Professional Documents
Culture Documents
Econometra
Curso 2011-2012. Primera parte
Problemas y cuestiones
Profesores:
Jess Cavero lvarez
Helena Corrales Herrero
Yolanda Gonzlez Gonzlez
Carmen Lorenzo Lago
Mercedes Prieto Alaiz
Pilar Zarzosa Espina
Econometra Curso 2011-12
PRCTICA 1: Dados los siguientes datos correspondientes a las variables Y (beneficio empresarial en
millones de euros) y X (gasto en publicidad, en miles de euros):
X 1 2 3 4 5
Y 2 2 5 6 8
Se pide:
a) Trazar un diagrama de dispersin para los datos de la tabla y determinar a la vista del mismo si
existe una relacin lineal aproximada.
b) Expresar la relacin que intente explicar el beneficio empresarial en funcin del gasto en publicidad
mediante una forma lineal exacta y forma estocstica.
c) Enumerar las hiptesis del modelo de regresin lineal clsico de dos variables y dar una explicacin
intuitiva de su significado.
d) Comentar:
la diferencia entre parmetros y estimadores.
la diferencia entre perturbacin y residuo.
e) Obtener los estimadores por MCO de los parmetros en notacin matricial y escalar, as como los
estimadores de sus varianzas. Analizar su precisin e interpretar su significado.
f) Analizar la bondad del ajuste. Calcular la suma de los residuos y ver si la suma de las observaciones
de la variable endgena es igual a la suma de las observaciones de la variable endgena estimada.
1
Econometra Curso 2011-12
Yt = 0 + 1 X 1t + 2 X 2t + t
Yt X1t X2t
40 100 10
45 200 25
50 300 30
65 400 35
70 500 50
donde:
Yt= consumo per cpita en el ao t.
X1t= renta disponible per cpita en el ao t.
X2t= precios en el ao t.
a) Realiza la estimacin del modelo por MCO. Calcula la matriz de varianzas y covarianzas de los
estimadores, el coeficiente de determinacin, los valores de la variable endgena ajustada y los
residuos.
b) Comprueba qu sucede con los estimadores si al realizar el apartado anterior se supone que el
modelo no tiene trmino independiente.
Descriptivos
Y X1 X2
Mean 54.00000 300.0000 30.00000
Median 50.00000 300.0000 30.00000
Maximum 70.00000 500.0000 50.00000
Minimum 40.00000 100.0000 10.00000
Std. Dev. 12.94218 158.1139 14.57738
Skewness 0.243688 1.41E-16 0.000000
Kurtosis 1.396859 1.700000 2.223183
Observations 5 5 5
2
Econometra Curso 2011-12
Matriz de covarianzas
Y X1 X2
Y 134.0000 1600.000 140.0000
X1 1600.000 20000.00 1800.000
X2 140.0000 1800.000 170.0000
Matriz de correlaciones
Y X1 X2
Y 1.000000 0.977356 0.927580
X1 0.977356 1.000000 0.976187
X2 0.927580 0.976187 1.000000
Dependent Variable: Y
Method: Least Squares
Date: 10/09/09 Time: 12:34
Sample: 1 5
Included observations: 5
Dependent Variable: Y
Method: Least Squares
Date: 10/09/09 Time: 12:37
Sample: 1 5
Included observations: 5
3
Econometra Curso 2011-12
Yt = 0 + 1 X 1t + 2 X 2 t + t
Yt X1t X2t
3 1 8
2 2 14
4 2 10
5 3 9
5 4 7
7 5 6
6 5 8
8 9 4
8 9 3
12 15 1
1) Realiza la estimacin del modelo por MCO. Calcula la matriz de varianzas y covarianzas de los
estimadores, los coeficientes de variacin, el coeficiente de determinacin, los valores de la
variable endgena ajustada y los residuos.
2) Comprueba qu sucede con los estimadores si al realizar el apartado anterior se supone que el
modelo no tiene trmino independiente.
4
Econometra Curso 2011-12
PRCTICA 4: La compaa petrolfera Campsol desea elaborar un modelo de regresin lineal para
explicar las ventas totales de gasolina en una gasolinera (G) en funcin de la renta total de su rea (Y),
un ndice de precios de gasolina (P), el nmero total de vehculos matriculados en su rea (M) y un
ndice de cubitaje de los automviles de su rea (CU). Para ello dispone de los datos trimestrales
observados durante el perodo 1980-1985 que se presentan en la tabla siguiente:
obs G Y M CU P
1980:1 61.26 738.4 68.56 1.93 2.73
1980:2 73.41 737.7 68.86 1.87 1.76
1980:3 75.09 732.1 68.96 1.77 1.76
1980:4 70.75 737.7 68.88 1.82 2.02
1981:1 70.39 750.1 69.22 1.69 2.06
1981:2 73.82 759.6 69.54 1.84 1.9
1981:3 74.45 779 69.65 1.7 2.02
1981:4 67.46 789.2 70.23 1.73 2.41
1982:1 67.76 798.4 70.48 1.73 2.55
1982:2 65.47 805.5 70.62 1.7 2.73
1982:3 66.8 808 71.08 1.61 2.56
1982:4 65.12 815 71.41 1.49 2.88
1983:1 67.09 826.7 71.46 1.29 2.81
1983:2 64.03 839.7 71.66 1.17 3.05
1983:3 63.14 848.6 72.17 1 3.26
1983:4 63.15 864.2 72.36 0.92 3.49
1984:1 64.81 873.7 72.57 0.81 3.35
1984:2 64.68 880.9 72.97 0.77 3.35
1984:3 64.58 886.7 73.16 0.67 3.53
1984:4 64.18 906.7 73.77 0.62 3.67
1985:1 64.12 919.7 74.13 0.56 3.82
1985:2 64.37 934 74.56 0.51 3.79
1985:3 65.38 956.7 74.96 0.46 3.91
1985:4 62.74 975.4 75.71 0.44 4.42
Datos obtenidos de Prez Amaral T. y otros (1993) Ejercicios de Econometra Empresarial. McGraw-Hill
a) Estima el modelo por MCO, analiza los coeficientes y la bondad del ajuste.
b) Con objeto de determinar qu variables son las que tienen un mayor peso sobre las ventas de
gasolina, estima el modelo tipificando previamente todas las variables.
5
Econometra Curso 2011-12
Apartado a)
Dependent Variable: G
Method: Least Squares
Sample: 1980:1 1985:4
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
Y 0.079148 0.047316 1.672759 0.1108
M -0.301098 1.561042 -0.192883 0.8491
CU -3.109792 1.873974 -1.659464 0.1134
P -12.97219 1.201430 -10.79729 0.0000
C 64.18289 77.28260 0.830496 0.4166
R-squared 0.921694 Mean dependent var 66.83542
Adjusted R-squared 0.905209 S.D. dependent var 4.019677
S.E. of regression 1.237584 Akaike info criterion 3.447251
Sum squared resid 29.10066 Schwarz criterion 3.692679
Log likelihood -36.36701 F-statistic 55.90978
Durbin-Watson stat 1.365253 Prob(F-statistic) 0.000000
80
75
70
65
3 60
2 55
1
0
-1
-2
1980 1981 1982 1983 1984 1985
Apartado b)
Para generar las variables tipificadas se resta su media y se divide por su desviacin tpica.
Por ejemplo, para tipificar G: Genr gtip=(g-@mean(g))/@sqr(@var(g))
6
Econometra Curso 2011-12
PRCTICA 5: Se dispone de datos sobre las variables gasto sanitario (GSAN) y gasto farmacutico
(GFAR), ambas medidas en miles de euros, as como del nmero de estancias ocurridas en centros
hospitalarios (ESTANCIAS) y de la poblacin mayor de 64 aos (MAYOR64) de la Comunidad
Autnoma de Madrid, estas dos ltimas medidas en miles de unidades, para los aos 1986 a 1995.
1) Realiza la estimacin de MCO que intenta explicar el gasto sanitario en funcin del gasto
farmacutico, el nmero de estancias en centros hospitalarias y la poblacin mayor de 64 aos.
Analiza sus resultados.
2) Realiza los siguientes contrastes:
a) Contrasta la significacin individual de todos los regresores.
b) Contrasta la significacin de la regresin.
c) Contrasta la significacin conjunta de los gastos farmacuticos y mayores de 64 aos.
d) Contrasta si es posible que el efecto del gasto farmacutico sobre el gasto sanitario sea
igual a 0.5 y el efecto de la poblacin mayor de 64 igual a 4.
e) Se puede aceptar que si el gasto en farmacia aumentara en 1000 , el gasto sanitario
se incrementara el doble?
f) Se puede aceptar que el efecto que tiene sobre el gasto sanitario el nmero de
estancias en centros sanitarios es el mismo, que el que tiene la poblacin mayor de 64
aos?
g) Se puede aceptar que si el gasto en farmacia aumenta en 2000 el gasto sanitario
aumentara en 3000 y a la vez el nmero de estancias no es significativo?
h) Se puede aceptar que si aumenta en 2 mil unidades las estancias y disminuye en 10
personas la poblacin mayor de 64 aos, el gasto sanitario disminuira en 100 y
conjuntamente, el gasto farmacutico sera no significativo?
7
Econometra Curso 2011-12
1600
1400
1200
1000
800
40
600
20
0
-20
-40
-60
86 87 88 89 90 91 92 93 94 95
Apartado 2.c)
Modelo restringido:
Dependent Variable: GSAN
Method: Least Squares
Date: 09/30/09 Time: 11:01
Sample: 1986 1995
Included observations: 10
Variable Coefficient Std. Error t-Statistic Prob.
ESTANCIAS 0.023166 0.351672 0.065875 0.9491
C 901.2963 1728.089 0.521557 0.6161
R-squared 0.000542 Mean dependent var 1014.976
Adjusted R-squared -0.124390 S.D. dependent var 271.5241
S.E. of regression 287.9168 Akaike info criterion 14.34008
Sum squared resid 663168.5 Schwarz criterion 14.40059
Log likelihood -69.70038 F-statistic 0.004340
Durbin-Watson stat 0.163647 Prob(F-statistic) 0.949094
Wald Test:
Equation: EQ01
8
Econometra Curso 2011-12
Wald Test:
Equation: EQ01
Apartado 2.e)
Wald Test:
Equation: EQ01
Apartado 2.f)
Wald Test:
Equation: EQ01
9
Econometra Curso 2011-12
Apartado 2.g)
Wald Test:
Equation: EQ01
Apartado 2.h)
Wald Test:
Equation: EQ01
10
Econometra Curso 2011-12
PRCTICA 6: Se desea conocer el grado de relacin existente entre los gastos de alimentacin
mensual de las familias y sus ingresos mensuales y tamao. Para ello se selecciona una muestra al azar
de 15 familias obtenindose los datos recogidos en la siguiente tabla y donde las variables GASTOS e
INGRESOS vienen medidas en euros y TAM en nmero de miembros de la familia:
11
Econometra Curso 2011-12
Apartado a)
1000
800
600
400
120 200
80 0
40
-40
-80
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Apartado c)
Wald Test:
Equation: EQ01
12
Econometra Curso 2011-12
Apartado d)
Wald Test:
Equation: EQ01
donde GASTOST=GASTOS-0,13333*INGRESOS
La regresin anterior se puede hacer sin generar previamente la variable GASTOST:
13
Econometra Curso 2011-12
Apartado e)
Wald Test:
Equation: EQ01
Apartado f)
Wald Test:
Equation: EQ01
14
Econometra Curso 2011-12
PRCTICA 7: Una empresa desea predecir el coste unitario de fabricacin de uno de sus productos
(Y) como una funcin de la tasa de produccin (X1) y de los costes de material y mano de obra (X2).
La tasa de produccin se midi como un porcentaje de la capacidad total de produccin, y se utiliz un
ndice apropiado para reflejar los costes de material y de mano de obra.
Los datos, de las variables mencionadas, que se adjuntan a continuacin se recogieron durante un
periodo continuado de 22 meses comprendido entre enero de 2000 y octubre de 2001.
Periodo Y X1 X2
01:00 13.59 87 80
02:00 15.71 78 95
03:00 15.97 81 106
04:00 20.21 65 115
05:00 24.64 51 128
06:00 21.25 62 128
07:00 18.94 70 115
08:00 14.85 91 92
09:00 15.18 94 93
10:00 16.3 100 111
11:00 15.93 102 116
12:00 16.45 82 117
01:01 19.02 74 127
02:01 18.16 85 133
03:01 18.57 86 135
04:01 17.01 90 136
05:01 18.03 93 140
06:01 19.22 81 142
07:01 21.12 72 148
08:01 23.32 60 150
09:01 22.56 69 147
10:01 23.9 71 149
Datos extrados y adaptados de Hernndez, J. Ejercicios de Econometra. Ed. ESIC.
El modelo que propone es el que recoge una relacin lineal entre las variables disponibles segn la
siguiente especificacin:
Yt = 0 + 1 X1t + 2 X2t + t
Periodo X1 X2
11:01 73 151
12:01 72 150
15
Econometra Curso 2011-12
Apartado a)
Dependent Variable: Y
Method: Least Squares
Date: 10/08/07 Time: 20:24
Sample: 2000:01 2001:10
Included observations: 22
28
24
20
16
2
12
1
-1
-2
00:01 00:04 00:07 00:10 01:01 01:04 01:07 01:10
16
Econometra Curso 2011-12
Apartado b)
Dependent Variable: Y
Method: Least Squares
Date: 10/08/09 Time: 20:24
Sample: 2000:01 2001:06
Included observations: 18
26
Forecast: YF
25 Actual: Y
Forecast sample: 2001:07 2001:10
24 Included observations: 4
19
2001:07 2001:08 2001:09 2001:10
YF
Apartado c)
Periodo YF s.e
11:01 21.8435 1.052478
12:01 21.9006 1.049516
17
Econometra Curso 2011-12
a) Realiza la estimacin por MCO del nmero de vehculos importados en funcin del nmero de
vehculos matriculados para uso privado. Analiza sus resultados.
b) Realiza la estimacin de un modelo alternativo al anterior en el que se incluya tambin como
variable explicativa la variable FABNAC. Analiza sus resultados y selecciona el mejor modelo
entre los dos estimados.
c) Evala la capacidad predictiva del modelo seleccionado para el perodo 1998:7 a 1998:12.
d) Realiza la prediccin de IMPORT para el ao 1999 suponiendo, ya que no disponemos de otros
datos sobre las variables, que el nmero de matriculaciones privadas, PRIVADO, en 1999 fuese
un 10% superior al dato del correspondiente mes del ao anterior y que la variable FABNAC ha
aumentado un 5% sobre el valor del mismo mes del ao anterior.
18
Econometra Curso 2011-12
Apartado a)
Dependent Variable: IMPORT
Method: Least Squares
Date: 10/15/09 Time: 12:11
Sample: 1996M12 1998M12
Included observations: 25
Apartado b)
19
Econometra Curso 2011-12
Apartado c)
100000
Forecast: IMPORTF2
90000 Actual: IMPORT
Forecast sample: 1998M07 1998M12
80000 Included observations: 6
30000
1998M07 1998M08 1998M09 1998M10 1998M11 1998M12
IMPORTF2
Apartado d)
Prediccin IMPORT
Periodo Prediccin
1999M01 55960.45
1999M02 64568.41
1999M03 74584.44
1999M04 70089.73
1999M05 69990.77
1999M06 82201.56
1999M07 99437.77
1999M08 50556.92
1999M09 55498.35
1999M10 77278.08
1999M11 76746.73
20
Econometra Curso 2011-12
PRCTICA 9: Se quieren estudiar los factores ms relevantes del absentismo laboral que sufre una
empresa. Se dispone de informacin (datos9.wf1) acerca de los das que en el ltimo ao han faltado al
trabajo cada uno de los empleados (ABSEN), aos de antigedad en la empresa (ANTIGUE), salario
mensual en euros (SALARIO) y gnero (S=1 si el empleado es hombre y S=0 si es mujer).
1) Estima un modelo para explicar el absentismo laboral de dicha empresa en funcin de todas las
variables explicativas mencionadas, incluyendo el posible efecto diferencial de las variables
cuantitativas debido al gnero. Analiza los resultados.Hay diferencias en el nmero de das de
absentismo laboral entre hombres y mujeres independientemente de otros factores? Si es as,
cuantifica esa diferencia.
2) Especifica un modelo donde la diferencia de gnero no afecte al trmino constante. Hay un
comportamiento diferente de los aos de antigedad sobre los das de absentismo entre hombres
y mujeres? y del salario?
3) Especifica un modelo en el que los das de absentismo vengan influidos nicamente por los
aos de antigedad y el salario, incluyendo un posible efecto diferencial de los aos de
antigedad sobre el absentismo debido al distinto gnero de los empleados.
4) Especifica un modelo que permita obtener estimaciones de los das de absentismo en funcin de
los aos de antigedad y del salario para la muestra de hombres y para la de mujeres de forma
separada. Compara los valores estimados resultantes en cada una de las submuestras con los
obtenidos en el modelo del apartado 1.
Modelo apartado 1
Dependent Variable: ABSEN
Method: Least Squares
Sample: 1 48
Included observations: 48
Variable Coefficient Std. Error t-Statistic Prob.
S -0.100214 2.196012 -0.045634 0.9638
ANTIGUE -0.316467 0.062047 -5.100443 0.0000
SALARIO -8.963456 2.139478 -4.189552 0.0001
ANTIGUE*S 0.147781 0.071660 2.062259 0.0454
SALARIO*S 1.364712 2.584085 0.528122 0.6002
C 14.46590 1.704241 8.488174 0.0000
R-squared 0.770986 Mean dependent var 4.500000
Adjusted R-squared 0.743723 S.D. dependent var 3.786875
S.E. of regression 1.917061 Akaike info criterion 4.255932
Sum squared resid 154.3551 Schwarz criterion 4.489832
Log likelihood -96.14236 F-statistic 28.27906
Durbin-Watson stat 2.106321 Prob(F-statistic) 0.000000
Modelo apartado 2
Dependent Variable: ABSEN
Method: Least Squares
Sample: 1 48
Included observations: 48
Variable Coefficient Std. Error t-Statistic Prob.
ANTIGUE -0.315906 0.060108 -5.255672 0.0000
SALARIO -8.894210 1.490656 -5.966643 0.0000
ANTIGUE*S 0.147356 0.070224 2.098366 0.0418
SALARIO*S 1.257626 1.069460 1.175945 0.2461
C 14.40554 1.062246 13.56139 0.0000
R-squared 0.770975 Mean dependent var 4.500000
Adjusted R-squared 0.749670 S.D. dependent var 3.786875
S.E. of regression 1.894685 Akaike info criterion 4.214315
Sum squared resid 154.3628 Schwarz criterion 4.409232
Log likelihood -96.14355 F-statistic 36.18813
Durbin-Watson stat 2.108022 Prob(F-statistic) 0.000000
22
Econometra Curso 2011-12
Modelo apartado 3
Dependent Variable: ABSEN
Method: Least Squares
Sample: 1 48
Included observations: 48
Modelo apartado 4
Dependent Variable: ABSEN
Method: Least Squares
Sample: 1 48 IF S=1
Included observations: 27
Variable Coefficient Std. Error t-Statistic Prob.
ANTIGUE -0.168687 0.038929 -4.333229 0.0002
SALARIO -7.598743 1.573608 -4.828868 0.0001
C 14.36568 1.503839 9.552675 0.0000
R-squared 0.765454 Mean dependent var 4.148148
Adjusted R-squared 0.745909 S.D. dependent var 4.129665
S.E. of regression 2.081658 Akaike info criterion 4.408646
Sum squared resid 103.9992 Schwarz criterion 4.552628
Log likelihood -56.51672 F-statistic 39.16277
Durbin-Watson stat 0.635058 Prob(F-statistic) 0.000000
23
Econometra Curso 2011-12
PRCTICA 10: Se quiere estudiar el gasto medio diario de los turistas en sus vacaciones en la isla de
Gran Canaria. Para ello se dispone de 600 datos en el fichero datos10.wf1 procedentes de una encuesta
sobre las variables: gasto medio diario (G), ingresos anuales (I), gnero del turista (S=1 si es hombre y
S=0 si es mujer) y procedencia geogrfica (PG) que toma el valor 1 si el turista procede de la Pennsula,
el valor 2 si el turista procede del resto de la Unin Europea y el valor 3 si procede del resto del
mundo). Las variables monetarias estn medidas en euros.
1. Estima un modelo donde el gasto medio diario del turista est en funcin de sus ingresos
anuales. Analiza los resultados.
2. Construye las variables ficticias d2 y d3 (d2=1 si el turista procede de la Pennsula y d2=0 en
caso contrario, d3=1 si el turista procede del resto de la Unin Europea y d3=0 en caso
contrario Reespecifica el modelo del apartado 1 de forma que pueda analizarse el efecto de las
variables gnero y procedencia geogrfica sobre el gasto medio diario autnomo. Existen
diferencias entre el gasto medio diario autnomo de un hombre respecto al de una mujer? Y
entre el gasto medio diario autnomo de un turista peninsular, de uno del resto de la Unin
Europea y de otro del resto del mundo? Cuantifica estas diferencias, si las hay.
3. Se desea analizar si el efecto de la procedencia del turista sobre el gasto medio diario autnomo
es diferente dependiendo de si el turista es un hombre o una mujer. Reespecifica el modelo del
apartado 2 adecuadamente para poder cuantificar dicho efecto, si es que existe.
4. Partiendo del modelo del apartado 2, introduce las variables ficticias relativas a la procedencia
geogrfica de forma que pueda estudiarse si el efecto del ingreso sobre el gasto medio diario es
distinto segn la procedencia del turista Puede aceptarse que el comportamiento del ingreso
anual del turista sobre el gasto medio diario es el mismo para los tres tipos de procedencia o
para alguno de ellos? Cuantifica esas diferencias, si es que existen.
Datos obtenidos de la web del departamento de Mtodos Cuantitativos en Economa y Gestin de la Universidad
de Gran Canaria.
24
Econometra Curso 2011-12
Modelo apartado 1
Dependent Variable: G
Method: Least Squares
Simple: 1 600
Included observations: 600
Variable Coefficient Std. Error t-Statistic Prob.
I 0.001388 3.85E-05 36.04074 0.0000
C 18.93297 1.798354 10.52795 0.0000
R-squared 0.684755 Mean dependent var 82.12315
Adjusted R-squared 0.684227 S.D. dependent var 17.43712
S.E. of regresin 9.798555 Akaike info criterion 7.405675
Sum squared resid 57414.98 Schwarz criterion 7.420331
Log likelihood -2219.702 F-statistic 1298.935
Durban-Watson stat 2.002064 Prob(F-statistic) 0.000000
Modelo apartado 2
Genr D2 if PG=1
Genr D3 if PG=2
Dependent Variable: G
Method: Least Squares
Simple: 1 600
Included observations: 600
Variable Coefficient Std. Error t-Statistic Prob.
I 0.001413 3.07E-05 45.96165 0.0000
D2 21.73265 1.183688 18.36012 0.0000
D3 9.304507 0.813263 11.44096 0.0000
S 1.796574 0.641580 2.800234 0.0053
C 8.120703 1.615997 5.025197 0.0000
R-squared 0.800661 Mean dependent var 82.12315
Adjusted R-squared 0.799321 S.D. dependent var 17.43712
S.E. of regresin 7.811349 Akaike info criterion 6.957331
Sum squared resid 36305.22 Schwarz criterion 6.993972
Log likelihood -2082.199 F-statistic 597.4658
Durbin-Watson stat 2.006761 Prob(F-statistic) 0.000000
Wald Test:
Equation: EQ02
25
Econometra Curso 2011-12
Modelo apartado 3
Dependent Variable: G
Method: Least Squares
Sample: 1 600
Included observations: 600
Variable Coefficient Std. Error t-Statistic Prob.
I 0.001413 3.07E-05 45.95699 0.0000
D2 22.34301 1.563720 14.28836 0.0000
D3 10.28009 1.106628 9.289567 0.0000
S 3.400969 1.436577 2.367412 0.0182
D2*S -1.280174 2.394351 -0.534664 0.5931
D3*S -2.122467 1.631603 -1.300847 0.1938
C 7.368429 1.723889 4.274305 0.0000
R-squared 0.801239 Mean dependent var 82.12315
Adjusted R-squared 0.799228 S.D. dependent var 17.43712
S.E. of regression 7.813158 Akaike info criterion 6.961094
Sum squared resid 36199.95 Schwarz criterion 7.012391
Log likelihood -2081.328 F-statistic 398.4135
Durbin-Watson stat 2.009599 Prob(F-statistic) 0.000000
Modelo apartado 4
Dependent Variable: G
Method: Least Squares
Sample: 1 600
Included observations: 600
Variable Coefficient Std. Error t-Statistic Prob.
I 0.001149 7.26E-05 15.82641 0.0000
D2 8.413863 5.307365 1.585318 0.1134
D3 -5.675737 3.821170 -1.485340 0.1380
S 1.786587 0.634096 2.817534 0.0050
I*D2 0.000289 0.000115 2.523893 0.0119
I*D3 0.000325 8.11E-05 4.009400 0.0001
C 20.32322 3.441092 5.906038 0.0000
R-squared 0.805951 Mean dependent var 82.12315
Adjusted R-squared 0.803988 S.D. dependent var 17.43712
S.E. of regression 7.719984 Akaike info criterion 6.937100
Sum squared resid 35341.71 Schwarz criterion 6.988397
Log likelihood -2074.130 F-statistic 410.4887
Durbin-Watson stat 2.019676 Prob(F-statistic) 0.000000
Wald Test:
Equation: EQ04
Wald Test:
Equation: EQ04
26
Econometra Curso 2011-12
PRCTICA 11: El fichero datos11.wf1 contiene datos sobre los ahorros personales (ahorro) y el
ingreso personal disponible (ingreso), en miles de millones de dlares, para USA durante el periodo
1970 a 1995. Se especifica un modelo en el que los ahorros son funcin de los ingresos de la siguiente
manera:
AHORROt = 0 + 1 INGRESOt + t
27
Econometra Curso 2011-12
ESTIMACIN RECURSIVA
Coeficientes recursivos
0.12 100
80
0.10
60
0.08
40
20
0.06
0
0.04
-20
0.02 -40
76 78 80 82 84 86 88 90 92 94 76 78 80 82 84 86 88 90 92 94
Residuos recursivos
80
60
40
20
-20
-40
-60
-80
72 74 76 78 80 82 84 86 88 90 92 94
29
Econometra Curso 2011-12
Test Equation:
Dependent Variable: AHORRO
Method: Least Squares
Date: 11/29/09 Time: 13:29
Sample: 1970 1995
Included observations: 26
Variable Coefficient Std. Error t-Statistic Prob.
INGRESO 0.134225 0.026078 5.147038 0.0000
C 26.65482 14.05420 1.896573 0.0705
FITTED^2 -0.007516 0.002013 -3.734331 0.0011
R-squared 0.855081 Mean dependent var 162.0885
Adjusted R-squared 0.842479 S.D. dependent var 63.20446
S.E. of regression 25.08513 Akaike info criterion 9.390595
Sum squared resid 14473.07 Schwarz criterion 9.535760
Log likelihood -119.0777 F-statistic 67.85469
Durbin-Watson stat 1.413019 Prob(F-statistic) 0.000000
Apartado d) NORMALIDAD
8
Series: Residuals
Sample 1970 1995
Observations 26
6
Mean -2.79E-14
Median -9.271248
Maximum 67.39897
4
Minimum -62.23596
Std. Dev. 30.49479
Skewness 0.515262
2 Kurtosis 2.862708
Jarque-Bera 1.170900
Probability 0.556855
0
-60 -40 -20 0 20 40 60
Variables omitidas:
0 t < 1981
D1 = D1 = @ year > 1981
1 t 1982
30
Econometra Curso 2011-12
Test Equation:
Dependent Variable: AHORRO
Method: Least Squares
Date: 11/23/09 Time: 13:30
Sample: 1970 1995
Included observations: 26
Linealidad
Ramsey RESET Test:
F-statistic 1.408998 Probability 0.248478
Log likelihood ratio 1.688443 Probability 0.193806
Normalidad
6
Series: Residuals
Sample 1970 1995
5
Observations 26
4 Mean -7.93E-15
Median -1.397796
Maximum 50.53452
3
Minimum -38.72936
Std. Dev. 21.71659
2 Skewness 0.359908
Kurtosis 2.821533
1
Jarque-Bera 0.595818
Probability 0.742369
0
-40 -30 -20 -10 0 10 20 30 40 50 60
31
Econometra Curso 2011-12
PRCTICA 12: El nuevo director de personal de una pequea empresa desea establecer una nueva
poltica salarial pero sin romper totalmente con la lnea llevada a cabo por su antecesor en el puesto.
Para estudiar la relacin de los salarios del personal de la empresa, especifica el siguiente modelo:
1) Estima el modelo propuesto por el director de personal de la empresa y analiza sus resultados.
2) Calcula y analiza la matriz de correlaciones, el coeficiente de correlacin mltiple y el Factor
de Inflacin de la Varianza.
3) El director de personal considera que la mayor parte de la informacin suministrada por la edad
del empleado puede venir recogida por los aos de antigedad en la empresa, por lo que decide
eliminar la edad del modelo.
a) Con la informacin obtenida en los apartados anteriores Crees que la consideracin del
responsable de personal es acertada?
b) Estima, como propone el director de personal, el modelo de salarios eliminando la variable
EDAD. Crees que es preferible al modelo del apartado 1)? Razona tu respuesta.
4) El director de personal intuye que la poltica de su predecesor estableca diferencias en el
salario mnimo, es decir, en la parte del salario que no depende de la experiencia laboral, por
razn del gnero. Comprueba esta intuicin partiendo del modelo que explica el salario en
funcin de la experiencia laboral y sabiendo que la variable GENERO, contenida en el fichero,
toma el valor 1 si se trata de una trabajadora.
a) Existan diferencias en el salario mnimo que reciba un hombre y una mujer? Razona tu
respuesta y en caso afirmativo cuantifica la diferencia.
b) A la vista de los resultados obtenidos hasta este momento, especifica el modelo ms
adecuado para analizar el comportamiento de los salarios de esta empresa.
32
Econometra Curso 2011-12
Apartado 1)
Apartado 2)
FIV=164,83
Apartado 4)
Dependent Variable: SALARIO
Method: Least Squares
Sample(adjusted): 1 18
Included observations: 18 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C -79.10887 38.13439 -2.074475 0.0545
ANTIG 3.662401 0.323336 11.32692 0.0000
R-squared 0.889119 Mean dependent var 336.1667
Adjusted R-squared 0.882189 S.D. dependent var 129.6857
S.E. of regression 44.51280 Akaike info criterion 10.53387
Sum squared resid 31702.22 Schwarz criterion 10.63280
Log likelihood -92.80483 F-statistic 128.2990
Durbin-Watson stat 1.889957 Prob(F-statistic) 0.000000
33
Econometra Curso 2011-12
Apartado 5)
34
Econometra Curso 2011-12
PRCTICA 13: El fichero datos13.wf1 contiene informacin para los aos 1980-2002 de las variables
Consumo per cpita de carne de pollo, en kilos (Y), Ingreso real per cpita disponible, en euros (I),
Precio real del kilo de carne de pollo (PP), Precio real de la carne de cerdo (PC) y Precio real de la
carne de ternera (PT). Dicha informacin se quiere utilizar para explicar una funcin de demanda.
1) Especifica un modelo para explicar la demanda en funcin del resto de variables de las que se tiene
informacin y estima el modelo por MCO. Analiza los resultados de la estimacin.
2) Analiza si las variables PC y PT son variables redundantes conjuntamente.
3) Estudia si puede aceptarse, en el modelo del apartado 1), que los efectos de los precios de la carne
de cerdo y de la carne de ternera sobre la demanda de carne de pollo son iguales. Selecciona el
modelo ms adecuado de los tres planteados.
4) Calcula la matriz de correlaciones de las variables del modelo en el que introduces la restriccin del
apartado anterior. Analiza los resultados.
5) Realiza las regresiones auxiliares necesarias para completar la tabla adjunta de coeficientes de
correlacin mltiple y los factores de inflacin de la varianza de cada uno de los estimadores.
Interpreta los valores.
35
Econometra Curso 2011-12
Apartado 1)
Dependent Variable: Y
Method: Least Squares
Date: 11/27/09 Time: 09:48
Sample: 1980 2002
Included observations: 23
Apartado 2)
Redundant Variables: PC PT
Test Equation:
Dependent Variable: Y
Method: Least Squares
Sample: 1980 2002
Included observations: 23
36
Econometra Curso 2011-12
Apartado 3)
Wald Test:
Equation: EQ01
Modelo restringido:
Dependent Variable: Y
Method: Least Squares
Sample: 1980 2002
Included observations: 23
Apartado 4)
I PP PC+PT
I 1.000000 0.907175 0.987080
PP 0.907175 1.000000 0.950839
PC+PT 0.987080 0.950839 1.000000
37
Econometra Curso 2011-12
Dependent Variable: I
Method: Least Squares
Sample: 1980 2002
Included observations: 23
Dependent Variable: PP
Method: Least Squares
Date: 11/27/09 Time: 10:27
Sample: 1980 2002
Included observations: 23
38
Econometra Curso 2011-12
Apartado 7)
39
Econometra Curso 2011-12
40
Econometra Curso 2011-12
Duracin: 2 horas
Nota 1: Recuerda que es necesario alcanzar el 30% de la puntuacin tanto en teora como en
prctica para sumar las puntuaciones de estas dos partes.
Nota 2: El nivel de significacin de los contrastes es del 5%.
2. (1,25 puntos) Se parte de un modelo de regresin lineal normal clsico (MRLNC) y se quiere
contrastar la significacin de un subconjunto de variables, es decir:
j 0
Ho : =
0
k Hx1
H1 :
Expresa el estadstico general
e' r e r e ' e
FNHk 1
S2 H
2
a) En funcin de los coeficientes de determinacin del modelo restringido ( Rr ) y del modelo sin
restriccin ( R 2 ).
b) Demuestra que la expresin anterior del estadstico general es igual a:
(R 2
) (
Rr2 ( N k 1 + H ) + 1 R 2 H )
FNH k 1
(1 R )H 2
c) Demuestra que Rr2 > R 2 si el valor muestral del estadstico es menor que 1.
41
Econometra Curso 2011-12
3. (0,5 puntos) Contesta si son verdaderas o falsas las siguientes cuestiones justificando adecuadamente
tu respuesta:
a) Un coeficiente de asimetra de los residuos prximo a cero es condicin necesaria y suficiente
para que las perturbaciones se distribuyan como una normal.
b) La existencia de un cambio estructural en un modelo no afecta a la insesgadez de los estimadores
MCO.
a) Especifica cada uno de los dos modelos e interpreta los coeficientes de las ficticias en cada uno
de ellos.
b) Especifica en el modelo 2, para cada uno de los casos siguientes, la hiptesis nula, la alternativa,
y el estadstico de contraste, utilizando en cada caso una expresin diferente del estadstico de
contraste.
42
Econometra Curso 2011-12
NOMBRE Y APELLIDOS:
Nota 1: Recuerda que es necesario alcanzar el 30% de la puntuacin tanto en teora como en prctica para
sumar las puntuaciones de estas dos partes.
Nota 2: Rellena solamente los espacios en blanco en las tablas y, si lo necesitas, utiliza la parte de atrs de las
hojas para responder. Utiliza 4 decimales. El nivel de significacin de los contrastes es 5%.
Nota 3: En todos los apartados es necesario que expliques en qu se basan tus respuestas. Por ejemplo, si se
fundan en el resultado de un contraste, has de indicar claramente, al menos, las hiptesis, el estadstico que
utilizas y la conclusin a la que llegas. Si necesitas especificar cuadros, grficos, estimaciones, etc. para los
cuales no tienes asignado explcitamente el recuadro, debers hacerlo claramente como lo consideres oportuno.
Se desea estimar un modelo que explique la calidad del aire a partir de los datos del fichero
calidad.wf1 que contiene informacin de las siguientes variables para 15 ciudades:
AIRQ: Indicador de la calidad del aire (cuanto mayor es, peor calidad)
VALA= Valor aadido de las empresas asentadas en la ciudad (en miles de euros)
RAIN= Nivel de lluvia (en litros/ao)
MEDI= Renta media per cpita (en euros)
2
DENS: Densidad de poblacin (en hab./km )
COAS: Ficticia que toma el valor 1 si la ciudad es costera, 0 en caso contrario
1) Plantea y estima tres modelos que expliquen la calidad del aire en funcin de:
a) la variable cuantitativa ms relacionada. (Modelo 1)
b) todas las variables cuantitativas (Modelo 2).
c) todas las variables cuantitativas y la cualitativa incluida de forma aditiva (Modelo 3).
Completa la siguiente tabla con los resultados de las estimaciones. Entre parntesis los estadsticos t.
R2
F
P-valor
43
Econometra Curso 2011-12
2) En base nicamente a los resultados de la tabla anterior, selecciona entre los tres modelos
estimados el que mejor explica la calidad del aire justificando adecuadamente tu seleccin y
explicitando claramente los problemas de cada uno de ellos.
3) A partir del modelo elegido en el apartado anterior, realiza una seleccin de regresores
eliminando en cada paso la variable que consideres ms oportuna. Completa el cuadro con la
ecuacin finalmente seleccionada (Modelo 4) y explica claramente los pasos realizados para
llegar a dicha seleccin.
Dependent Variable:
Method: Least Squares
Sample:
Included observations:
Variable Coefficient Std. Error t-Statistic Prob.
44
Econometra Curso 2011-12
4) A partir del modelo seleccionado en el apartado anterior, responde a las siguientes cuestiones:
4.1. Crees que las ciudades costeras tienen mejor o peor calidad del aire que las ciudades del
interior?
4.2. Crees que la lluvia mejora la calidad del aire en las ciudades?
6) Contrasta asimismo si las perturbaciones del modelo seleccionado se distribuyen como una
normal.
45
Econometra Curso 2011-12
0.0
-0.2
?
-0.4
-0.6
-0.8
-1.0
-1.2
8 9 10 11 12 13 14 15
8) A la vista de los resultados obtenidos, contrasta si la calidad del aire se mantendra si la renta
media aumentara en 500 euros y el nivel de lluvia disminuyera en 10 litros.
9) Analiza la capacidad predictiva del modelo seleccionado en el apartado 3 para las 5 ltimas
observaciones.
10) Para un nivel de significacin del 5%, calcula un intervalo de confianza para la prediccin de la
calidad del aire para una nueva ciudad costera cuyo valor aadido se eleva 2 millones de
euros, con una renta media per capita de 3500 euros y una densidad de poblacin de 650 hab.
sabiendo adems que el nivel de lluvia es de 40 litros.
46
Econometra Curso 2011-12
NOMBRE Y APELLIDOS:
3.1. E (e) = 0
3.2. e = 0
3.3. Cov ( e1e2 ) = 0
3.4. Var ( R ) < Var ( ) donde R es el estimador restringido bajo la restriccin 1 = 1
Modelo 1 Modelo 2
X1 2,3 (0,2)
X2 1,2 (0,3)
X3 3,5 (1,0) 2,5 (2,3)
X4 5,2 (1,5)
(2X1-X2) 0,2 (5,3)
C (trmino cte) 5,2 (0,3) 3,5 (1,3)
SCT 150
R2 0,93 0,78
Entre parntesis aparecen las desviaciones tpicas estimadas de los estimadores de los
parmetros.
47
Econometra Curso 2011-12
5. (1,5 puntos) Se quiere estudiar el consumo telefnico de los empleados de una empresa.
Para ello se dispone de los registros telefnicos que incluyen datos sobre las variables:
gasto telefnico (G), nmero de llamadas (L), gnero del empleado (S=1 si es hombre y
S=0 si es mujer) y su categora profesional (C1=1 si el empleado es directivo y C1=0 en
caso contrario, C2=1 si el empleado es tcnico y C2=0 en caso contrario).
5.1. Especifica un modelo donde el gasto telefnico dependa slo del nmero de
llamadas y en el que el efecto de esta variable pueda ser diferente para cada
categora profesional. Indica cul sera el efecto del nmero de llamadas para cada
categora. Cmo contrastaras que para los directivos y tcnicos dicho efecto es el
mismo?
5.2. Especifica un modelo en el que pueda analizarse el efecto de las variables gnero y
categora profesional sobre el gasto telefnico autnomo de los empleados.
Interpreta los coeficientes del modelo planteado.
5.3. Se desea analizar si el efecto de la categora profesional del empleado sobre el
gasto telefnico autnomo es diferente dependiendo de si el empleado es un
hombre o una mujer. Reespecifica el modelo anterior adecuadamente para poder
cuantificar dicho efecto y seala cmo contrastaras esa hiptesis.
48
Econometra Curso 2011-12
NOMBRE Y APELLIDOS:
Nota 1: Recuerda que es necesario alcanzar el 30% de la puntuacin tanto en teora como en
prctica para sumar las puntuaciones de estas dos partes.
Nota 2: Rellena solamente los espacios en blanco en las tablas y, si lo necesitas, utiliza la
parte de atrs de las hojas para responder. Utiliza 2 decimales. El nivel de significacin de los
contrastes es 5%.
Nota 3: En todos los apartados es necesario que expliques en qu se basan tus respuestas.
Por ejemplo, si se fundan en el resultado de un contraste, has de indicar claramente, las
hiptesis, el estadstico que utilizas, la regla de decisin y la conclusin a la que llegas. Si
necesitas especificar cuadros, grficos, estimaciones, etc. para los cuales no tienes asignado
explcitamente el recuadro, debers hacerlo claramente como lo consideres oportuno.
Un banco ha realizado un estudio de mercado entre sus clientes para conocer el uso que
hacen de la tarjeta de crdito con el objetivo de disear su prxima campaa comercial. El
fichero Tarjeta contiene parte de los datos de la encuesta efectuada a un total de 200
clientes.
1. Estima por MCO un modelo de regresin lineal que trate de explicar el Gasto
mensual con tarjeta de crdito (GASTOTM, euros) a partir de las variables
cuantitativas Ingresos familiares mensuales (INGRESOS, euros), Edad (EDAD, aos)
y Nmero de compras (NCOMPRAS):
Dependent Variable:
Method: Least Squares
Sample:
Included observations:
49
Econometra Curso 2011-12
50
Econometra Curso 2011-12
51
Econometra Curso 2011-12
1.6. Puede admitirse que el efecto de los ingresos mensuales sobre el gasto en tarjeta
es el triple que el del nmero de compras y que, simultneamente, si la edad
aumenta en 20 aos el gasto en tarjeta aumenta en 2,5 euros?
Dependent Variable:
Method:
Sample:
Included observations:
52
Econometra Curso 2011-12
2.2. Contrasta si efectivamente el gasto autnomo es diferente para los clientes con
modalidad de pago aplazado en 12 meses o al mes siguiente.
2.3. En caso afirmativo, cul es el gasto autnomo estimado para cada modalidad de
pago?
2.4. Contrasta si el sexo del cliente tiene un efecto significativo en el gasto mensual con
tarjeta de crdito.
53
Econometra Curso 2011-12
2.5. Cul es el efecto de la edad sobre el gasto en tarjeta para las mujeres? y para los
hombres?
3. Realiza una prediccin puntual del gasto en tarjeta para una mujer de 45 aos con
unos ingresos de 1000 euros que realiza 20 compras y que tiene la modalidad del
pago a 12 meses.
54
Econometra Curso 2011-12
NOMBRE Y APELLIDOS:
2.1. E ( i ) 0
2.2. X2 es un regresor estocstico (no podemos considerar que X2 no es
aleatorio)
2.3. Var ( 1 ) Var ( 3 )
2.4. Cov( e1e3 ) 0
2.5. X1+X2=1
2.6. X2=(X1)2
Plantea la hiptesis nula y alternativa, el modelo restringido y realiza el contraste en los dos
casos siguientes, sabiendo que los resultados que aparecen en cada apartado
corresponden al modelo restringido.
a) El efecto del nmero de llamadas es el doble que el de los ingresos y la edad no tiene
ningn efecto sobre el gasto en mvil (SCE= 12500)
b) Por cada llamada adicional el gasto en mvil aumenta en 6 euros (SCT=17500).
55
Econometra Curso 2011-12
5. (1,5 puntos) Un analista quiere estudiar la venta de coches a nivel provincial. Para ello
considera como factores explicativos, la localizacin de las provincias, (distinguiendo si
son costeras peninsulares, interiores peninsulares o se encuentran en las islas), el nivel
econmico de las provincias (diferenciando aquellas que tienen una crecimiento del PIB
por encima de media de las que lo hacen por debajo) y la tasa de paro provincial.
5.1. Especifica el modelo que el analista estimara para contrastar si la
localizacin y el nivel econmico de las provincias influye en las ventas
autnomas de coches. Interpreta los coeficientes del modelo. Cmo
contrastaras que las ventas autnomas de coches son las mismas para las
provincias costeras y las que pertenecen a las Islas?
5.2. Reespecifica el modelo anterior para poder contrastar si el efecto de la
localizacin de las provincias sobre las ventas autnomas de coches difiere en
funcin del nivel econmico de las provincias. Cmo contrastaras dicha
hiptesis?
5.3. Especifica un modelo en el que las ventas de coches dependan slo de la
tasa de paro provincial y en el que el efecto de esta variable pueda ser diferente
en funcin de la localizacin de la provincia. Interpreta los coeficientes del
modelo estimado. Cmo contrastaras que el efecto de la tasa de paro es el
mismo en las distintas localizaciones?
56
Econometra Curso 2011-12
NOMBRE Y APELLIDOS:
Nota 1: Recuerda que es necesario alcanzar el 30% de la puntuacin tanto en teora como en
prctica para sumar las puntuaciones de estas dos partes.
Nota 2: Rellena solamente los espacios en blanco en las tablas y, si lo necesitas, utiliza la
parte de atrs de las hojas para responder. Utiliza 2 decimales. El nivel de significacin de los
contrastes es 5%.
Nota 3: En todos los apartados es necesario que expliques en qu se basan tus respuestas.
Por ejemplo, si se fundan en el resultado de un contraste, has de indicar claramente, las
hiptesis, el estadstico que utilizas y la conclusin a la que llegas y por qu. Si necesitas
especificar cuadros, grficos, estimaciones, etc. para los cuales no tienes asignado
explcitamente el recuadro, debers hacerlo claramente como lo consideres oportuno.
Un analista desea realizar un estudio para determinar el gasto en tabaco. Para ello recoge
datos del Gasto mensual destinado a tabaco, los ingresos mensuales, la edad y el nmero
de veces al mes que se acude a un bar/caf/restaurante cada mes. El fichero Tabaco
contiene los datos de la encuesta efectuada a un total de 200 fumadores.
1. Estima por MCO un modelo de regresin lineal que trate de explicar el Gasto mensual en
tabaco (GASTOTM; euros) a partir de las variables cuantitativas Ingresos mensuales
(INGRESOS, miles de euros), Edad (EDAD, aos) y Nmero de veces al mes que se
acude a un bar/caf/restaurante (NBARES):
Dependent Variable:
Method: Least Squares
Sample:
Included observations:
57
Econometra Curso 2011-12
58
Econometra Curso 2011-12
1.6. Puede admitirse que si los ingresos mensuales aumentan en 500 euros el gasto en
tabaco aumenta en 14 euros y que, simultneamente, el efecto del de la edad es el
doble que el del nmero de bares a los que se acude?
59
Econometra Curso 2011-12
Dependent Variable:
Method:
Sample:
Included observations:
2.2. Contrasta si efectivamente el gasto autnomo es diferente para los individuos que
estn trabajando y los parados o inactivos.
60
Econometra Curso 2011-12
2.3. En caso afirmativo, cul es el gasto autnomo estimado para cada situacin
laboral?
2.4. Contrasta si el sexo del cliente tiene un efecto significativo en el gasto mensual en
tabaco.
2.5. Cul es el efecto de la edad para las mujeres? y para los hombres?
61
Econometra Curso 2011-12
3. Realiza una prediccin puntual del gasto en tabaco para un hombre de 45 aos con
unos ingresos de 1000 euros que acude 20 veces al mes a un bar y que est parado.
62
Econometra Curso 2011-12
CUESTIONES: Temas 1 a 6
11,5 11
9
9,5
Y2
7
Y1
7,5
5
5,5
3
3,5 0 1 2 3 4 5
0 1 2 3 4 5 X
X
i) ii)
b) El siguiente grfico muestra las distribuciones normales de dos estimadores lineales e
insesgados de la pendiente en un modelo de regresin lineal simple Cul de ellas no es la
del estimador por mnimos cuadrados ordinarios?.
0,4
0,3
0,2
0,1
0
-15 -5 5 15 25
63
Econometra Curso 2011-12
1) E ( ) = 0 4) = 0
2) E (e ) = 0 ( )
5) E + 3 =
3) e = 0 6) MCO = MV
Yi = 0 + 1 X 1i + 2 X 2 i + 3 X 3i + 4 X 4i + i
se consideran las siguientes hiptesis nulas:
1 / 2 = 2
a) 1 = 2 = 3 b)
3 / 4 = 4
Supn en cada caso que dichas restricciones son ciertas. Escriba el modelo restringido
correspondiente que se deriva
64
Econometra Curso 2011-12
Resuelve lo que se te pide en los siguientes apartados tomando un nivel de significacin del
5%:
a. Se estima un segundo modelo para explicar el consumo:
MODELO 2: C t = 0 + 1 Yt + 4 I t + i con e2 ' e2 = 320
Seala si este segundo modelo puede obtenerse del primero y selecciona el mejor de los dos.
b. Se estima un tercer modelo:
MODELO 3: Ct = 0 + 1 Yt + 3 S t + 4 I t + i con e3 ' e3 = 159
Seala si este tercer modelo puede obtenerse del primero y selecciona el mejor de los dos.
c. Se estima un cuarto modelo:
MODELO 4: C t = 0 + 1 Yt + 4 ( I t S t ) + i con e4 ' e4 = 228
Seala si este cuarto modelo puede obtenerse del primero y selecciona el mejor de los dos.
d. A partir del MODELO 3 cmo analizaras que el efecto de la renta sobre el consumo
es la mitad del efecto del tipo de inters y que, simultneamente, un crecimiento de
una unidad en el ahorro produce en el consumo un incremento de una unidad
monetaria?
65
Econometra Curso 2011-12
Pregunta 11. Se sabe que la relacin entre una variable endgena, Y, y una variable
explicativa, X, puede ser representada por dos segmentos lineales con interseccin en X0=4
(ver grfico).
a) Plantea un nico modelo, con trmino constante, que permita estimar esta relacin.
b) Describe cmo contrastaras la hiptesis de que la relacin entre las variables se ajusta a
un nico segmento.
c) Describe cmo contrastaras la hiptesis de que los dos segmentos realmente tienen la
interseccin en el punto X0=4.
Pregunta 12. (Septiembre 2000). Comenta de forma razonada, utilizando una muestra de 200
observaciones, si es verdadera o falsa la siguiente afirmacin:
1 X < 100 1 X t 100
El modelo Yt = 1D1t+2D2t + Xt + t con D = t D 2t = y
1t 0 en otro caso
0 en otro caso
donde tHiptesis clsicas, no se puede estimar pues se cae en la trampa de las variables
ficticias.
Pregunta 13. (Examen parcial ADE Enero 2003) Se tiene la siguiente estimacin por MCO,
donde Yi recoge el gasto diario en euros, de una muestra de 600 turistas que visitaron
Canarias, Xi son sus ingresos anuales y D1i es una variable ficticia que recoge el factor
procedencia y vale 1 si el turista procede de la pennsula y 0 en el resto de los casos. (Todos
los regresores incluidos en el modelo son significativos).
Yi = 1 D1i + 2 D2 i + 3 X i
Pregunta 14. Se desea estudiar las ventas de trajes de bao de un gran almacn (Y) en
funcin del gasto general que realiza en publicidad (X) dicho establecimiento. Para ello se
dispone de una muestra de 200 observaciones trimestrales. Con objeto de recoger la posible
estacionalidad de la variable endgena, se definen 4 variables ficticias:
1 si i corresponde al trimestre j
T ji = para todo j=1,2,3,4
0 en otro caso
En una primera especificacin se plantea analizar las ventas en funcin de una constante, los
gastos en publicidad y las variables ficticias T1, T2 y T3 de forma aditiva y multiplicativa. La
no significacin de las variables T1, T2 conduce a replantear el modelo obtenindose
finalmente la siguiente estimacin:
Pregunta 15. Supongamos que se establece que la inversin regional es funcin de la renta
regional y de un factor no cuantificable que recoge la actividad socioeconmica con ms peso
en cada regin (agrcola o industrial) y que afecta al coeficiente de la variable renta regional.
a) Plantea el modelo
b) En el modelo anterior contrasta las siguientes hiptesis, especificando y justificando
claramente en cada caso la hiptesis nula y el estadstico apropiado.
b.1) El efecto de la renta regional sobre la inversin no se ve influido por la actividad
socioeconmica preponderante en cada regin.
b.2) La significacin individual de la variable renta para las regiones agrcolas.
b.3) La significacin individual de la variable renta para las regiones industriales.
67
Econometra Curso 2011-12
Es admisible la hiptesis de constancia de los parmetros del modelo en los dos periodos
considerados? Comenta las implicaciones de la conclusin a la que has llegado.
Pregunta 18. Se trata de explicar el precio de los pisos (Y) en funcin del nivel de
contaminacin (X1) y del nmero de habitaciones (X2). Con tal objetivo, se estima la
siguiente relacin:
Pregunta 19. Seala si son verdaderas o falsas las siguientes afirmaciones, justificando
adecuadamente la respuesta:
a) La precisin de los estimadores de MCO de puede aumentar si se incrementa la
dispersin de los regresores.
b) Un coeficiente de correlacin mltiple bajo entre los regresores implica un elevado
factor de inflacin de la varianza.
c) Un coeficiente de correlacin lineal entre dos regresores incluidos en el modelo de
0,95, hace que los estimadores de MCO sean sesgados.
d) El que los estimadores de los coeficientes tengan varianzas estimadas grandes, con
respecto al valor estimado del coeficiente, es siempre una evidencia de
multicolinealidad.
Pregunta 20. Sea el siguiente modelo estimado donde V son las ventas trimestrales de una
zapatera, P es el precio medio de sus productos, C es el precio medio de los zapatos de la
competencia y G son los gastos en publicidad realizados por la zapatera.
Vt = 249,31 2,11Pt + 0,268C t + 0,102Gt R 2 = 0,924 F * = 147,74
( 4, 2 ) ( 4,805) ( 0,922) (18, 42)
(Entre parntesis aparece el valor del estadstico t)
Adems se dispone de la siguiente informacin
Pt = 115,95 0,1483C t + 0,0117Gt R 2 = 0,9146
C t = 128,49 0,3405Pt + 0,0049Gt R 2 = 0,895
G = 1900,75 7,3366 P + 13,4177C
t t t R 2 = 0,0895
Se pide:
a) Calcula los Factores de inflacin de la varianza. Comenta los resultados obtenidos y la
informacin que se te facilita Crees que existe multicolinealidad en este modelo?
b) Se pueden interpretar los j obtenidos?Sern vlidas las predicciones realizadas
con el modelo?
68
Econometra Curso 2011-12
que: X 1t = X 2t
a) Se pueden estimar por MCO los parmetros 0 , 1 y 2 ?
b) Se puede estimar alguna combinacin lineal de estos parmetros?
c) Se puede predecir bien Yt?
Y X1 X2
Y 1 0.93 -0.7
X1 1 0.15
X2 1
Es cierta la siguiente afirmacin?: Es de esperar que los estimadores sean muy imprecisos
debido a la existencia de fuerte multicolinealidad. Justifica la respuesta.
Pregunta 23. Sea Y el consumo, X1 la renta y X2 la riqueza. Se han realizado las siguientes
estimaciones, con el objetivo de analizar la influencia aislada de X1 y X2 sobre Y:
2
Yt = 24.77 + 0.94 X 1t 0.4 X 2t + t R = 0.9635 SCT=4445.02 T=10
(0.82) (0.08)
2
X 2t = 7.54 + 10.19 X 1t + u t R = 0.9979
(0.16)
Yt = 24.45 + 0.50 X 1t + vt R 2 = 0.9621
(0.03)
Yt = 24.34 + 0.04 X 2t + z t R 2 = 0.9567
(0.003)
Entre parntesis aparecen las desviaciones tpicas. Se pide:
a) Interpreta todos los resultados, utilizando los contrastes que consideres convenientes.
b) A la vista de los problemas que se pueden presentar, selecciona el modelo adecuado
69
Econometra Curso 2011-12
d) La variable X1 es una variable ficticia que vale 1 para las observaciones que residen en
zona urbana y cero para las que viven en zona rural.
e) Se plantea la restriccin de que 2 = 0 y no se rechaza.
f) El coeficiente de correlacin lineal simple entre las variables X1 y X2 es 0.98.
g) Se comprueba que la suma de los efectos de X1 y X2 sobre la variable Y es nula.
h) Las variables X1 y X2 estn incorrelacionadas.
i) La relacin entre la variable endgena y las variables explicativas se ve modificada
dentro del periodo temporal de anlisis.
70