EXAMENES-RESUELTOS-PARA-APROBAR.

pdf

Anónimo

Econometría de la Empresa

3º Grado en Administración y Dirección de Empresas

Facultad de Ciencias Económicas y Empresariales

Universidad Autónoma de Madrid

Reservados todos los derechos.

No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-4129197

AUTOEVALUACION- GRUPO 131- 2019/2020

Prof. Milagros Dones

Nombre y Apellidos: ____________________________________________

PRIMERA PARTE:

Preguntas tipo test (sólo debe marcarse una en cada caso):

1. Si al estimar un modelo econométrico los contrastes T de Student presentan

valores negativos
 El modelo debe ser rechazado.
 No puede suceder puesto que los signos de los contrastes son siempre positivos.
 Hay que localizar otros estadísticos con valores positivos.
 Ninguna de las anteriores respuestas es correcta.
2. El cumplimiento de la hipótesis nula de normalidad permite aceptar que:

 La suma de los errores siempre es cero.

 El contraste T de Student es válido para valorar la significatividad individual.
 El Error Cuadrático Medio es el mínimo posible.
 Todas las respuestas anteriores son correctas.
 Ninguna de las anteriores respuestas es correcta.
3. Los modelos económicos se diferencian de los modelos econométricos por:
 Los primeros representan el pensamiento económico y los econométricos no.
 Los primeros exigen una especificación estadística más precisa que los
segundos.
 En los modelos económicos es preciso definir la forma funcional y no así en los
segundos.
 Ninguna de las anteriores.
4. La propiedad de los estimadores MCO denominada eficiencia supone
admitir que:
 Sus valores medios son mínimos.
 La media de la perturbación aleatoria es cero.
 Son estimadores insesgados y además su varianza es mínima.
 Ninguna de las anteriores.
5. Si para modelizar una variable endógena es preciso, atendiendo a su
especificación, el uso de variables desplazadas en el tiempo, se debe:
 Transformarlo a un modelo multiecuacional.
 Estimar un modelo dinámico.
 Estimar el modelo en tasas de variación o en logaritmos.
 Todas las anteriores.
 Ninguna de las anteriores respuestas es correcta.

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-4129197

6. A que responde la siguiente expresión: Y = Xβ + u

 Un sistema de “n” ecuaciones.
 Un sistema con n-k grados de libertad.
 La expresión matricial del modelo básico de regresión lineal.
 Todas las anteriores respuestas son correctas.

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
7. Para llevar a cabo un análisis estructural a partir de los resultados de la
estimación de un Modelo Econométrico:
 Se compara el valor del coeficiente de determinación (R2 ajustado), de modelos
alternativos.
 Se analiza el valor de los parámetros estimados, una vez estandarizados.
 Se calcula en intervalo de confianza de los estimadores.
 Todas las anteriores.

8. En un modelo en el que se detecta la existencia de regresores estocásticos,

presenta/n aleatoriedad:

 La endógena
 La endógena y la perturbación.
 La endógena, la perturbación y las explicativas.
 Sólo las explicativas y la perturbación

9. Que condición es suficiente para que la varianza del error de predicción sea
mínima:

 Que el modelo esté bien especificado.

 Que el coeficiente R2 supere el valor de 0,9
 Que los parámetros resulten significativos individual y conjuntamente.
 Que los valores a posteriori de las explicativas se cuantifiquen con sus medias.
 Todas las anteriores.

10. El coeficiente de desigualdad de Theil, permite:

 Analizar la bondad del ajuste de un modelo econométrico.

 Cuantificar el diagrama de predicción-realización.
 Diferenciar el origen de las diferencias de las tasas de variación entre Y real y
estimada.
 Todas las anteriores.

1 coin = 1 pdf sin publicidad

Econometría de la Empresa
Banco de apuntes de la
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-4129197

SEGUNDA PARTE:

1. Justifique si las siguientes afirmaciones son o no ciertas:

a) “La media del error es nula, siempre que el modelo haya sido estimado

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
incorporando un término independiente, en caso contrario, la media del error
podría presentar valores no nulos”.

Verdadera: El valor estimado del término independiente es igual al valor de la variable

endógena cuando el resto de las variables explicativas fuesen nulas, por tanto representa
un cambio en el origen de la modelización. Dicho cambio es una exigencia para que la
suma del error sea cero, es decir, para que los errores por defecto y exceso se
compensen

b) “Si un modelo ha sido estimado en logaritmos, los estimadores cuantifican las

variaciones porcentuales de la endógena ante variaciones porcentuales de las
explicativas”.

Verdadera: En un modelo estimado en logaritmos los estimadores o valores de los

parámetros estimados son elasticidades es decir, indican el crecimiento porcentual de la
endógena antes crecimientos porcentuales de la variable explicativa a la que afectan.

c) “Ante un modelo que presenta un R2 superior a 0,98% no es preciso realizar

ningún otro tipo de contraste, puesto que tiene un elevado valor explicativo”.

Falsa: Un valor elevado del estadístico R2 es indicativo de un acertado nivel de ajuste,

bpero este puede incorporar signos y cuantificaciones erróneas de los parámetros,
errores elevados e incumplimiento de las hipótesis básicas del modelo que ponen en
entredicho su veracidad.

1 coin = 1 pdf sin publicidad

a64b0469ff35958ef4ab887a898bd50bdfbbe91a-4129197

2. Indique tres diferencias fundamentales entre el coeficiente de determinación

(R2) y el contraste U de Theil.

1.-Su formulación R2 mide varianzas relativas entre y real e Y estimada y la U mide las
diferencias en tasas de variación de Y real e Y estimada

2.- Su valoración el estadístico R2 más favorable se aproxima a 1 y en el caso de U este

valor deber ser lo más próximo a cero

3.- El coeficiente U de Theil permite determinar el origen del error, el R2 nos da una
medición aproximada del mismo

3. Confirme si las siguientes expresiones son reales:

A e’e = u’M u
B E(b) =β
C E (b- β) (b- β)’ = δ2(X’X)-1

a) e = Y – Y estimada ; Y = xβ+ u; Y estimada = Xb; b = [x`x]-1 x`Y

b = [x`x]-1 x`(xβ + u) = β + [x`x]-1 x`u

e = xβ+ u –{x*( β + [x`x]-1 x`u)} = xβ+ u – xβ - x [x`x]-1 x`u = u- x [x`x]-1 x`u =

[In - x [x`x]-1 x`] u = Mu

e`e = u`M`Mu; M’M = M; e`e = u`Mu

b) b = [x`x]-1 x`Y ; Y = xβ+ u; b = [x`x]-1 x`(xβ + u) = β + [x`x]-1 x`u

E[b] = E{ β + [x`x]-1 x`u} = β + [x`x]-1 x` E(u) = β

c) b = [x`x]-1 x`(xβ + u) = β + [x`x]-1 x`u

(b- β) = [x`x]-1 x`u
(b- β)’ = u`x [x`x]-1
E{(b- β) (b- β)’ }= E{([x`x]-1 x`u) (u`x [x`x]-1)} = [x`x]-1 x` E(u u`) x [x`x]-1

E(u u`) = δ2 In
E{(b- β) (b- β)’ } = δ2 [x`x]-1 x` x [x`x]-1 = δ2 [x`x]-1

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-4129197

EXAMEN ECONOMETRÍA DE LA EMPRESA

UAM- Octubre 2020

Nombre y apellidos: ..................................................................................................

PRIMERA PARTE: Preguntas tipo test (sólo debe marcarse una respuesta):

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
1. La pérdida de eficiencia de los estimadores MCO se pierde ante la existencia de:
❑ Muestra pequeña
❑ Multicolinealidad
❑ Omisión de variables relevantes
❑ En ninguno de los incumplimientos señalados
❑ En todos los incumplimientos
2. La siguiente expresión representa parte de la expresión de …….:

❑ Un problema de insesgaez en multicolinealidad total

❑ La media del estimador en presencia de omisión
❑ La varianza de dos variables explicativas
[ X 1' X 1 ] −1 X 1' X 2  2 ❑ El sesgo del estimador ante muestras pequeñas
❑ Ninguna de las anteriores respuestas es correcta
❑ Todas las respuestas son correctas

3. La omisión de variables relevantes puede ser una causa de ruptura de las hipótesis básicas sobre el
comportamiento de la perturbación aleatoria:
❑ Porque aumenta el error medio cuadrático
❑ Porque genera forma funcional incorrecta
❑ Porque reduce la significación estadística de las variables incluidas
❑ Porque crea problemas de matriz de varianzas y covarianzas de “u” no escalar
❑ Nunca crea problemas en el comportamiento de “u”
4. La diferencia entre las expresiones R2 y R2ij consiste:
❑ En la segunda se consideran los grados de libertad del modelo y en la segunda no.
❑ Con la primera se determina la validez no es así en la segunda
❑ La segunda define la capacidad explicativa del modelo y no así la primera.
❑ Todas las respuestas previas son correctas
❑ Ninguna de las respuestas anteriores es correcta
5. Para solventar un problema de multicolinealidad total:
❑ Se eliminan las variables que provocan el problema
❑ Se incorporan variables dicotómicas
❑ Se calculan ratios o factores entre variables, pero nunca se eliminan
❑ Todas las respuestas anteriores son correctas
❑ Ninguna de las respuestas previas es correcta
6. Siempre que en la estimación de un modelo econométrico se incorporen variables ficticias, se
provoca el incumplimiento de la hipótesis de:
❑ Regresores estocásticos
❑ Cambio de estructura
❑ Multicolinealidad parcial
❑ Todas las respuestas previas son correctas
❑ Ninguna de las respuestas previas es correcta
❑
7. Los estimadores MCO de un modelo en el que se detecta la inclusión de una variable relevante son:
❑ ELIO
❑ Ineficientes
❑ Sesgados
❑ Consistentes
❑ Todas las anteriores respuestas son correctas

1 coin = 1 pdf sin publicidad

a64b0469ff35958ef4ab887a898bd50bdfbbe91a-4129197

8. La estimación de un modelo con un tamaño muestral insuficiente provoca:

❑ Ineficiencia en los estimadores

❑ El incumplimiento de la media de la perturbación aleatoria nula
❑ Contrastes de significatividad conjunta infravalorados
❑ Sesgos en los estimadores MCO
❑ Todas las respuestas anteriores son correctas
❑

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
Ninguna respuesta previas es correcta

9. La existencia de multicolinealidad parcial se relaciona con problemas de

❑ Muestra pequeña.
❑ Permanencia estructural.
❑ Omisión de variables relevantes
❑ Inclusión de variables irrelevantes
❑ Todas las respuestas anteriores son correctas.

10. La omisión de variables relevantes se soluciona con

❑ La modificación de la forma funcional

❑ La transformación de modelos estáticos a dinámicos
❑ Ampliando los grados de libertad del modelo
❑ Todas las respuestas previas son correctas
❑ Ninguna de las respuestas anteriores es correcta

SEGUNDA PARTE: Compresión

1. Justifique si las afirmaciones son o no correctas. (2 puntos)

• La hipótesis de muestra reducida invalida el proceso de inferencia estadística integrado
en la modelización causal econométrica, por lo que si no se disponen de más 30
observaciones para el conjunto de variables que especifican el modelo los resultados no
son concluyentes.
No es correcta. Como todo ejercicio de inferencia estadística, y el análisis econométrico lo es, el tamaño del
conjunto de datos utilizados condiciona la fiabilidad de los resultados. Se sabe que en l estimación con
insuficiente muestra, se pierde la consistencia de los estimadores, además de que los contrastes de
significatividad estadística individual y conjunta se presentan individuales. Aunque estas limitaciones no
suponen que los resultados no sean concluyentes, sino que han de ser analizados con cautela.

• Si en un modelo se detecta la existencia de multicolinealidad parcial y esta obedece a

tendencias comunes en las variables explicativas que la integran, el modelo debe ser
rechazado en su conjunto por falta de significatividad estadística individual.
No es correcta. La existencia de multicolinealidad que obedece a la existencia de tendencias comunes, debe ser
tratada para eliminar los problemas que genera la multicolinealidad parcial, en particular, los de
infravaloración de significatividad individual. En particular si el origen de este incumplimiento es la existencia
de tendencias comunes, se debe cambiar la valoración de las explicativas, transformándolas a tasas de
variación o aplicando primeras diferencias e incluso transformando el modelo a su expresión logarítmica.

2. Explique en qué consiste la denominada trampa de las variables ficticias. (2

puntos)
La trampa de las variables ficticias es un ejemplo claro de multicolinealidad total en el Modelo Básico de Regresión
Lineal, que se define como un problema en el que no pueden obtenerse resultados de la regresión al ser imposible
obtener la expresión del estimador, dado que la matriz [x’x]-1 no puede calcularse al ser el determinante de x’x = 0
ante la existencia de una matriz X en las que dos filas o columnas son combinación lineal. Se genera como
consecuencia de utilizar un número de variables ficticias igual al número de casos que representan, creando una
combinación lineal de dichas ficticias con el término independiente.

1 coin = 1 pdf sin publicidad

a64b0469ff35958ef4ab887a898bd50bdfbbe91a-4129197

3. Rellene los espacios en blanco haciendo coherente el contenido de las siguientes

expresiones: (2 puntos)
• La notación rpjk define al—coeficiente de correlación, un coeficiente que se utiliza para
contrastar la hipótesis de -multicolinealidad parcial----que es una de las denominadas
hipótesis -----estructurales--del—Modelo Básico de Regresión Lineal- Su valor está
comprendido o puede ser-- -1- o -+1- dependiendo de los resultados obtenidos en la regresión de
la variable Xj sobre el resto de variables, es decir, del coeficiente “a” que representa al parámetro de Xk en
la regresión en la que Xj actúa como endógena y del coeficiente “b”- que representa al parámetro de Xj en
la regresión en la que Xk actúa como endógena

• En el contraste de omisión de variable relevante se considera que en la

modelización se ha producido un ---- error de especificación -, y consiste en realizar
una nueva regresión en la que – se incorporan las posibles variables omitidas ------que de
resultar estadísticamente significativas exigen modificar –la especificación- inicial
con la que fue estimado el modelo.

4. Demuestre que en el caso de multicolinealidad parcial los estimadores

siguen siendo insesgados. (2 puntos)

b = [X’X]-1X’Y =; b= [X’X]-1X’ (Xß+ u ); b = [X’X]-1X’ Xß+ [X’X]-1X u = ß + [X’X]-1Xu

E(b) = E { ß + [X’X]-1Xu} bajo los cumplimientos de :

Permanencia estructural E{ß} = ß

Regresores estocásticos: E{[X’X]-1Xu} = {[X’X]-1X E{u} y

Media nula E{u} = 0, entonces:

E(b) = E {ß + [X’X]-1Xu} =ß + 0 = ß Por tanto, los estimadores son INSESGADOS

1. ¿Es posible construir un workfile en eviews en los que el “range” y “sample” no

sean coincidentes? ¿En tu trabajo econométrico has tenido que realizar este
cambio? ¿Cómo has contrastado la existencia de multicolinealidad? (2 puntos)
- Es posible, al definir el espacio de trabajo WF, se define una dimensión que, por lo general supera la
dimensión de la base de datos con la que vamos a trabajar, facilitando la incorporación de
observaciones adicionales, bien por ampliación de la muestra, bien para poder almacenar los resultados
de predicción generados con el modelo o bien para seleccionar muestras parciales de la total, por
ejemplo, añadiendo algún condicional. De esta forma con “simple” se define el tamaño de la muestra
con la que se estima el modelo y “range” define la dimensión del fichero de trabajo.

- Segunda cuestión puede ser Si o NO, es una variable de control que incorporo para valorar la respuesta
tras la corrección de los trabajos.

- La multicolinealidad se contrasta con los coeficientes de correlación simple, rij, con las
estimaciones auxiliares, tantas como variables explicativas. Cada una de ellas actúa como
endógena en una ecuación siendo las explicativas el resto y con el coeficiente de correlación
parcial rpjk, cuya definición ha quedado plasmada en la pregunta 3.a previa.

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-4129197

TERCERA PARTE: Aplicación práctica

Práctica:
Se ha modelizado la inversión en función del tipo de interés, del número de ocupados y
del número de parados, del precio medio de la vivienda y del PIB. Los resultados de
esta primera estimación, realizada con 90 observaciones temporales es la siguiente:

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
A la vista de estos resultados, y no estando conformes con los mismos se han realizado algunas
modificaciones en la especificación inicial. A partir de la información suministrada:
1) Analice cual son las modificaciones propuestas, justificando a que responden (4 puntos)
2) ¿Están bien planteadas?.¿Cumplen con su objetivo? (3 puntos)
3) Proponga una modelización alternativa (3 punto)

1 coin = 1 pdf sin publicidad

 a64b0469ff35958ef4ab887a898bd50bdfbbe91a-4129197

1 coin = 1 pdf sin publicidad

5
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-4129197

1.- Analice cual son las modificaciones propuestas, justificando a que responden (4 puntos)

Modelo niveles, inversión = F(interés, ocupados, parados, pib, precios)

Muestra suficiente n = 90. No se dispone de información sobre tipo de datos
Error de signo de la variable interés
Falta de significatividad individual en parados
Capacidad explicativa elevada R2 = 0,996
Suma de residuos al cuadrado muy elevada (posible forma funcional incorrecta /
omisión)
Estadístico DW alejado del valor deseable (2) = 1,05 (de nuevo indicio de omisión)
PROPUESTAS Y RESULTADOS DE LOS CAMBIOS.
A) Se informa sobre las correlaciones simples de las variables explicativas
(contrastes de multicolinealidad). Los resultados sugieren presencia de
multicolinealidad entre PIB y precio y entre PIB e interés, menor pero
representativa.
B) Se modifica la forma funcional de nivel-nivel a log-log y se unen en una única
variable las dos variables relativas al mercado de trabajo (ocupados+parados)
para intentar fusionar en una única variable los efectos de la laboralidad sobre la
inversión residencial.
Con esta segunda ecuación, se obtienen los siguientes resultados:
Positivos:
Error de signo eliminado
Falta se significatividad de la variable paro eliminada
Suma de residuos al cuadrado reducida de forma notable
Negativos:
Se reduce el DW, se intensifican los indicios de problemas de
autorrelación, posiblemente por OMISION
La variable precios, en su transformación logarítmica pierde
significatividad estadística.

Ligera reducción del R2= 0,975

C) Se analiza si la variable PIB, en su transformación logarítmica es una variable

irrelevante a través del test de variables redundante. Se confirma que es una
variable válida para la estimación, por tanto, rechazamos la hipótesis de que sea
una variable redundante o irrelevante. No debe ser eliminada del modelo.
D) Se analiza si el modelo en su expresión logarítmica es válida o no, a través del
contraste de Ramsey. La variable endógena estimada en su forma cuadrada y
cúbica resulta significativa, por tanto, admitimos que la forma funcional
logarítmica no es la adecuada.

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-4129197

2. ¿Están bien planteadas?.¿Cumplen con su objetivo? (3 puntos)

Considero que responden a un proceso de corrección de incumplimientos, aunque los

resultados no resultan satisfactorios.

a).- Cambio de forma funcional, aplicado para limitar la cuantía del error e intentar eliminar el

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
error de signo, parece que cumple con el objetivo, pero Ramsey confirma que la forma
logarítmica no es la correcta. No podemos aceptar la forma funcional Log-Log propuesta

b).- Se analiza la incorporación de variables irrelevantes sobre una variable de la que no existen
sospechas previas de su redundancia. Habría sido más correcto o bien realizar el contraste sobre
todas las variables explicativas o bien seleccionar las que aparecen con niveles de
significatividad más reducidas. En particular, parados, en la especificación de nivel y precios en
la logarítmica.

c)- No se analiza si la modificación de forma funcional a eliminado los problemas de

multicolinealidad, en especial la existente entre PIB y precios que probablemente sea el origen
de la falta de significatividad de la segunda de estas variables en el modelo expresado en Log.

3. Proponga una modelización alternativa (3 punto)

A la vista de los resultados obtenidos y atendiendo a los resultados de DW, considero necesario
analizar la existencia de un problema de omisión de variables relevantes. Por ejemplo, otros
tipos de interés ofertados para inversiones no residenciales (bonos del estado, por ejemplo) para
identificar si la vivienda es una inversión refugio. O el tipo de interés anticipado (interés en t+1,
por ejemplo) porque la adquisición se produce en t, pero el crédito afectado por el tipo de interés
que se precisa para realizar la inversión se mantendrá vivo en t+h periodos, e intentar que los
precios eleven su significativad puesto que el precio de los bienes debería ser una variable
representativa.
Además, y dado de la Forma Funcional no es la correcta, deberían plantearse formas alternativas
Nivel-Log; Log-Nivel, Formas cuadráticas… entre otras.

1 coin = 1 pdf sin publicidad

a64b0469ff35958ef4ab887a898bd50bdfbbe91a-4129197

Ejercicio tipo, contenido 2:

Nombre y apellidos: ...................................................................................................................

Contenido Teórico 1.-

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
1. Qué representan la siguiente expresión (, 𝜎 2 𝐼𝑛 )
❑ Los parámetros de la distribución de los estimadores MCO cuando se cumplen
todas las hipótesis que definen al MBRL.
❑ Los parámetros de la distribución de la perturbación aleatoria en modelos
estimados en forma logarítmica.
❑ La hipótesis de media nula y matriz de varianzas-covarianzas escalar.
❑ Todas las respuestas previas son correctas.
❑ Ninguna de las respuestas es correcta.
2
2. La expresión 𝛿𝑖 [𝑋 ′ 𝑋]−1 𝑋 ′  𝑋 [𝑋 ′ 𝑋]−1 se corresponde con:
❑ Expresión del estimador MCG.
❑ Matriz de varianzas y covarianzas de una perturbación aleatoria no escalar.
❑ Matriz de varianzas y covarianzas del estimador MCG aplicado por estar en
presencia de heterocedasticidad y/o autocorrelación.
❑ Matriz de varianzas y covarianzas del estimador MCO obtenido en presencia de
matriz de varianzas y covarianzas de la perturbación escalar.
❑ Matriz de varianzas y covarianzas del estimador MCO obtenido en presencia de
matriz de varianzas y covarianzas de la perturbación no escalar.

3. El estimador MCG presenta

❑ Una varianza superior a la de los estimadores MCO.
❑ Una varianza inferior a la de los estimadores MCO.
❑ Un sesgo en el término independiente.
❑ Contraste de significatividad individual no concluyentes.
❑ Ninguna de las anteriores respuestas es correcta.
4. Un estimador MCO sigue una distribución Normal, siempre que:
❑ Se contraste que la variable endógena se ajusta a este tipo de distribución de
probabilidad.
❑ Se contraste que la perturbación aleatoria se ajusta a este tipo de distribución de
probabilidad.
❑ Se contraste que el error no se ajusta a este tipo de distribución de probabilidad.
❑ Todas las afirmaciones anteriores son correctas.
❑ Ninguna de las afirmaciones previas es correcta.
5. La cuantía del contraste de significatividad individual se ve alterada ante la existencia de:
❑ Media no nula pero contante de la perturbación aleatoria.
❑ Distribución normal de la variable endógena.
❑ Matriz de Varianza Covarianzas escalar.
❑ En todos los incumplimientos de hipótesis básicas sobre “u”.
❑ En ningún incumplimiento de las hipótesis básicas sobre “u”.
6. La distribución de los estimadores MCG se ven alteradas ante la existencia de:
❑ Matriz de varianzas y covarianzas de “u” no escalar.
❑ Media no nula.
❑ No Normalidad.
❑ Todas las respuestas formuladas son correctas.
❑ Ninguna de las respuestas previas es correcta.

1 coin = 1 pdf sin publicidad

a64b0469ff35958ef4ab887a898bd50bdfbbe91a-4129197

7. El contraste de CHOW es sensible a la heterocedasticidad porque:

❑ La varianza del error es diferente en cada una de las submuestras que componen la
muestra global con la que se estima el modelo.
❑ Cuando se corrige este incumplimiento se altera el valor de los parámetros.
❑ La varianza del error es igual en cada una de las submuestras que componen la
muestra global con la que se realiza el modelo.
❑ Cuando se corrige este incumplimiento se altera la varianza del estimador.
❑ Todas las respuestas son correctas.
8. Los problemas de autocorrelación se detectan con:
❑ El análisis del comportamiento de la correlación residual.
❑ Aplicando el contraste Durbin-Watson, pero sólo en modelos dinámicos.
❑ Aplicando el contraste de Shapiro-Wilk para muestras inferiores a 50
observaciones.
❑ Aplicando el contraste “h” de Durbin, cuando el modelo tiene una frecuencia
superior al año.
❑ Ninguna de las respuestas anteriores es correcta.
9. La trasformación del modelo con la propuesta de Durbin provoca:
❑ La generación de un modelo dinámico.
❑ La invalidez del contraste de significatividad estadística individual.
❑ El cambio en el valor de los estimadores y de su significación estadística.
❑ Todas las respuestas anteriores son correctas.
❑ Ninguna de las respuestas es correcta.
10. La siguiente expresión representa la expresión de un contraste de…….:

❑ Media no nula pero constante.

❑ Cambio de estructura recursivo.
❑ No Normalidad.
[∑𝑚
𝑖=1 𝑎𝑛−𝑖+1 (𝑌𝑛−𝑖+1 − 𝑌𝑖 )2 ❑ Autocorrelación en modelos con endógena
desplazada
∑𝑛𝑖=1(𝑌𝑖 − 𝑌̅𝑖 )2 ❑ Ninguna de las anteriores respuestas es
correcta.

Contenido Teórico 2.-

1. Si realizado el contraste de Durbin Watson y se determina que la perturbación aleatoria presenta

covarianzas no nulas ¿debemos desechar el análisis de la significación estadística individual? ¿Y los
de validez conjunta del modelo? Justifique razonadamente su respuesta (2 puntos).

Los estadísticos de significatividad individual deben ser considerados como no validos porque el
estimador de la varianza de la perturbación aleatoria no esta calculado de forma correcta el no haber
sido considerad la matriz no escalar de varianzas y covarianzas de la “u”. La autocorrelación afecta,
por tanto, el denominador del contraste t-Sudent, aunque no lo hace al valor de los estimadores, al
numerador.

En los contrastes conjuntos la situación es similar, por ello, cuando se corrige el problema de la
existencia de autocorrelación se altera el valor del contraste F y también del Coeficiente de
determinación a R2

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-4129197

2. ¿A qué responde la siguiente imagen? Con los resultados presentados ¿se puede determinar el
incumplimiento de alguna hipótesis? ¿De qué incumplimiento se trata? ¿Qué elementos o causas la
originan? (2 puntos)

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Sample: 1995 2017

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
Included observations: 23

Variable Coefficient Std. Error t-Statistic Prob.

C 111.2307 267.5656 0.415714 0.6844

TIPOS_INTERES^2 -0.474953 0.485768 -0.977736 0.3460
TIPOS_INTERES*INVESPRECIO -0.168780 0.108353 -1.557686 0.1433
TIPOS_INTERES*RENTA/HOGAR 322.6756 624.6752 0.516549 0.6141
TIPOS_INTERES 7.350419 23.10329 0.318155 0.7554
INVESPRECIO^2 0.010613 0.011722 0.905442 0.3817
INVESPRECIO*RENTA/HOGAR 50.86557 72.82305 0.698482 0.4972
INVESPRECIO -4.245649 3.131894 -1.355617 0.1983
RENTA/HOGAR^2 -7.89E+10 3.24E+10 -2.438898 0.0298
RENTA/HOGAR 4730.114 8532.056 0.554393 0.5887

1.- es el contraste de White ampliado, en el que intervienen todas las explicativas, sus formas cuadráticas
y sus cruces.
2.- Atendiendo a los resultados muestrales, se detecta la presencia de heterocedasticidad.
3.- la variable que podría generar heterocedasticidad, dado que actúa como variable significativa parta
explicar el comportamiento de los residuos al cuadrado es la variable renta media por hogar, definida como
renta/hogar.

3. La transformación del modelo que propone White, supone admitir una hipótesis simplificadora para
definir el comportamiento de la varianza de la perturbación aleatoria, cuando no es constantes. que
consiste en aceptar que (expresión o fórmula) -𝜹𝟐𝒊 = 𝜹𝟐 𝑿𝒓𝒊-. La matriz de transformación contempla en
su diagonal principal (expresión) ------𝟏⁄ -----------------------------------, y el resto de sus elementos
√𝑿𝒓𝒊
son -nulos-. Con dicha trasformación se garantiza que los estimadores MCO obtenidos en la estimación
del modelo transformado son –estimadores ELIO- y, además, la matriz de varianzas y covarianzas de
la perturbación aleatoria es -escalar.

4. Si en el proceso de contrastación de un modelo se detecta que no se cumple la hipótesis de normalidad.

¿Qué procedimientos son los habituales para su corrección? ¿Afecta este procedimiento a otros
incumplimientos? En caso afirmativo, mencione y justifique los incumplimientos derivados. (2 puntos)

1.- La forma más habitual es aplicar una nueva forma funcional al modelo, por general pasando de modelos
estimados en forma lineal a modelo expresados en logaritmos, aplicados tanto a las variables explicativas
como a la endógena.

2 y 3.- La transformación a modelos log-log incide en la hipótesis de media nula de la “u”. Aunque no puede
realizarse una valoración de este incumplimiento, si se conoce que la media de “u” deja de ser nula para
convertirse en un valor constante pero desconocido. Dicho valor medio, no cuantificable se acumula en la
cuantía del estimador del término independiente, pudiendo modificar no sólo su valor sino incluso su signo.

5. La ecuación formulada intenta explicar el esfuerzo inversor que representa para las familias la
adquisición de una vivienda habitual, considerando que los tipos de interés hipotecarios, el precio de
la vivienda y la renta media de los hogares son factores determinantes. Los resultados primarios
aconsejan aplicar un proceso de corrección de la heterocedasticidad (White heteroskedasticity-
consistent standard errors & covariance) y esta incorporación supone (marque la respuesta correcta y
después argumente su elección).

1 coin = 1 pdf sin publicidad

a64b0469ff35958ef4ab887a898bd50bdfbbe91a-4129197

Dependent Variable: ESFUERZO

Method: Least Squares
Sample (adjusted): 1995 2017
Included observations: 23 after adjustments
White heteroskedasticity-consistent standard errors & covariance

Variable Coefficient Std. Error t-Statistic Prob.

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
C -16.50227 5.754133 -2.867899 0.0098
TIPOS_INTERES 3.337742 0.249576 13.37364 0.0000
PRECIO 0.704453 0.029397 23.96309 0.0000
RENTA/HOGAR -511.9575 163.3566 -3.133988 0.0055

R-squared 0.951585 Mean dependent var 38.69783

Adjusted R-squared 0.943940 S.D. dependent var 8.498405
S.E. of regression 2.012166 Prob(F-statistic) 0.000000
Sum squared resid 76.92741 Prob(Wald F-statistic) 0.000000
F-statistic 124.4790 Durbin-Watson stat 1.551354

❑ Modificación en el valor de los estimadores

❑ Modificación en el valor del estadístico DW
❑ Modificación de la varianza de los estimadores
❑ Ninguna modificación

PRÁCTICA
Se ha modelizado el comportamiento de la producción textil, cuya propuesta obedece a la
siguiente formulación:

Gdp12 = f (empleo (PYE12); capital (STK12))

La primera estimación pone de manifiesto un problema de forma funcional incorrecta y se

procede a la estimación en forma logarítmica, obteniéndose los siguientes resultados:

Dependent Variable: LOG(GDP12)

Method: Least Squares
Sample: 1970 2011
Included observations: 42

Variable Coefficient Std. Error t-Statistic Prob.

C 0.911368 0.237733 3.833576 0.0004

LOG(PTE12) 0.114379 0.047747 2.395503 0.0215
LOG(STK12) 0.667164 0.031391 21.25328 0.0000

R-squared 0.929868 Mean dependent var 4.131342

Adjusted R-squared 0.926271 S.D. dependent var 0.293933
S.E. of regression 0.079812 F-statistic 258.5462
Sum squared resid 0.248427 Durbin-Watson stat 0.379937

1 coin = 1 pdf sin publicidad

a64b0469ff35958ef4ab887a898bd50bdfbbe91a-4129197

4.8 1.- Analice los contrastes realizados.

4.6 Argumente a que obedecen. Defina
qué actuaciones han sido requeridas y
4.4
qué implicaciones tiene sobre las
4.2 propiedades de los estimadores. (5
.2
4.0 puntos)
.1
2.- Considerando los resultados de la
3.8
última estimación ¿Puede afirmarse
3.6
.0 que los estimadores del modelo son
eficientes? ¿Qué validez debe ser
-.1 otorgada al contraste DW?. ¿Cumple
este modelo con todas las hipótesis
-.2 sobre el comportamiento de “u”?
1970 1975 1980 1985 1990 1995 2000 2005 2010 Razone sus respuestas. (5 puntos)
Residual Actual Fitted

Chow Breakpoint Test: 1986

Equation Sample: 1970 2011
F-statistic 5.473895 Prob. F(3,36) 0.0033
Log likelihood ratio 15.78366 Prob. Chi-Square(3) 0.0013
Wald Statistic 16.42168 Prob. Chi-Square(3) 0.0009

Dependent Variable: LOG(GDP12)

Method: Least Squares
Sample: 1970 2011
Included observations: 42
Variable Coefficient Std. Error t-Statistic Prob.

C 0.505458 0.258021 1.958982 0.0575

LOG(PTE12) 0.141480 0.044668 3.167365 0.0030
LOG(STK12) 0.728259 0.035513 20.50693 0.0000
F8693 -0.092941 0.031759 -2.926459 0.0058

R-squared 0.942767 Mean dependent var 4.131342

Adjusted R-squared 0.938248 S.D. dependent var 0.293933
S.E. of regression 0.073042 F-statistic 208.6494
Sum squared resid 0.202736 Durbin-Watson stat 0.555059

Test: Harvey

F-statistic 7.406501 Prob. F(3,38) 0.0005

Obs*R-squared 15.49696 Prob. Chi-Square(3) 0.0014
Scaled explained SS 8.846457 Prob. Chi-Square(3) 0.0314

Dependent Variable: LOG(GDP12)

Method: Least Squares
Sample: 1970 2011
Included observations: 42
White heteroskedasticity-consistent standard errors & covariance

Variable Coefficient Std. Error t-Statistic Prob.

C 0.505458 0.290662 1.738991 0.0901

LOG(PTE12) 0.141480 0.049717 2.845733 0.0071
LOG(STK12) 0.728259 0.045933 15.85470 0.0000
F8693 -0.092941 0.029423 -3.158811 0.0031

R-squared 0.942767 Mean dependent var 4.131342

Adjusted R-squared 0.938248 S.D. dependent var 0.293933
S.E. of regression 0.073042 F-statistic 208.6494
Sum squared resid 0.202736 Durbin-Watson stat 0.555059

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-4129197

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
Dependent Variable: LOG(GDP12)
Method: ARMA Generalized Least Squares (Gauss-Newton)
Sample: 1970 2011
Included observations: 42
Convergence achieved after 15 iterations
d.f. adjustment for standard errors & covariance

Variable Coefficient Std. Error t-Statistic Prob.

C 0.806512 0.491833 1.639811 0.1095

LOG(PTE12) 0.104261 0.049054 1.318869 0.1953
LOG(STK12) 0.700234 0.090771 2.125433 0.0048
F8693 -0.007472 0.002387 -3.130289 0.0014
AR(1) 0.841728 0.112011 7.514704 0.0000

R-squared 0.975032 Mean dependent var 4.131342

Adjusted R-squared 0.972333 S.D. dependent var 0.293933
S.E. of regression 0.048891 F-statistic 361.2287
Sum squared resid 0.088442 Durbin-Watson stat 1.252496

1.- Analice los contrastes realizados. Argumente a que obedecen. Defina qué actuaciones han sido requeridas y qué
implicaciones tiene sobre las propiedades de los estimadores. (5 puntos)
Análisis de situación previo.
a) Se analiza el comportamiento de la actividad del sector textil, con dos factores productivos (trabajo y stock de
capital)
b) Modelo de frecuencia anual, con42 observaciones que abarcan el periodo 1970 2011. No se indican unidades.
c) el enunciado afirma que se ha realizado la contrastación de forma funcional incorrecta, admitiendo que la
formulación en términos log-log es la correcta. Los parámetros, por tanto, define el % de variación de “Y” ante
cambios de un 1,0% en cada explicativa.
d) el signo de los estimadores se presenta acorde con la teoría económica, más empleo más actividad y más capital
más actividad.
e) La capacidad explicativa del modelo es elevada, con un R2 ajustado que supra el 92,6, la suma de los residuos es
reducida, en términos comparados con la media de la variable endógena.
f) se observa un posible incumplimiento en términos de autocorrelación dado que el estadístico DW se muestra
alejado del valor de referencia para la existencia de no autocorrelación, establecido en 2.

1 coin = 1 pdf sin publicidad

a64b0469ff35958ef4ab887a898bd50bdfbbe91a-4129197

ACTUACIONES PRESENTADAS (REPUESTA A LA PRIMERA PREGUNTA)

1.- Gráfico de residuos. Aparece un cambio brusco en su comportamiento en torno al
año 1986. No se aplican ningún contraste recursivo para determinar con mayor certeza si en
dicho año se ha producido un cambio de estructura, aunque se contrasta su existencia a través
del contraste de Chow.
Los resultados de este contraste definen que la probabilidad de que no existe cambia
de estructura es muy reducido (0.0033), por tanto, se admite la existencia de un cambio de

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
estructura.
Para solventar los programas de sesgo que genera el cambio de estructura en los
estimadores obtenidos en el conjunto de la muestra con relación a la submuestra, así como la
ampliación de las varianzas de los estimadores y con ello su estabilidad y niveles de
significación estadística individual, se incorpora una variable ficticia (fic8693) que
previsiblemente contará con elemento unitarios para el periodo que define su denominación.
El resultado del parámetro obtenido para esta ficticia sugiere que se trata de un deterioro de
la actividad que no es capaz de recoger o explicar el comportamiento de los factores
productivos incorporados como variables explicativas. Entro otros elementos, esta reducción
de la actividad textil, podría asociarse al incremento de las importaciones de productos
textiles procedentes del resto del mundo (competencia de las importaciones).
Dicha variable resulta significativa y, por tanto, podemos atribuir el cambio de
estructura que detecta el contraste a una posible omisión de variable relevante. Con su
incorporación, la capacidad explicativa del modelo mejora.
Tras esta modificación, que conlleva una ligera reducción de la suma de los residuos al
cuadrado (han pasado de 0.248427 a 0.202736), se realiza un contraste de heterocedasticidad,
concretamente el contraste de Harvey. En dicho contraste, se modeliza el logaritmo de los
residuos al cuadrado en función de las variables explicativas del modelo original. La decisión
de utilizar este contraste y no otros de los existentes para el estudio de la presencia de la
heterocedasticidad obedece a la forma funcional del modelo sobre el que se está analizando
el incumplimiento log-log.
Los resultados del contraste ponen de manifiesto la existencia de heterocedasticidad
(la probabilidad de que el modelo fuese homocedástico es de tan sólo el 0.0005) y se procede
a su corrección con el procedimiento propuesto por Theil.
Como no podría ser de otro modo, la corrección de la heterocedasticidad no altera el
valor de los estimadores, pero si su desviación típica y también el valor del contraste T-Student
y las probabilidades asociadas. Tampoco se modifica el DW que permanece alejado del valor
adecuado de referencia, aunque se elevó ligeramente cuando se introdujo el cambio de
especificación para corregir el cambio de estructura y/o omisión de variable relevante. Con
esta estimación exenta de heterocedasticidad se consigue que la varianza de los estimadores
se calcule de forma correcta, evitando que sean ineficientes.
El resultado del Dw = 0.555059 aconseja analizar la existencia de un problema de
autocorrelación. El gráfico que representa el correlograma de los residuos define la existencia
de autocorrelación e identifica un proceso Ar(1). Nótese que la función de autocorrelación
presenta una tendencia decreciente especialmente marcada en las observaciones 1ª y 2ª y la
función de autocorrelación parcial identifica como significativo a la primera.
Ante estos resultados, se incorpora en la estimación un proceso Ar(1), obteniéndose
un valor para el coeficiente 𝝆 = 0.841728, que cuenta con significatividad individual y, por
tanto, admisible para corregir la autocorrelación detectada.

Sin embargo, estas trasformaciones hacen que la significatividad estadística individual

del factor capital se reduzca, por lo que sería aconsejable determinar si el stock de capital del
año t afecta a la actividad del año t, es decir, de forma contemporánea, o si por el contrario el
stock de capital disponible en “t-1” e incluso en “t-2” son realmente los elementos que
condicionan a la endógena en la observación “t”, lo que significa trasformar el modelo inicial

1 coin = 1 pdf sin publicidad

a64b0469ff35958ef4ab887a898bd50bdfbbe91a-4129197

de carácter estático por otro de carácter dinámico, más allá de la dinámica que genera la
aplicación de los procesos autoregresivos aplicados para eliminar los efectos de ineficiencia
que genera la presencia de autocorrelación.

2.- Considerando los resultados de la última estimación ¿Puede afirmarse que los estimadores del modelo son
eficientes? ¿Qué validez debe ser otorgada al contraste DW?. ¿Cumple este modelo con todas las hipótesis sobre el
comportamiento de “u”? Razone sus respuestas. (5 puntos)
Los resultados de un modelo en presencia de heterocedasticidad y/o autocorrelación
no deben ser aceptados por la pérdida de eficiencia de los estimadores obtenidos por el
método de MCO. Las transformaciones aplicadas (la de White y la incorporación de procesos
Ar(1), respectivamente para convertir al modelo en homocedastico y en ausencia de
autocorrelación se aplican sobre el modelo transformado que es equivalente a la aplicación
de los estimadores MCG o de Aitken, es decir, aquellos que garantizan la eficiencia.
Como consecuencia de la incorporación del proceso Ar(1) el estadístico DW pierde su
validez y se hace preciso calcular el estadístico alternativo para modelos dinámicos (recordar
que los procesos autoregresivos incorporan como variable explicativa a la propia endógena
desplazada tantas observaciones como el orden del autoregresivos utilizados, en nuestro caso
orden 1). Dicho estadístico es el “h” de Durbin.
En cuanto a si cumplen o no todas las hipótesis sobre el comportamiento de “u”, es
preciso señalar que no se dispone de los resultados de ningún tipo de contraste de normalidad,
siendo el más adecuado dado el tamaño muestral aplicar el contraste de Shapiro-Wilk. Por
tanto, no podemos garantizar que se cumpla la hipótesis de normalidad.
Adicionalmente, dado que el modelo ha quedado especificado bajo la forma funcional
log-log, sabemos que se incumple la hipótesis de media nula de “u”, aunque no se dispone de
una cuantificación (un valor) de dicha media, puesto que el estimador de “u” es el error y el
proceso de estimación garantiza que su media sea cero siempre que en el modelo se incorpore
un término independiente.
Por ello, incurrimos en un problema de Media no nula, desconocida pero constante
que se incorpora en el término independiente haciendo que su valoración, en cuantía y signo,
no deba ser interpretada en términos analíticos, salvo que el modelo teórico subyacente
incorpore alguna restricción a dicho término, de la misma manera que asumimos que el
estimador b0 (termino independiente) presentará un sesgo asociado al valor medio de “u”
constante, distinto de cero, pero desconocido.

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.