Variables Endógenas
- Modelo de rezagos distribuidos (8)
- Causa de los rezagos (10)
- Variables Exógenas (2)
- Modelo autorregresivo (6)
Posibles respuestas:
- Equivalen a las variables dependientes de un modelo de regresión con una sola ecuación.
- Equivalen a las variables X, o regresoras, en tal modelo, en tanto las variables X no estén correlacionadas con el término de error de esa ecuación.
- Modelo obtenido mediante un proceso puramente algebraico; está desprovisto de cualquier soporte teórico.
- Modelo con una media que varía con el tiempo o una varianza que cambia con el tiempo, o ambas.
- Riesgo moral, propensión marginal, instituciones
- Modelo que incluye uno o más valores rezagados de la variable dependiente entre sus variables explicativas.
- Regresión de una serie de tiempo con raíz unitaria sobre otra serie de tiempo con raíz unitaria
- Modelo de regresión que incluye no sólo valores actuales sino además valores rezagados (pasados) de las variables explicativas (las X).
- Tiene una media igual a cero, una varianza constante σ2 y no está serialmente correlacionado. 10. Razones Psicológicas, Tecnológicas, instituciones
- A continuación responda claro y brevemente la pregunta planteada (10%).
1.1. El modelo de Koyck es ad hoc, pues no se obtuvo mediante un proceso puramente algebraico; está provisto de soporte teórico.
a) Falso b) Verdadero
R// Es falso ya que el modelo esta desprovisto de un soporto teórico y sus predicciones están basadas en experiencias pasadas.
1.2. El modelo de ajuste parcial se parece a los modelos de Koyck y de expectativas adaptativas—aparte de la diferencia en la apariencia del término de error— en que es autorregresivo.
a) Falso b) Verdadero
R// El modelo de ajuste parcial se aparece al modelo antes menciona ya que es autorregresivo, pero tiene un término de perturbaciones mucho más sencillo: el término de perturbaciones original multiplicado por una constante
,
pero son similares en apariencia.
1.3. La técnica de Almon tiene algunos problemas graves de estimación debidos a la presencia de la variable explicativa estocástica Yt−1 y a su probable correlación con el término de perturbación. a)Falso b) Verdadero
R// porque la técnica Almon tiene una clara ventaja sobre el método de Koyck, porque este último tiene graves problemas de estimación debido a la presencia de variables estocásticas
1.4. Los términos “serie de tiempo estacionaria” y “serie de tiempo integrada de orden cero” no son la misma cosa.
a)Falso b) Verdadero
R// Es falso porque la serie de tiempo estacionaria y la serie de tiempo integrada de orden cero son la misma cosa porque si una serie de tiempo (no estacionaria) debe diferenciarse d veces para hacerla estacionaria y por tanto se dice que la serie es integrada de orden d. una serie de tiempo
integrada de orden d se denota como
, y si la una serie de tiempo es estacionaria desde un principio decimos que es integrada.
A continuación responda claro y brevemente la pregunta planteada (40%).
Explique la hipótesis sobre la manera de conformar las expectativas:
R// las hipótesis para conformar ideas de expectativas o aprendizaje por un error lo hablan Cagan y Friedman, cuando y mencionan que el valor de X* no es directamente observable, entonces proponen la siguiente hipótesis:
) donde
es 0
≤1 y lo reconocen como un coeficiente de expectativa; es decir las condiciones que mantienen subsecuentes, entonces los valores que se obtuvieron los identifican con los valores actuales.
Explique la hipótesis de la expectativas racionales:
R// Las ER planteada por J. Muth y Robet Lucas junto con Tomas Sarget la difunden que los agentes económicos individuales utilizan información actual disponible para formular las ideas que se pretenden exponer, pero las ER se auxilian de información pasada para manifestar de forma eficiente cuando se formulan las ideas de hipótesis expectativas.
Mencione y explique las características de la transformación de Koyck
R// El modelo de rezagos distribuidos con un modelo autorregresivo
se convierte en un modelo autoregresivo porque explica una variable rezagada.
– Cuando tenemos
se cree que existe un problema estadístico ya que
=
estocástica lo que nos indica que existe una variable explicativa estocástica en el modelo planteado.
– En un modelo trasformado de
las propiedad de
depende de lo que se supone sobre las propiedades estadística si las
no están totalmente correlacionadas tal vez nos enfrentamos a un problema de correlación serial de variables explicativas estocásticas de
.
– La presencia de
rezagada viola un supuesto en que se basa la prueba de Durbin Watson, es ahí que debemos desarrollar un prueba alterna para verificar las correlaciones de
rezagadas.
Exponga la idea general de la prueba de causalidad de Granger: R// la idea general es basa primeramente en una causalidad como proyección filosófica, pero la esencia de este es, cuando una variable depende de otras variables, pero esto no se refiere que estas tengan influencias en relación directa, ya que si un sucede A pasa antes de un B es muy probable que afecte a B, pero B no es posible que afecte A, aunque pueden afectar a sucesos de la actualidad.
Explique los tres tipos de exogeneidad: R// los tipos de exogeneidad son
-Débil: si
no explica la existencia de
y se realiza la regresión de
sobre
. Se dice que una que es una -exogeneidad débil.
-Fuerte: si
es fuerte si los valores de Y actuales y rezagados no explican o no alimenta las variables actuales.
-Súper:
superexogena si los parámetros en la regresión son invariantes en la regresión de Y y X.
Cuál es la razón para distinguir entre los tres tipos de exogeneidad: R// Es que la exogeneidad débil por lo general requiere de estimaciones y comprobaciones, la exogeneidad fuerte es vital para las predicciones y las superexogeniedades son vitales para el análisis de políticas.
Serie de tiempo no estacionaria: R// Es una serie de tiempo que tiene una media y varianza que varía con el tiempo.
Modelo de caminata aleatoria random walk: R// El modelo Random Walk tiene la peculiaridad de carecer de un término constante, el MCA sin deriva es un proceso estocástico no estacionario y en la práctica cuando analizamos
normalmente se iguala a cero, por tal razón el caso E(
) = 0, el random walk tiene una memoria infinita.
Explique el Proceso estocástico integrado: R// El modelo de caminata aleatoria no es más que un caso específico de una clase más general de procesos estocásticos, conocidos también como procesos integrados ya que el MCA sin deriva es no estacionario, pero su serie de primeras diferencias, es estacionaria.
Cuál es la regla para sospechar de una regresión espuria:
R// una regla practica para detectar regresión espuria es si el
y se puede decir que si
y el estadístico t no están distribuidos como la distribución t (student).
¿Cómo sabemos si una serie de tiempo determinada es estacionaria:
R// para saber si una serie tiempo es estacionaria podemos analizarla desde un análisis gráfico, ya que cuando graficamos los indicadores de la serie de tiempo proporciona pistas con respecto a la naturaleza de las series de tiempo, y la segunda forma para detectar si existe estacionariedad es por medio de autocorrelograma que se basa en denominar funciones de autocorrelación para observar si la serie desciende o asciende.
Si tenemos que una serie de tiempo determinada es no estacionaria, ¿hay alguna forma de que se convierta en estacionaria:
R// existe dos formas forma para poder transformar las series de tiempo no estacionarias en estacionarias: el primero es por medio de procesos estacionarios en diferencia que tiene una raíz unitaria. Si una serie de tiempo es I(2), contendrá dos raíces unitarias, que se tendrá que diferenciar dos veces si es I(d) donde d es cualquier entero. Y la segunda forma es por medio de procesos estacionarios en tendencia, si existe un valor no estacionario alrededor de la línea de tendencia se debe de hacer la regresión de ella sobre el tiempo y los residuos de tal regresión serán estacionarios.
Cómo saber con un correlograma si una serie de tiempo particular es estacionaria:
R// como primer lugar se debe rectificar si la serie aumenta o disminuye y como segundo momento se debe señalar si los coeficientes de autocorrelación son significativos, y se propone realizar cada prueba de hipótesis y analizar si el valor analizado sobrepasa el valor crítico de la tabla.
cómo elegir la longitud del rezago para calcular la FAC?, y en segundo, ¿cómo determinar si un coeficiente de autocorrelación es estadísticamente significativo en un cierto rezago:
R// Se trata básicamente de u asunto empírico, una regla practica es calcular la FAC hasta un tercio o una cuarta parte de la longitud de la serie de tiempo. Un consejo sabio para empezar es con los rezagos más grandes y luego reducirlos con un criterio estadístico.
Cuál es la idea general de la prueba de estacionariedad basada en la raíz unitaria:R// determinar si la serie es estacionaria o no estacionaria.
En que consiste la prueba Dickey-Fuller aumentada (DFA)
R// Para llevar la prueba de DF determina el término de error de
; y también no está correlacionada, pero DF desarrolla una prueba que determina si este correlacionado llamado como DFA que esta prueba consiste en aumentar:
Es una caminata aleatoria:
Es una camita aleatoria con deriva:
Es una caminata con deriva alrededor de la tendencia:
¿Porque es importante la transformación de las series de tiempo no estacionarias, ya sean en diferencia o tendencia:R// Es importante la transformación de datos no estacionarios porque los mercados financieros generan datos sobre precios, tasas o rendimientos que son no estacionarios debido a una tendencia estocástica y sobre todo más determinística, y en extrañas ocasiones la tendencia de los datos ajustados de una línea de tendencia es tomada por medio de desviaciones.
Explique el concepto de Cointegración:R// La Cointegración en términos económicos son dos variables que están cointegradas manteniendo una relación existe de una relación de largo plazo, o de equilibrio entre ambas. La teoría economía normalmente expresa el término de equilibrio como teoría monetaria cuantitativa de Fisher o la teoría de la pariedad del poder adquisitivo (PPA). La Cointegración como la raíz unitaria obligan a determinar si los residuos de la regresión son estacionarios o no, y sosteniendo una prueba que no llegar a situaciones de regresión espurias.
Pero para concretizar al no ser estacionaria una serie de tiempo, un nivel individual y una combinación lineal de dos o más series de tiempo puede ser estacionaria y es donde; se utilizan las pruebas Granger (EG) y Engle – Granger aumentada (EGA) que sirve para ver si dos o más series de tiempo están cointegradas.
Explique la idea que relaciona la Cointegración y el mecanismo de corrección de errores
R// La idea de una relación entre procesos no estacionarios con raíces unitarias es cuando dos series están cointegradas y pese de que ambos procesos son no estacionarios, existe una relación de equilibrio a largo plazo que vincula a ambas series, al correr la regresión entre ambas se obtiene que la combinación lineal.
El problema con esta situación es que los valores críticos y la obtención de muestras pequeñas de pruebas desconocidos para un amplio proceso del modelo es la inspección del correlograma que es útil para el análisis te corrección de errores.
Exponga el teorema de representación de Granger
R// El teorema de Granger expone que si dos variables Y y X están cointegradas, la relación entre las dos se expresa como MCE (mecanismo de corrección de errores), mientras que las relaciones establecidas entre las variables en niveles (relacionados de largo plazo) actúan como mecanismo que interviene en la relación entre las variables diferenciadas (cambios de las variables) y para retornar la relación a su nivel de equilibrio a largo plazo.