Econometría II. Hoja de Problemas 2 1. Se quiere estudiar si los beneficios de las empresas dependen del gasto en I+D que realizan. Para estimar la ecuación benef iciost = β1 + β2 ventast + β3 gIDt + ut se dispone de una muestra de 70 empresas, de las que se conocen sus beneficios, ventas y gastos en I+D (gID) en un determinado periodo. Suponemos que este modelo cumple los supuestos básicos del modelo de regresión lineal con observaciones iid, salvo quizás el supuesto de homocedasticidad. a) El modelo se estima por MCO obteniéndose benef iciost = −1, 253 + 0, 655ventast + 0, 120gIDt + et . Se estima además por MCO la regresión auxiliar e2t = γ̂1 + γ̂2 ventast + γ̂3 gIDt + γ̂4 ventas2t + γ̂5 gIDt2 + γ̂6 ventast ∗ gIDt + v̂t y se obtiene R2 = 0, 23. Contraste si el modelo verifica el supuesto de homocedasticidad en esta muestra. b) Sabiendo que el estimador de White de la varianza de β̂3 es 0.004624, contraste la hipótesis nula de que el gasto en I+D no afecta a los beneficios de las empresas frente a la alternativa de que los beneficios empresariales dependen positivamente del gasto en I+D. 2. Considere el modelo de regresión simple sin constante: yt = βxt + ut , t = 1, ..., T, donde xt sólo toma valores positivos. Suponemos que este modelo cumple los supuestos básicos del modelo de regresión lineal con observaciones iid, salvo el supuesto de homocedasticidad puesto que var(ut |xt ) = σ 2 xt . Se dispone de la siguiente información: T T T P P P xt = 1977 yt = 1578 x4t = 41630 t=1 T P t=1 T P x2t = 4897 xt yt = 3851 t=1 T P t=1 t=1 x2t e2t = 6121341 t=1 T P T P t=1 e2t = 380560 u b2t = 260125 T = 1000 t=1 donde et son los residuos basados en el estimador MCO y u bt son los residuos basados en el estimador MCG 1 a) Contraste, utilizando el estimador MCO, H0 : β = 0 frente a H1 : β 6= 0 b) Obtenga el estimador de mínimos cuadrados generalizados de β y calcule su varianza estimada. 3. Considere el modelo lineal con una sola variable explicativa Yt = βXt + ut donde la variable Xt siempre es positiva. Se consideran los siguientes estimadores alternativos del parámetro unidimensional β : PT PT PT T X X Y X t Yt Y Yt t t t t=1 t=1 b4 = 1 βb1 = PT ; βb2 = PT ; βb3 = Pt=1 ; β T 2 T t=1 Xt t=1 Xt t=1 Xt t=1 Xt a) Si se verifican todos los supuestos básicos del modelo lineal de regresión con observaciones iid, determine la esperanza y la varianza (condicional) de cada uno de estos estimadores y seleccione, entre los que sean insesgados, aquel que sea óptimo. b) Supongamos que en realidad no se cumple el supuesto de homocedasticidad, ya que las perturbaciones son independientes con media 0 y V ar(ut |Xt ) = σ 2 λt . 1) Determine cuál es ahora el estimador lineal insesgado óptimo de β y calcule su esperanza y su varianza. 2) ¿Es posible encontrar λt de manera que el estimador óptimo obtenido en el subapartado anterior sea βb1 ? Responda también a esta pregunta cambiando βb1 por βb2 , βb3 y βb4 . 4. Considere el modelo de regresión simple sin constante: yt = βxt + ut , t = 1, ..., T, que satisface todos los supuestos básicos del modelo de regresión lineal con observaciones iid, salvo quizás el supuesto de homocedasticidad. Se dispone de la siguiente información: P 4 P P y = 1842 x = 1977 t t t xt = 41629 t t P 2 2 P 2 T = 1000 t xt et = 221193 P t xt = 4897 P 2 t xt yt = 4445 t et = 26295 b t , donde βb es el estimador MCO de β. et = yt − βx a) Contraste H0 : β = 0 frente a H1 : β 6= 0. b) Sabiendo ahora que X x t yt t σt2 = 165 y X x2 t t σt2 = 176, donde σt2 = V ar (ut |xt ), obtenga el estimador de mínimos cuadrados generalizados y proponga un estimador de su varianza. 2 c) Suponiendo que σt2 = γ1 + γ2 x2t , donde γ1 y γ2 son parámetros desconocidos, obtenga estimadores consistentes de los parámetros γ1 y γ2 . Explique cómo obtendría un estimador del parámetro β asintóticamente eficiente a partir de estas estimaciones. 5. El número de desempleados de un país en un periodo de tiempo (Dt ) depende de la población activa que exista en dicho periodo (At ) y del nivel de producción (Pt ), según el modelo Dt = β1 + β2 At + β3 Pt + ut Se dispone de 78 observaciones de estas variables para la economía española. En base a esa muestra se ha estimado por MCO el modelo obteniéndose los siguientes resultados: (1) : Dt = −34241 + 3,75 At − 1,98 Pt + et (0,558) [0,402] (0,377) [0,281] Entre paréntesis figuran los errores estándar de los estimadores MCO válidos cuando se verifican todos los supuestos básicos del modelo y entre corchetes los errores estándar robustos a heterocedasticidad (basados en la matriz de varianzas de White). Supondremos que este modelo satisface todos los supuestos básicos del modelo de regresión con observaciones iid salvo, quizá, el de homocedasticidad; además supondremos que los errores siguen una distribución normal. Se dispone de los siguientes resultados basados en estimaciones MCO auxiliares (entre paréntesis se dan los errores estándar MCO): (2) : e2t = α̂0 + α̂1 At + α̂2 Pt + α̂3 A2t + α̂4 Pt2 + α̂5 At Pt + resid.; (3) : et = δ̂0 + δ̂1 At + δ̂2 Pt + δ̂3 A2t + δ̂4 Pt2 + δ̂5 At Pt + resid.; (4) : e2t = γ̂1 + γ̂2 At + γ̂3 Pt + v̂t ; R2 = 0,24, v̂ ′ v̂ = 135,4 (5) : et = θ̂1 + θ̂2 At + θ̂3 Pt + ω bt ; R2 = 0,01, ω b′ω b = 34587 √ √ √ (6) : Dt∗ = Dt / At ; A∗t = At / At ; Pt∗ = Pt / At Dt∗ = 562 + 6,02 A∗t − 1,92 Pt∗ + e∗t (84,8) (0,94) (0,39) √ √ √ √ (7) : Dt∗ = Dt / At ; Ct∗ = 1/ At ; A∗t = At / At ; Pt∗ = Pt / At Dt∗ = −34449Ct∗ + 3,77 A∗t − 1,99 Pt∗ + e∗t ; (4965) (0,059) (0,39) (8) : Dt∗ = Dt /At ; Ct∗ = 1/At ; Pt∗ = Pt /At Dt∗ = 3,78 − 34634Ct∗ − 1,99 Pt∗ + e∗t . (0,60) (5133) (0,40) Con esta información: 3 R2 = 0,45 R2 = 0,05 a) Contraste, de todas las formas que pueda, que la varianza de las perturbaciones ut depende de las variables At y Pt . b) Utilizando el estimador MCO, contraste la significatividad individual de la variable At . c) Un analista llega a la conclusión de que V ar(ut |X) = σ 2 At y realiza una estimación eficiente del modelo basada en esa información. Indique cómo debería contrastar este analista la significatividad individual de la variable At y qué resultado obtendría. 6. Un analista de una empresa informática sugiere un modelo lineal para explicar las ventas mensuales de ordenadores personales, Yt , en función de la población, X1t , y de la renta per cápita, X2t : Yt = β0 + β1 X1t + β2 X2t + ut (1) Suponemos que este modelo cumple los supuestos básicos del modelo de regresión lineal con observaciones iid, salvo quizás el supuesto de homocedasticidad; también suponemos que los errores siguen una distribución normal. En base a una muestra de 130 ciudades de Estados Unidos se han obtenido los resultados que se presentan en la tablas adjuntas. a) Con la información proporcionada en las tablas, contraste de todas las formas posibles si lo errores son homocedásticos. b) El mismo analista propone dos posibles vías para mejorar la estimación. La primera consiste en estimar por MCO el modelo: p Y X2t 1 ut √ t = β0 √ + β1 X1t + β2 √ +√ X1t X1t X1t X1t (2) La segunda posibilidad es estimar por MCO el modelo: p ut Y 1 X1t √ t = β0 √ + β1 √ + β2 X2t + √ X2t X2t X2t X2t (3) ¿Qué forma funcional tendría la varianza del error del modelo (1) si el estimador MCO de los parámetros del modelo (2) es el estimador de mínima varianza? y ¿Qué forma funcional tendría la varianza condicional del error del modelo (1) si el estimador MCO de los parámetros del modelo (3) es el estimador de mínima varianza?. Para obtener estimadores eficientes de los parámetros del modelo en (1) ¿qué modelo debe estimarse?. Justifique la respuesta utilizando la información de las tablas. c) En base a las respuestas en los apartados anteriores, contraste si la población es un factor determinante para el nivel de ventas. 4 7. Suponga que está interesado en estudiar el comportamiento de la demanda de ropa de mujer en España y que para ello dispone de una muestra de datos sobre gasto del hogar y características demográficas para 2931 hogares formados por parejas casadas. El objetivo final es estudiar si la elasticidad de la demanda de ropa con respecto a la renta total del hogar es mayor cuando la mujer participa en el mercado de trabajo que cuando no lo hace. Para ello se ha estimado la siguiente curva de Engel de cuya estimación se dispone de varias tablas de resultados (ver hojas adjuntas). Share_wt = β1 + β2 log(Xt ) + β3 Dt + β4 Dt log(Xt ) + β5 Edadt + β6 Edad2t + ut , donde Share_w es el porcentaje de gasto en ropa de mujer sobre la renta total del hogar, X es la renta total del hogar. La participación laboral de la mujer viene recogida por la variable ficticia D que toma valor 1 cuando la mujer participa en el mercado de trabajo y 0 cuando no participa. Los efectos no lineales de la edad se controlan por la variable Edad y su cuadrado. Suponemos que este modelo cumple los supuestos básicos del modelo de regresión lineal con observaciones iid, salvo quizás el supuesto de homocedasticidad; también suponemos que los errores siguen una distribución normal. Para llegar al objetivo final, debe seguir los siguientes pasos: a) Contraste de todas las formas posibles la hipótesis de homocedasticidad. b) En vista de los resultados obtenidos en la tabla 3, se cree que la edad es la variable causante de la heterodedasticidad, de la forma V ar(ut |X) = σ 2 Edad2t . Confirme si sus sospechas son ciertas. c) Explique cómo contrastaría la hipótesis de que la elasticidad-renta de la ropa de mujer es mayor cuando la mujer participa en el mercado de trabajo que cuando no lo hace. ¿Cuál es su conclusión? Nota: La fórmula de la elasticidad-renta en esta curva de Engel es ξ= β2 + β4 D ∂ log(q) =1+ ∂ log(X) Share_w 8. Considere la siguiente relación lineal entre el precio de las viviendas (price) y algunas características de las mismas como metros cuadrados (sqrf t), tamaño de la parcela (lotsize) y número de dormitorios (bdrms): pricet = β1 + β2 sqrf tt + β3 lotsizet + β4 bdrmst + ut (1) Se dispone de 88 observaciones. Suponemos que este modelo cumple los supuestos básicos del modelo de regresión lineal con observaciones iid, salvo quizás el supuesto de homocedasticidad; también suponemos que los errores siguen una distribución normal. Se dispone de la siguiente información sobre la regresión MCO auxiliar de la variable gt sobre los regresores del modelo 1: ĝt = −1,6161 + 0,000495sqrf tt + 0,000059lotsizet + 0,30485bdrmst 5 (2) donde gt = û2t . De la regresión auxiliar 2 se sabe que R2 = 0,16. Además se dispone de la información proporcionada en las tablas adjuntas. a) Contraste de todas la formas posibles la hipótesis de homocedasticidad de los errores del modelo 1. b) Teniendo en cuenta los resultados obtenidos en el apartado anterior, contraste si la variable lotsize es significativa en la ecuación 1. c) Suponga ahora que la varianza de los errores del modelo 1 es: var(ut |X) = σt2 = σ 2 (α1 + α2 sqrf tt + α3 lotsizet + α4 bdrmst )2 Explique cómo podría estimar σt2 y cómo transformaría el modelo 1 para obtener el estimador MCGF de β = (β1 , β2 , β3 , β4 )′ . d ) La Tabla 4 muestra los resultados de la estimación del modelo 1 según la transformación utilizada en el apartado anterior. Contraste la validez del supuesto del apartado anterior sobre la varianza de los errores del modelo de la ecuación 1. 9. Considere el siguiente modelo de uso del tiempo dedicado al ocio: ociot = β1 + β2 edadt + β3 hijost + β4 rentat + ut (1) donde la variable ocio es el número de horas semanales que se asignan a actividades recreativas, edad la edad en años, hijos es el número de hijos menores de 18 años y renta la renta mensual del hogar. Suponemos que este modelo cumple los supuestos básicos del modelo de regresión lineal con observaciones iid, salvo quizás el supuesto de homocedasticidad. Utilizando una muestra de 100 mujeres se ha estimado el vector de parámetros β y los resultados se muestran en las tablas adjuntas. a) Contraste de todas las formas posibles si efectivamente existe un problema con los errores del modelo. b) Un grupo de investigación cree que V ar(ut |X) = σt2 = σ 2 edadt . Según lo que se presenta en las tablas, explique detalladamente qué hicieron estos investigadores para obtener un estimador eficiente de β. c) ¿Tiene razón el grupo de investigación en relación al origen de la heterocedasticidad? d ) Contraste la idea de que a mayor número de hijos (no adultos) menor es el tiempo que una mujer dedica al ocio. 10. El modelo (1) se estima por dos métodos distintos utilizando 250 observaciones. Los resultados aparecen en las expresiones (2) y (3), que muestran dos estimaciones MCO con, entre paréntesis, errores estándar válidos cuando se verifican los supuestos básicos y, entre corchetes, errores estándar de White. Las regresiones auxiliares (4) y 6 (5) han sido también estimadas por MCO. Suponemos que el modelo (1) cumple los supuestos básicos del modelo de regresión lineal con observaciones iid, salvo quizás el supuesto de homocedasticidad; asimismo, suponemos que los errores del modelo (1) siguen una distribución normal. El rango de X2t es (0, ∞). Yt = β1 + β2 X2t + β3 X3t + ut Yt = 25,18 + 1,61X2t − 1,43X3t + et , (2,6) [3,7] (0,5) [0,6] (1) (2) 2 R = 0,19 (0,6) [0,7] 1 X2t X3t Y √ t = 21,89 √ + 1,16 √ − 1,92 √ + e∗t , X2t X X X (2,1) (0,4) (0,5) 2t 2t 2t R2 = 0,23 2 2 e2t = α̂1 + α̂2 X2t + α̂3 X3t + α̂4 X2t + α̂5 X3t + α̂6 X2t X3t + ât , R2 = 0,21 e2t = γ̂1 + γ̂2 X2t + b̂t , R2 = 0,20, b̂′ b̂ = 64 (3) (4) (5) a) Se sospecha que V ar (ut |X) depende de X2t . ¿Es cierta esta sospecha? Justifique su respuesta. b) ¿Qué hipótesis sobre la V ar (ut |X) se asume en la estimación (3)? c) Escriba la regresión auxiliar del contraste de heterocedasticidad de White para los errores del modelo transformado (3). ¿A partir de qué valor del coeficiente de determinación de esta regresión auxiliar se rechazaría la hipótesis sobre la V ar (ut |X) asumida en (3)? d ) Contraste la significatividad estadística de la variable X3t si el R2 de la regresión auxiliar especificada en c) es 0.10. 7 12345656789 12342567 9ABACDACE5F2234A75 AED75A2E5 2A 12342587 9ABACDACE5F2234A7598595C545AD5DA5425 1234256 AED75A2E5 2A 2!B4A75656"# 2!B4A75656"# C$4DAD53A%2EC756"# F2234A C$4DAD53A%2EC756"# &A''$ACE ED(5 E)E2EE$ 5 F2234A &A''$ACE ED(5 E)E2EE$ *3(55 & #(+6,-.8 #(8+/00 8(#68"6 & #(#.-660 #(0.#/. #(6"08-- #(,.6, 16 #(6""808 #(6++8 #(,+,0+ 16 #(.0+0#/ #(,,6#8. 6(#.+... #(8/+8 18 "(8,"6-6 #(#06/"0 +"(6,#- 168 )#("088-8 #(8.0/," )6(88#+0 #(88-0 0(/+-6" 16218 #(#.0#"8 #(686#+0 #(/."8,, #(-8.6 6(-8/#+ 18 )#(+80..+ #(860-86 )8(-"+#+ #(#60" 6-6-(#, 188 #(#+,+0, #(#"-6#- 6(/6/"8, #(#,,- # ) 2AD #(6+".+. 55A2C5DABACD(5%2 #(86,#8 !5 2AD5 AD /(#/666. $3245$EAC #(6+6#8 5546A4D -(/,0+6" 55557)E2EE$ -(+6"#6 ) 2AD #(.+/#8- 55A2C5DABACDACE5 %2 8,("-"#+ 55$3245$EAC !5 2AD5 AD 5546A4D ),+(-+/#, 557)E2EE$ 93C)82EC5 E2E 5 8(#.#0-0 55*37)E2EE$ 93C)82EC5 E2E 51234255" 5575 9ABACDACE5F2234A751 8(#8"0/ 5555*37)E2EE$ #(###,8 AED75A2E5 2A 512342555575 9ABACDACE5F2234A7598595C545AD5 DA5425123425" AED75A2E5 2A 2!B4A75656"# 2!B4A75656"# C$4DAD53A%2EC756"# C$4DAD53A%2EC756"# F2234A &A''$ACE ED(5 E)E2EE$ 1& #(+"/."0 #(8+68," 8(6-#/0 116 #(68/#++ #(6+0660 #(,6",+ 118 "(8//-/. #(#08#0. +8(,#- 55 5 &A''$ACE ED(5 E)E2EE$ *3(55 & )+6.(6"0. 6--6(#68 )#("0#80 #(/6." 1& -8/(-+-, 66-8(/0+ #("/-#+" #(/#. 1&8 )6"8(/"#0 "",(6,#- )#(".8-. #(0.+- ) 2AD #(.+.-66 5555A2C5DAB(5%2 1&2118 +(8--6+0 -(686... 6(8/88"0 #(8#+/ !5 2AD5AD 6.(0.-8/ 5555$3245$EAC 6(#0" 116 8,"(,+., ,#"(/#6- #("+"6.6 #(/8-0 )06(/."+0 555593C)82EC5E2E 6(.//" 1168 )+,(..--6 60/("#6, )#("+808 #(/8+ 1162118 -(#688,0 8(,+0,#- 6(-#--00 #(608/ 118 ).(+/8.+8 0(,,6+,. )6(".66 #(600/ 1188 #(#0+/88 #(#"+##+ 6(,//-,- #(#08. #(6/"-00 555A2C5DABACDACE5%2 #(6+6-. 5546A4D +(0/"#0 F2234A 25%2234A51(51&(511659511852C5D55ACA2D25AC5)FA35$!7 1:9;<66;8=51&:$;5<66;8=5116:<6;5<66;8=5118:<8;<66;8 ) 2AD 51234255+ 5575 9ABACDACE5F2234A751 AED75A2E5 2A 512342550 5575 9ABACDACE5F2234A7598595C545AD5 DA5425123425+ AED75A2E5 2A 2!B4A75656"# 2!B4A75656"# C$4DAD53A%2EC756"# F2234A C$4DAD53A%2EC756"# &A''$ACE ED(5 E)E2EE$ 55 F2234A &A''$ACE ED(5 E)E2EE$ *3(55 #(..-0 1& #(+0+,68 #(8,"6/8 6(..,68 & #(+,6,. ,+(68,/, #(##0,"+ 116 #(#.#806 #(#"++8, 8(+-#+0 1& )/(+"6#,, ,6(/#+,, )#(#.86/ #(.80/ 118 "(8.6".0 #(#/0.#" -8(/..- 1&8 +(+,-,#- 8.(--/,0 #(6,.0+6 #(,-.. )8(/-80/6 "(.8-#,0 )#(0.,." #(-,+. 5 ) 2AD #(/+0,0/ 5555A2C5DAB(5%2 -(."-06 1&2116 !5 (5A 6.(/#"#0 5555$3245$EAC 6(#0"-- 116 8(#+-0/ 1168 5546A4D )06(,88+/ 555593C)82EC5 E2E 25%2234A51(51&(511659511852C5D55ACA2D25AC5)FA35$!7 1:9;<86;8=51&:$;5<86;8=5116:<6;5<86;8=5118:<8;<86;8 0(8+,#6 +(/+8/+ 6(#,/,8. #(8/,, )#(+0-"6" #("-+6/. )#(,,,. #(",-/ 1162118 )8(6680" 8(6++"8, )#(.,#6. #("8,. 118 6(#,/+6+ ".(80-"/ #(#8/0./ #(.//. 1188 )#(68.-,, 0(/+0+-, )#(#6.6/ #(.,-/ #(#0..0- 555A2C5DABACDACE5%2 #(6+6+0 ) 2AD 1234565678A BCDEC8F816C568 123245246789AB9CD2E7F 265E72967F9A2 F93D2E77 ! "2##B$B246 F65%7AAA 89AB9CD2 6&F696B6B$ 'AC%77 " !%()!!*+ *%(!++ ! (%,( (%*(* %(+(+ (%+(*(* %) ( (%((** 1 ,%!.,.( %*!.* (%,, ))* (%,),) 1/&(%!*, (%**).+ &(%+)). (%*!. 11 &(%* ++( (%) &*%,+. (%(((( 11 (%((.,) (%(( * *%*)) (%(((( &9A25 (%( ., 77772947523245246709A ,%.!),. 516257&9A25 (%(!, 7777F%1%7523245246709A *% +), 2697-3D45-67777777777269E711372595 BCDEC8 123245246789AB9CD2E7F 265E72967F9A2 F93D2E77 ! 63833473C656 7638!CC48144748"8 7#C46C53 "2##B$B246 F65%7AAA 6&F696B6B$ 89AB9CD2 'AC%77 " !%()!!*+ *%.*! (%+ ))) (%* %(+(+ (%+(,(,! %),* (%((*, 1 ,%!.,.( %,.)*)! (%,*)++ (%,)+! 1/&(%!*, (%*, +, &(%+) , (%*!* 11 &(%* ++( (%!+!(* &,%)(!(( (%(((( 11 (%((.,) (%((*. ,% . + (%(((( &9A25 (%( ., 77772947523245246709A ,%.!),. 516257&9A25 (%(!, 7777F%1%7523245246709A *% +), BCDEC8$ 123245246789AB9CD2E7F81777552799CD976 265E72967F9A2 F93D2E77 ! "2##B$B246 F65%7AAA 89AB9CD2 " 11 11 ,%.*( . &(%,*,+( (%((!** 6&F696B6B$ 'AC%77 %(,(.. ,%,+! * (%(,(+( &,%(..( (%(((,., ,%,) ,,* (%(((( (%(((( (%(((( &9A25 (%(+,. 77772947523245246709A 516257&9A25 (%(!.+, 7777F%1%7523245246709A F%%7#7A24A2B4 7777:9B:27B4#7$AB62AB4 F79A257A2B5 !().%), 7777F$;9A<7$AB62AB4 47DB:2DB5 &).!%(* 7777=&696B6B$ 1ACB4&9647696 %(+.+ 7777'AC5=&696B6B$6 %(((((( %.)++ +% (!+ ! +% ( *) %,** (%(((((( BCDEC8%8 926796B4E 123245246789AB9CD2E7F81>7552799CD976 265E72967F9A2 F93D2E77 ! 89AB9CD2 "2##B$B246 F65%7AAA 6&F696B6B$ 'AC%77 " -> -/1 -/1-/11 -/11 1 1/11 1/11 1-/11 1-/11 11 11> 11/11 11> )!% &()%,+) % ( )! )!!%*.,. &%+,. % ) +). &(%(!.. & )(%++. ,(+%)!() &*%,+!!* &!,%* * (%+*(!,. &+,%+ ,., (%+ +)** (%(( , &%)&(, +()%). ,()%*( )%!,*, .%+(* .%!*! *%)!)+ (%()*( *!,(%!*. ).%).,+ %+)++ %!.!(( (%+..,. ,%+ %*!,+. (%(!. (%((() (%!*.)+ &(%(,. (%((! (% (!( ) &(%()+,+) (%++!, &(%,(+). &%,)((,. %.!( &!%(!. &%.),.)+ !%( *(+ &(%! ,! (%.))!! (%(*(() &(%(,!*. (%),+ (%.! (% + (%!**, (% +(* (%*,)) (%*( . (%*, (%((+. (%((+ (%((+ (%((( (%* ) (%., (% , (% ,) &9A25 516257&9A25 269E71-31/- (%(. 77772947523245246709A !)%+)!! (%(* 7777F%1%7523245246709A (,% +( BCDEC8&8B4C'74C56(8B)*+,*-.1/0)*+,*-.11213*3 123245246789AB9CD2E79F 265E72967F9A2 F93D2E77 ! "2##B$B246 F65%7AAA 6&F696B6B$ 89AB9CD2 'AC%77 9" %,) () *%.*, (%+* (%*)*. 9%,.) (%++,(+ %) ,*( (%((, 91 %!,).+ %+,!!(+ (%+ + (%.(! 91&(%!(+ (%*,(. &(%)!* (%.* " &(%)() (%+,* &,%)), ,( (%(((( 11 (%((.)! (%((, ,%)!*!+! (%(((( &9A25 (%(,+!.) 77772947523245246709A (%,),* 516257&9A25 (%(,))( 7777F%1%7523245246709A (%)++ BCDEC89 123245246789AB9CD2E7F81>7552799CD97,6 265E72967F9A2 F93D2E77 ! 89AB9CD2 "2##B$B246 F65%7AAA 6&F696B6B$ 'AC%77 " 9" 9"> 9"/99"/91 9"/9199-> 9-/919-/11 91 91/11 9191-/11 11 11> (%*+), &()%)+! !)),%. &!*,%(+, &*)%. (!)%( .%))* *%.)(+, &)%*+*(, &(%(.( ) !.)%!,( &+% (.*.+ &)%),* (%!+,)). (%()(,! &(%((((+ !% +.+* *+%) +.!(%.* , )%(*( )! %*.( (,%)* %,+)+), (%+. !(% ! + (%! (! , %))* !%,! + )% ,++ (%+,, (%(, (+. (%(((!,) (%*! (* &(%*,*+)+ (%).*( &(%*+( &%,(.* %+,), (% !+,+ (%!+( .+ &(%,)(!+ &(%.)+* %+ !)+ &%!.***+ &%,,*)* %+( . ! (%..) &(% +** (%.* . (%,* (%+!+, (%,+( (%!( (%,( (%!* (%)!! (%,*., (%!.!( (%!*( (%*,) (% ) (%,.) (%)). (%))() &9A25 516257&9A25 (%(+,+) 77772947523245246709A (%())( (%( ,. 7777F%1%7523245246709A (%( + 12345656784 BCDEC8F 9ABACDACE5F2234A75*& AED75A2E5 2A 2!B4A7565,, C$4DAD53A%2EC75,, F2234A &A''$ACE ED(5 E)E2EE$ & )86(//#"6 8.(-/+#- )#(/",0#6 >1? #(##8#0, #(###0-8 "(88##.0 @71 #(688//, #(#6"8"/ .(8/+#." A9 6"(,+8+8 .(#6#6-+ 6(+"/-"0 ) 2AD #(0/8"08 5555A2C5DABACDACE5%2 BDCEAD5) 2AD #(00#006 5555(9(5DABACDACE5%2 ((5'5A5AC +.(,""-, 5555B626A5C'5$EAC !5 2AD5AD "##/8"(, 5555$3245$EAC 5546A4D )-,8(,//+ 55557)E2EE$ 93C)82EC5E2E 8(6#./.0 5555*37)E2EE$ *3(55 #(-088 #(##6, #(#### #(68/. 8."(+-0# 6#8(/6"66(#0+-# 66(6/,## +/(-0#8" #(###### BCDEC8 9ABACDACE5F2234A75985 95:5AD5DA5425A5ADC5DA54251234256 AED75A2E5 2A 2!B4A7565,, C$4DAD53A%2EC75,, F2234A &A''$ACE ED(5 E)E2EE$ & 6+080(866"0.(-6 6("/--66 >1? )6(,+.+#/ #(0"/#./ )8(.6,/6. >1?8 )-(.,)#/ -(0")#0 )#(6#/-., >1?2@71 #(###-+/ #(###8// 6(0-.0/" >1?2A9 #("6-0-/ #(8+8#.6(8-,6"+ @71 )8(0/".6, ,(0086," )#("#,0,. @718 #(###"+8 #(##6,-# #(6.6-,@712A9 )6(#8#,0# 6(00/6+- )#(068""/ A9 )6.,8(,-6 +-",(-," )#("0-+.+ A98 8,.(/+-6 /+,(,"#" #(",6,-" ) 2AD #(",""6- 5555A2C5DABACDACE5%2 BDCEAD5) 2AD #("686+, 5555(9(5DABACDACE5%2 ((5'5A5AC +,,"(,6- 5555B626A5C'5$EAC !5 2AD5AD 8(/#E#. 5555$3245$EAC 5546A4D ),,"(".++ 55557)E2EE$ 93C)82EC5E2E 8(#+8/68 5555*37)E2EE$ *3(55 #(6/"" #(##-0 #(.6-/ #(6#"# #(86+/ #(/+,#(,-,0 #(+-86 #(/60#(/#"0 "-6/("60 /#.-(",8#("#--8#(+,+.0 +(",0.+" #(####6# BCDEC8$ 9ABACDACE5F2234A75*& AED75A2E5 2A 2!B4A7565,, C$4DAD53A%2EC75,, 8EA5FAEA6AD2E$E9)&CEACE5E2CD2D55G5&%22C$A F2234A &A''$ACE ED(5 E)E2EE$ *3(55 & )86(//#"6 "/(6",86 )#(+,06./ #(++." >1? #(##8#0, #(##68+6 6(0+88," #(6#88 @71 #(688//, #(#6//8+ 0(.80/#/ #(#### A9 6"(,+8+8 ,(-/,08+ 6(0"",6/ #(6#0# ) 2AD #(0/8"08 5555A2C5DABACDACE5%2 8."(+-0# BDCEAD5) 2AD #(00#006 5555(9(5DABACDACE5%2 6#8(/6"((5'5A5AC +.(,""-, 5555B626A5C'5$EAC 66(#0+-# !5 2AD5AD "##/8"(, 5555$3245$EAC 66(6/,## 5546A4D )-,8(,//+ 55557)E2EE$ +/(-0#8" 93C)82EC5E2E 8(6#./.0 5555*37)E2EE$ #(###### BCDEC8% 9ABACDACE5F2234A751*& AED75A2E5 2A 2!B4A7565,, C$4DAD53A%2EC75,, F2234A &A''$ACE ED(5 E)E2EE$ 1& +#(""#0. 8,(/.++6 6(/-/,00 1>1? #(##-6#/ #(##6"," 8(./#808 1@71 #(#.8+/" #(#6-.+. 0(6,,8-6 1A9 +(8#00## ,(.+80"6 #(+,6+/8 ) 2AD #(".0-6# 5555A2C5DABACDACE5%2 BDCEAD5) 2AD #("/-,+" 5555(9(5DABACDACE5%2 !5 2AD5AD 6+"(66+# 5555$3245$EAC 5546A4D )6-.(8"06 555593C)82EC5E2E *3(55 #(#,-6 #(##". #(#### #(+08/(#,.##. 6(/#/+0, "(+.+8-+ 8(".0-6. BCDEC8& 9ABACDACE5F2234A75985 95:5AD5DA5425A5ADC5DA5425123425- AED75A2E5 2A 2!B4A7565,, C$4DAD53A%2EC75,, F2234A &A''$ACE ED(5 E)E2EE$ & )-(+0++00 6.(-"/#- )#(8"-,.# 1& "66(8#," 06,(/".6 #(+#8./8 1&8 6#66"(,66,00(0#(,+88.8 1&21>1? )6(0#8860 6("6+#68 )6(86,-#1&21@71 )/(+/+-," 6/(/,80, )#(-80##" 1>1? #(#6/0.. #(#+8### #("-#"/# 1>1?8 )6(-+)#0 0(8")#+ )#(#8""#8 1>1?21@71 #(###-"8 #(##6#0" #(-#0-,/ 1@71 #(#"#"#8 #(,8+"./ #(#"0/68 1@718 )6(60)#+ #(##,,,. )#(##6"#8 ) 2AD #(#+68-0 5555A2C5DABACDACE5%2 BDCEAD5) 2AD )#(#+,88+ 5555(9(5DABACDACE5%2 !5 2AD5AD 88#"(.0/ 5555$3245$EAC 93C)82EC5E2E 6(06.0/. 5555*37)E2EE$ *3(55 #(,6-. #(060#(".0/ #(880/ #(0/6" #(/"-+ #(.,6+ #(0,++ #(./#, #(...# 6(/"..-" +(60/""# 0(+0/"-" #(,.6/#, 12345656785 1234256 9ABACDACE5F2234A75>&> AED75A2E5 2A C$4DAD53A%2EC756## F2234A &A''$ACE ED(5 E)E2EE$ *3(55 & 9B9 FH> I1B 8/(8..,)#(8/-0#, )8(-/"80/ #(6#+,80 "(/08"+/ #(#,#6." 6(#8,6+" #(8,+"/" /(8+0#-, )"(-8-"86 )8(-#++-" #("/#,"+ #(#### #(###. #(#6,6 #(/660 ) 2AD BDCEAD5) 2AD 93C)82EC5E2E #(66.-0+ 5555A2C5DABACDACE5%2 #(#.6.-, 5555(9(5DABACDACE5%2 6(.".-6. 5555*37)E2EE$ 6-(/,### 6#(/#/,0 #(##0-.- 1234257 9ABACDACE5F2234A75985952A5EA5AD245'!51234A56 AED75A2E5 2A C$4DAD53A%2EC756## F2234A &A''$ACE ED(5 E)E2EE$ *3(55 & 9B9 9B98 9B92FH> 9B92I1B FH> FH>8 FH>2I1B I1B I1B8 )-,(-8/8+(6-##+" )#(#"+//, "(#/08#+ )-(86,60, )6+,(#.6" 68(.,/+/ )6+(-#6.# 6./(0,0. #(#/,8-6 8/.(088# 66(80886 #(6#/"., "(60+/+/ 6(8-.#6+ 6-6(,,6# 6,(0#+//(.+8"00 +#(+-+-. #(//-.,0 )#(6/"6,, #(-+0"., )#("""6"0 #(./6/68 )"("//6.0 )6(66-8+" #(0.,#-6 )6(."0/0. "(.66#0, #(6##.+, #(,08. #(0-.8 #(/"., #(""", #(##66 #(80,6 #(-,/# #(#++. #(###8 #(.6., ) 2AD BDCEAD5) 2AD 93C)82EC5E2E #(6./6.# 5555A2C5DABACDACE5%2 #(660.#. 5555(9(5DABACDACE5%2 8(#6#/.. 5555*37)E2EE$ ..(.+#." 86-(/#08 #(#6-.,. 1234258 9ABACDACE5F2234A751>&> AED75A2E5 2A C$4DAD53A%2EC756## F2234A &A''$ACE ED(5 E)E2EE$ *3(55 1& 19B9 1FH> 1I1B 8/(#"-,8 )#(8/-08, )8(0#8.#+ #(8."+,8 "(/#.068 #(#."06, 6(#/6,6#("-/-"8 /(8,///0 )8(.""+#6 )8(-8,+##(,-+##+ #(#### #(##-8 #(#6/# #(-##8 ) 2AD BDCEAD5) 2AD 5546A4D #(8-,8"/ 5555A2C5DABACDACE5%2 #(88-/-+ 5555(9(5DABACDACE5%2 )8#-(8#"/ 555593C)82EC5E2E 8(/+8+.# 8(606-/+ 6(.,606/ 1234259 9ABACDACE5F2234A75985952A5EA5AD245'!51234A5" AED75A2E5 2A C$4DAD53A%2EC756## F2234A &A''$ACE ED(5 E)E2EE$ *3(55 & 1& 1&8 1&21FH> 1&21I1B 19B9 19B98 19B921FH> 19B921I1B 1FH> 1FH>8 1FH>21I1B 1I1B 1I1B8 ,-0(,"#8 )"60/(6-# -#0/(0,, 8#,(8,6.//(./". )."(#8/,"(0#,6.0 68("/-." 6,(8-68" )66/(6.+, 68(8/600 )6#(60+#6 )8/#(+-+" #(,/-6-- ""/#(-66"8/"(0. 6.8--(6. 6,6.(0.,+0(68+, "/8(-"6/ 6+(#,600 0#(,"/"/ 8,(#6#.. 0/+(,-"+ 80(80.6# 6"(.6+.. "6+("0., 6(-6#+"- #(8+68+)#(8",0#" #(866"/8 #(66--0# 6(6-8"8+ )#(8-./,+ #(8".8-#(8#"-6# #(0+686/ )#(6/"-#/ #(-0/6+8 )#(/"#-+0 )#(,+/,0/ #(06./8+ #(,#88 #(,68# #(,""6 #(.#.6 #(8+0+ #(,#"" #(,66+ #(,"." #(+600 #(,08/ #(0-60 #(-0/6 #("."#(+"/6 ) 2AD BDCEAD5) 2AD ((5'5A5AC !5 2AD5AD 5546A4D 93C)82EC5E2E #("#"-80 5555A2C5DABACDACE5%2 #(6.,6"# 5555(9(5DABACDACE5%2 /(,6,/0" 5555B626A5C'5$EAC +8+/(--" 5555$3245$EAC )"-#(##+" 55557)E2EE$ 8(#"#.60 5555*37)E2EE$ "(-//#.,(/"6--/ /(#,#6#/ /(---,"6 8(,,60+8 #(##6/#+ 123425A 9ABACDACE5F2234A75>&> AED75A2E5 2A C$4DAD53A%2EC756## 8EA5FAEA6AD2E$E9)&CEACE5E2CD2D55G5&%22C$A F2234A &A''$ACE ED(5 E)E2EE$ *3(55 & 9B9 FH> I1B 8/(8..,)#(8/-0#, )8(-/"80/ #(6#+,80 "(."#0"0 #(#/0.-/ #(./880+ #("+/.", 0(.-+-## )"(+0,/.+ )8(+-",6. #(8.+0++ #(#### #(###0 #(#680 #(/0,6 ) 2AD BDCEAD5) 2AD ((5'5A5AC !5 2AD5AD 5546A4D 93C)82EC5E2E #(66.-0+ 5555A2C5DABACDACE5%2 #(#.6.-, 5555(9(5DABACDACE5%2 6#(8#"/# 5555B626A5C'5$EAC ...+(#." 5555$3245$EAC )"/8(68/, 55557)E2EE$ 6(.".-6. 5555*37)E2EE$ 6-(/,### 6#(/#/,0 /(+88++0 /(080/0" -("-6+-0 #(##0-.-