ASESORIA MATEMATICA WOLFMATH
ECONOMETRIA
CICLO 2020-II
FICHA DE EJERCICIOS N°7
TEMA: AUTOCORRELACION
1. Comente la veracidad de las siguientes afirmaciones:
a) Si se aplica el método computacional para estimar el valor de 𝜌, este resulta 0.23 y en esa misma regresión
el valor t de Student resulta 0.036. Por lo tanto, se debe concluir que no hay autocorrelación AR (1).
b) Un estadístico de Durbin-Watson de 4 significa inequívocamente una presencia de autocorrelación positiva.
c) Si existe heterocedasticidad en las perturbaciones, el estimador Mínimos Cuadrados Ordinarios será
sesgado, sin embargo, cuando existe autocorrelación en las perturbaciones no se produce sesgo en los
parámetros estimados.
e) En un proceso autorregresivo de primer orden, la estimación (MCO) de la pendiente será inconsistente.
f) Es razonable aplicar una prueba t a la 𝜌 computacional para saber si el 𝜌 paramétrico es igual a cero o
no.
g) En el caso de AR (1), es razonable aplicar MCG para corregir autocorrelación si el Rho estimado es mayor
a 1.
h) Si el estadístico Durbin-Watson (DW) tomo el valor de 2, estamos seguros de que no existe autocorrelación
en nuestro modelo.
i) El método de Cochrane – Orcutt sirve para obtener un estimador eficiente cuando estamos en presencia
de auto correlación.
j) El método computacional solo permite obtener un valor de Rho en procesos AR (1).
2. Si las perturbaciones de su modelo presentan un proceso AR (1) o MA (1), ¿sería razonable que presentaran
también problemas de heterocedasticidad? ¿Por qué?
3. Si después de aplicar MCO el test DW sale cercano a cero es que hay que corregir por MCG porque las
perturbaciones siguen un AR (1). Se espera que luego de la corrección el test DW resulte cercano a 2. Si no
fuera el caso y el nuevo DW fuera 3.98, se debe corregir los resultados nuevamente por MCG, pues es una
señal que en el modelo original las perturbaciones siguen un AR de orden superior.
4. Su amigo está preocupado por la posibilidad de que el modelo estimado presente autocorrelación. Sin
embargo, no tiene muy claro los efectos de este problema y no sabe cómo tratarla. ¿Cuáles serían
teóricamente los efectos sobre las estimaciones realizadas si existiera autocorrelación? Explique
detalladamente algún método para su detección.
5. Suponga el siguiente modelo de regresión: 𝑦𝑡 = 𝛽𝑥𝑡 + 𝜇𝑡 con t = 1, 2 y 3 (solo 3 observaciones), además
𝜇𝑡 sigue un proceso autorregresivo de segundo orden AR (2).
𝝁𝒕 = 𝟎. 𝟏𝝁𝒕−𝟏 + 𝟎. 𝟓𝝁𝒕−𝟐 + 𝜺𝒕
Encuentre la matriz de varianzas y covarianzas de la perturbación.
6. Halle la matriz omega completa para el siguiente modelo en que la perturbación siguen un proceso MA (2),
asumiendo que n es igual a 6:
𝑦 = 𝐵1 + 𝐵2 𝑥2 + 𝜇 ∧ 𝜇𝑡 = 𝛾1 𝜀𝑡−1 + 𝛾2 𝜀𝑡−2 + 𝜀𝑡
¿Qué significan los valores que toma 𝐶𝑜𝑣(𝜇𝑡 , 𝜇𝑡−𝑠 ) para todo s > 2?
PC 03 CICLO 2014-II
MODALIDAD VIRTUAL PAQUETE DE REFUERZO UNIVERSITARIO
7. Ramiro está trabajando el siguiente modelo:
𝑦 = 𝛽1 + 𝛽2 𝑃 + 𝛽3 𝑅 + 𝛽4 𝑀 + 𝜇
Ramiro no sabe si su modelo presenta problemas de heterocedasticidad o autocorrelación, pero si sabe que
el resto de los supuestos del MLG se cumplen. Responda las siguientes preguntas que no tienen relación
entre sí.
a) Ramiro encuentra que exista autocorrelación del tipo AR (2) y logra corregirla, obteniendo los estimadores
de MCG. Sin embargo, al momento de calcular el coeficiente de bondad de ajuste estadístico corregido
por los grados de libertad con dichos estimadores se encuentra que esta ha disminuido significativamente
a cuando uso MCO, desde 0.97 a 0.75. ¿Qué podría estar ocurriendo?
b) Si el modelo de Ramiro presente perturbaciones que siguen un proceso AR (1), el método de MCG nunca
producirá estimadores ELIO debido a que cualquier estimación de 𝜌 no nos lleva a conocer al verdadero
valor de 𝜌.
8. Usted tiene el siguiente modelo en el que las perturbaciones siguen un proceso AR (3) “truncado”.
𝑌 = 𝑋𝛽 + 𝑈 μ(t) = ρμ(t−3) + ε(t)
Donde 𝜀(𝑡) es un ruido blanco. Se le pide hallar la matriz Ω. Proponga un número de observaciones para su
modelo. PC 03 CICLO 2017-0
9. El señor Solís está realizando su tesis de maestría y plantea el siguiente modelo:
𝑪𝒊 = 𝜷𝟎 + 𝜷𝟏 𝒀𝒅𝒊 + 𝜷𝟐 𝒓𝒊 + 𝝁𝒊
𝐶𝑖 𝑒𝑠 𝑒𝑙 𝑐𝑜𝑛𝑠𝑢𝑚𝑜 𝑑𝑒𝑙 𝑖𝑛𝑑𝑖𝑣𝑖𝑑𝑢𝑜 𝑑𝑒 𝑙𝑎 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛 𝑖
𝑌𝑑𝑖 𝑒𝑠 𝑒𝑙 𝑖𝑛𝑔𝑟𝑒𝑠𝑜 𝑛𝑒𝑡𝑜 𝑑𝑒 𝑒𝑠𝑒 𝑖𝑛𝑑𝑖𝑣𝑖𝑑𝑢𝑜
𝑟𝑖 𝑒𝑠 𝑙𝑎 𝑡𝑎𝑠𝑎 𝑑𝑒 𝑖𝑛𝑡𝑒𝑟𝑒𝑠 𝑛𝑒𝑡𝑜 𝑑𝑒 𝑒𝑠𝑒 𝑖𝑛𝑑𝑖𝑣𝑖𝑑𝑢𝑜
El Sr. Solís cuenta con observaciones de corte transversal (1567 observaciones) tomadas de los distintos
distritos de Lima Metropolitana. Además, sabe que E(U) = 0, Var(U) = 𝜎𝑖2 𝛺 ∧ I≠ 𝛺, pero 𝐶𝑜𝑣(𝜇𝑖 , 𝜇𝑗 ) =
0 ∀ 𝑖 ≠ 𝑗. Además, sabe que aplicar MCO a su modelo lo dejaría con un estimador ineficiente. Consciente
de esto, efectúa la siguiente transformación:
𝑪𝒊 𝜷𝟎 𝒓𝒊 𝝁𝒊
= 𝜷 𝟏 + + 𝜷 𝟐 +
𝒀𝒅
𝒊 𝒀𝒅
𝒊 𝒀𝒅
𝒊 𝒀𝒅
𝒊
Para luego aplicar MCO al modelo transformado. En este modelo transformado, el estadístico de Goldfeld y
Quandt cae en zona de aceptación y el estadístico de Durbin-Watson es cercano a 2. Asumiendo que se
cumplen los demás supuestos del MLG que no se han especificado explícitamente, se le pide:
a) ¿Cuál fue el supuesto del Sr. Solís sobre la causa de la heterocedasticidad? Construya la matriz P-1.
b) Piense en una justificación económica para el supuesto del Sr. Solís sobre la causa de heterocedasticidad.
10. Si se tuviera el siguiente proceso MA donde se sabe que |𝜃| < 1 y que 𝜉𝑡 es un ruido blanco:
𝜇𝑡 = 𝑎0 + 𝜃𝜇𝑡−1 + 𝜉𝑡
Halle y escriba la expresión de este MA (1) como un AR (∞) si y solo si es posible. Considere que 𝑎0 es un
valor fijo y constante (NO es una variable omitida del MLG). PC 03 CICLO 2020-0
11. Carolina está estudiando un modelo sobre el precio del cobre de manera trimestral entre 1998 y 2018.
Detecta que existe autocorrelación del tipo AR(1) y logra corregirla, obteniendo los estimadores por MCG.
Comente los siguientes enunciados:
a) Si aplica nuevamente el Test de Durbin al modelo corregido y este determina un valor cercano a 0,
¿significara que las perturbaciones en realidad seguían un proceso AR (2)?
b) Calcula el nuevo coeficiente de bondad de ajuste y lo compara con el 𝑅2 del modelo original, observando
que este ha disminuido significativamente desde 0.96 a 0.73. ¿Qué podría estar ocurriendo?
12. Amanda está trabajando el siguiente modelo sobre las ventas de yogurt de 1Lt Gloria entre 1999 y 2013 en
Lima: 𝑦 = 𝛽1 + 𝛽2 𝑃 + 𝛽3 𝑅 + 𝛽4 𝑀 + 𝜇, donde y representa las ventas trimestrales, P es el precio
promedio trimestral, R es el PBI per cápita trimestral y M los gastos destinados a Marketing. Amanda no
sabe si su modelo presenta problemas de heterocedasticidad o autocorrelación, pero si sabe que el resto
de los supuestos del MLG se cumplen. Sobre el trabajo de Amanda, responda las siguientes preguntas. Las
preguntas no tienen relación entre
a) Suponiendo que no existe autocorrelación, digamos que Amanda quiere realizar el test de Golfeld y
Quandt para detectar heterocedasticidad usando variable escala como R. Concluye que existe
heterocedasticidad y aplica MCG usando una omega estimada en base al método de Glejser. Para
cerciorarse, quiere utilizar de nuevo el test de GQ en el modelo corregido, pero no está segura de cómo
hacerlo. Reflexione y explíquele.
b) Amanda encuentra que existe autocorrelación del tipo AR (2) y logra corregirla, obteniendo los
estimadores de MCG. Sin embargo, al momento de calcular el coeficiente de bondad de ajuste estadístico
corregido por los grados de libertad con dichos estimadores se encuentra que este ha disminuido
significativamente a cuando uso MCO, desde 0.97 a 0.75. ¿Qué podría estar ocurriendo?
c) La prueba t para el coeficiente del gasto en marketing lleva a la aceptación de la hipótesis nula, por lo
que Amanda decide sacar la variable para continuar con su análisis. Explique en detalle por que esto
sería un error si no estuviera segura si existe o no heterocedasticidad. Luego haga lo mismo con la
posibilidad de contar con autocorrelación.
d) En ausencia de heterocedasticidad, el coeficiente de DW sale 0.63 y el 𝜌 estimado por el método de
Durbin es de 0.72, por lo tanto. Amanda concluye que hay autocorrelación AR (1). Luego de corregir, el
estadístico DW resulta ser 3.87. ¿Qué podría estar ocurriendo? PC 03 CICLO 2014-II
13. Explique el trabajo de Durbin para obtener el valor de 𝜌 y poniendo énfasis en las limitaciones explicitadas.
No redacte más de una página. EX. PARCIAL CICLO 2013-0
14. Haga una exposición argumentada de los siguientes puntos sobre el test de Durbin – Watson para detectar
AR (1).
a) Cuales son los supuestos de DW.
b) La relación entre el estadístico de DW y 𝜌.
c) Defina y explique las “reglas de decisión”
d) Por que existen zonas de indeterminación.
e) La relación con el test de Berenblut – Webb PC 03 CICLO 2014-II
NOTA: La mayoría de los problemas en esta hoja han sido extraídos de prácticas calificadas, practicas dirigidas elaborados por el
Prof. Jorge Cortez C. y que han sido tomado en el curso de Econometría dictado en la carrera profesional de Economía y
Negocios Internacionales de la U. ESAN.
