examen final 2015

Examen final Econometría Aplicada
MAE
Fecha Entrega: Lunes 14 de septiembre 2014
Lugar de entrega: Recepción UCEMA
El examen consta de dos partes:
Parte A:
Tiene tres problemas alternativos para analizar econométricamente con un conjunto de
datos y papers asociados. De estos tres problemas debe elegir SOLO DOS para resolver.
Realice un reporte de una extensión máxima de 20 páginas, letra Times New Roman 12,
interlineado 1 ½. La extensión máxima de 20 páginas incluye cuadros (utilizar letra Arial 10
en cuadros) y gráficos (Consulte los lineamientos generales del trabajo final MAE para
detalles de formato). El reporte debe estar autocontenido y tener el formato de un ensayo
corto, centrando el análisis en los aspectos metodológicos y de análisis de resultados.
Presente los resultados en formato de tablas sintéticas. Utilice las referencias como base
para su reporte. La nota será función de la calidad del análisis, la metodología y la robustez
que presenten sus resultados. Asigne a su criterio la extensión para cada problema elegido
respetando la restricción de 20 páginas totales como máximo. Puede incluir anexos con
datos o salidas de STATA.
Parte B
B1 y B2 son ejercicios obligatorios con cuestiones puntuales a resolver y con datos asociados.
B3 tiene tres ejercicios de series de tiempo. Seleccione 2 para resolver.
Los datos y referencias se encuentran en archivos comprimidos (Datos Examen).
Ponderación de cada parte:
Parte A: 50%
Parte B: 50%
1
Parte A.
A1. Valuación hedónica y política ambiental
La idea básica de la metodología de la valuación hedónica es que en el precio de algunos
bienes está implícito el precio de cada uno de sus atributos. Es decir, estos bienes compuestos
dan utilidad a los consumidores en base a las características que los componen.
La base casas.xls contiene los de datos empleados en el trabajo de Harrison and
Rubinfeld (1978), “Hedonic prices and the demand for clean air'', Journal of
Environmental Economics and Management, Vol. 5, pp. 81-102.
Es una base de datos con 506 filas y 16 columnas.1 Las 506 filas corresponden a 506
radios censales de la ciudad de Boston en 1970 y las 14 columnas a las siguientes
variables (transcribo en el idioma original):
CRIM - per capita crime rate by town
ZN - proportion of residential land zoned for lots over 25,000 sq.ft.
INDUS - proportion of non-retail business acres per town.
CHAS - Charles River dummy variable (1 if tract bounds river; 0 otherwise)
NOX - nitric oxides concentration (parts per 10 million)
RM - average number of rooms per dwelling
AGE - proportion of owner-occupied units built prior to 1940
DIS - weighted distances to five Boston employment centres
RAD - index of accessibility to radial highways
TAX - full-value property-tax rate per $10,000
PTRATIO - pupil-teacher ratio by town
B - 1000(Bk - 0.63)^2 where Bk is the proportion of blacks by town
LSTAT - % lower status of the population
MEDV - Median value of owner-occupied homes in $1000's
Utilizando los datos de la base anterior, se pide realizar un análisis econométrico evaluando la
disponibilidad a pagar de los habitantes de Boston por una reducción en la contaminación a
partir de la estimación del precio de las viviendas. Comience proponiendo un modelo lineal
1
También la base contiene coordenadas de latitud y longitud provienen de Gilley, O.W.,and R. Kelley
Pace (1996), ``The Harrison and Rubinfeld Data Revisited'', Journal of Environmental and Economic
Management, Vol. 31, no. 3, pp. 403-405, las cuales no serán utilizadas en este análisis.
2
para explicar el valor de las casas (MEDV) y luego puede extender el análisis a modelos no
lineales. Trate de responder las siguientes preguntas: ¿Cómo cambia la disponibilidad a pagar
por menor contaminación frente a los diferentes modelos propuestos? Según su modelo,
analice el efecto esperado en el precio de la vivienda si se estima que, al implementar un plan
de reducción de mejora ambiental, la contaminación se reduce un 4%. ¿A qué conclusión
puede arribar en términos de política ambiental?
Puede utilizar el paper mencionado como referencia para su trabajo, pero la nota del ejercicio
dependerá de la riqueza con la que analice los datos, los análisis de sensibilidad que aporte y la
robustez que presenten sus resultados.
A2. Desarrollo Financiero y Crecimiento Económico
El vínculo entre el desarrollo del sistema financiero en los países y su efecto sobre las tasas de
crecimiento de largo plazo ha sido estudiado intensamente en la literatura. El trabajo de
Levine, Loayza y Beck (1999) “Financial Intermediation and Growth” analiza en qué medida el
desarrollo financiero ejerce una influencia causal en el crecimiento.
El paper usa datos cross-section de países y también un panel con datos quinquenales entre
1960 y 1995 para determinar los efectos causales de interés. En principio utilizan una
estimador de variables instrumentales para los datos cross section con el fin de extraer el
componente exógeno del desarrollo de la intermediación financiera. Luego estiman con los
datos de panel utilizando técnicas de panel dinámico para controlar simultaneidad y efectos
específicos no observados. Los datos se encuentran en el archivo financial_intermediation2.xls.
Una base de datos más reciente de Beck y Kunt permite complementar estos datos con un
panel anual de instituciones financieras entre 1960 y 2007 para un conjunto similar de países
(finstructure.xls)
Utilizando como referencia el paper mencionado y la base de datos original se pide realizar un
análisis econométrico sobre los efectos del desarrollo financiero sobre el crecimiento teniendo
en cuenta los problemas econométricos mencionados por los autores y algunas de las técnicas
aplicadas.
Puede comenzar presentando brevemente la pregunta económica, el problema econométrico
de estimación y replicando algunas de las estimaciones de Levine et al. Luego se sugiere que
intente alguna variante de estimación o especificación. También puede incorporar nuevos
controles o variables, por ejemplo, originados en la base de datos de Beck y Kunt (u otra que
3
crea conveniente)2. O puede utilizar una nueva base de datos u otras fuentes para estudiar el
problema.
La nota del ejercicio dependerá además de los de estimaciones, de la claridad de presentación,
de la originalidad de las extensiones propuestas y del análisis de los resultados. Los trabajos y
bases de datos tienen fuente en el sitio web del Banco Mundial donde puede encontrar mas
detalles de la organización de los datos y otras referencias al tema.
Levine, Loayza y Beck:
http://econ.worldbank.org/WBSITE/EXTERNAL/EXTDEC/EXTRESEARCH/0,,contentMDK:207135
73~pagePK:64214825~piPK:64214943~theSitePK:469382,00.html
Beck y Kunt
http://econ.worldbank.org/WBSITE/EXTERNAL/EXTDEC/EXTRESEARCH/0,,contentMDK:206961
67~pagePK:64214825~piPK:64214943~theSitePK:469382,00.html
A3. Evaluación de Impacto
El trabajo “Sending farmers back to school. The impact of farmers field schools in Indonesia”
de Feder, Murgai y Quizon, estima el impacto de un programa de entrenamiento para
agricultores. Los autores utilizan datos de panel para estimar un modelo de “diferencias en
diferencias” modificado para incluir la diferente exposición temporal de los agricultores al
programa. Los datos se encuentran en los archivos school farming I.dta y shool farmin II.dta. El
diccionario de variables está en “school farming codes.pdf”.
a) Sintetice la pregunta económica relevante para la evaluación y el problema
econométrico asociado.
b) Intente replicar (aproximadamente, al menos desde el punto de vista metodológico)
los resultados del modelo básico presentado en este trabajo e interprete el significado
de los coeficientes estimados.
c) Proponga una variante o alternativa de estimación. O considere otra pregunta de
investigación posible.
2
Un trabajo reciente de Dabós y Williams aporta nueva evidencia sobre el tema:
http://www.ub.edu.ar/posgrados/en/papers/01_PAPER_DABOS_WILLIAMS.pdf
4
Parte B
B1. Datos de Panel
Utilice los datos de LOWBIRTH.RAW para este problema. La descripción de variables
está en el archivo LOWBIRTH.DES.
a) Considere la siguiente ecuación a nivel de cada estado (i) en EE.UU. para el
período 1987-90:
lowbirthit = 1 + 2d90t + 1 afdcprit + 2 log(phypcit) + 3 log(bedspcit) +
4 log(pcincit) + 2 log(populit) + ci + uit
Donde la variable dependiente es el porcentaje de nacimientos que son
clasificados como de bajo peso al nacer, y las variable explicatoria de interés
afdcpr es el porcentaje de la población en un programa de beneficios sociales
llamado Aid to Families with Dependent Children (AFDC). Las otras variables que
actúan como control por la calidad del sistema de salud y por nivel de ingresos
son: médicos pre capita (phypc), camas de hospital per capita (bedspc), ingreso
per capita (pcinc) y población (popul). ¿Interpretando la ecuación de manera
causal, que signo espera para cada uno de los coeficientes ? (nota: la
participación en el programa hace que las mujeres de bajos ingresos sean
elegibles para programas nutricionales y cuidados prenatales.
b) Estime la ecuación por OLS y discuta los resultados. Reporte los errores
estándares usuales y los robustos a correlación serial.
c) Diferencie para eliminar los efectos fijos por estado (c), y reestime la ecuación.
Interprete los resultados y compare con b.
d) Adicione la variable afdcprc2 al modelo y estime por efectos fijos. Interprete los
resultados, en particular la variable cuadrática señalando cual es el punto de
inversión de efectos.
B.2. Variable Dependiente Limitada
Utilice los datos del archivo Mroz para este problema.
a. Tomando los datos de las 428 mujeres que estaban en la fuerza laboral estime
el rendimiento de la educación por MCO mediante una ecuación de Mincer,
incluyendo las variables de control que considere adecuadas. Analice los
resultados.
5
b. Ahora estime el retorno de la educación aplicando el método de Heckman
para corrección de sesgo de selección (Heckit). Compare sus resultados con los
obtenidos en la parte a. Interprete.
B3. Series de Tiempo
Ejercicio 1: VAR
La base “lutkepohl2.wf1” (archivo de Eviews) contiene datos de consumo, inversión e ingreso
para el periodo 1960Q1-1982Q4 empleados por Lütkepohl (2005)3. En base a ello:
1. Analice si es posible la estimación de un VAR(p) con las variables en niveles. Para ello
use las variables en logaritmos.
2. Sobre la base de su respuesta al inciso anterior, estime un VAR(p) y determine el
orden p que considere apropiado. Evalúe la estabilidad del modelo y autocorrelacion.
3. Determine si existe causalidad en sentido de Granger entre las variables.
4. ¿Cómo responde el consumo ante un shock en las variables consideradas? (para ello
considere el siguiente orden de las variables: inversión, ingreso, consumo).
5. ¿Analice cómo contribuye cada variable a la descomposición de la varianza del
consumo? (considere el mismo ordenamiento que antes).
Ejercicio 2: Cointegración
La base “coint.wf1” (archivo de Eviews) contiene datos de índice de precios al consumidor
(IPC) y el agregado monetario (M1) para Argentina en el periodo 1992Q1-2010Q4. En base a
ello se pretende estimar la relación:
𝑝 = 𝑓(𝑚1)
1. Determine si es posible plantear un modelo de cointegración (use las variables en
logaritmos) y de ser así estime el vector correspondiente.
2. Plantee la relación de largo plazo en la forma de un ECM y estime este modelo.
3. Resulta significativo el ajuste a los desequilibrios en la relación de largo plazo. Por qué
cree que sucede esto, para responder analice que ocurre con los residuos del modelo.
4. En base a su respuesta anterior, ¿Cómo solucionaría este problema? Estime el nuevo
modelo y analice que sucede con el coeficiente de ajuste a los desequilibrios de largo
plazo.
Ejercicio 3: Switching
La base “ECIWAG-1.xls” contiene datos del índice de costo de empleo de los trabajadores del
sector industrial privado en los EEUU para el periodo 2001Q1-2014Q2.
3
“New Introduction to Multiple Time Series Analysis”.
6
1. Estime un modelo de Markov con dos y tres estados (pruebe las alternativas con y sin
switching en varianza), considere el periodo 2002Q3-2014Q2. ¿Cuál de ellos elige?.
(tenga en cuenta que el modelo seleccionado no debe presentar autocorrelación en
los residuos).
2. Determine la matriz de transición y las probabilidades ergódicas (o de largo plazo),
como ayude vea el anexo.
3. Estima la duración esperada de cada uno de los estados del modelo.
4. Determine a qué estado pertenece cada periodo en base a las probabilidades
suavizadas.
7
Anexo
En el caso del modelo de Markov con dos estados vimos que las probabilidades ergódicas (no
condicionales) se podían calcular como:
𝑃(𝑠𝑡 = 1) =
1−𝑞
= 𝜋1
2−𝑝−𝑞
𝑃(𝑠𝑡 = 0) = 1 − (𝑃(𝑠𝑡 = 1) = 1 −
(1 − 𝑝)
1−𝑞
=
= 𝜋0
2−𝑝−𝑞 2−𝑝−𝑞
Para el caso del modelo de Markov con N estados, el cálculo de las probabilidades ergódicas
requiere resolver el siguiente sistema:
𝐴𝜋 = 𝑒𝑁+1
Donde 𝑒𝑁+1 es la columna (𝑁 + 1) de la matriz 𝐼𝑁+1 (para el caso de tres estados será el
0
vector: [0]). La matriz 𝐴 es:
0
1
𝐼 −𝑃
𝐴(𝑁+1)𝑥𝑁 = [ 𝑁
]
1′
Donde 𝑃 es la matriz de transición y 1′ es un vector de unos. De esta forma, el vector de
probabilidades ergódicas se obtiene como:
𝜋1
𝜋
[ 2 ] = 𝜋 = (𝐴′𝐴)−1 𝐴′𝑒𝑁+1
𝜋3
Para el caso de 𝑁 = 3, la matriz 𝐴 será:
1 0
(
𝐴=[ 0 1
0 0
𝑝11 𝑝21
0
0) − (𝑝12 𝑝22
𝑝13 𝑝23
1
1 1 1
𝑝31
1 − 𝑝11
𝑝32 )
] = [ −𝑝12
𝑝33
−𝑝13
1
8
−𝑝21
1 − 𝑝22
−𝑝23
1
−𝑝31
−𝑝32
]
1 − 𝑝33
1