Examen de Econometría II Licenciatura de Administración y

Examen de Econometría II
Licenciatura de Administración y Dirección de Empresas
Convocatoria SEPTIEMBRE de 2002
Prof. Rafael de Arce
NOMBRE
GRUPO
_______________________________________
____________
Se ha especificado el siguiente modelo multiecuacional con tres ecuaciones para
relacionar el Consumo Privado Nacional (consumo), los Beneficios Empresariales
(beneficio) y la Inversión (inversion) entre 1980 y el año 2002:
consumo = α 0 + α1 deflactor + α 2 salarios + α 3beneficio + U1
beneficio = β 0 + β 1salarios + β 2 consumo + β 3deflactor + β 4 inversion + β 5 ficticia + U 2
inversíon = γ 0 + γ 1consumo + γ 2 beneficio + γ 3 ficticia + +γ 4 ocupados + U 3
Deflactor:
Salarios:
Ficticia:
Ocupados:
crecimiento del deflactor de precios del consumo privado.
crecimiento de la remuneración de asalariados en el país.
ficticia con valor 1 para junio de 1992 (crisis bursátil)
crecimiento del número de ocupados en el país.
A la vista de la información sobre la estimación por MCO de cada una de las
ecuaciones que se ofrece a continuación conteste a las preguntas marcadas en
negrilla:
Dependent Variable: consumo
Method: Least Squares
Sample(adjusted): 1980:2 2002:1
Included observations: 88 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
deflactor
salarios
beneficios
0.003008
-0.672884
0.445838
0.156319
0.001141
0.058165
0.047603
0.041159
2.635867
-11.56851
9.365787
3.797943
0.0100
0.0000
0.0000
0.0003
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.658597
0.646404
0.003424
0.000985
376.7559
0.597031
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
0.658218
6.211680
Probability
Probability
0.005789
0.005758
-8.471724
-8.359118
54.01445
0.000000
White Heteroskedasticity Test:
F-statistic
Obs*R-squared
0.743761
0.718560
Dependent Variable: beneficios
Method: Least Squares
Sample(adjusted): 1980:2 2002:2
Included observations: 88 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
salarios
consumo
deflactor
inversion
FICTICIA
0.010997
-0.602825
0.322586
1.332661
0.267021
-0.007557
0.002625
0.148999
0.279404
0.164951
0.095098
0.004583
4.189356
-4.045830
1.154553
8.079109
2.807844
-1.649059
0.0001
0.0001
0.2516
0.0000
0.0062
0.1029
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.565336
0.539151
0.007598
0.004792
311.1250
0.697230
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
4.382103
47.15362
Probability
Probability
0.022780
0.011193
-6.856742
-6.688969
21.59040
0.000000
White Heteroskedasticity Test:
F-statistic
Obs*R-squared
0.000004
0.000201
Dependent Variable: inversion
Method: Least Squares
Sample(adjusted): 1980:2 2002:1
Included observations: 88 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
consumo
beneficios
ocupados
FICTICIA
-0.006160
1.151002
0.254057
1.208678
-0.012311
0.002580
0.281997
0.087478
0.276437
0.004885
-2.387758
4.081615
2.904248
4.372347
-2.520179
0.0192
0.0001
0.0047
0.0000
0.0136
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.768674
0.757526
0.008141
0.005501
301.0595
0.452700
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
0.984290
12.97330
Probability
Probability
0.009350
0.016533
-6.728624
-6.587866
68.95018
0.000000
White Heteroskedasticity Test:
F-statistic
Obs*R-squared
0.474862
0.449876
Valore la adecuación del método de estimación MCO en la primera de las
ecuaciones del modelo:
¿Cumplen las 3 estimaciones anteriores las 2 hipótesis de los modelos
multiecuacionales relativas a la Varianza de las Perturbaciones
Aleatorias?
Se ofrece ahora nueva información con la que deberá contestar a las preguntas
marcadas nuevamente en negrilla:
Estimaciones FORMA REDUCIDA:
Dependent Variable: consumo
Method: Least Squares
Included observations: 88 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
deflactor
salarios
FICTICIA
ocupados
0.003525
-0.106057
0.085978
0.001167
0.662423
0.001002
0.093106
0.076570
0.001881
0.125634
3.518982
-1.139106
1.122870
0.620209
5.272658
0.0007
0.2579
0.2647
0.5368
0.0000
Dependent Variable: beneficios
Method: Least Squares
Included observations: 88 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
Deflactor
Salarios
FICTICIA
Ocupados
0.010928
1.559929
-0.712588
-0.008317
1.105010
0.002497
0.232030
0.190821
0.004687
0.313093
4.377059
6.722977
-3.734328
-1.774281
3.529338
0.0000
0.0000
0.0003
0.0796
0.0007
Dependent Variable: inversión
Method: Least Squares
Sample(adjusted): 1980:2 2002:2
Included observations: 88 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
deflactor
salarios
FICTICIA
ocupados
-0.001063
0.113664
0.145770
-0.014247
2.015833
0.002908
0.270234
0.222240
0.005459
0.364644
-0.365638
0.420614
0.655911
-2.609847
5.528224
0.7156
0.6751
0.5137
0.0107
0.0000
Estimación de cada ecuación por MCO sustituyendo las variables endógenas
de otras ecuaciones por su valor estimado por MCI (estas variables estimadas
terminan en “est”).
Dependent Variable: consumo
Method: Least Squares
Included observations: 88 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
deflactor
salarios
Beneficio-est
0.000287
-0.862044
0.467132
0.387266
0.001333
0.076968
0.045514
0.076421
0.215474
-11.20008
10.26360
5.067560
0.8299
0.0000
0.0000
0.0000
Dependent Variable: beneficios
Method: Least Squares
Included observations: 88 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
Salaries
Deflactor
Consumo-est
Inversion-est
FICTICIA
0.009666
-0.810622
1.565898
0.476090
0.391718
-0.003291
0.002631
0.207410
0.217319
0.268506
0.176941
0.006235
3.673496
-3.908309
7.205530
1.773104
2.213830
-0.527813
0.0004
0.0002
0.0000
0.0799
0.0296
0.5990
Dependent Variable: inversion
Method: Least Squares
Included observations: 88 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
Consumo-est
Beneficio-est
Ocupados
FICTICIA
-0.024158
5.237238
0.428113
-1.927329
-0.016820
0.016381
3.572794
0.217476
2.746514
0.007138
-1.474777
1.465866
1.968552
-0.701736
-2.356537
0.1441
0.1465
0.0523
0.4848
0.0208
El modelizador se plantea utilizar MCI para aquellas ecuaciones en las
que esto sea posible y MC2E para el resto de los casos. Escriba la forma
final de la forma estructural, con los parámetros estimados, teniendo en
cuenta la información disponible
¿Qué ventaja presenta la estimación con MC2E respecto a MCI o MCO?
¿Tiene alguna desventaja?
Se considera que los pobres resultados obtenidos en la ecuación relativa
a los beneficios podrían estar relacionados con la posible existencia de
autocorrelación en esta ecuación. ¿Puede confirmar numéricamente este
punto?
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(ERROREBE) = 1ª DIFERENCIA ERROR EC. BENEFICIOS
Method: Least Squares
Sample(adjusted): 1981:1 2002:1
Included observations: 85 after adjusting endpoints
Variable
Coefficient
ERROREBE(-1)
D(ERROREBE(-1))
D(ERROREBE(-2))
C
@TREND(1980:1)
Durbin-Watson stat
-0.245645
0.680646
-0.108588
0.000727
-1.64E-05
2.009820
Std. Error
0.058214
0.094561
0.109444
0.000904
1.74E-05
Prob(F-statistic)
t-Statistic
Prob.
-4.219710
7.197969
-0.992181
0.803792
-0.945384
0.0001
0.0000
0.3241
0.4239
0.3473
0.000000
Correlogramas del residuo de la ecuación de los beneficios:
Sample: 1980:1 2004:4
Included observations: 88
Autocorrelation
. |******
. |****
. |**
. |*.
.*| .
.*| .
.*| .
.*| .
.*| .
.*| .
. |*.
. |*.
|
|
|
|
|
|
|
|
|
|
|
|
Partial Correlation
. |******
.*| .
. | .
. | .
. | .
.*| .
. | .
. |*.
. |*.
. | .
. | .
.*| .
|
|
|
|
|
|
|
|
|
|
|
|
1
2
3
4
5
6
7
8
9
10
11
12
AC
PAC
Q-Stat
Prob
0.825
0.493
0.170
-0.046
-0.143
-0.226
-0.313
-0.351
-0.271
-0.078
0.136
0.262
0.825
-0.085
0.036
0.051
-0.031
-0.361
-0.012
0.122
0.200
0.037
0.015
-0.062
61.943
84.359
87.047
87.246
89.191
94.123
103.71
115.91
123.26
123.87
125.78
132.92
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
¿Podría confirmar la presencia de un ruido blanco en los residuos de la
ecuación de los beneficios? Si no se diera tal, ¿podría identificar algún
proceso ARIMA como su proceso generador de datos?