HOJA DE PROBLEMAS 3 ECONOMETRÍA I Dpto. de Análisis Económico: Economía Cuantitativa Curso 2005-06 1. (Stock y Watson, p. 367) Considere el modelo de regresión con un solo regresor Yi = β0 + β1 X i + u i . Suponiendo que se cumplen las condiciones que aseguran la consistencia de la estimación MCO: i) Comprobar que Xi es un instrumento válido. Es decir, se verifican las condiciones de relevancia y exogeneidad cuando Zi =Xi. ii) Comprobar que se satisfacen los supuestos de la regresión mediante variables instrumentales cuando Zi =Xi. iii) Comprobar que el estimador de variables instrumentales construido a partir de Zi =Xi coincide con el estimador MCO. 2. (Stock y Watson, p. 367) Estamos interesados en la varianza del término de error de la ecuación Yi = β0 + β1 X i + u i cuando estimamos mediante variables instrumentales i) Supongamos que se utiliza el estimador obtenido en la regresión de la segunda 1 n 2E etapa en la estimación MC2E: σˆ 2a = ( Yi − βˆ MC − βˆ 1MC 2 E X̂i ) 2 donde X̂ i 0 ∑ n − 2 i =1 es el valor ajustado obtenido en la regresión de la primera etapa. ¿Es consistente este estimador? Para responder supóngase que la muestra es muy grande y que los estimadores MC2E son prácticamente iguales a β 0 y β1 . 1 n 2E ii) El estimador σˆ 2b = ( Yi − βˆ MC − βˆ 1MC 2 E X i ) 2 , ¿será consistente? 0 ∑ n − 2 i =1 3. (Stock y Watson, p. 368) Considere el estimador MC2E con una sola variable endógena y un único instrumento. El valor ajustado para la regresión de la primera etapa es X̂ i = πˆ 0 + πˆ 1 Zi . Utilice la definición de la varianza muestral y de la covarianza muestral para probar que sX̂Y = πˆ 1sZY y que s2X̂ = πˆ 12s2Z . 4. Considerando el modelo y t = αy t −1 + u t en el cual u t = θε t −1 + ε t donde se cumple que α y θ son menores a 1 en valor absoluto, y ε t ~ N(0,σ2 ) e incorrelado. i) Obtener el sesgo asintótico del estimador MCO de α . ii) Probar la validez como instrumento de y t −2 . iii) Escribir la expresión del estimador MC2E de α . 5. En la función de consumo Ct = β Rt +ut donde 0<β<1, ut ~ N(0,σ2 u) e incorrelado, donde la renta Rt = Ct + It , It ~N( I, σ 2I ) y cov(It, ut)=0, con It la inversión. i) Probar que la estimación MCO de β no es consistente. ¿Qué efectos tendría utilizar dicha estimación sobre las estimaciones de las propensiones media y marginal al consumo? ii) Para proponer un estimador consistente de β, discutir las condiciones de validez que deberían cumplir instrumentos como Ct-1 y R t-1 . iii) Comprobar que It cumple las condic iones para ser un instrumento válido. Escribir la expresión del estimador MC2E de β y comprobar su consistencia. 6. Ejemplo del fichero de Eviews: ejemplo_t3.wf1. Se pretende estimar la relación de equilibrio macroeconómico IS para EE.UU. que establece la siguiente relación: ∆ log( PIB t ) = β 0 + β1 interes t + β 2 ∆ log( inversion t ) + β3 ∆ log( gasto_publ ico t ) + u t Es decir, se explican las variaciones del PIB por medio del tipo de interés (se supone en sentido inverso) y las variaciones del gasto público y de la inversión (ambas en sentido directo). Las variaciones del gasto público se suponen exógenas. Sin embargo, del tipo de interés y de las variaciones de la inversión se cree que son endógenas, esto es, responden a su vez a las variaciones del PIB. Para evitar el problema de estimación inconsistente por causalidad simultánea, se plantea la estimación por MC2E. Como posibles instrumentos para el tipo de interés se piensa en las variaciones de la oferta monetaria (saldos reales) y la inflación. Como instrumentos para las variaciones de la inversión se utilizarán las variaciones de la inversión y el tipo de interés real, ambos retardados. Se plantean las siguientes cuestiones: i) La estimación MCO del modelo de partida sería inconsistente. Conforme a la teoría macroeconómica convencional, ¿estarían sesgados (asintóticame nte) al alza o a la baja los estimadores de β1 y de β 2 ? ii) Realizar en Eviews la estimación MC2E utilizando la lista de instrumentos comentada. Contrastar en el modelo estimado las hipótesis de significatividad individual. ¿Se obtienen los signos esperados? iii) Estimar las regresiones auxiliares de la primera etapa en la regresión MC2E y contrastar mediante el estadístico F la relevancia conjunta de los instrumentos para cada uno de los regresores endógenos. iv) Comprobación de la exogeneidad de los instrumentos. ¿Es posible llevar a cabo el contraste de sobreidentificación mediante el contraste J? De ser así, estimar la regresión auxiliar de los residuos MC2E sobre los instrumentos y las variables exógenas y contrastar dicha hipótesis. v) En vista de los resultados anteriores, ¿sería correcto eliminar alguno de los instrumentos por resultar débil mejorando las propiedades de la estimación MC2E? Notas: - Por variación de una variable se entiende la diferencia del loga ritmo (tasa de variación logarítmica), por ejemplo, para el PIB, ∆ log( PIB t ) = log( PIB t ) − log( PIB t −1 ) . En Eviews se indica mediante el comando dlog(pib). - Estimar todas las regresiones anteriores de modo robusto a heterocedasticidad. Ejemplo del fichero de Eviews: ejemplo_t3.wf1 ii) Estimación MC2E (ecuación IS) Dependent Variable: DLOG(PIB) Method: Two-Stage Least Squares Sample(adjusted): 1975:3 1999:4 Included observations: 98 after adjusting endpoints White Heteroskedasticity-Consistent Standard Errors & Covariance Instrument list: DLOG(GASTO_PUBLICO) DLOG(SALDOS_REALES) INFLACION DLOG(INVERSION(-1) ) TIPO_REAL(-1) Variable Coefficient Std. Error t-Statistic Prob. C TIPO_INTERES DLOG(INVERSION) 0.008446 -0.058469 0.181124 0.317797 0.001803 0.024067 0.030353 0.051488 4.683391 -2.429414 5.967246 6.172246 0.0000 0.0170 0.0000 0.0000 DLOG(GASTO_PUBLICO) R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic) 0.827988 0.822498 0.003815 37.38373 0.000000 Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat 0.008628 0.009054 0.001368 2.257976 iii) Relevancia de los instrumentos (ecuaciones auxiliares de la primera etapa Relevancia1 y Relevancia2 del fichero) Ecuación del tipo de interés: Dependent Variable: TIPO_INTERES Method: Least Squares Sample(adjusted): 1975:3 1999:4 Included observations: 98 after adjusting endpoints White Heteroskedasticity-Consistent Standard Errors & Covariance Variable Coefficient Std. Error t-Statistic Prob. C 0.007059 -0.024697 0.951152 0.014377 0.816700 0.054105 0.004043 0.097064 0.074067 0.039540 0.075432 0.127607 1.746003 -0.254440 12.84179 0.363616 10.82699 0.423998 0.0841 0.7997 0.0000 0.7170 0.0000 0.6726 DLOG(SALDOS_REALES) INFLACION DLOG(INVERSION(-1)) TIPO_REAL(-1) DLOG(GASTO_PUBLICO) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.826014 0.816558 0.011890 0.013005 298.3849 1.950266 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 0.068255 0.027760 -5.967039 -5.808776 87.35542 0.000000 Contraste de relevancia de instrumentos. Hipótesis: c(2)=c(3)=c(4)=c(5)=0 Wald Test: Equation: EQ_RELEVANCIA1 Test Statistic F-statistic Chi-square Value 53.90251 215.6100 df Probability (4, 92) 4 0.0000 0.0000 Ecuación de dlog(inversión) Dependent Variable: DLOG(INVERSION) Method: Least Squares Sample(adjusted): 1975:3 1999:4 Included observations: 98 after adjusting endpoints White Heteroskedasticity-Consistent Standard Errors & Covariance Variable Coefficient Std. Error t-Statistic Prob. C 0.031339 -0.141336 -0.170722 0.193069 -0.420298 -0.168319 0.012701 0.321925 0.237198 0.134763 0.253492 0.531089 2.467491 -0.439035 -0.719744 1.432658 -1.658036 -0.316931 0.0155 0.6617 0.4735 0.1553 0.1007 0.7520 DLOG(SALDOS_REALES) INFLACION DLOG(INVERSION(-1)) TIPO_REAL(-1) DLOG(GASTO_PUBLICO) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.100849 0.051982 0.041137 0.155684 176.7437 1.976016 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 0.013824 0.042249 -3.484565 -3.326302 2.063755 0.077038 Contraste de relevancia de instrumentos. Hipótesis: c(2)=c(3)=c(4)=c(5)=0 Wald Test: Equation: EQ_RELEVANCIA2 Test Statistic F-statistic Chi-square Value df Probability 2.214766 8.859065 (4, 92) 4 0.0734 0.0647 iv) Contraste de sobreidentificación Es posible ya que hay 4 instrumentos y 2 regresores endógenos. A partir de la regresión de la ecuación IS, se guardan los residuos en res_is. Se estima la regresión sobre los instrumentos y la exóge na (ecuación Exogeneidad en el fichero) Dependent Variable: RES_IS Method: Least Squares Sample(adjusted): 1975:3 1999:4 Included observations: 98 after adjusting endpoints White Heteroskedasticity-Consistent Standard Errors & Covariance Variable Coefficient Std. Error t-Statistic Prob. C -0.001146 0.072885 0.014500 0.008641 0.009157 -0.019955 0.001090 0.030512 0.020034 0.009173 0.020909 0.051777 -1.051858 2.388746 0.723768 0.941992 0.437948 -0.385398 0.2956 0.0189 0.4710 0.3487 0.6625 0.7008 DLOG(SALDOS_REALES) INFLACION DLOG(INVERSION(-1)) TIPO_REAL(-1) DLOG(GASTO_PUBLICO) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.063800 0.012919 0.003731 0.001281 411.9672 2.191103 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) -1.04E-18 0.003755 -8.285046 -8.126783 1.253913 0.290689 Contraste de sobreidentificación de instrumentos. Hipótesis: c(2)=c(3)=c(4)=c(5)=0 Wald Test: Equation: EQ_EXOGENEIDAD Test Statistic F-statistic Chi-square Value df Probability 1.846447 7.385788 (4, 92) 4 0.1266 0.1169 J=m*F=4*1.846447=7.385788 cuyo p-valor permite aceptar la nula, si bien marginalmente. v) Sí, las variaciones de los saldos reales. En la ecuación, IS_1 se ha prescindido de esa variable como instrumento. El contraste de exogeneidad realizado en la ecuación Exogeneidad1 muestra la mejora sustancial en el contraste J. Hipótesis c(2)=c(3)=c(4)=0 Wald Test: Equation: EQ_EXOGENEIDAD1 Test Statistic F-statistic Chi-square Value df Probability 0.017483 0.052448 (3, 93) 3 0.9968 0.9969