Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 39 vistas

    1

    Cargado por

    Wenpal Hitsugaya
    El documento presenta un examen de econometría que cubre temas como autocorrelación, heterocedasticidad y contrastes de hipótesis. Se explican métodos como MCO, C-O iterado y contrastes de White para identificar y corregir problemas de autocorrelación y heterocedasticidad en los modelos. El examen guía al estudiante paso a paso a través de una serie de ejercicios prácticos para aplicar estos métodos y realizar pruebas estadísticas que permitan aceptar o rechazar hipótesis nulas.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    1

    Cargado por

    Wenpal Hitsugaya
    39 vistas3 páginas
    El documento presenta un examen de econometría que cubre temas como autocorrelación, heterocedasticidad y contrastes de hipótesis. Se explican métodos como MCO, C-O iterado y contrastes de White para identificar y corregir problemas de autocorrelación y heterocedasticidad en los modelos. El examen guía al estudiante paso a paso a través de una serie de ejercicios prácticos para aplicar estos métodos y realizar pruebas estadísticas que permitan aceptar o rechazar hipótesis nulas.

    Descripción original:

    1

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento presenta un examen de econometría que cubre temas como autocorrelación, heterocedasticidad y contrastes de hipótesis. Se explican métodos como MCO, C-O iterado y contrastes de White para identificar y corregir problemas de autocorrelación y heterocedasticidad en los modelos. El examen guía al estudiante paso a paso a través de una serie de ejercicios prácticos para aplicar estos métodos y realizar pruebas estadísticas que permitan aceptar o rechazar hipótesis nulas.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    39 vistas3 páginas

    1

    Cargado por

    Wenpal Hitsugaya
    El documento presenta un examen de econometría que cubre temas como autocorrelación, heterocedasticidad y contrastes de hipótesis. Se explican métodos como MCO, C-O iterado y contrastes de White para identificar y corregir problemas de autocorrelación y heterocedasticidad en los modelos. El examen guía al estudiante paso a paso a través de una serie de ejercicios prácticos para aplicar estos métodos y realizar pruebas estadísticas que permitan aceptar o rechazar hipótesis nulas.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 3

    Examen Econometría

    1. Referente a autocorrelación

    A) Abrir el documento que te piden


    B) Mirar el modelo.
    C) 1.1 Pulsamos en Modelo => MCO => Designamos quienes son los regresores y la variable
    dependiente ln (y)
    D) Nota: lo que manda es la variable y hay que mirar el coeficiente de delante.
    E) 1.2 Desde MCO => Contraste=> Restricciones Lineales => b[l_x1]=0=> Aceptar
    Vemos p valor y si es inferior a 1% se rechaza hipótesis y por tanto depende…

    F) 1.3 Un modelo es globalmente significativo si el p-valor de F es inferior al 1% hacer cero lx1 lx2 lx3
    G) 1.4 Incrementamos precio pescado y carne y por tanto igualamos beta2 y beta3=>
    MCO=>Contraste=> Restricción Lineal=>b[l_x1]-b[l_x2]=0

    H). 1.5 MCO=> anotamos DurbinWatson de pagina principal=> Si está cerca de 0


    (autocorrelación positivo orden 1), si está cerca de 2 (no hay autocorrelación) y si está cerca de 4
    (autocorrelación negativa de orden 1)=> H_0: rho=0 (No AR(1)) versus H_1: lo contrario
    =>Ventana principal => Herramientas => Tablas estadísticas => DW => añadimos tamaño de la
    muestra y nº regresores => Aceptar => Obtenemos dL y dU y diseñamos el eje de rechazo-
    aceptación.
    ? ?

    0 dL dU 2 4-dU 4-dL 4

    Rechazamos por tanto la hipótesis inicial porque cae en zona de rechazo.

    I) 1.6 Método de C_O iterado => Ventana principal => Modelo => Serie temporales
    univariantes => Errores AR => AR(1) => IDENTIFICAR VARIABLE DEPENDIENTE Y
    REGRESORES Y CLICAR SOBRE CROCHAN ORCUT Vemos si el nuevo estadístico de
    contraste Durbin Watson está cerca de 2 => Hacer correlograma para mostrar esa
    hipótesis => Gráficos => Correlograma de residuos => Aceptar => Observamos que
    los valores están dentro de las bandas y por tanto demostramos que hemos
    corregido la autocorrelación.
    J) 1.7 Formamos hipótesis H_0: beta4=0 y H_1: lo contrario => desde C_O => Contrate=>
    Restricción lineal=> añadimos b[l_x3]=0 => Aceptar => y miramos el p-valor de modo que:

    Si el p-valor es menor que 5% rechazamos hipótesis y si es mayor aceptaríamos dicha


    hipótesis.
    2.1 Heterocedasticidad Ejercicio2
    1) Abrir archivo wage => Vemos si tenemos todas la variables y si nos falta alguna la inventamos
    => Añadir => Definir nueva variable => Escribimos la fórmula (Nombre = Fórmula que te venga
    en el modelo ) => Modelo => MCO => añadimos las variables que queremos estudiar =>
    Contraste => Restricciones lineales => b[PYME]=0 b[FEMALE_PYME]=0 => Aceptar =>
    Miramos el p-valor => si es inferior al 5% rechazamos hipótesis y si es superior aceptamos
    hipótesis.

    3.2) Desde MCO=>Contraste => Restricciones lineales => b[FEMALE]=0 b[FEMALE_PYME]=0 =>
    Aceptar => Miramos el p-valor => si es inferior al 5% rechazamos hipótesis y si es superior
    aceptamos hipótesis.

    2.1 Heterocedasticidad Ejercicio2


    A) Establecemos hipótesis H_0: σt2 = σ 2 (Homo) versus H1: σt2 ≠ σ 2 (Hetero)

    B) Ventana principal => Modelo => MCO => Añadir variable dependiente y regresores =>
    Contrastes => Heterocedasticidad => Contraste de White => Vemos el p-valor y si es inferior al
    1% rechazamos la hipótesis nula y si es superior aceptamos dicha hipótesis.

    2.2 pantalla principal => Añadir => Definir nueva variable => inv_x2=1/x^2
    => Modelo Otros modelos lineales => MCP => Variable dependiente(y) => Variable ponderada (inv_x2) =>
    Regresor(x) => Aceptar

    Verifique si con la transformación ha corregido la heteroscedasticidad.


    MCP no permite ver si se ha corregido o no la heterocedasticidad, no deja hacer contrastes de
    heterocedasticidad. Para poder comprobarlo, la idea es transformar el modelo con heterocedasticidad en uno
    con perturbaciones homocedásticas y aplicar sobre éste último MCO para estimar corrigiendo la
    heterocedasticidad:

    => Ir a la pantalla principal => Añadir => Definir nueva variable => inverso_x=1/x y luego
    y_corregida=y*inverso_x

    Pantalla principal => Modelo => MCO => Variable dependiente (y_corregida) y regresor
    (inverso_x)
    Para comprobar que hemos corregido la heterocedasticidad lo que hacemos es desde MCO es ir a
    Contraste => Heterocesdasticidad => Contraste de White => Vemos p-valor=> si es inferior al 1%
    se rechaza la hipótesis y si es superior se acepta la hipótesis.

    También podría gustarte