Tema 2 :Ejercicios de Prediccin

2.- Para que un modelo economtrico proporcione buenas predicciones es necesario que se
cumpla la condiccin de estabilidad. En que consiste?. Defina el error de prediccin y
explique porque no es nulo. Es igual a cero su esperanza matemtica?. Deduzca la
expresin para el clculo de su varianza
Para que el modelo proporciones predicciones correctas es necesario que la estructura
paramtrica del modelo , que se supone nica y valida en el periodo muestral, se mantenga
vlida en el perodo de prediccin
El error de prediccin es la diferencia entre el valor observado del regresando y su valor
previsto en el periodo de prediccin
e = Y Y = X ' + X 'b = X ' (b )

No es nulo porque, aunque el modelo sea estable y el vector X sea conocido , el error
depende de la perturbacin aleatoria ( que no es igual a cero) y de la diferencia entre el
vector de estimadores y el vector de parmetros ( y esta diferencia no es nula)
'

Ee = E X ' (b ) = E X ' [E (b )] = 0

2
e

+ 2 X ' (X 'X ) 1 X =

[1 + X ' (X ' X ) 1 X ] =

+ X ' V (b ) X =

2
y

3.- Explique la diferencia entre predicciones ex-ante y ex-post. Para que se utiliza cada
una de ellas?. Por qu?
En las predicciones ex-ante los valores de las variables explicativas son previstos
(anticipados) y en las predicciones ex-post son conocidos por tanto se utilizan sus
verdaderos valores.
Las predicciones ex-ante se utilizan para reducir la incertidumbre respecto al futuro en la
toma de decisiones , y las ex-post para valorar la capacidad predictiva del modelo
4.- Que informacin se deduce de una serie de errores de prediccin pequeos en
trminos relativos y casi todos negativos?. Qu indica un grfico de prediccin-realizacin
que slo presenta puntos en el tercer cuadrante?. Justifique sus respuestas
Si casi todos lo errores son negativos el modelo esta sobrestimando sistemticamente el
valor del regresando, y a pesar de ser pequeos en trminos relativos hay un error
sistemtico en la prediccin. El modelo puede omitir alguna variable explicativa de efecto
negativo, cuya inclusin podra haber evitado dicha sobrevaloracin. Se debe corregir la
especificacin del modelo para subsanar el error
En el tercer cuadrante A y F son negativos, el sentido del cambio se ha anticipado
correctamente , es decir , se ha producido una disminucin del regresando y el modelo
predice esta disminucin. Los puntos que estn sobre la bisectriz indican predicciones
perfectas , los puntos que estn por encima de la bisectriz indican una subvaloracin de la
disminucin , los puntos que estn por debajo de la bisectriz indican sobrevaloracin de la
disminucin

-1-

Tema 2 :Ejercicios de Prediccin

5.- Si el error absoluto medio de la prediccin toma un valor prximo a cero, puede
afirmarse que el modelo proporciona predicciones correctas?. Justifquelo
Cuanto mejor predice un modelo menos es el valor del EAMp , si embargo como en su clculo
se utilizan los errores de prediccin en valor absoluto, no permite detectar si los errores
tienen un comportamiento sistemtico , lo cual indicara una mala capacidad predictiva
6.- Para comparar la capacidad predictiva Es adecuado utilizar el coeficiente de
desigualdad de Theil?. Por qu?. Cmo se definen las proporciones del sesgo y de la
varianza?. A que valor deberan estar prximas si el modelo predice bien?. Por qu?
El coeficiente Th no es vlido para comparar la capacidad predictiva de distintos
modelos ,en sentido estricto, porque depende de los valores previstos para el regresando, y
estos valores varan de un modelo a otro.
Proporcin del sesgo

(y y )2

ECM

, mide ( en porcentaje) la parte del ECM que se debe a la

diferencia entre la media real y la prevista en el perodo de prediccin

Proporcin de la varianza

(Sy Sy )2

ECM

, mide ( en porcentaje) la parte del ECM que se debe a

la diferencia entre la varianza real y la prevista en el perodo de prediccin

Si el modelo predice bien , las medias y las desviaciones tpicas de los valores reales y
previstos del regresando son similares y por tanto deben de estar prximas a cero , y la
mayor proporcin del ECM debe ser la de la covarianza

7.- Defina los porcentajes de variacin real y prevista. Qu significa , respecto a la

capacidad predictiva del modelo, que tengan signos contrarios?. Por qu?
Porcentaje de variacin real: A

Y Y 1
100
Y 1

Porcentaje de variacin prevista : F

Y Y 1
100
Y 1

Si tienen signos contrarios indican errores en el sentido del cambio en el regresando (si en
el periodo de prediccin el valor del regresando aumenta , el modelo predice una
disminucin , y si disminuye el modelo predice un aumento) , y por tanto indican una mala
capacidad predictiva del modelo , a no ser que los valores estn muy prximos a cero
8.- Si en el grafico de las variaciones reales y previstas la mayora de los puntos estn en el
primer y tercer cuadrantes , puede afirmarse que el modelo proporciona predicciones
correctas?. Puede afirmarse que las predicciones son incorrectas si la mayora de los
puntos estn en el segundo y cuarto cuadrantes?. Justifquelo
En un principio el modelo est anticipando correctamente el sentido del cambio , pero eso
no es suficiente , ya que para que el modelo proporciones predicciones correctas es
necesario , adems, que los puntos estn sobre la bisectriz , o muy prximos a ella y se
repartan a ambos lados.

-2-

Tema 2 :Ejercicios de Prediccin

Si la mayora de los puntos estn en el segundo y cuarto cuadrantes hay errores en el

sentido del cambio y por tanto el modelo no proporciona predicciones correctas , a no ser
que los valores estn muy prximos a cero.

9.- Indique como se efecta el contraste de estabilidad de los parmetros para cada uno de
los periodos de prediccin cuando se dispone de una muestra pequea (hiptesis,
estadstico de prueba y distribucin, criterio de rechazo y el no rechazo)
H 0 = i = i
i = 0,1, , k
H1 = H 0 falsa

Si t
Si t

<t

T K 1

T K 1

= 1,2, , n

t =

bajo H tT 2k 1
Se
0

Se Rechaza la H0
No se Rechaza la H0

10.- Si en el contraste de Chow y Fisher no se rechaza la hiptesis nula se puede afirmar

que el modelo es estable en el periodo de prediccin. Es correcta esta afirmacin?.
Explique por qu. Puede asegurarse que un modelo en el que se obtiene este resultado
proporciona predicciones correctas?. Justifquelo
El no rechazo de la H0 no indica que sea correcta , tan solo que no se tiene evidencia en
contra de la estabilidad paramtrica, por lo tanto puede utilizarse el modelo para realizar
predicciones
En un modelo en el que se obtiene este resultado , el incremento en la SCE de la estimacin
con todos los datos (periodo muestral y de prediccin) , respecto a la SCE de la estimacin
solo con los datos del periodo muestral , es apenas significativo y , por tanto, puede
asumirse la estabilidad de los parmetros

11.- Para el modelo que relaciona la inversin bruta (IB) con el valor de las acciones en
circulacin al comienzo de cada ao (AC) , el stock de capital (SK) y su primer retardo
(SK(-1)), se dispone de la siguiente informacin :
Dependent Variable: IB
Method: Least Squares
Sample: 1986 2003
Included observations: 18 after adjusting endpoints
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
AC
SK
SK(-1)

-183.2273
0.110233
0.222501
0.295657

71.23151
0.011605
0.036776
0.132676

-2.572279
9.499109
6.050099
2.228413

0.0221
0.0000
0.0000
0.0428

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.968687
0.961977
39.50084
21844.43
-89.45286
1.806927

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)

-3-

585.9778
202.5729
10.38365
10.58151
144.3647
0.000000

Tema 2 :Ejercicios de Prediccin

obs
2003
2004
2005

IB
1200.400
1100.000
1150.000

AC
6241.700
5848.000
6134.000

SK
1777.300
1800.000
1900.000

Forecast : IB_PREVISTA
Actual : IB
Forecast sample: 2004 2005
Included observations: 2
Mean Abs.Percent Error

10.76497

Theil Inequality Coefficient

Bias Proportion
Variance Proportion
Covariance Proportion

0.051109
0.998732
0.001268
0.000000

11.1.- Obtenga las predicciones de la inversin

IB04 = b0 + b1AC 04 + b2SK 04 + b3SK 03 = 183.2273 + 0.110233 5848 + 0.222501 1800 + 0.295657 1777.3 = 1387.38827
IB05 = b0 + b1AC 05 + b2SK 05 + b3SK 04 = 183.2273 + 0.110233 6134 + 0.222501 1900 + 0.295657 1800 = 1447.876422

11.2.- Dada la informacin que contiene la tabla Forecast: IB_PREVISTA , cree usted que
el modelo tiene buena capacidad predictiva?. Un valor de PEAMp igual a 10.76 sera
coherente con este resultado?
El coeficiente de desigualdad de Theil , esta prximo a cero y por tanto indica buena
capacidad predictiva , sin embargo , como en la descomposicin del ECM , la proporcin del
sesgo toma un valor muy elevado y la proporcin de la covarianza un valor muy prximo a
cero , indican una mala capacidad predictiva , por tanto concluimos que el modelo tiene mala
capacidad predictiva
Un valor del PEAMp mayor del 3% (5%) indica una mala capacidad predictiva , con lo cual si
sera coherente en este caso que pudiese tomar un valor igual a 10.76
11.3.- Calcule el estadstico de Cooper y explique para que se utiliza y que informacin
proporciona.
El estadstico de Cooper permite contrastar la hiptesis nula de estabilidad postmuestral ,
pero como su distribucin es asinttica , en sentido estricto , slo es vlido con muestras
grandes
e 04 = IB04 IB04 = 1100 1387.38827 = 287.38827

e 05 = IB05 IB05 = 1150 1447.965119 = 297.965119

C =

e 2 ( 287.38827 )2 + ( 297.965119)2
=
= 109.799771
S2
39.50084 2

12.- con una muestra correspondiente al periodo de tiempo comprendido entre 1990 y 2006
para el valor aadido bruto (VAB, en miles de euros) y el nmero de empleados (NE) en una
determinada industria, se ha obtenido la siguiente ecuacin estimada :
VABt = 855.09 + 31.05NEt

. Se dispone , adems , de los siguientes datos :

-4-

Tema 2 :Ejercicios de Prediccin

obs
VAB
NE

2006
10400
357

2007
10100
351

2008
10300
363

12.1.- Explique el significado del coeficiente correspondiente al nmero de empleados

12.2.- Obtenga los valores previstos del valor aadido
VAB07 = b0 + b1 NE 07 = 855.09 + 31.05 351 = 10043.46
VAB08 = b0 + b1 NE 08 = 855.09 + 31.05 363 = 10416.06

12.3.- Calcule los porcentajes de variacin real y prevista y explique su significado. Tiene
el modelo buena capacidad predictiva?
A07 =

VAB07 VAB06
10100 10400
100 =
100 = 2.88
VAB06
10400

F07 =

VAB07 VAB06
10043.46 10400
100 =
100 = 3.42
VAB06
10400

En el ao 2007 los datos indican que el valor aadido bruto disminuye un 2.88% , mientras
que el modelo prev una disminucin del 3.42%, modelo sobre valora la disminucin de la
variable
A08 =

VAB08 VAB07
10300 10100
100 =
100 = 1.98
VAB07
10100

F08 =

VAB08 VAB07
10416.06 10100
100 =
100 = 3.12
VAB07
10100

En el ao 2008 el crecimiento real del valor aadido bruto es del 1.98% y la previsin con el
modelo es del 3.12%, el modelo sobre valora el incremento de la variable
12.4.- El estadstico de Cooper es igual a 29.23 y el de Chow y Fisher es igual a 1.16.
comente estos resultados e indique que informacin proporcionan
Tanto el estadstico de Cooper como el de Chow y Fisher permiten contrastar la estabilidad
postmuestral
H 0 = i = i
i = 0,1
H1 = H 0 falsa

C =

e 2
n2
S2

= 2007,2008

en este caso C

e 2
22
S2

como C > 5.991 Rechazamos la H 0 y por tanto al 5% de significacin no

hay estabilidad postmuestral , pero como se trata de un contraste asinttico y nuestra
muestra es grande tomaremos el resultado como una indicacin
C = 29.23

F =

22 = 5.991 ,

(SCE (T + n ) SCE (T ) )

SCE (T )
T K 1

n bajoH F
n ,T k 1
0

en este caso

F =

F2,15 = 3.68 ,

(SCE (T + n ) SCE (T ) )

SCE (T )
T K 1

n bajoH F
2,17 1 1
0

como F < 3.68 No se rechaza la Ho , y al 5% de significacin los datos

no contradicen la hiptesis nula de estabilidad postmuestral, como este contraste es vlido
F = 1.16

-5-

Tema 2 :Ejercicios de Prediccin

para cualquier tamao muestral , como conclusin asumimos que el modelo tiene estabilidad
postmuestral

13.- Las tablas siguientes recogen algunos resultados obtenidos con el modelo que explica el
comportamiento del coste de fabricacin de un producto (CF, en miles de euros por unidad),
en funcin del indice de precios de las materias primas (IPMP, en base 2003:01=100), el
ndice de volumen de produccin (IVP, en base 2003:01=100) y el ndice del coste del factor
trabajo (ICT, 2003:01=100)
Dependent Variable: CF
Method: Least Squares
Sample: 2003:01 2006:12
Included observations: 48
Variable
C
IPMP
IVP
ICT
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

Coefficient

Std. Error

t-Statistic

Prob.

162.5958
0.238268
-1.636145
1.099439

5.814492
0.045129
0.397768
0.175312

27.96389
5.279754
-4.113316
6.271337

0.0000
0.0000
0.0002
0.0000

0.977507
0.975973
4.396623
850.5329
-137.1009
2.389317

obs
2007:01
2007:02
2007:03
2007:04
2007:05
2007:06

CF
262.0000
266.0000
271.0000
270.0000
272.0000
276.0000

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)

CF_PREVISTO
261.2662
265.1932
270.1201
268.7747
270.4294
274.3563

216.3333
28.36415
5.879206
6.035139
637.3784
0.000000

ERRORES
0.733757
0.806835
0.879913
1.225281
1.570650
1.643727

13.1.- Explique el significado del coeficiente correspondiente al ndice del coste del factor
trabajo. Puede admitirse a algn nivel de significacin que el parmetro correspondiente a
dicha variable sea igual a cero?. Puede admitirse que toma un valor igual a 1?. Justifquelo.
H 0 : 3 = 0

H1 : 3 0

t3 =

b3
Sb

bajo H tT 2K 1
0

t3= 6.271337 , Prob = 0.0000 es menor que 0.05, y que cualquier otro nivel de significacin
elegido, por tanto se rechaza la H0 , la variable ICT se muestra estadsticamente relevante
, y el parmetro correspondiente a dicha variable no es cero
H 0 : 3 = 1

H 1 : 3 1

t3 =

b3 3*
Sb

bajo H tT 2K 1
0

-6-

Tema 2 :Ejercicios de Prediccin

t3 =

b3 3* 1.099439 1
=
= 0.567211
Sb
0.175312

tT 2K 1 = t 440.025 2 ,

como -2 < t3 < 2 No se rechaza la H 0 , es

decir , al 5% de significacin , la muestra no contradice la H 0 de que el valor del parmetro

es igual a 1

13.2.- En que unidades estn medidos los errores que figuran en la segunda tabla?. Sin
efectuar clculos adicionales, evale la capacidad predictiva del modelo
e = Y Y

, por tanto estn medidos en miles de euros por unidad

Sin hacer ningn clculo adicional , se puede indicar que el modelo tiene una mala capacidad
predictiva puesto que los errores tienen un comportamiento sistemtico ( son todos
positivos) , hay una subvaloracin sistemtica del valor del regresando, el modelo puede
haber omitido algn regresor relevante con efecto positivo, cuya inclusin podra haber
evitado esa infravaloracin
13.3.- La desviacin tpica estimada del error de prediccin en junio de 2007 es igual a 4.15.
Obtenga el estadstico t correspondiente a dicho perodo y explique qu informacin
proporciona. Obtenga los extremos del intervalo de confianza para el valor puntual del
coste de fabricacin en dicho perodo y explique su significado
H 0 = i = i
i = 0, ,3
H1 = H 0 falsa

t =

= 2007 : 01, ,2007 : 06

e
1.643727
=
= 0.396078
Se
4.15

tT 2K 1 = t 440.025 2

como -2 < t < 2, No se rechaza la H0 , es decir ,

al 5% de significacin , los datos no contradicen la H0 de estabilidad postmuestral

(y t

2
T k1

Se = (274.3563 2 4.15 ) = (266.0563 , 282.6563)

14.- El grafico siguiente es el resultado que se obtiene al predecir el precio de venta de un

producto (PV, en euros por unidad)

-7-

Tema 2 :Ejercicios de Prediccin

14.1.- Cree usted que el modelo tiene buena capacidad predictiva?. Justifquelo
La tabla que acompaa al grfico tan solo facilita el valor del EAMp que , por si solo, no
indica buena o mala capacidad predictiva , habra que calcular el

%EAMp =

EAMp
y

100

y si es

menor del 3% (5%) indicara una buena capacidad predictiva

14.2.- Qu son la lnea continua y las dos discontinuas del grfico?. Explique como se han
obtenido
La lnea discontinua representa los valores estimados del regresando en el periodo de
prediccin, y las discontinuas, los extremos superior e inferior del intervalo de confianza
para el valor puntual del regresando , en el periodo de prediccin
El Econometric Views calcula los extremos del intervalo de confianza con la siguiente
expresin (y 2 Se )

15.- En las siguientes tablas de resultados E es el nmero de horas semanales trabajadas

en una empresa, I es la inversin ( en millones de dlares), W es el salario medio anual ( en
miles de dlares) y EF es el valor previsto de E con el modelo
Dependent Variable: E
Method: Least Squares
Sample: 1980 2006
Included observations: 27
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
I
W

9.955837
0.192671
-0.074753

0.460288
0.007036
0.025704

21.62958
27.38202
-2.908246

0.0000
0.0000
0.0077

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.991915
0.991241
0.561681
7.571656
-21.14710
2.554514

obs
2006
2007
2008

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)

E
43.45067
44.32011
45.90314

EF
NA
44.73386
45.48336

Forecast : EF
Actual : E
Forecast sample: 2007 2008
Included observations: 2
Root Mean Squared Error
Mean Absolute Error
Mean Abs.Percent Error
Theil Inequality Coefficient

-8-

0.4166777
0.416766
0.924022
0.004619

34.19639
6.001638
1.788674
1.932656
1472.237
0.000000

Tema 2 :Ejercicios de Prediccin

15.1.- Indique si las siguentes afirmaciones son verdaderas o falsas, efectuando todos los
comentarios que considere oportunos para justificar su respuesta.
1.

Debera eliminarse de la ecuacin el regresor ficticio

Falso , el regresor ficticio se muestra estadsticamente relevante para cualquier
nivel de significacin

2. Se estima que si la inversin no vara, y el salario medio anual disminuye mil dolares
se trabajan 7 horas semanales ms.
3. El estadstico F que figura en la tabla indica que los parmetros son estables en el
periodo de prediccin
Falso , el estadstico F contrasta la nulidad individual de todos los coeficientes
angulares
4. El modelo tiene una elevada capacidad predictiva
Verdadero , tanto el PEAMp como el coeficiente de desigualdad de Theil indican una
buena capacidad predictiva
15.2.- Calcule los porcentajes de variacin real y prevista del nmero de horas semanales
trabajadas y explique su significado. Se obtendran los mismos resultados para estas
medidas si el modelo se hubiese estimado por mxima verosimilitud?
A07 =

E 07 E 06
44.32011 43.45067
100 =
100 = 2
E 06
43.45067

F07 =

E07 E 06
44.73386 43.45067
100 =
100 = 2.95
E 06
43.45067

En el ao 2007 los datos indican que el nmero de horas trabajadas crece un 2% , mientras
que el modelo prev un crecimiento del 2.95%, modelo sobre valora el incremento de la
variable
A08 =

E 08 E 07
45.90314 44.32011
100 =
100 = 3.57
E 07
44.32011

F08 =

E08 E 07
45.48336 44.32011
100 =
100 = 2.62
E 07
44.32011

En el ao 2008 el crecimiento real del nmero de horas trabajadas es del 3.57% y la

previsin con el modelo es del 2.62%, el modelo subvalora el incremento de la variable
15.3.- Contraste la hiptesis de estabilidad de los parmetros
prediccin

en el perodo de

e 07 = E 07 E07 = 44.32011 44.73386 = 0.41375

e 08 = E 08 E08 = 45.90314 45.48336 = 0.41978
H 0 = i = i
i = 0, ,2
H1 = H 0 falsa

en este caso C

= 2007,2008

e 2
22
S2

, C

C =

e 2
n2
S2

( 0.41375)2 + 0.419782
= 1.101173
0.5616812

2
2

= 5.991

como C < 5.991

No Rechazamos la H0 y por tanto al 5% de significacin los datos no contradicen la

hiptesis de estabilidad postmuestral

-9-

Tema 2 :Ejercicios de Prediccin

16.- Un modelo tiene una elevada capacidad predictiva si :

el coeficiente de desigualdad de Theil est prximo a la unidad
la proporcin de la covarianza es aproximadamente igual a cero
en el grfico de variaciones reales y previstas la mayora de los puntos estn prximos a
la bisectriz del primer al tercer cuadrante
el porcentaje del error absoluto medio de la prediccin toma un valor elevado
17.- En el diagrama de prediccin-realizacin los puntos que estn en el primer cuadrante
por encima de la bisectriz, indican que :
el modelo proporciona predicciones correctas
el porcentaje de variaciones previstas es mayor que el porcentaje de variacin real
el modelo es estable
el porcentaje de variacin real es mayor que el porcentaje de variacin prevista
18.- En el grfico de variaciones reales y previstas los puntos que estn en el tercer
cuadrante por debajo de la bisectriz, indican que :
el modelo subvalora la disminucin del regresando
el modelo no es estable
el porcentaje de variacin prevista es negativo
el modelo subvalora el aumento del regresando
19.- Los extremos del intervalo de confianza del valor puntual del regresando en el periodo
son
y tT

2
k1

Sy

y tn 2 Sy

y tT 2k 1 Se

y tn 2 Se

20.- El estadstico de Chow y Fisher para el contraste de estabilidad post-muestral se

distribuye :
F de Snedecor con k grados de libertad en el numerador y T-k-1 en el denominador
con n grados de libertad
t de Student con n grados de libertad
F de Snedecor con n grados de libertad en el numerador y T-k-1 en el denominador
2

21.- Si el modelo es estable:

los parmetros i son los mismos cuando t = 1, 2, . . . , T, que cuando t =
proporciona predicciones correctas
E = 0
e = [1 X ' (X 'X ) X ]
2

- 10 -