UNIVERSIDAD NACIONAL DE TUCUMAN

Facultad de Ciencias Económicas

LICENCIATURA EN ECONOMÍA
ECONOMETRIA I
AÑO 2018

TRABAJO PRÁCTICO 6

HETEROSCEDASTICIDAD Y AUTOCORRELACIÓN
PARTE 1

Ejercicio 6.1
Suponga que el modelo que se desea estimar es y μ ϵ ,E ϵ 0E ϵϵ 0yE ϵ σ z .
a) ¿Cuál es el estimador más eficiente de μ? ¿Cuál es su varianza?
b) ¿Cuál es la varianza del estimador de MCO?
c) Pruebe que el estimador en a) es al menos tan eficiente como el estimador en b)

Ejercicio 6.2
Determine si las siguientes frases son verdaderas o falsas. Justifique.
a) Si residuos estimados a partir de una regresión por mínimos cuadrados exhiben un patrón
sistemático, significa que hay heterocedasticidad presente en los datos.
b) Si un regresor que tiene varianza no constante es (incorrectamente) omitido de un modelo, los
(OLS) residuos serán heterocedásticos.
c) MCP se prefiere a MCO cuando se ha omitido una variable importante del modelo.

Ejercicio 6.3
¿Usar primeras diferencias reduce la autocorrelación?
Considere los modelos y βx ϵ , donde ϵ ρϵ u (caso 1) y ϵ u λu (caso 2); u
es ruido blanco en ambos casos. Compare la autocorrelación de ϵ en el modelo original con la del
modelo y y β x x v , donde v ϵ ϵ . Para el caso del proceso AR indique
para qué valores del parámetro ρ, tomar primeras diferencias reduce la autocorrelación (en valor
absoluto). Bonus: Para el caso MA muestre para qué valores de λ tomar primeras diferencias reduce la
autocorrelación (en valor absoluto).

Ejercicio 6.4
Cuando en un modelo de regresión los errores tienen correlación serial AR(1), ¿por qué los errores
estándar de MCO tienden a estar subestimados? ¿Siempre es cierto que los errores estándar de MCO
son muy pequeños?
 UNIVERSIDAD NACIONAL DE TUCUMAN
Facultad de Ciencias Económicas
LICENCIATURA EN ECONOMÍA
ECONOMETRIA I
AÑO 2018

PARTE 2

Ejercicio 6.5
Refiérase a la información que contiene la EPH. Suponga la regresión del logaritmo natural del salario
como:
ln Y β β X β X β X β X X u
Donde:
Yi= salario mensual e individual
X1i= años de educación
X2i= años de experiencia laboral (edad-años de educación-6)
a) Inicialmente estime los parámetros de la ecuación de Mincer por MCO. Interprete los resultados
obtenidos. Discuta brevemente las consecuencias de utilizar MCO bajo la presencia de
heterocedasticidad. Compute los errores estándar e interprete.
b) Grafique los residuos de la regresión contra los valores de los años de educación y luego contra los
años de experiencia laboral. Comente los resultados obtenidos.
c) Compute, evalúe y explique en qué consisten los test de White, Breusch Pagan, y Goldfeld y Quandt
para evaluar la hipótesis nula de ausencia de heterocedasticidad. Estos tests deben hacerse a mano, es
decir, corriendo las regresiones auxiliares.
d) A partir de los resultados obtenidos anteriormente, estime el modelo con las variables transformadas
según el método de Mínimos Cuadrados Generalizados (MCG). Interprete cuidadosamente los
resultados obtenidos. ¿Cuáles son las ventajas de utilizar este método?
e) Compare los resultados obtenidos en el punto anterior con los obtenidos inicialmente.
f) Evalúe la hipótesis nula de homocedasticidad con los residuos del modelo transformado.
g) Estime el modelo original por MCO utilizando errores estándar robustos. ¿Son los errores estándar
estimados consistentes con heterocedasticidad siempre mayores que los estimadores (inconsistentes)
de MCO? ¿Es ello lo que usted esperaba?
h) ¿Qué otros métodos alternativos propone para corregir la heterocedasticidad? ¿Cree que el modelo
está bien especificado? Especifique un modelo alternativo y pruebe si hay presencia de
heterocedasticidad.
 UNIVERSIDAD NACIONAL DE TUCUMAN
Facultad de Ciencias Económicas
LICENCIATURA EN ECONOMÍA
ECONOMETRIA I
AÑO 2018

Ejercicio 6.6
Utilizando los datos del tipo de cambio peso-dólar de Argentina y de inflación de Estados Unidos para
el periodo 1941-2014 (TCARG-IPCUSA.txt), estime:
TC α βINF u
a) A priori ¿Cuál sería el signo que debería tomar β? ¿Por qué?
b) Realice la estimación del modelo. Interprete los resultados.
c) ¿Es posible que el modelo esté mal especificado? Justifique. Para ello puede realizar un gráfico.
d) En un diagrama de dispersión grafique los residuos y los residuos rezagados un período ¿Puede
concluir que los μt son serialmente independientes?
e) Grafique el correlograma simple de los residuos. Explique cómo se construye el mismo. ¿Qué
conclusiones puede obtener?
f) Testee formalmente la presencia de autocorrelación en el modelo. Tenga en cuenta que ésta puede
ser AR(1) o AR(p) con p>1 por lo tanto deberá testear en ambos casos.
g) En caso de que encuentre correlación corrija el modelo. ¿Se reduce el problema de autocorrelación?
Testee.
h) Con los datos desde 1941-2007 pronostique en base al modelo corregido el valor de la variable
dependiente para el año 2008 y compárelo con el valor real para ese año. ¿Cómo se interpreta dicho
valor?
 UNIVERSIDAD NACIONAL DE TUCUMAN
Facultad de Ciencias Económicas
LICENCIATURA EN ECONOMÍA
ECONOMETRIA I
AÑO 2018

TRABAJO PRÁCTICO 7

MODELO DE PROBABILIDAD LINEAL, MODELOS LOGIT Y PROBIT

PARTE 1

Ejercicio 7.1
Sea grad una variable binaria para si un atleta colegial en una universidad grande se graduará en cinco
años. Sean GPA y SAT el promedio de calificaciones del secundario y las puntuaciones del examen de
admisión a la universidad, respectivamente. Sea study el número de horas por semana que pasa un
estudiante en un aula de estudio. Suponga que, usando los datos sobre 420 atletas colegiales se obtiene
el siguiente modelo logit:

1| , , 1.17 .24 .00058 .073

donde F es la función logística. Si se mantiene GPA en 3.0 y el SAT fijo en 1,200, calcule la
diferencia estimada en la probabilidad de graduación para alguien que pasa 10 horas a la semana en el
aula de estudio y alguien que pasa 5 horas por semana.

Ayuda: en el caso del modelo logit

e X '
F(X ' )  , y su derivada f ( X '  )  F (1  F )
1  e X '

EJERCICIO 7.2
Se cuenta con datos sobre los gastos médicos de una muestra de personas. Algunos de ellos, que no se
enfermaron o no se molestaron en ir al doctor aun estando enfermos, no gastaron. Se desea calcular la
elasticidad ingreso de los gastos médicos. Si se eliminan las personas con gasto cero y se calcula el
modelo mediante MCO, la elasticidad estimada del ingreso estará sobrestimada. ¿Es esto cierto? En
caso de que la estimación esté sesgada, ¿qué alternativas propone?

PARTE 2
Ejercicio 7.3
En este ejercicio se utilizará información proveniente de la Encuesta Permanente de Hogares (EPH)
para investigar los factores determinantes de la probabilidad de trabajar. Haga uso de la región
asignada y restrinja la muestra para los individuos entre 15 y 64 años de edad.
 UNIVERSIDAD NACIONAL DE TUCUMAN
Facultad de Ciencias Económicas
LICENCIATURA EN ECONOMÍA
ECONOMETRIA I
AÑO 2018

a) Estime un modelo lineal de probabilidad utilizando como variable dependiente la situación

laboral (ocupado / no ocupado) y como variables explicativas:
• Edad.
• Sexo (variable binaria).
• Estado civil soltero (variable binaria).
• Años de educación.
• Monto de ingresos no laborales.
Interprete.

b) Calcule los valores estimados de la regresión anterior y grafíquelos. ¿Qué problema muestra el
modelo lineal de probabilidad respecto a estos valores estimados?

c) Estime un modelo logit con las mismas variables que en el inciso a). Transforme los
coeficientes para que sean comparables con el modelo anterior y explique las diferencias con el
modelo lineal (Ayuda: interprete en términos de efectos marginales evaluados en los valores
medios de las variables explicativas).

d) Repita el inciso anterior pero utilizando un modelo probit.

e) En los modelos logit/probit los efectos marginales dependen de los valores de las variables
explicativas. Explique por qué ocurre esto.

f) ¿Bajo qué criterio elegiría el mejor modelo?

Ejercicio 7.4

Utilizando la base de datos LOANAPP, se pide:

i) Estime un modelo probit de approve sobre white. Encuentre la probabilidad de que se apruebe
un préstamo tanto para blancos como para no blancos. ¿Cómo se compara esto con las
estimaciones de probabilidad lineal?
ii) Ahora agregue las variables hrat, obrat, loanprc, unem, male, married, dep, sch, cosign, chist,
pubrec, mortlat1, mortlat2 y vr al modelo probit. ¿Hay alguna evidencia estadísticamente
significativa de discriminación contra los no blancos?
iii) Estime el modelo de la parte ii) mediante logit. Compare el coeficiente de white respecto a la
estimación probit.
iv) ¿Cómo cambia la probabilidad de recibir un crédito en el modelo probit y en el logit y en el
probit cuando el individuo es blanco respecto a cuando no lo es?
 UNIVERSIDAD NACIONAL DE TUCUMAN
Facultad de Ciencias Económicas
LICENCIATURA EN ECONOMÍA
ECONOMETRIA I
AÑO 2018

Ayuda para usar STATA

Para calcular los efectos marginales en modelos logit y probit, existen dos comandos:

mfx

margeff

Este último es necesario descargarlo de Internet.

 UNIVERSIDAD NACIONAL DE TUCUMAN
Facultad de Ciencias Económicas
LICENCIATURA EN ECONOMÍA
ECONOMETRIA I
AÑO 2018

TRABAJO PRÁCTICO 8

ESTACIONARIEDAD, RAÍCES UNITARIAS, TEST DE QUIEBRES ESTRUCTURALES

PARTE 1

Ejercicio 9.1
Suponga que Y sigue el siguiente proceso autoregresivo Y 2.5 0.7Y u , donde u es iid con
E u 0 y Var u 9

a. Calcule la media y la varianza de

b. Compute las primeras dos autocovarianzas de
c. Compute las dos primeras autocorrelaciones de .
d. Suponga que 102.3. Compute | | , ,… .

Ejercicio 9.2
Un proceso de media móvil de orden q tiene la forma:

Y β e b e b e ⋯ b e

Donde e tiene media cero y varianza σ y no está serialmente correlacionado.

a. Muestre que E Y β
b. Muestre que la varianza de Y es var Y σ 1 b ⋯ b
c. Muestre que ρ 0 para j q, donde ρ es la autocorrelación de orden j.
d. Suponga que q 1. Obtenga las autocovarianzas de Y.

PARTE 2

Ejercicio 9.3
Trabaje con el archivo arg.manufac.xls. En el mismo se presenta el logaritmo de las series trimestrales
de producción (Q), empleo (N) y productividad laboral media (QN) para la industria manufacturera de

Argentina referida al período I.1990-III.2008. Se pide:

a. Dado que las series son trimestrales desestacionalice las mismas. Las nuevas series deben
guardarse con la extensión Q_sa, N_sa, QN_sa. Explique brevemente la intuición llevada a
cabo para quitar la estacionalidad de las series. ¿Qué otro componente es importante analizar?
Plantee de qué forma puede calcularlo.
b. Trabaje con las series desestacionalizadas. ¿Son las series Q_sa, N_sa, QN_sa estacionarias?
 UNIVERSIDAD NACIONAL DE TUCUMAN
Facultad de Ciencias Económicas
LICENCIATURA EN ECONOMÍA
ECONOMETRIA I
AÑO 2018

c. Responda analizando el gráfico de cada una de las series con respecto al tiempo y mediante el
análisis de correlogramas (simples y parciales). Calcule la primera diferencia de las mismas
(difQ_sa, difN_sa, difQN_sa) y realice el mismo análisis anterior. Interprete
d. Evalúe la existencia de raíz unitaria mediante la implementación de los distintos tests vistos en
clases para las series Q_sa, N_sa, QN_sa, difQ_sa, difN_sa, difQN_sa.
e. ¿Presentan cada una de las series quiebres estructurales? ¿Cómo cree que afectan los mismos a
los test de raíces unitarias? ¿Qué tests de raíces unitarias que considere quiebres conoce?
 UNIVERSIDAD NACIONAL DE TUCUMAN
Facultad de Ciencias Económicas
LICENCIATURA EN ECONOMÍA
ECONOMETRIA I
AÑO 2018

TRABAJO PRÁCTICO 9

DATOS DE PANEL
PARTE 1

Ejercicio 8.1
Considere el modelo con un único regresor Y β X , α λ u . Este modelo también puede
escribirse como

Y β β X , δ B2 ⋯ δ BT γ D2 ⋯ γ Dn u

Donde B2 1 si t 2 y es cero en otro caso, D2 1 si i 2 y cero en otro caso, y así

sucesivamente. ¿Cómo se relacionan los coeficientes β , δ , … , δ , γ , … , γ con los coeficientes
α ,…,α , λ ,…,λ ?

Ejercicio 8.2
Un investigador cree que los accidentes de tránsito son mayores cuando los caminos están cubiertos de
nieve, de modo tal que los distritos con mayor caída de nieve tendrán más accidentes que los demás.
Comente las diferencias entre los siguientes métodos diseñados para estimar el efecto de la nieve en
los accidentes.

a. El investigador recolecta datos sobre la caída de nieve promedio y los accidentes promedio en
cada distrito en un período de tiempo y estima el modelo:

accidentes β β nievepromedio β Z u

donde Z son controles adicionales.

b. El investigador recolecta datos de la caída de nieve y los accidentes para cada año para cada
distrito y estima el modelo:

accidentes β β nieve β Z u
PARTE 2
Ejercicio 8.3
El objetivo de este trabajo es revisar algunas dificultades empíricas en la estimación de modelos de
criminalidad. Se basa en el trabajo de Cornwell y Trumbull (1994, CyT de aquí en adelante).
Wooldridge (2002) también discute este caso. Los datos se encuentran en el archivo cornwell.dta, el
 UNIVERSIDAD NACIONAL DE TUCUMAN
Facultad de Ciencias Económicas
LICENCIATURA EN ECONOMÍA
ECONOMETRIA I
AÑO 2018

cual contiene una detallada descripción de los mismos. El trabajo se basa en este paper, por lo que el
primer paso consiste en leerlo detenidamente.

Un punto central en el paper consiste en cuestionar un resultado estándar en esta literatura, que sugiere
que las mejoras en el sistema de justicia criminal tienen un importante efecto sobre la tasa de
criminalidad. Ello se basa en que existen diferentes problemas de estimación como el de
simultaneidad, sesgo de variable omitida y sesgos de agregación.

a. Otro problema que se encuentra presente es lo que se conoce como sesgo de ratio en la
probabilidad de arresto, definida como el número de arrestos en relación a los delitos.
Demuestre la existencia de un sesgo de ratio en la definición de la probabilidad de arresto.
Plantee soluciones a este problema. Discuta si el uso de datos de panel constituye o no una
solución a este problema.
b. Determine qué efecto podría tener utilizar la variable de crimen agregada por distintos tipos de
delito, por ejemplo delitos contra las personas, propiedad, etc
c. Estime el modelo ‘between’ presentado por los autores en la primera columna de la Tabla 3
comente los resultados obtenidos. Explique por qué es muy posible que la presencia de
heterogeneidad no observable haga que las estimaciones anteriores sean sesgadas.
d. Estime ahora un modelo de efectos fijos. Discuta por qué esta alternativa resolvería el
problema anterior de sesgo. Testee formalmente la hipótesis nula de ausencia de efectos fijos.
Discuta las principales diferencias encontradas con las estimaciones anteriores.
e. Estime el modelo usando un estimador de efectos aleatorios. Implemente un test de Hausman
para comparar los estimadores de efectos fijos y de efectos aleatorios y comente los resultados
obtenidos. Evalúe la presencia de posibles efectos aleatorios y correlación serial de primer
orden. (Ayuda: es necesario descargar el comando xttest1).
f. Adicionalmente uno de los problemas presentes es la endogeneidad de las variables
relacionadas con el sistema judicial. Explique por qué dichas variables pueden ser consideradas
endógenas y qué método de estimación podría utilizar.