips, que supone una relación inversa entre las variables.

Tabla 1

1
Modelo 1: MCO, usando las observaciones 2010:03-2020:03 (T = 121)
Variable dependiente: inf

Coeficiente Desv. Típica Estadístico t valor p


Const 0,307964 0,254062 1,212 0,2279
TD −0,00676091 0,0364404 −0,1855 0,8531

Media de la vble. dep. 0,261051 D.T. de la vble. dep. 0,271368


Suma de cuad. residuos 8,834321 D.T. de la regresión 0,272466
R-cuadrado 0,000289 R-cuadrado corregido -0,008112
F(1, 119) 0,034423 Valor p (de F) 0,853127
Log-verosimilitud −13,35421 Criterio de Akaike 30,70843
Criterio de Schwarz 36,30001 Crit. de Hannan-Quinn 32,97938
Rho 0,128693 Durbin-Watson 1,739356

Analice el nivel de significación de la variable explicativa. Adicionalmente, comente la


bondad del ajuste.

Respuesta:

Test global o prueba F:


Al observar el valor p del estadistico F (0,853127), vemos que es cercano a uno, por lo no
debemos rechazar la hipotesis nula.

Bondad de ajuste:
En el caso de la regresión multiple, es mas adecuado revisar el R cuadrado corregido, y de
acuerdo a este, el modelo explica un -0,8112% de la variacion de la variable dependiente ya
que al ser negativo, significa que el coeficiente de determinación es muy pequeño.

4) Con los datos de la Tabla 1, construya un intervalo de confianza para contrastar la


hipótesis de que β 2=0 . Suponga un t 0,05=2. Interprete el resultado.
Respuesta:
^β 2 ± t α / 2∗ee ( ^β 2)

0 ± 2∗0,0 364404
−0 , 0728808 ≤ β 2 ≤0 , 0728808
De cada 100 intervalos de confianza 95 de ellos contendran el verdadero valor del parametro
asociado a TD.
Como el intervalo contiene al 0 no se rechaza la hipotesis nula de que la tasa de desempleo
explica la inflación con un 95% de confianza.
5) Con los datos de la Tabla 1 complete la siguiente tabla ANOVA para la regresión.

Fuente de variación SC gl SCP F

Suma de cuadrados explicados 0,002555494 1 0,002555494 0,034423

2
(SCE) 4 4

Suma de cuadrados residuales 8,834321 119 0,074237991


(SCR) 6

Suma de cuadrados totales 8,836876613 120


(SCT)

Calculos:

x
=0,03442 3
0,0742379916
x=0,0025554944
6) La Tabla 2, presenta la estimación del siguiente modelo de regresión lineal de una
función de producción Cobb-Douglas para la economía chilena:

PIBt =β 1+ β2 k t + β3 l t +ut

Donde la variable dependiente y las variables explicativas están en logaritmos. La


variable dependiente es el PIB, y las variables explicativas son el capital (k), y el trabajo
(l).

Tabla 2

Modelo 1: MCO, usando las observaciones 1960-2019 (T = 60)


Variable dependiente: PIB

Coeficiente Desv. Típica Estadístico t valor p


Const −3,50666 0,237336 −14,78 <0,0001 ***
K 0,598912 0,0569397 10,52 <0,0001 ***
L 0,549249 0,0581840 9,440 <0,0001 ***

Media de la vble. dep. 17,69609 D.T. de la vble. dep. 0,725246


Suma de cuad. residuos 0,219355 D.T. de la regresión 0,062035
R-cuadrado 0,992932 R-cuadrado corregido 0,992684
F(2, 57) 4003,501 Valor p (de F) 5,08e-62
Log-verosimilitud 83,20598 Criterio de Akaike −160,4120
Criterio de Schwarz −154,1289 Crit. de Hannan-Quinn −157,9543
Rho 0,859862 Durbin-Watson 0,296230

La Tabla 3, presenta la estimación de la función de producción Cobb-Douglas


imponiendo la restricción de que existen rendimientos constantes a escala, esto es que
β 2+ β3 =1.

3
Tabla 3

Modelo 2: MCO, usando las observaciones 1960-2019 (T = 60)


Variable dependiente: lpib_l

Coeficiente Desv. Típica Estadístico t valor p


const −0,786262 0,0280212 −28,06 <0,0001 ***
lk_l 0,588617 0,102758 5,728 <0,0001 ***

Media de la vble. dep. −0,648757 D.T. de la vble. dep. 0,138911


Suma de cuad. residuos 0,727130 D.T. de la regresión 0,111967
R-cuadrado 0,361317 R-cuadrado corregido 0,350305
F(1, 58) 32,81183 Valor p (de F) 3,81e-07
Log-verosimilitud 47,25354 Criterio de Akaike −90,50708
Criterio de Schwarz −86,31839 Crit. de Hannan-Quinn −88,86866
rho 0,951063 Durbin-Watson 0,086964

Donde lpib_l y lk_l son la relación PIB a trabajo y capital a trabajo, respectivamente.
Haga un test F para contrastar la hipótesis de que la restricción es correcta.
Respuesta:
Como la variable dependiente es diferente se debe usar la expresión de sumas residuales

0,727130−0,219355
F= ×57=131, 946730 2
0,219355
Como 131,9467302 es altamente significativo, se rechaza la hipótesis de que la restricción es
correcta.

También podría gustarte