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-
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
(Sy Sy )2
ECM
Y Y 1
100
Y 1
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-
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
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
-3-
585.9778
202.5729
10.38365
10.58151
144.3647
0.000000
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
0.051109
0.998732
0.001268
0.000000
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 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
-4-
obs
VAB
NE
2006
10400
357
2007
10100
351
2008
10300
363
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
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
-5-
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
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-
t3 =
b3 3* 1.099439 1
=
= 0.567211
Sb
0.175312
tT 2K 1 = t 440.025 2 ,
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
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 =
e
1.643727
=
= 0.396078
Se
4.15
tT 2K 1 = t 440.025 2
(y t
2
T k1
-7-
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
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
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
15.1.- Indique si las siguentes afirmaciones son verdaderas o falsas, efectuando todos los
comentarios que considere oportunos para justificar su respuesta.
1.
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 perodo de
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
-9-
2
k1
Sy
y tn 2 Sy
y tT 2k 1 Se
y tn 2 Se
- 10 -