R1171-1 ISAIARIKI MIYATAKE MEDINA

Ingeniería Comercial
Econometría I
COM – 05223
Práctica Nº 7
Series de Tiempo

7.1 Decida si está de acuerdo o no con cada uno de los siguientes enunciados y de una breve
explicación de su decisión:

i. Al igual que con las observaciones de corte transversal, suponemos que la mayor parte de
las series de tiempo se distribuyen de forma independiente.

En desacuerdo. Más los procesos de series de tiempo son corRelacionados con el tiempo, y
muchos de ellos.

fuertemente correlacionado Loes msignifica thyy no puede ser independienteA través de las
observaciones, que simplemente

representan diferentes periodos de tiempo. yLas series ven que parecen ser aproximadamente
no correlacionadas - tales como

devoluciones de acciones - no apeaser independiente distribuido, como se verá en el capítulo

12 bajo

f dinámicaorms de heteroskedasticity

ii. El estimador MCO en una regresión de series de tiempo es insesgado bajo los primeros tres
supuestos de Gauss-Markov.

De acuerdo. Esto sigue inmediatamente.y de teorema10.1. En particular, nosotros no need el

homohorariosticidad y no de serie correlacioncomosumos.

iii. Una variable con tendencia no puede usarse como variable dependiente en el análisis de
regresión múltiple.

en desacuerdo Las variables de tendencia se utilizan todo el tiempo como dependientesvariables

en una regresión modol Nosotros hacemos need a ser cochejefe eninterpretar el resuEs por esoe
podemos simplemente encuentra a Spuriouasociación de s entreen yt y tendencias explicativas
variabellos. Incluyendo una tendencia en el regression es una buena idea con tendencias
dependiente o independent variables Como se discute enEn la sección 10.5, la cuadratura R
habitual puede ser engañosa cuando la variable dependiente es tRending

iv. La estacionalidad no es un problema cuando se usan series de tiempo con observaciones

anuales.

De acuerdo. Con datos anuales, cada vez poriod representa un año y no está asociado con
cualquier temporada
R1171-1 ISAIARIKI MIYATAKE MEDINA

7.2 Sea gGDPt el cambio porcentual anual en el producto interno bruto y sea intt una tasa de
interés de corto plazo. Suponga que gGDPt se relaciona con la tasa de interés mediante la
ecuación

gGDPt = α0 + δ0 intt + δ1intt-1 + ut,

donde ut no se correlaciona con intt, intt-1 ni con todos los demás valores de las tasas de
interés. Imagine que el Banco Central sigue la regla de política:

intt = γ0 + γ1(gGDPt-1 - 3) + vt, donde γ1> 0.

(Cuando el crecimiento del GDP del último año está por encima de 3%, el Banco Nacional
aumenta las tasas de interés para evitar que la economía se “sobrecaliente”.) Si vt no se
correlaciona con todos los valores pasados de intt y ut, argumente por que intt debe
correlacionarse con ut-1. (Sugerencia: rezague un periodo la primera ecuación y sustituya
gGDPt-1 en la segunda ecuación). ¿Qué supuesto de Gauss-Markov viola esto?

Seguimos lainsinuación y escribe

gGDPt -1 = un0 + d0ENt -t1 + d1Ent -t2+ ut -1,

y enchufe esto en el lado derecho de la intt ecuación:

En tt = c0 + c1(un0 + d0Entt- 1 + d1Entt- 2+ ut- 1 – 3) + vt

= (c0 + c1un0 – 3c1) + c1d0Entt- 1 + c1d1Entt- 2 + c1tut- 1+ vt.

Ahora por suposición, ut -1 tiene media cero y no está correlacionada con toda la mano derecha-
sidy variables en los lavados anteriores yoen, excepto en sí mismo de course. Asi que

Esos ( int, En elt -1) = E ( intt⋅tut- 1) = c1y (21ttu−)> 0

porque c1 > 0. Si 2tup= E (2ttu) para todos t entonces Cov ( int, ut- 1) = c12tup. Esto viola lo
estricto.asunción de exogeneidadion, TS.2. Mientras ut es uncorrelated con intt, intt- 1y so es
tut esta correlacionado con intt + 1.

7.3 Imagine que yt sigue un modelo de Rezagos Distribuidos Finitos de segundo orden:

yt = α0 + δ0zt + δ1zt-1 + δ2zt-2 + ut.

Sea z* el valor de equilibrio de zt y y* el valor de equilibrio de yt, de modo que

y* = α0 + δ0z* + δ1z* + δ2z*

Muestre que el cambio en y*, debido a una modificación en z*, es igual a la propensión de
largo plazo multiplicada por el cambio en z*: Δy* = PLP • Δz*.Esto da una forma opcional de
interpretar el PLP.

y* = un0 + (d0 + d1 + d2) con * = un0+ LRP⋅desde *

y tomar el change: Δ y * = LRP⋅∆z *.

R1171-1 ISAIARIKI MIYATAKE MEDINA

7.4 Suponga que cuenta con datos trimestrales sobre la construcción de viviendas nuevas, la
tasa de interés y el ingreso real per cápita. Especifique un modelo para la construcción de
viviendas que represente la posible tendencia y estacionalidad en las variables.

La funciónala forma era not specified, pero una razón uno es capaz

Iniciar sesión(hsestrtst) = un0 + un1t +d1Q2t + d2Q3t + d3Q3t + b1En tt +b2registro ( pcinct) +
ut,

Donde q2t, Q3ty Q4t son quarterly dummy variables (el omtrimestre itted es el fiprimero) y el
otra variables are sonce explicandonatory Estaincluidode la tim linealy tendencia adeja a
dependiente variable and log ( pcCíat) a trend over time ( intt probably no contain a trend), y la
Los maniquíes trimestrales permiten que todas las variables muestren los mares.onalidad El
parameter b2 es un elasticidad y 100⋅b1 es una semi-elasticidady.

EJERCICIOS EN COMPUTADORA

C7.1 En octubre de 1979 la Reserva Federal de USA modificó su política de orientación a la oferta
monetaria y en su lugar comenzó a concentrarse de forma directa en las tasas de interés a corto
plazo. Con base en los datos de INTDEF.WF1, defina una variable binaria igual a 1 para los años
posteriores a 1979. Incluya esta binaria en la ecuación siguiente para ver si hay un
desplazamiento en la ecuación de la tasa de interés después de 1979. ¿A qué conclusión llega?

Vamos post79 ser un maniquí variable igual a una fo años despuésen el año 1979, y cero ota
continuación Añadiendo post79 a la ecuación 10.15) da

yo = 1.30 + .608 inft + .363 deft + 1.56 post7 .

. (0.43) (.076) (.120) (0.51)

n = 56, R2 = 0.664, R2 = 0.644

El coeficiente en post79 es estadísticamente significativo ( t statístico≈ 3.06) and economically

large: contabilidad fo inflación y déficits i3 era alrededor de 1.56 puntos mayor en promedio en
yoídos después 1979. El coeficiente de def cae una vez. publicado.79 está incluido en el regressio

C7.2 Utilice los datos de BARIUM.WF1 para este ejercicio.

i) Agregue una tendencia lineal en el tiempo a la ecuación (10.22). .Alguna variable

distinta de la tendencia es estadísticamente significativa?

iniciar sesión( chnimp) =−2.37 − .686 registro ( chenpi ) + .466log(gas) + .078 ly ( rtwex ) -
. (20.78) (1.240) (.876) (.472)
R1171-1 ISAIARIKI MIYATAKE MEDINA

+ .090 befile6 + 0.097Affile6 − .351 afdec6 +.013 t

. (.251) (.257) (.282) (.004)

norte = 131, R2 = .362, R2 = .325.

Solo la tendencia is estadísticamente signifihipocresía. yoDe hecho, en addia tel time tendencia,
wcómo hasa t estadística sobre tres solo afdec6 tiene una t estadística más grande que uno en
absolu valor te Contabilidad paraa linear trend has importante efefectos sobre la estimaciónates

ii) En la ecuación estimada en el inciso i), haga una prueba de significancia conjunta de
todas las variables, salvo la tendencia en el tiempo. .A que conclusión llega?

los FEstadísticasic para la significación conjunta De todas las variables excepto la

tendencia. e interceptar, de Por supuesto) se trata de .54. Tél df en la distributio fn son
6 y 123. Los p -valor esacerca de .78, y asi la explanatory variables otro than el time
tendencia son conjuntoy muy yonsignificante NosotrosHaríay concluirde that once a
posiSe permite una tendencia lineal tiva para, nothing eayudas para explotarain Iniciar
sesión(chnimp ). Esto esun problemapor el origeninclusot estudio analysis.

iii) Agregue variables binarias mensuales a esta ecuación y determine si hay

estacionalidad. .Incluir las binarias mensuales modifica de manera importante las
otras estimaciones sus errores estándar?

Nada de importancia cambia. De hecho, lap- valor para la prueba de significación

conjunta detodo variabla excepción la tendencia y mdum onthlymies is about .79. Los
11 men verdad estúpidofuera ellos mismos no son conjuntamente significativos: p -
vzona

C7.3 Para este ejercicio use los datos de EZANDERS.WF1. Los datos se refieren al
desempleo mensual (uclms) en Anderson Township en Indiana, de enero de 1980 a
noviembre de 1988. En 1984, una zona empresarial se ubico en Anderson (así como
en otras ciudades de Indiana). [Vea Papke (1994) para los detalles.]

i) Haga la regresión de log(uclms) sobre una tendencia lineal y 11 variables

binarias mensuales. ¿Cuál fue la tendencia general del desempleo en este
periodo? (Interprete el coeficiente de la tendencia en el tiempo.) ¿Hay
evidencia de estacionalidad en el desempleo?

Elcoeficiente de la tendencia del tiempo en la regresión de log( etc.)lms) en una

t linealnombre de la tendencia y 11 mesesy dummy variables es
aproximadamente - .0139 (se≈ .0012), lo que implica que mensualmente
desempleo claimetrose cayó poralrededor del 1,4% por mes en promedio. La
trend es muy significativo. También hay muy strong seasonality in
unemplreclamo de audiencias, con 6 de los 11 mensual estúpidoy variables
havide absoluto t estadísticas superiores a 2. La estadística F para significación
conjunta de los 11dum mensualmies produce el valor p≈ .0009
R1171-1 ISAIARIKI MIYATAKE MEDINA

ii) Agregue ez, una variable binaria igual a 1 en los meses en los que Anderson
tuvo una zona empresarial, a la regresión del inciso i). ¿La presencia de la zona
empresarial disminuyo el desempleo? ¿Por cuanto? [Debe utilizar la ecuación
(7.10) del capítulo 7.]

Cuando ez se agrega a laregresión, su cEl coeficiente es de - .508≈.146).

Serporque esta estimación es tan grande en magnitude usamos ecuación
(7.10): desempleadolas reclamaciones son estimado to caer 100 [1 –
exp(−.508)] ≈ 39.8% despues yterprise zuno diseñadoion

iii) ¿Qué suposiciones necesita hacer para atribuir el efecto del inciso ii) a la
creación de una zona empresarial?

Debemos asumir que alrededor del momento de la designación EZ no habia

otro externo Factores que causaron un cambio hacia abajo en el Tendencia de
log ( uclms ). Hemos controlado una tendencia temporal.y la estacionalidad,
pero esto puede no ser suficiente.

C7.4 Utilice los datos de FERTIL3.WF1 para este ejercicio.

i) Haga la regresión de gfrt sobre t y t2 y guarde los residuales. Esto da

una gfrt, sin tendencia, es decir, gt . Haga la regresión de gt sobre
todas las variables de la ecuación (10.35), incluidas t y t2. Compare la
R-cuadrada con la de (10.35). ¿A qué conclusión llega?

gfr = 107.06 + .072 t - .0080t2 .

. ( 6.05) (.382) (.0051)
n = 72, R2 = .314.
A pesar de que t y t2 son individuales Aliados insignificantes, se unen.tly
muy significativo ( valor p≈ .0000)

ii) Vuelva a estimar la ecuación (10.35) pero agregue t3 a la ecuación.

¿Este término adicional es estadísticamente significativo?

El coeficiente y la estadística t sobre t3tienen aproximadamente - .00129 y

.00019, respectivamenteely que da como resultado una ve ry significativa t
estadística. Eso es difícil de sabercon qué haceresta. La cubicaLa tendencia,
como la cuadrática, no es monotónica. Así que esto casi se beco.un ejercicio de
ajuste de curvas

C7.5 Emplee la base de datos CONSUMP.WF1 para este ejercicio.

i) Estime un modelo de regresión simple que relacione el crecimiento

del consumo real per cápita (de no durables y servicios) con el
crecimiento del ingreso disponible real per cápita. Utilice el cambio
en los logaritmos en ambos casos. Reporte los resultados de la
manera acostumbrada. Interprete la ecuación y plantee la
R1171-1 ISAIARIKI MIYATAKE MEDINA

significancia estadística. (En el archivo, c y y son consumo e ingreso

disponible real per cápita, respectivamente.)

solc = .0081 + .571 engt

. (.0019) (.067)
norte = 36, R2 = .679.

Este equatien implica tsombrero si ingreso aumento del crecimientos

por uno por cientopunto ge, consumption crecimiento increases por
.571 porcentaje puntos. El coefficient oN Engt es muy estadistically
significapor ejemplo ( t estadística≈ 8.5)

ii) Agregue un rezago del crecimiento del ingreso disponible real per
cápita a la ecuación del inciso i). ¿A qué conclusión llega sobre los
rezagos de ajuste en el crecimiento del consumo?

olc = .0064 + .552 engt + .096 engt -1

. (.0023) (.070) (.069)
n = 35, R2 = .695.

los t estadística sobre engt-1 es solo about 1.39, asi que no es

significativo en thE Niveles de significación habituales. (Es significativo
en el nivel del 20% against una alternativa de dos carasativa.) Además,
el coeficienteent es not especialmuy grande En beshay una
debilidadidencia de adjustment laGS en acompción.

iii) Agregue la tasa de interés real (r3) a la ecuación del inciso i). ¿Influye
en el crecimiento del consumo?

olc = .0082 + .578 engt + .00021 r3t

(.0020) (.072) (.00063)
norte = 36, R2 = .680.

La t estadística en r3tes muy pequeño. El estimequipo de cocinaicient

también es practically smtodos: uno-punto incalquilar en r3t reduce
cOnsumption growth por alrededor de .021 percentPuntos de edad.

C7.6 Utilice los datos de VOLAT.WF1 para este ejercicio. La variable

rsp500 es el rendimiento mensual del índice del mercado accionario
de Standard & Poor´s 500, a una tasa anual. (Esto incluye cambios en
los precios así como en los dividendos.) La variable i3 es la tasa de
rendimiento de las letras del Tesoro estadounidense a tres meses y
pcip es el cambio porcentual en la producción industrial, estos
también a una tasa anual.
R1171-1 ISAIARIKI MIYATAKE MEDINA

i) Considere la ecuacion rsp500t =β0 +β1pcipt + β2i3t + ut.

Según usted, ¿qué signos deben tener β1 y β2?

El signo de2b es bastante claro-corte: como interes rates subir,

stTambién vuelve caer, por lo que 2b<0. Las tasas de interés
más altas implican que las inversiones en T-bill y en bonos son
más atractivas, y también señalan unafutura desaceleración
enactividad económica. El signo de1bes menos claro
MientrasEl crecimiento económico puede ser una buena cosa
para el mercado de valores, puede también señal inflación, que
tiende a depress stock precio

ii) Estime la ecuación anterior por MCO y reporte los resultados

en la forma usual. Interprete los signos y las magnitudes de
los coeficientes.

rsp 00 = 18.84 + .036 pcipagt − 1.36 i3t

3.27) (.129) (0.54)
n = 557, R2 = .012.

Un uno por ciento poSe prevé que el aumento de la producción

industrial aumentará tel stock retorno al mercado por .036
puntos porcentuales (muy smtodo efecto). Por otro lado, un
uno Incremento de puntos porcentuales en la disminución de
tasas interses el stock market vuelve por un estimated 1.36
actadías pUntas

iii) ¿Cuál de las variables es estadísticamente significativa?

Solamente i3 es estadísticamente significativo con t statistic

iv) ¿Su conclusión del inciso iii) implica que el rendimiento de

Standard & Poor's 500 es predecible? Explique por qué.

La regresión en la parte (i) tiene nada directly decir unasobre

adjudicadode stock devoluciones porque el explanatory
variabson fechad cuentamporáneocon rsp500 . En otros words
nosotros no haga saber i3t antes de sabemos rsp500t. QueLa
regresión en la parte (i) dice es que un cambio en i3 es
assoCíada con un contempcambio oral en rsp500
R1171-1 ISAIARIKI MIYATAKE MEDINA

C7.7 La base de datos TRAFFIC2.WF1 contiene 108 observaciones mensuales

sobre accidentes automovilísticos, leyes de tránsito y algunas otras variables
para California de enero de 1981 a diciembre de 1989. Use esta base de datos
para responder a las siguientes preguntas.

i) ¿En qué mes y año entro en vigor la ley del cinturón de seguridad en
California (beltlaw = 1)? ¿Cuándo aumento el límite de velocidad en
carretera a 65 millas por hora (spdlaw = 1)?
La ley de cinturón variable se convierte enuno en t =61, que
corresponde a enero., 1986. La variable spdlaw va de cero a uno en t =
77, lo que correspondeHasta mayo de 1987.

ii) Haga una regresión de la variable log(totacc) sobre una tendencia

lineal en el tiempo y 11 variables binarias mensuales, usando enero
como el mes base. Interprete la estimación del coeficiente de la
tendencia. ¿Diría usted que hay estacionalidad en el total de
accidentes? Las 11 variables binarias en conjunto son
estadísticamente significativa es decir que afectan al modelo lo que
nos indica que si hay estacionalidad en el total de accidentes en
california
Log ( totacc ) = 10.469 + .00275 t - .0427 feb + .0798 ma r +
.0185apr
(.019) (.00016) (.0244) (.0244) (.0245)
+ .0321 mayo + .0202 jun + .0376 jul + .0540 agosto
(.0245) (.0245) (.0245) (.0245)
+ .0424 sep + .0821 oct + .0713 nov + .0962 dec
(.0245) (.0245) (.0245) (.0245)
n = 108, R2 = .797
Cuando se multiplica por 100, el coeficiente dete da roughly el mes
promedioporcentajedar Crecimiento en totacc , ignorando estacional.
Factores En otras palabras, una vez eliminada la estacionalidad.yre,
Totacc creció alrededor de .275% por mes.th durante este período, o
12 (.275) = 3.3% a tasa anual. Hay evidencia bastante clara de la
estacionalidad. Sólo febrero tiene un número menor de
total.accidentes que el mes base, january El pico está en diciembre.es:
aproximadamente, thson 9.6% más accidentes en Dediciembre hasta
enerory en el promedio de ustedesArkansas. losF statistic para jungido
significance de la men verdad estúpidoes F = 5.15. Con 11 und 95 df ,
esto da un valor pesencialy igual a zero
R1171-1 ISAIARIKI MIYATAKE MEDINA

iii) Añada a la regresión del inciso ii) las variables wkends, unem, spdlaw
y beltlaw. Comente el coeficiente sobre la variable de desempleo
(unem). ¿Su signo y magnitud tienen sentido? Cuanto mayor sea el
desempleo menor será la tasa de accidentes.

log ( totacc) = 10.640 + … + .00333 wkeNDS - .0212 juntas

(.063) (.00378) (.0034)
− .0538 spdlaw + .0954 beltlaw
(.0126) (.0142)
n = 108, R2 = .910
El negativo coefficient en conjunto hacers sentido sivemos unem como
soyfacilidad de economico actividad. Como actividad economica
aumenta unem disminuye - nosotros expect más conduciendoy por lo
tanto more accidentes. La estimación que a un por cientoe punto de
aumento en el La tasa de desempleo reduce el total de accidentes en
aproximadamente 2.1%. Una mejor economia tiene costos en términos
de traFpor lo tanto áccidaents

IV) En la regresión del inciso iii) interprete los coeficientes sobre spdlaw y
. beltlaw. ¿Los efectos estimados son los que usted esperaba? Explique su
respuesta. En cuanto a la variable spdlaw esperamos que sea positivo ya que
un aumento en spdlaw aumenta la tasa de accidentes pero tenemos que la
variable es negativo. En cuanto la variable beltlaw es positivo lo cual es
racional.

Al menos inicialmente, los coeficientes de Spdlaw y Beltlaw no son lo que

Podríamos esperar. El coeficiente en spdlaw implica que unaincidentes cayó
por unpropina 5.4% despues de lacarretera speed limfue increased fralrededor
de 55 dos 65 miles por hora. Taquí están Al menos un Pareja de posible
explanaticomplementos Uno es ese people becausunidad más segurars
despues de la incrvelocidad facilitada limitante reconociendo que el mser mas
cauteloso Podría alsO sea que algún otro change - distinto de El límite de
velocidad aumentado o el relativelNueva ley del cinturón de seguridad: causó
un menor número total deaccidentes, y tenemos Inapropiadopor lo tantod para
este cambioEl coeficiente de Beltlaw también parece counteRintuitivo al
principio. Pero, tal vez la gente se volvió menoscauteloso once ellos nosotrosre
forzado llevar marcinturones

iv) La variable prcfat es el porcentaje de accidentes en los que hay

cuando menos un muerto. Advierta que esta variable es un
porcentaje, no una proporción. ¿Cuál es el promedio de prcfat sobre
este periodo? ¿La magnitud parece adecuada? El promedio es
0.885636% No es realista esta magnitud.

El promedio de prcgordo es sobre .886, que means en promedio,

slightly menos de uno por ciento de todos los accidentes dar como
R1171-1 ISAIARIKI MIYATAKE MEDINA

resultado una fatalidad. El valor más alto deprcfat es 1.217, wcomo

yoaños había una men donde 1.2% de todos los accidientes
nadaperdiendo en un fatalcompañia

v) Realice la regresión del inciso iii) pero usando prcfat como la variable
dependiente en lugar de log(totacc). Comente los efectos estimados
y la significancia de las variables de la velocidad y la ley del cinturón
de seguridad. Cuando se aumenta la restricción a la velocidad
aumentan los accidentes con fatalidad entonces el signo del
coeficiente de spdlaw es el esperado. En cuanto a la varianle beltlaw
esta bien que sea positivo ya que Cuando implementamos la ley del
cinturón de seguridad esperamos que haya menos accidentes con
fatalidad.
pagrcfat = 1.030 +… + .00063 wkends - 0,0154 UNITE
(.103) (.00616) (.0055)
+ .0671 spdlaw - .0295 beltlaw
(.0206) (.0232)
norte= 108, R2 = .717
Mayor speed limson estimated to aumentar tel minutot de fatame
accidientes por .067 porcentage puntos. Este es un sig
estadístico.efecto significativo. LoLa nueva ley del cinturón de
seguridad es estiacoplado para disminuir el minutont de la carame
acciabolladuras por un.03 punta, pero el two lado pag-valor essobre
.21. Curiosamente, incactividad económica reafirmadavidad también
aumenta the por ciento de accidente fatalents Esto puedeser porque
más commercLos camiones están en la carretera.s, y estos
probablemente aumentan thy posibilidad de que Un accidente resulta
en una fatalidad.
R1171-1 ISAIARIKI MIYATAKE MEDINA