EXAMEN ECONOMETRÍA I GRUPO 53
Anuncio
EXAMEN ECONOMETRÍA I GRUPO 53 - DADE 8 de septiembre de 2005 Prof. Rafael de Arce NOMBRE: _________________________________________ DNI: ____________________ PARTE I.- TEST 1. La hipótesis de rango pleno en el MBRL supone: ? Que las variables explicativas no tengan ninguna relación entre ellas ? Que las variables explicativas mantengan una relación entre ellas menor a la que mantienen con la endógena (de forma individual y conjunta) ? Que no se pueda invertir la matriz de información ? Ninguna de las anteriores 2. Las perturbaciones aleatorias del MBRL: ? ? ? ? Son siempre esféricas Pueden presentar heterocedasticidad, pero nunca media no nula Siempre se distribuyen como una t-student Todas las anteriores 3. El porcentaje “Probability” que figura en la salida de regresión de e-views para cada parámetro (coefficient) representa: ? ? ? ? La probabilidad de rechazar la hipótesis nula cuando es cierta La probabilidad de rechazar la hipótesis nula cuando es falsa La probabilidad de aceptar la hipótesis nula cuando es cierta La probabilidad de aceptar la hipótesis nula cuando es falsa 4. El contraste del predictor sirve para: ? ? ? ? Analizar la validez de las predicciones realizadas con un modelo econométrico Determinar un rango de variación de las predicciones realizadas Contrastar la significatividad individual de las variables de predicción Ninguna de las anteriores 5. El contraste F-Snedecor: ? ? ? ? Es útil, en algunos casos, para contrastar indicios de multicolinealidad Representa la validez conjunta de todas las variables del modelo Está relacionado con la presencia de media no nula en el modelo Ninguna de las anteriores 6. El coeficiente de Janus: ? ? ? ? Es una medida de validación expost del modelo No presenta un valor conocido de distribución Se valora si está por encima o por debajo de uno Todas las anteriores 7. En el MBRL: ? Se asegura que el valor de la R cuadrado estará entre cero y uno en todos los casos ? En algunas situaciones, la suma de los errores puede ser superior a cero ? La suma de los parámetros siempre es igual a uno ? Ninguna de las anteriores 8. El valor experimental de los parámetros estimados en el MBRL: ? Siempre se distribuye como una normal (0,1) ? No se puede conocer a priori su distribución estadística ? Se distribuye como una t-student siempre que las perturbaciones aleatorias sean normales ? Todas las anteriores 9. Los parámetros estimados por MCO: ? Serán insesgados siempre que la esperanza de las perturbaciones aleatorias sea nula ? Pueden ser sesgados si existen regresores estocásticos ? No presentan sesgo independientemente del resto de las hipótesis del modelo ? Ninguna de las anteriores 10. El contraste CUSUM es útil: ? ? ? ? Para determinar la presencia de errores acumulados no nulos en el modelo Para contrastar un posible cambio de estructura Para determinar si hay problemas de heterocedasticidad Todas las anteriores 11. En un modelo econométrico: ? Todas las variables deben introducirse en las mismas unidades de medida ? Debe haber alta correlación entre las exógenas para asegurar un alto grado de explicación en el modelo ? Nunca pueden introducirse variables dicotómicas ? Ninguna de las anteriores PARTE II.- PREGUNTAS CON ESPACIO LIMITADO 1. Demuestre que, en el MBRL, S y2 ? S y2ˆ ? S e2 siempre que haya término constante. 2. Analizada la teoría económica para realizar un modelo sobre el consumo de energía eléctrica anual en las distintas regiones de España, parece relevante incluir una variable de clima medio. Al estimar el modelo, dicha variable resultó no significativa. Comente este hecho. 3. ¿Qué relevancia tiene la hipótesis de permanencia estructural en el campo de la econometría? PARTE III.- PRÁCTICA Un empresario textil de Alicante está preocupado por las implicaciones sobre su negocio que puedan tener las importaciones de productos chinos en la Unión Europea, por lo cual encarga que se realice un modelo econométrico para analizar la situación. Con este fin, se definen los siguientes modelos: 1ª Regresión Dependent Variable: VENTAS Method: Least Squares Sample: 1985 2005 Included observations: 21 Variable Coefficient Std. Error t-Statistic Prob. C IMP_CHINA ARANCEL_UE PRECIO_CHINOS PRECIO_PROPIO CALIDAD 33.11660 -0.459549 1.103946 0.504336 -0.197831 0.454267 2.553781 0.039910 0.364197 1.745182 2.173555 0.128187 12.96767 -11.51458 3.031178 0.288988 -0.091017 3.543796 0.0000 0.0000 0.0084 0.7765 0.9287 0.0029 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.942874 0.923831 1.033132 16.01043 -26.94925 2.049208 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 40.05091 3.743416 3.138024 3.436459 49.51512 0.000000 2ª Regresión Dependent Variable: VENTAS Method: Least Squares Sample: 1985 2005 Included observations: 21 Variable Coefficient Std. Error t-Statistic Prob. C IMP_CHINA ARANCEL_UE PRECIO_PROPIOPRECIO_CHINOS CALIDAD 32.75487 -0.469552 1.131393 -1.721404 2.462690 0.036733 0.356426 0.287889 13.30044 -12.78269 3.174276 -5.979394 0.0000 0.0000 0.0059 0.0000 0.464683 0.125334 3.707549 0.0019 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.940968 0.926210 1.016875 16.54455 -27.29382 2.188036 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 40.05091 3.743416 3.075602 3.324297 63.75967 0.000000 El modelizador decide que la segunda regresión es más conveniente. 1. ¿Qué motivos le han llevado a realizar esta segunda regresión? 2. Determine la validez del segundo modelo planteado 3. ¿Cuál es la variable más relevante a la hora de explicar las ventas del industrial textil español? 4. ¿En cuántos millones de pesetas se verán reducidas las ventas del español si la UE decide flexibilizar las barreras de entrada en la UE? (el arancel medio en la UE era de 4,3% en 2005). 5. ¿Tuvieron algún efecto relevante para el modelo las negociaciones y cambios en la legislación que se produjeron entre el gobierno chino y Bruselas en 1995? 6. Con una probabilidad del 95%, ¿entre qué valores se moverán las ventas del español en 2006 en el siguiente escenario para las variables explicativas? Imp_china arancel_UE precio_chinos precio_propio calidad 19,924858 4,5 14,2516818 11,0992331 10,7 INFORMACIÓN ADICIONAL Matriz de correlaciones entre las variables VENTAS VENTAS 1.000000 IMP_CHINA -0.861803 ARANCEL_UE 0.282347 PRECIO_CHINOS 0.563208 PRECIO_PROPIO 0.571952 CALIDAD -0.101506 IMP_CHINA ARANCEL_UE PRECIO_C PRECIO_PRO CALIDAD HINOS PIO -0.861803 0.282347 0.563208 0.571952 -0.101506 1.000000 -0.171492 -0.212188 -0.222929 0.139366 -0.171492 1.000000 0.323502 0.324044 -0.811127 -0.212188 0.323502 1.000000 0.999448 -0.264136 -0.222929 0.324044 0.999448 1.000000 -0.262443 0.139366 -0.811127 -0.264136 -0.262443 1.000000 Gráfica a partir de los resultados de la segunda regresión 50 45 40 3 35 2 30 1 0 -1 -2 86 88 90 92 Residual 94 96 98 Actual 00 02 Fitted 04 Dependent Variable: VENTAS Method: Least Squares Sample: 1985 1994 Included observations: 10 Variable Coefficient Std. Error t-Statistic Prob. C IMP_CHINA ARANCEL_UE PRECIO_PROPIOPRECIO_CHINOS CALIDAD 26.53053 -0.507880 1.816859 -2.148179 9.748392 0.087519 1.054265 0.577368 2.721529 -5.803103 1.723341 -3.720641 0.0417 0.0021 0.1454 0.0137 0.986065 0.905617 1.088833 0.3259 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.941364 0.894456 1.024935 5.252455 -10.96994 2.980952 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 41.02956 3.154854 3.193988 3.345280 20.06811 0.002792 Dependent Variable: VENTAS Method: Least Squares Sample: 1995 2005 Included observations: 11 Variable Coefficient Std. Error t-Statistic Prob. C IMP_CHINA ARANCEL_UE PRECIO_PROPIOPRECIO_CHINOS CALIDAD 33.09206 -0.469767 1.381901 -1.771143 7.884166 0.056222 1.539698 0.620643 4.197281 -8.355543 0.897515 -2.853724 0.0057 0.0002 0.4040 0.0290 0.286719 0.312996 0.916047 0.3950 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat VENTAS Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis Jarque-Bera Probability Observations 40.05091 40.46503 45.04642 32.39391 3.743416 -0.469657 2.195752 1.337986 0.512224 21 0.949304 0.915507 1.206922 8.739967 -14.34338 1.969954 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 39.16123 4.152118 3.516979 3.697841 28.08835 0.000501 IMP_CHINA ARANCEL_U PRECIO_CHI PRECIO_PR E NOS OPIO 8.958638 5.120000 8.280746 6.448463 8.839680 4.600000 8.294499 6.583866 19.72486 8.000000 14.83751 11.78172 1.203499 4.000000 0.939920 0.556023 6.328358 1.111881 4.247682 3.418198 0.313033 1.272842 -0.150746 -0.190331 1.750330 3.522411 2.031414 2.069864 1.709430 5.909240 0.900425 0.883800 0.425404 0.052098 0.637493 0.642814 21 21 21 21 CALIDAD 5.500000 5.500000 10.50000 0.500000 3.102418 0.000000 1.794545 1.271481 0.529543 21 Dependent Variable: PRECIO_CHINOS Method: Least Squares Sample: 1985 2005 Included observations: 21 Variable Coefficient Std. Error t-Statistic Prob. C IMP_CHINA ARANCEL_UE PRECIO_PROPIO CALIDAD 0.315769 0.007561 -0.016125 1.244765 -0.008548 0.357214 0.005396 0.052016 0.010403 0.018238 0.883977 1.401221 -0.310010 119.6569 -0.468692 0.3898 0.1802 0.7606 0.0000 0.6456 R-squared 0.999029 Mean dependent var 8.280746 Dependent Variable: PRECIO_PROPIO Method: Least Squares Sample: 1985 2005 Included observations: 21 Variable Coefficient Std. Error t-Statistic Prob. C IMP_CHINA ARANCEL_UE PRECIO_CHINOS CALIDAD -0.250466 -0.006171 0.013954 0.802468 0.006861 0.286982 0.004323 0.041744 0.006706 0.014644 -0.872761 -1.427365 0.334281 119.6569 0.468537 0.3957 0.1727 0.7425 0.0000 0.6457 R-squared 0.999033 Mean dependent var 6.448463
