Planchas PC Econometria

18/12/21 10:53 Práctica Calificada 2 Econometría I GH 01E Semestre 2021B: Revisión del intento
Página Principal (home) / Mis cursos /

2021B-306-2610 /
Tópico/tema 13
/
Práctica Calificada 2 Econometría I GH 01E Semestre 2021B
Comenzado en viernes, 3 de diciembre de 2021, 09:40

Estado Terminados
Finalizado en viernes, 3 de diciembre de 2021, 11:13
Tiempo empleado 1 hora 33 mins
Calificación 15.00 de un total de 20.00 (75%)
Pregunta 1
Completada
Puntúa 5.00 sobre 5.00
Detectar Autocorrelación, si el modelo tiene 2 variables explicativas, dcal= 0.4892, n=26
Tendremos que utilizar la la tabla del estadístico de Durbin, entonces primero debemos tener estos valores críticos del Durbin
Watson
a) el límite más bajo dl : 1.224

b) el limite más alto du: 1.553
Para k´=2, y el tamaño de la muestra igual a 26, para un nivel de significancia (α=5%)
c) Reglas de decisión:

Ho: No hay autocorrelacion positiva
H1: hay autocorrelacion positiva
Ho: ρ=0 Si 0˂dcal ≤dl Se rechaza Ho
H1: ρ˃0 Si du˂dcal˂2 Se acepta Ho

Si dl˂d˂du zona de indecisión
Comparando y reemplazando datos tenemos:
0˂dcal ≤dl=0˂0.4892 ≤1.224
d) Entonces el estadístico cae en zona de rechazo de la hipótesis nula y por lo tanto quiere decir de que si hay autocorrelación
positiva
Comentario:
https://campusfce.unac.edu.pe/mod/quiz/review.php?attempt=28202&cmid=13707 1/4
Pregunta 2
Completada
Si la heterocedasticidad es causada por X cuadrado, cómo se soluciona el problema?
Si es causada por X cuadrado:
Entonces si las pruebas permiten la identificación de una variable(o conjunto de ellas) que expliquen adecuadamente la evolución
de la varianza de los errores, es posible aplicar Mínimos Cuadrados Ponderados como técnica de corrección.
Si se cree que la varianza de µᵢ es proporcional al cuadrado de la variable explicativa X, se puede transformar el modelo original
dividiéndolo por:
Xᵢ: Yᵢ/Xᵢ =β₁/Xᵢ+β₂+µᵢ/Xᵢ
de esta manera la varianza del término de error transformado será homocedástica.
Comentario:
Pregunta 3
Completada
Se aplicó la prueba de Breusch Pagan Godfrey, arrojó una probabilidad=0.0028 Existe el problema de heterocedasticidad?
1. Planteamos las hipótesis:
Ho: No existe heterocedasticidad.

H1: Existe heterocedasticidad.
2. Planteamos las reglas de decisión:
Si el valor de (n − p)R2 > Chi cuadrado critico en el nivel de significancia seleccionado, podemos rechazar la hipótesis nula
Si el valor de (n − p)R2 < Chi cuadrado crítico al nivel de significancia elegido, se acepta la hipótesis nula hay
heterocedasticidad
3. DECISION:
Como la probabilidad de error es de 0.0028<0.05 de significancia se concluye que se acepta la hipótesis nula, entonces no existe
heterocedasticidad .
Comentario:
Pregunta 4
Completada
Si la autocorrelación es causada por la dinámica de las variables económicas, cómo se soluciona el problema? Explique
brevemente.
En este caso estariamos ante una causa pura( dinamica de las variables economicas),:
se puede utilizar una transformación apropiada del modelo original de manera que en el modelo transformado no se presente el
problema de la autocorrelación (pura). Como en la heteroscedasticidad, habrá que emplear algún método generalizado de
mínimos cuadrados (MCG).
Comentario:
◄ PRÁCTICA CALIFICADA 2 ECONOMETRÍA I GH 12E 2021
Ir a...
EXAMEN FINAL ECONOMETRÍA I GH 01E 2021B ►
Enlaces Rápidos
Trámite Documentario
Consulta de Trámite
Convenios UNAC
Sistema de Gestión Académica
Biblioteca Virtual
Repositorio Institucional
Síguenos
Contacto
Av. Juan Pablo II 306, Bellavista - Callao
 Teléfono: 429-6609 / 429-9899

E-mail: info@ejemplo.com
Copyright © 2021 - Implementado por la Oficina de Educación Virtual
Resumen de conservación de datos

2021B-306-2610 /
Tópico/tema 13
/

Estado Terminados
Pregunta 1
Completada
Podemos notar que se trata de una prueba de Durbin Watson, para ello necesitaremos la tabla del estadístico d de Durbin,
entonces obtendremos valores críticos de Durbin Watson.
a) El límite más bajo dl: 1.224

b) El limite más alto du: 1.553
Para k´=2, y tamaño de muestra 26, un nivel de significancia (α=5%)
Reglas de decisión:
Ho: No hay autocorrelación positiva
H1: Hay autocorrelación positiva

Reemplazando los datos tenemos:
0˂dcal ≤dl=0˂0.4892 ≤1.224
DECISION: El estadístico cae en la zona de rechazo de la hipótesis nula. Es decir hay autocorrelación positiva.
Comentario:
Pregunta 2
Completada
Qué le sucede a los estimadores MCO ante la presencia de Heterocedasticidad?
Presenta las siguientes consecuencias de autocorrelación:
1. Cuando presentamos un modelo dinámico y la autocorrelación es por causas puras, los estimadores MCO serán sesgados e
inconsistentes, e ineficientes.
2. Cuando presentamos un modelo estático o dinámico y la autocorrelación se debe a causas impuras, los estimadores MCO
serán sesgados e inconsistentes.
3. En cualquier tipo de modelo o de origen de la autocorrelación, los estimadores de la varianza de beta de MCO que ignore la
autocorrelación serán sesgados e inconsistentes, por lo que, las pruebas de hipótesis utilizando dicha varianza no son válidas. La
varianza de los estimadores MCO será artificialmente pequeña
4. Cuando presentamos un modelo estático y la autocorrelación es causada por su carácter dinámico, los estimadores MCO
serán insesgados y consistentes, pero ya no serán eficientes.
Comentario:
Pregunta 3
Completada
Cuál es el método de estimación adecuada cuando el modelo presenta autocorrelación, sustente.
Cuando un modelo presenta autocorrelación el metodo mas adecuado es la prueba de Breusch Godffrey ya que esta prueba es
mas completa que Durbin watson , el modelo de Breusch Godffrey se utiliza para modelos estatico o dinamicos y hasta incluso
para procesos autorregresivos de cualquier orden. Aparte de ello el modelo de Breusch Godffrey permite incorporar esquemas de
promedio movil y tambien permite variables explicativas desfasadas en el tiempo.
Comentario:
Pregunta 4
Completada
Detectar el problema de autocorrelación, si dcal=0.2492, n= 37, el modelo tiene 3 variables explicativas.
Podemos notar que se trata de una prueba de Durbin Watson, para ello necesitaremos la tabla del estadístico d de Durbin,
entonces obtendremos valores críticos de Durbin Watson.
a) El límite más bajo dl: 1.307
b) El limite más alto du: 1.655
Para k´=3, y tamaño de muestra 37, para un nivel de significancia (α=5%)
Reglas de decisión:
Ho: No hay autocorrelación positiva

H1: Hay autocorrelación positiva
Reemplazando los datos tenemos:

0˂dcal ≤dl=0˂0.249 ≤1.307
DECISION: El estadístico cae en la zona de rechazo de la hipótesis nula. Es decir hay autocorrelación positiva
Comentario:
Ir a...
Enlaces Rápidos
Convenios UNAC
Biblioteca Virtual
Síguenos
Contacto
 Teléfono: 429-6609 / 429-9899


2021B-306-2610 /
Tópico/tema 13
/

Estado Terminados
Pregunta 1
Completada
Para este tipo de pruebas podemos notar que es una Durbin Watson, para ello nos apoyamos con la tabla del estadístico d de
Durbin, entonces procederemos a obtener estos valores críticos del Durbin Watson
a) el límite más bajo dl : 1.224

b) el limite más alto du: 1.553
Para k´=2, y el tamaño de la muestra igual a 26, para un nivel de significancia (α=5%)
c) Reglas de decisión:

Ho:No hay autocorrelacion positiva
H1: hay autocorrelacion positiva

Comparando y reemplazando datos tenemos:

= 0˂dcal ≤dl=0˂0.4892 ≤1.224
d) Decision : El estadístico cae en zona de rechazo de la hipótesis nula. Es decir hay autocorrelación positiva para este modelo
Comentario:
Pregunta 2
Completada
Si la heterocedasticidad es causada por X cuadrado, cómo se soluciona el problema?
Cuando la varianza del error (ut) es proporcional a la forma cuadratica de Xᵢ se puede transformar el modelo original dividiéndolo
por Xᵢ, tal y como se propone en el supuesto 1 de las medidas para corregir el problema de heterocedasticidad para tener así un
modelo ponderado, finalmente como consecuencia de esto tendremos que el error estándar del coeficiente de regresión del modelo
ponderado será menor que el del modelo inicial, es decir se habrá solucionado el problema de heterocedasticidad por lo tanto de
esta manera la varianza del término de error transformado será homocedástica.
Comentario:
Pregunta 3
Completada
Si la varianza heterocedástica es detectada por la prueba de Glejser, cómo se soluciona el problema?
Si se conoce la varianza , el método aplicable más eficiente o directo de corregir la heteroscedasticidad es con los mínimos
cuadrados ponderados, pues con esto los estimadores obtenidos mediante este método son MELI.
Asi mismo si por ejemplo si encontramos que :
1. La varianza del error (ut) es proporcional a la forma lineal Xᵢ se puede transformar el modelo original dividiéndolo por √ Xᵢ, tal y
como se propone en el supuesto 2 , finalmente como consecuencia de esto tendremos que el error estándar del coeficiente de
regresión del modelo ponderado será menor que el del modelo inicial, es decir se habrá solucionado el problema de
heterocedasticidad.
2. Si la varianza del error es proporcional a Xᵢ² se soluciona transformando el modelo original dividiéndolo por Xᵢ: como dice el
supuesto 1
3. Si la varianza del error es proporcional al cuadrado del valor medio de Y se efectua la regresión MCO y se halla el Y estimado y
con esto se transforma el modelo
Comentario:
Pregunta 4
Completada
Detectar Heteocedasticidad:
/ui/= 12.4962+0.4589Xi
t cal 5.4789
Ho, reglas decisión
/ui/= 12.4962+0.4589Xi
t cal 5.4789 n=20
A) Planteamos la Ho y la H1:
Ho:No hay heterocedasticidad

H1: hay heterocedasticidad
B) Planteamos las reglas de decisión

Como n= 20,
Si: tcalc < tcrit; entonces aceptamos Ho, es decir valor t calculado no excede el valor t crítico, podemos decir que no hay
heterocedasticidad
tcalc >tcrit; entonces rechazamos Ho , es decir valor t calculado excede el valor t crítico, podemos aceptar la hipótesis de
heteroscedasticidad
C) Procedemos a calcular tcrit: tcrit ((n-2, alpha)
tcrit(20-2,5%)=2.101
Ahora el tcalc: 5.4789
D ) Decisión: Como 5.4789 > 2.101 rechazamos la hipótesis nula; es decir valor t calculado excede el valor t crítico, podemos
aceptar la hipótesis de heteroscedasticidad

Comentario:
Ir a...
Enlaces Rápidos
Convenios UNAC
Biblioteca Virtual
Síguenos
Contacto
 Teléfono: 429-6609 / 429-9899


Planchas PC Econometria

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Planchas PC Econometria

Caricato da

Copyright:

Formati disponibili

18/12/21 10:53 Práctica Calificada 2 Econometría I GH 01E Semestre 2021B: Revisión del intento

Página Principal (home) / Mis cursos /

Comenzado en viernes, 3 de diciembre de 2021, 09:40

Puntúa 5.00 sobre 5.00

Detectar Autocorrelación, si el modelo tiene 2 variables explicativas, dcal= 0.4892, n=26

a) el límite más bajo dl : 1.224

c) Reglas de decisión:

Ho: ρ=0 Si 0˂dcal ≤dl Se rechaza Ho

H1: ρ˃0 Si du˂dcal˂2 Se acepta Ho

Comparando y reemplazando datos tenemos:

0˂dcal ≤dl=0˂0.4892 ≤1.224

Puntúa 5.00 sobre 5.00

Si la heterocedasticidad es causada por X cuadrado, cómo se soluciona el problema?

Si es causada por X cuadrado:

Xᵢ: Yᵢ/Xᵢ =β₁/Xᵢ+β₂+µᵢ/Xᵢ

de esta manera la varianza del término de error transformado será homocedástica.

Puntúa 0.00 sobre 5.00

1. Planteamos las hipótesis:

Ho: No existe heterocedasticidad.

2. Planteamos las reglas de decisión:

Puntúa 5.00 sobre 5.00

◄ PRÁCTICA CALIFICADA 2 ECONOMETRÍA I GH 12E 2021

EXAMEN FINAL ECONOMETRÍA I GH 01E 2021B ►

Sistema de Gestión Académica

 Teléfono: 429-6609 / 429-9899

Copyright © 2021 - Implementado por la Oficina de Educación Virtual

Resumen de conservación de datos

Página Principal (home) / Mis cursos /

Comenzado en viernes, 3 de diciembre de 2021, 09:40

Puntúa 5.00 sobre 5.00

Detectar Autocorrelación, si el modelo tiene 2 variables explicativas, dcal= 0.4892, n=26

a) El límite más bajo dl: 1.224

Para k´=2, y tamaño de muestra 26, un nivel de significancia (α=5%)

Ho: ρ=0 Si 0˂dcal ≤dl Se rechaza Ho

H1: ρ˃0 Si du˂dcal˂2 Se acepta Ho

Reemplazando los datos tenemos:

0˂dcal ≤dl=0˂0.4892 ≤1.224

Puntúa 0.00 sobre 5.00

Qué le sucede a los estimadores MCO ante la presencia de Heterocedasticidad?

Presenta las siguientes consecuencias de autocorrelación:

Puntúa 0.00 sobre 5.00

Cuál es el método de estimación adecuada cuando el modelo presenta autocorrelación, sustente.

Puntúa 5.00 sobre 5.00

Detectar el problema de autocorrelación, si dcal=0.2492, n= 37, el modelo tiene 3 variables explicativas.

b) El limite más alto du: 1.655

Para k´=3, y tamaño de muestra 37, para un nivel de significancia (α=5%)

Ho: No hay autocorrelación positiva

Ho: ρ=0 Si 0˂dcal ≤dl Se rechaza Ho

H1: ρ˃0 Si du˂dcal˂2 Se acepta Ho

Si dl˂d˂du zona de indecisión

Reemplazando los datos tenemos:

◄ PRÁCTICA CALIFICADA 2 ECONOMETRÍA I GH 12E 2021

EXAMEN FINAL ECONOMETRÍA I GH 01E 2021B ►

Sistema de Gestión Académica

 Teléfono: 429-6609 / 429-9899

Copyright © 2021 - Implementado por la Oficina de Educación Virtual

Resumen de conservación de datos

Página Principal (home) / Mis cursos /

Comenzado en viernes, 3 de diciembre de 2021, 09:40

Puntúa 5.00 sobre 5.00

Detectar Autocorrelación, si el modelo tiene 2 variables explicativas, dcal= 0.4892, n=26

a) el límite más bajo dl : 1.224

c) Reglas de decisión: