Escolar Documentos
Profissional Documentos
Cultura Documentos
UNIVERSIDAD NACIONAL
HERMILIO VALDIZN
FACULTAD DE CIENCIAS ECONMICAS
E. A. P. ECONOMA
TEMA
ASIGNATURA:
Econometra II
DOCENTE:
Castro Cspedes, Jlio
RESPONSABLES:
Villavicencio Salvador, Rosmeri
HUANUCO - PERU
2016
el
verdadero
error
estndar
obtenido
mediante
el
nos
presenta
heteroscedasticidad.
un
patrn
sistemtico
significa
que
existe
modelo,
los
residuos
(MCO)
sern
heteroscedsticos
=7.5 + 0.009N
t = n.a. (16.10)
R2
= 0.90
w
^ /N = 0.008 + 7.8(1/N)
t = (14.43) (76.58)
R2 =0.99
1+ 2 X + V t
^
W t
2
1
RESPUESTA
NO estos modelos no son lineales en el parmetro y no se puede ser estimado
por MCO.
b) Si la respuesta es negativa, puede sugerir un mtodo informal o
formal de estimacin de los parmetros de tales modelos? (Vase el
captulo 14.)
Que estn especializados no-lineales procedimientos de clculo. Discutir este
tema en captulo de modelos de regresin lineal.
Informalmente, podemos estimar los parmetros de un proceso de ensayos y
error.
EJERCICIO 11.4.
Aunque los modelos logartmicos como el de la ecuacin (11.6.12) a
menudo reducen la heteroscedasticidad, se debe prestar cuidadosa
atencin a las propiedades del trmino de perturbacin de estos modelos.
Por ejemplo, el modelo
Yt =
1+ X 1 2 u1
(1)
EJERCICIO 11.5.
Donde
medias ponderadas
RESPUESTA.
Esta es una ecuacin de sustituirla definicin y la simplificacin
EJERCICIO 11.6.
Con propsitos pedaggicos, Hanushek y Jackson estiman el siguiente
modelo:
y estiman.
(2.73)
Ct/PNBt =
+ 0.6248 PNBt
(0.0060)
0.4398 Dt
R 2 = 0.999
(0.0736)
(2.22)
(0.0068)
R2 =
(0.0597)
0.875
RESPUESTA.
a) Qu supuesto hacen los autores sobre la naturaleza de la
heteroscedasticidad? Puede justificarlo?
La suposicin es que la varianza del error es proporcional al cuadrado del PIB.
Que se describe en la postulacin. Los autores hacen de este supuesto al
observarlos dataos a travs del tiempo y observar esta relacin.
b) Compare los resultados de las dos regresiones. La transformacin
del modelo original mejora los resultados, es decir, reduce los errores
estndar estimados? Por qu?
Los resultados son esencialmente lo mismo. Aunque los errores estndar de
dos de los coeficientes son inferiores es el segundo modelo. Este se puede
tomar
como
justificaciones
empricas
de
la
transformacin
de
heterocedasticidad.
c) Puede comparar los dos valores de R2? Por qu? (Sugerencia:
Examine las variables dependientes.)
EJERCICIO 11.7.
Consulte las regresiones estimadas (11.6.2) y (11.6.3). Los resultados de
la regresin son muy similares. A qu se debe esta conclusin?
RESPUESTA.
Como se ver en el problema 11.13. La Bartlett prueba demuestra que no
existe no era un problema de heterocedasticidad en este conjunto de datos.
Por lo tanto, este diagnstico no es sorprendente.
EJERCICIO 11.8.
Pruebe que si wi = w, una constante, para cada i,
t =
2 kt
^
2
son
^
la naturaleza de la relacin entre var ( 2 ) con heteroscedasticidad y con
homoscedasticidad? (Sugerencia: Examine, en la frmula anterior, el segundo
trmino del miembro derecho.) Puede derivar alguna conclusin general
sobre las relaciones entre (11.2.2) y (11.2.3)?
RESPUESTA.
En la ecuacin. (11.2.2) tenemos:
Sustituir
Ejercicio 11.10
En el modelo
Y i= 2 X i+ ui ( Nota : No hay intercepto )
u
se lesinforma que var ( i)= 2 X 2i +. demuestre que
X 21
2 X 4i
^
var ( 2 ) =
RESPUESTA
De anexar de 3A. 3 y 6A. 1, tenemos T.X2 var(w)
X 21
2 X 4i
^
var ( 2 ) =
^
var ( 2 ) =
=
2
2
( X 2i )
( X 2i )
Ejercicio 11.11
Con la informacin de la tabla 11.1. Efecte la regresin de la
remuneracin salarial promedio Y sobre la productividad promedio X, y
considere el tamao de la planta laboral como unidad de observacin.
Interprete sus resultados y vea si estn de acuerdo con los presentados
en (11.5.3).
Los resultados de la regresin ya estn en 11.5.3. Si aumenta la productividad
media por un dlar, en promedio, la indemnizacin aumenta en unos 23
centavos.
u^i
RESPUESTA
Los residuos de esta regresin son el siguiente:
-775,6579, -205,0481, 165,8512,. 199,3785, 183,9356, 54,6657,
150,6239, 112,8410, 113,4100
b) Segn la prueba de Park, efecte la regresin de ln
2
u^i
i sobre ln Xi y
|u^i|=757.29763.07097 X i
t=( 0.4479 ) (0.2787 ) r 2=
0.0109
la
informacin
de
manera
que
no
haya
heteroscedasticidad?
RESPUESTA
No hay necesidad de ninguna transformacin, porque no hay una
relacin sistemtica entre el promedio de ventas o relacin de efectivo y
la desviacin estndar las distintas clases de activos.
Ejercicio 11.13.
Prueba de homogeneidad de varianza de Bartlett.* Suponga que hay k
varianzas mustrales independientes
H 0= 1= 2 == k = ; es
decir,
cada
varianza
muestral
es
una
f i s2i f s 2
1 i
S 2= i=1
=
f
fi
Constituye una estimacin de la estimacin comn (agrupada) de la
varianza poblacional 2, donde fi = (ni 1), con ni como el nmero de
k
f = f i
i=1
1
3(k 1)
1 1
(
( f ) f )
Yi _ Xi + ui, para i = 1, 2
Se tiene que u1 N (0, 2) y u2 N (0, 22), y que son estadsticamente
independientes. Si X1 = +1 y X2 = 1, obtenga la estimacin por mnimos
cuadrados ponderados (MCP) de y su varianza. Si en esta situacin
supuso de manera incorrecta que la dos varianzas de los errores son
iguales (por ejemplo, iguales a 2), cul sera el estimador de MCO de
?, y su varianza? Compare estas estimaciones con las obtenidas por el
mtodo de MCP. Qu conclusin general deduce?
RESPUESTA
Utilizando la formula (11.3.8) sobre la ponderacin de los mnimos cuadrados,
puede ser demostrando que:
^= 1 ( 2 Y 1Y 2 ) y var ( ^ )= 2 2
3
3
Si utilizamos la operacin, luego del ejercicio (6.1.6), obtenemos:
^=
Xi Y i
2
i
Y 1=Y 2 1
= ( Y 1 =Y 2 )
2
2
var ( ^)=
1
= 2
X 2
2
i
R =0.8828
Como era de esperar, MPG se relaciona de forma positiva y
negativamente a HP relacionadas con la velocidad y el peso.
b) Esperara que la varianza del error en el modelo anterior sea
heteroscedstica? Por qu?
RESPUESTA
Ya que se trata de uno los datos transversales de una diversidad de
coches, a priori uno puede esperar la heteroscedasticidad.
(Ic) Regresin el cuadrado de los residuos obtenidos a partir del modelo
se muestra en (a) en los tres regresores, su cuadrado, y sus trminos de
Cuando se compara los resultados con los resultados de los MOC, usted
encontraras que los valores de los coeficientes estimados son los
mismos, pero sus variaciones y errores estndar son diferentes. Como
los
errores
estndar
de
White
consistentes
con
la
Ejercicio 11.20.
coeficiente
est. Error
t-statistic
prob.
4,610280
1,084906
4,249478
0,0005
0,757433
0,149941
5,051559
0,0001
R-cuadrado.
0,583380
coeficiente
est. Error
t-statistic
prob
R-cuadrado = 0,009262
Como se puede ver en (a) el pendiente coeficiente fue muy significativa,
pero en esta regresin no lo es. Ver como solo un punto extremo, un
caso atpico, ya que puede distorsionar los resultados de la regresin. El
cuadrado de los residuos de esta regresin cuando se traza contra X
mostro el siguiente grfico.
d)