Econometría
Curso 2023-24 / 2n semestre
Nombre y apellidos del estudiante
Prueba de evaluación continua 1. Heteroscedasticidad
Criterios de evaluación
Como se podrá ver, en algunas preguntas el enunciado se personaliza para cada estudiante, de
forma que es necesario consultar el documento de Excel adjunto para saber cuál es el enunciado
concreto de la pregunta. Cuando esto sea así, el enunciado indicará en negrita el nombre del
estadístico, parámetro, coeficiente o nivel de significación, entre otros, que sea necesario
particularizar.
Las preguntas valen 1 punto cada una.
Formato y fecha de entrega
Os recomendamos que utilicéis un máximo de 3 páginas para responder la PEC y que utilicéis el
formato del archivo de respuestas que os proporcionamos con el enunciado. También lo podéis
enviar en formato PDF.
Las pruebas de evaluación continuada se tienen que entregar al buzón específica de ‘Entrega y
Registro de EC’ que se encuentra en el apartado Evaluación del aula. La extensión del fichero tendrá
que ser doc o pdf. El último día para entregar esta actividad es el día 24 de marzo de 2024 (incluido).
Enunciado
1. Un MRLM relaciona dos variables según la especificación:
𝑦! = 𝛽" + 𝛽# 𝑥! + 𝑢!
considera la característica siguiente:
0.5 0 0 ⋯ 0
⎡ 0 0.6 0 ⋯ 0 ⎤
⎢ ⎥
𝑉𝐴𝑅(𝑈) = ⎢ 0 0 ⋱ 0 0⎥
⎢ ⋮ ⋮ 0 ⋱ 0⎥
⎣0 0 0 0 0.6⎦
Entonces se puede afirmar que:
a. El término de perturbación del modelo especificado es esférico.
b. La estimación por MCO proporciona estimadores inconsistentes y eficientes de los
parámetros del modelo.
c. El modelo presenta problemas de autocorrelación en el término de perturbación.
d. El término de perturbación del modelo es heteroscedástico.
2. En el caso en que el término de perturbación del MRLM no sea esférico, se puede afirmar que:
a. El estimador MCO de los parámetros del modelo es inconsistente, pero continúa siendo lineal.
b. El estimador MV de la varianza del término de perturbación no está definido asintóticamente.
c. El estimador MCG de los parámetros del modelo no se puede obtener cuando la perturbación
no es esférica.
d. El estimador MCO de los parámetros del modelo es insesgada, consistente e ineficiente.
Página 1 de 3
PEC1. Heteroscedasticidad
3. Se ha especificado el modelo dado por:
%
𝑦! = 𝛽" + 𝛽# 𝑥#,! + 𝛽% 𝑥#,! + 𝛽& 𝑥%,! + 𝑢!
para el que se sabe que 𝑉𝐴𝑅(𝑢! ) = 𝛼" + 𝛼# 𝑥%,! . Entonces se puede afirmar que el estimador de MCP
(y MCG) requiere transformar las variables del modelo original según:
a. 𝑦!∗ = 𝛼" 𝑦! , 𝑥#,!
∗ %∗
= 𝛼" 𝑥#,! , 𝑥#,! %
= 𝛼" 𝑥#,! ∗
y 𝑥%,! = 𝛼" 𝑥%,! .
(#/% (#/% (#/% %
b. 𝑦!∗ = <𝛼" + 𝛼# 𝑥%,! = ∗
𝑦! , 𝑥#,! = <𝛼" + 𝛼# 𝑥%,! = %∗
𝑥#,! , 𝑥#,! = <𝛼" + 𝛼# 𝑥%,! = 𝑥#,! ∗
y 𝑥%,! = <𝛼" +
(#/%
𝛼# 𝑥%,! = 𝑥%,! .
(% (% (%
c. 𝑦!∗ = <𝛼" + 𝛼# 𝑥%,! = 𝑦! , 𝑥#,!
∗ %∗
= <𝛼" + 𝛼# 𝑥%,! = 𝑥#,! , 𝑥#,! %
= <𝛼" + 𝛼# 𝑥%,! = 𝑥#,! ∗
y 𝑥%,! = <𝛼" +
(%
𝛼# 𝑥%,! = 𝑥%,! .
(# (# (#
d. 𝑦!∗ = <𝛼" + 𝛼# 𝑥%,!
% ∗
= 𝑦! , 𝑥#,! %
= <𝛼" + 𝛼# 𝑥%,! %∗
= 𝑥#,! , 𝑥#,! %
= <𝛼" + 𝛼# 𝑥%,! %
= 𝑥#,! ∗
y 𝑥%,! = <𝛼" +
% (#
𝛼# 𝑥%,! = 𝑥%,! .
4. Una analista ha procedido a estimar por MCO el modelo dado por:
𝑦! = 𝛽" + 𝛽# 𝑥! + 𝑢!
El documento adjunto proporciona información sobre el número de observaciones (N), los
coeficientes de asimetría (b1; una columna para cada variable) y de curtosis (b2; una columna
para cada variable) asociados a las variables que participan a la especificación del modelo. En
función de esta información se puede afirmar que, trabajando a un nivel de significación del 5 %:
a. El término de perturbación se distribuye según una t-Student.
b. El término de perturbación se distribuye según una normal estándar.
c. El término de perturbación presenta problemas de heteroscedasticidad.
d. El término de perturbación no se distribuye según una normal estándar.
Preguntas cortas
5. Una analista ha estimado por MCO un modelo que relaciona el consumo que realiza una familia
en función de su renta según la especificación dada por:
𝑐𝑜𝑛𝑠! = 𝛽" + 𝛽# 𝑖𝑛𝑐𝑜𝑚𝑒! + 𝑢! (1)
A partir de la estimación del modelo se ha obtenido el gráfico siguiente:
1500
1000
residuals.RegModel.1
500
-500
2 4 6 8 10
income
Pàgina 2 de 3
PEC1. Heteroscedasticidad
Sabiendo que “residuals.RegModel.1” recoge el término de perturbación estimado del modelo, se
pide (i) comentar qué hipótesis básica del MRLM se puede estudiar a partir de la información
proporcionada y (ii) realizar el análisis correspondiente.
Ejercicio práctico para resolver con R
En el archivo 21432_20232_PEC1.RData podéis encontrar información sobre el promedio de gasto
mensual que se hace con tarjeta de crédito (expend), la renta (income, en decenas de miles de
dólares) y la edad (age) para una muestra de N = 100 personas. Nota: a pesar de que el archivo de
datos pueda contener información sobre más variables, el modelo que se emplea en este ejercicio
hay que estimarlo empleando los datos que se indiquen en la especificación correspondiente.
6. Estimar por MCO el modelo dado por:
𝑒𝑥𝑝𝑒𝑛𝑑! = 𝛽" + 𝛽# 𝑖𝑛𝑐𝑜𝑚𝑒! + 𝛽% 𝑖𝑛𝑐𝑜𝑚𝑒*% + 𝛽& 𝑎𝑔𝑒! + 𝑢!
y hacer el análisis de significación individual y conjunta de los parámetros estimados a unos niveles
de significación del 5 y del 10 %. Nota: para crear el cuadrado de la variable income, usar el menú
Datos/Modifica variables de la tabla de datos activa/Calcula una nueva variable.
7. Plantear el contraste de Breusch-Pagan para la detección de heteroscedasticdtad, estableciendo
las hipótesis nula y alternativa, el estadístico de prueba y el resultado de la inferencia que se obtiene
del mismo trabajando con unos niveles de significación de 5 y del 10 %. Emplear como posible fuente
de heteroscedasticidad todo el conjunto de las variables explicativas del modelo. Nota: Para hacer el
contraste, iremos al menú Modelos/Diagnósticos Numéricos/Contraste de Breusch-Pagan y emplear
las opciones de residuos studentizados y de “Variables explicativas” para la fórmula de la varianza.
8. Implementar el contraste de White para la detección de heteroscedasticidad, estableciendo las
hipótesis nula y alternativa, el estadístico de prueba y el resultado de la inferencia que se obtiene del
mismo trabajando con unos niveles de significación de 5 y del 10 %.
9. Detallar las propiedades asociadas a los parámetros estimados por MCO y comenta la validez de
la inferencia realizada en el apartado 6 en función de los resultados obtenidos en la aplicación de los
contrastes de Breusch-Pagan y White.
10. Estimar el modelo planteado a la pregunta 6 por MCG, suponiendo que la varianza es
directamente proporcional a la variable 𝑖𝑛𝑐𝑜𝑚𝑒! . Nota: para estimar por MCG usaremos la librería
nlme, que permite implementar la estimación por MCG usando la instrucción gls(...).
Pàgina 3 de 3
