8.

Se plantean dos estimaciones diferentes para estudiar el comportamiento de un

modelo de Consumo (
C
t ) en funcin de la Renta ( Rt ) de una economa para
el periodo 1970-2003 ambos inclusive:

Ct Rt Ct1 2
= 113.0 + 0.43 + 0.44 ; R = 0.99 ^ =101.4
(48.6) (0.04) (0.05)

Ct Rt Rt1 2
= 173.0 + 0.38 + 0.38 ; R = 0.99
^ =145.8
(74.3) (0.09) (0.09)
a) Calcular los multiplicadores a largo plazo del primer modelo y del segundo.
Estudiar la posible existencia de diferencias o similitudes entre ambos,
justificando la respuesta.
Primer modelo
Dado que es un modelo autorregresivo, utilizamos la formulacin de KOYCK obteniendo los
siguientes resultados:

Ct - 0.44
Ct1 = 113.0 + 0.43
Rt

Teniendo en cuenta:
y t y t1 = (1 ) + 0 x t + t t1
=0.44 ; 0=0.43
Aplicamos el multiplicado de largo plazo

i = i 0 , 0 < <1

entonces i = 0
0 1
0 0.43
= =0.7678571429
1 10.44
Segundo modelo
El multiplicador a largo plazo seria la suma de los coeficientes de cada rezago
Obteniendo
0.38 +0.38 =0.76.

b) Qu propiedades presentan los estimadores de los coeficientes de regresin

por MCO de la primera ecuacin? Qu propiedades reuniran los estimadores de
los coeficientes de regresin por MCO de la segunda ecuacin? Razone la
respuesta.
Modelo 1
Es un modelo autorregresivo podremos decir que
Los estimadores se realiza mediante MCO
sesgado e inconsistente debido a que las perturbaciones esta correlacionada con la
perturbacin de un periodo anterior y lo cual provoca que tambin exista una
correlacin en el consumo en el periodo actual y el consumo del periodo anterior.
Modelo 2
Es un modelo con rezagos finitos
 Este tipo de estimacin provoca que la variable independiente (la renta) de un periodo
este correlacionado con la renta de un periodo anterior lo cual mostrara
multicolinealidad la cual causara estimaciones imprecisas adems influye en la
estimaciones de las pruebas de hiptesis, debido a que podemos aprobarla de forma
errnea.

c) Determine el modelo terico que ha dado origen a la primera estimacin y las

caractersticas que presenta la perturbacin aleatoria de ese modelo.
Debido a que el modelo ad-hoc no realiza una buena estimacin, se introdujo
un nuevo mtodo llamada mtodo koyck el cual a partir de:

Y t = + 0 X t + 1 X t 1+ 2 X t 2 + t

i
se plantea i= donde 0< <1
Se postula el siguiente modelo:
Y t = + 0 X t + 0 X t1 + 0 X t2 + t
Y t = + 0 X t + 1 1 X t 1+ 2 2 X t 2 + t
se multiplica por landa y anliza un periodo atras :
1 2
Y t1 = + 0 X t 1 + 1 X t2 + 2 X t3 + t1
ahora , se resta y obtenemos :
Y t Y t1 = ( 1 ) + 0 X t + t t 1
Y t = ( 1 ) + 0 X t +Y t 1 + t
que en este caso seria :

Ct = 113.0 + 0.43 t R
+ 0.44 t1 C
En el modelo se observa que las perturbaciones tienen un problema debido a
que estas perturbaciones del periodo actual estn correlacionadas con las de
un periodo anterior bajo la metodologa de la derivacin.

9. Con el objeto de explicar el Gasto de los consumidores de un artculo por medio

del Ingreso disponible y el ndice de precios del artculo consumido, se ha
estimado el siguiente modelo.

Ao Y X2 X3
1982 12.3 263.3 93.1
1983 16.0 275.4 93.9
1984 15.7 278.3 92.5
1985 21.2 296.7 89.2
1986 17.9 309.3 91.7
1987 18.8 315.8 96.5
1988 15.4 318.8 100.0
1989 19.0 333.0 103.9
1990 20.0 340.2 102.5
1991 18.4 350.7 102.5
1992 21.8 367.3 102.1
1993 24.1 381.3 101.5
1994 25.6 406.5 101.2
1995 30.0 430.8 99.0

Dependent Variable: GASTO

Method: Least Squares
Date: 06/15/12 Time: 18:44
Sample: 1982 1995
Included observations: 14

Variable Coefficient Std. Error t-Statistic Prob.

C 21.31605 8.626069 2.471120 0.0311

INGDISP 0.109054 0.010531 10.35523 0.0000
IPA -0.387868 0.107700 -3.601379 0.0042

R-squared 0.919876 Mean dependent var 19.72857

Adjusted R-squared 0.905308 S.D. dependent var 4.609093
S.E. of regression 1.418316 Akaike info criterion 3.724226
Sum squared resid 22.12781 Schwarz criterion 3.861167
Log likelihood -23.06958 Hannan-Quinn criter. 3.711550
F-statistic 63.14335 Durbin-Watson stat 2.819875
Prob(F-statistic) 0.000001

Matriz de correlaciones de las variables en el modelo

GASTO INGDISP IPA

GASTO 1.000000 0.908517 0.372563
INGDISP 0.908517 1.000000 0.663268
IPA 0.372563 0.663268 1.000000

Empirical Distribution Test for RESID

Hypothesis: Normal
Date: 06/15/12 Time: 18:48
Sample: 1982 1995
Included observations: 14

Method Value Adj. Value Probability

Kolmogorov (D+) 0.145792 0.567284 0.5254

Kolmogorov (D-) 0.115863 0.450830 0.6660
Kolmogorov (D) 0.145792 0.567284 0.9044

Heteroskedasticity Test: White

F-statistic 2.515600 Prob. F(5,8) 0.1182

Obs*R-squared 8.557294 Prob. Chi-Square(5) 0.1281
Scaled explained SS 2.128533 Prob. Chi-Square(5) 0.8311

Test Equation:
Dependent Variable: RESID^2
Included observations: 14

Variable Coefficient Std. Error t-Statistic Prob.

C 417.2376 220.2531 1.894356 0.0948

INGDISP 0.590329 0.385290 1.532169 0.1640
INGDISP^2 0.000186 0.000225 0.827168 0.4321
INGDISP*IPA -0.007448 0.004680 -1.591534 0.1502
IPA -10.51025 4.451786 -2.360906 0.0459
IPA^2 0.066581 0.025859 2.574743 0.0329

R-squared 0.611235 F-statistic 2.515600

Adjusted R-squared 0.368257 Prob(F-statistic) 0.118249
 Test de coeficientes recursivos

a) Analice si es vlido realizar inferencia con el modelo. Justifique su respuesta:

El supuesto de normalidad de las perturbaciones nos permite realizar inferencia con el
modelo; es decir, obtener estimaciones intervlica, pruebas de hiptesis, etc.
Al realizar el test de Kolmogorov (segn los graficos), se puede determinar que la hiptesis
nula de normalidad se acepta. Por lo tanto s se puede realizar inferencia con el modelo.

b) El cumplimiento de cuales supuesto se puede analizar con la informacin

disponible cul es su conclusin?

Dependent Variable: GASTO

Method: Least Squares
Date: 06/15/12 Time: 18:44
Sample: 1982 1995
Included observations: 14

Variable Coefficient Std. Error t-Statistic Prob.

C 21.31605 8.626069 2.471120 0.0311

INGDISP 0.109054 0.010531 10.35523 0.0000
IPA -0.387868 0.107700 -3.601379 0.0042

R-squared 0.919876 Mean dependent var 19.72857

Adjusted R-squared 0.905308 S.D. dependent var 4.609093
S.E. of regression 1.418316 Akaike info criterion 3.724226
Sum squared resid 22.12781 Schwarz criterion 3.861167
Log likelihood -23.06958 Hannan-Quinn criter. 3.711550
F-statistic 63.14335 Durbin-Watson stat 2.819875
Prob(F-statistic) 0.000001

Con estos datos se pueden analizar los supuestos que ya conocemos acerca de la significancia
de las variables explicativas individual y en conjunto, notndose que las variables s son
significativas individual y en conjunto pues la probabilidad de la hiptesis nula de que los
coeficientes respectivos sean 0 es muy baja, menor a 0,05. Dentro de estos datos encontramos
el valor de la estadstica Durbin-Watason, este dato est relacionado con la autocorrelacion
entre las perturbaciones. Por lo tanto se podra analizar dicho supuesto de que no hay
autocorrelacin entre las perturbaciones.

Matriz de correlaciones de las variables en el modelo

GASTO INGDISP IPA

GASTO 1.000000 0.908517 0.372563
INGDISP 0.908517 1.000000 0.663268
IPA 0.372563 0.663268 1.000000

Con estos datos se podra analizar (ms o menos empricamente) el supuesto de

multicolinealidad entre las variables explicativas ntndose por ejemplo que hay una
asociabilidad entre la variable IPA y INGDISP ,asi como tambin entre INGDISP y GASTO.

Empirical Distribution Test for RESID

Hypothesis: Normal
Date: 06/15/12 Time: 18:48
Sample: 1982 1995
Included observations: 14

Method Value Adj. Value Probability

Kolmogorov (D+) 0.145792 0.567284 0.5254

Kolmogorov (D-) 0.115863 0.450830 0.6660
Kolmogorov (D) 0.145792 0.567284 0.9044

Con este de test de Kolmogorov se puede observar el supuesto de que las perturbaciones
siguen una distribucin normal notndose que segn los datos, s se cumple el supuesto.

Heteroskedasticity Test: White

F-statistic 2.515600 Prob. F(5,8) 0.1182

Obs*R-squared 8.557294 Prob. Chi-Square(5) 0.1281
Scaled explained SS 2.128533 Prob. Chi-Square(5) 0.8311

Test Equation:
Dependent Variable: RESID^2
Included observations: 14

Variable Coefficient Std. Error t-Statistic Prob.

C 417.2376 220.2531 1.894356 0.0948

INGDISP 0.590329 0.385290 1.532169 0.1640
INGDISP^2 0.000186 0.000225 0.827168 0.4321
INGDISP*IPA -0.007448 0.004680 -1.591534 0.1502
IPA -10.51025 4.451786 -2.360906 0.0459
IPA^2 0.066581 0.025859 2.574743 0.0329

R-squared 0.611235 F-statistic 2.515600

Adjusted R-squared 0.368257 Prob(F-statistic) 0.118249

Con el test de White se analiza el supuesto de heterocedasticidad. Al ser la probabilidad de la

hiptesis nula (de que hay homocedasticidad) mayor que 0,05 se pue concluir que por lo tanto
no existe heterocedasticidad.
Y por ltimo con estos grficos de test recursivo de los errores se puede analizar el supuesto
de la existencia de un punto o varios puestos de quiebre en el modelo, al menos grficamente.
Viendo los grficos no se puede llegar a la conclusin de que en estos periodos existe algn
punto de quiebre debido a que los coeficientes tienden a una estabilidad al transcurrir el tiempo.
Es vlido aclarar que para aplicar el test de Chow primero se debe tener ms o menos claro en
donde fue el punto de quiebre.