Homework #3 - Metrics II (Adrian Tejeda)

TAREA #3 - ECONOMETRÍA II
NOMBRE: Cristian Junior Franck Mariscal - 60937

TRABAJE CON:
● Sebastián Alejandro Quisbert Torrez - 62936
● Adrian Tejeda Niño de Guzmán - 61291
1. Pruebas OLS, Pruebas de raíces unitarias, Pruebas de paseo aleatorio

Para este problema necesitará usar los datos que están contenidos en h3.wf1
Estime el siguiente modelo
y luego (entre otras cosas)

A. Pruebe la hipótesis nula de que ϕ = 1 usando el t-stat estándar de OLS. ¿Cuál es el valor
del t-stat? ¿Qué concluye sobre ϕ = 1 el uso de esta prueba?
Usamos Test de Wald usando c(3)=1

La prueba t para el modelo es muy bajo ya que el valor es -1.030112 < Crítico es 1.96 al 5% de
confianza como para poder rechazar la hipótesis nula ϕ = 1 como también se puede observar que la
probabilidad es muy alta con un 30.39% con un alpha del 5%. Es decir que el modelo RGDP tiene raíz
unitaria.
Supongamos que es realmente el caso que ϕ = 1. ¿Qué tiene de malo este enfoque propuesto?
R.- En caso de tener ϕ = 1 automáticamente suponemos que tiene raíz unitaria, ya que se aleja del
círculo unitario cuando tenemos ϕ = 1 o ϕ > 1. También se puede suponer que tenemos Random
Walk, ya que esto igual es malo para el modelo ya que no será predecible, vamos a tener un gráfico
infinito. Por lo tanto, no existen medias, varianza y autocorrelación, entonces no hay Covarianza
estacionaria.
B. Ahora use EVIEWS para realizar una prueba de raíz unitaria. Especifique la prueba para
que el modelo contenga una intersección, una tendencia y el número de retrasos
utilizados en la prueba sea 0 (utilice aquí la opción especificada por el usuario).
En este caso igualmente tenemos Raíces unitarias ya que la probabilidad de 77.03 junto al 1%, 5% y
10 es muy baja.
C. ¿Cómo se relaciona el resultado de esta prueba con la prueba que realizó en a?
R.- Ambos modelos RGDP optan por raíz unitaria ya que ϕ puede ser igual o mayor, como el inciso a.
D. ¿Qué dice esta prueba sobre la presencia de una raíz unitaria en el PIB real?
R.- Al tener una raíz unitaria no podemos rechazar la hipótesis nula. Como ya vimos antes RGDP
tiene raíz unitaria y no podemos iniciar con la regresión OLS, para poder arreglarlo es hacer una
diferencia, entonces vamos aplicar la primera diferencia para ver si podemos arreglar la raíz unitaria.
Una vez hecha la diferencia podemos ver que ya no tenemos raíz unitaria, ya que hicimos la primera
diferencia por lo tanto vemos que el DW ahora sí está muy cerca de 2 entonces podemos decir que
no existe correlación sería, posiblemente no tengamos TREND.
2. ¿Más regresiones espurias?
Usando los datos sobre el pib real ( rgdp ) y el consumo (cons) en el archivo de trabajo EVIEWS
provisto, considere estimar la siguiente “función de consumo.
1) Estime la ecuación anterior en EVIEWS usando OLS. ¿Muestra los signos reveladores de
una posible “regresión espuria”? ¿Por qué o por qué no?
Vamos analizar si tenemos una regresión espuria:
En caso que las dos variables CONS y RGDP den señales de Trend, podemos decir que posiblemente
estemos ante una regresión espuria. Pero en nuestro modelo de ecuación vemos que tiene un R2 al
99.9%, esto quiere decir que es un R2 casi perfecto, pero el R2 no es una buena forma de confirmar
un modelo, no es muy eficiente, eso lo vemos en el DW ya que es muy baja casi cerca a 0 indica
correlación positiva osea existe correlación serial y presencia una regresión espuria.
2) Ahora emplee los dos enfoques que se discutieron en clase para tratar las regresiones
espurias en clase. ¿Concluye que la regresión es falsa a la luz de los resultados de estos dos
enfoques adicionales?
R.- En este caso los datos no es posible guardar cuando hacemos la primera diferencia. Pero
podemos concluir que el R^2 está muy explicado ya que va por 99.9% casi perfecto por otro lado
tenemos el t - estadístico es muy grande para RGDP con un valor de 379.98.
Podemos decir que los datos OLS están subestimados debido a una posible TREND para las dos
variables. Lo recomendable para arreglar ese TREND o posible TREND es hacer la 1ra diferencia.
3. ¿Qué concluye acerca de la naturaleza de las regresiones espurias como resultado de este
ejemplo? Es importante destacar que ¿concluye que TODAS las regresiones que son
potencialmente falsas son un problema?
R.- Básicamente la regresión espuria es muy mala; es un problema para nuestro modelo de series
temporales, ya que como consecuencia muestra resultados mal estimados. De modo que se pueden
presentar con correlaciones seriales junto a los errores. Esto es visible cuando hacemos un test de
DW o viendo con la regresión los R2.
4. Suponga que está interesado en modelar tres variables diferentes x, y & z. Supongamos además
que cada variable puede representarse como un AR(1) con una media distinta de cero pero que los
residuos/choques están potencialmente correlacionados transversalmente.
A) Escriba el sistema como un VAR. ¿Qué forma toma la matriz de coeficientes?
Opción 1:
Opción 2:
B) ¿En qué se diferenciarían los pronósticos de este sistema de los pronósticos de
cada AR(1) de forma independiente?
5) En clase discutimos la estimación del VAR estándar…
Además de lo anterior podemos considerar agregar una variable exógena, x, al VAR de la siguiente
manera:
Donde el término es una notación abreviada para el vector donde es cualquier otra variable
exógena que se incluirá en el sistema.
Este VAR se puede estimar exactamente de la misma manera que el VAR más estándar que se
discutió en la conferencia.
Considere el VAR para la estructura temporal de las tasas de interés que discutimos en clase
A) Usando los datos en hw3_a.wf1, estime un VAR (1) para la estructura temporal de
las tasas de interés pero incluya una tendencia en el VAR. Al hacer esto, cuando
especifique el VAR, asegúrese de incluir la frase @trend en el cuadro de diálogo
"variables exógenas" junto a "c".
¿Parece sensata la inclusión de la tendencia como variable exógena? ¿Por qué o por qué no?
Teniendo en cuenta la definición de variable exógena, en econometría, como aquellas variables

sobre las cuales no se tiene control en lo absoluto y no pueden ser modificadas a lo largo del tiempo
en la regresión; podemos concluir que la inclusión del Trend si está justificada, ya que no tenemos
ningún poder para cambiar la pendiente de la misma y tampoco podemos saber con exactitud de
qué manera irá creciendo a través del tiempo.
B) Verifique que el VAR se estime a través de OLS línea por línea, es decir, estime cada
ecuación del VAR por OLS y confirme que las estimaciones de los parámetros y los
errores estándar son idénticos a los que aparecen en la salida del VAR.
Una vez realizada la estimación de cada variable por OLS podemos observar y concluir que el modelo
estimado por VAR(1) corresponde con los mismos valores de: coeficiente, error estándar y t-stat. Por
lo tanto, el modelo VAR(1) fue realizado propiamente.
C) Seleccionar el orden de retardo óptimo del VAR utilizando el AIC y el BIC ¿Qué
orden del VAR se elige en cada caso?
Para este ejemplo una vez hecho el cuadro podemos ver para AIC y BIC:
AIC selecciona VAR (4)
BIC selecciona VAR (2)

Homework #3 - Metrics II (Adrian Tejeda)

Cargado por

Copyright:

Formatos disponibles

Homework #3 - Metrics II (Adrian Tejeda)

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Homework #3 - Metrics II (Adrian Tejeda)

Cargado por

Copyright:

Formatos disponibles

TAREA #3 - ECONOMETRÍA II

NOMBRE: Cristian Junior Franck Mariscal - 60937

1. Pruebas OLS, Pruebas de raíces unitarias, Pruebas de paseo aleatorio

y luego (entre otras cosas)

Usamos Test de Wald usando c(3)=1

Vamos analizar si tenemos una regresión espuria:

A) Escriba el sistema como un VAR. ¿Qué forma toma la matriz de coeficientes?

5) En clase discutimos la estimación del VAR estándar…

Teniendo en cuenta la definición de variable exógena, en econometría, como aquellas variables

AIC selecciona VAR (4)

BIC selecciona VAR (2)

También podría gustarte