49 2 106KB
TRABAJO FINAL DE ECONOMETRIA ALUMNO: ALVARADO CASTRO ERINSON RICCI CURSO ESPECIAL DE TITULACIÓN Responda a las siguientes preguntas haciendo uso de los Capítulos 21 y 22 del libro de Econometría de Guajarati. 1. ¿Qué significa estacionariedad débil? Se dice que un proceso estocástico es estacionario si su media y su varianza son constantes en el tiempo y si el valor de la covarianza entre dos periodos depende sólo de la distancia o rezago entre estos dos periodos, y no del tiempo en el cual se calculó la covarianza. 2. ¿Qué significa serie de tiempo integrada? En general, si una serie de tiempo (no estacionaria), debe diferenciarse “d” veces para hacerla estacionaria, decimos que la serie es integrada de orden “d”. 3. ¿Cuál es el significado de raíz unitaria? Se refiere a la raíz del polinomio en el operador de rezago. Si se tiene (1 − L) = 0, L = 1, de ahí el nombre de raíz unitaria. 4. Si una serie de tiempo es I(3), ¿cuántas veces debe diferenciarse para hacerla estacionaria? Si una serie de tiempo es I(3), se debe diferenciar hasta su tercera diferencia para volverla estacionaria, bajo el supuesto de Yt ∼ I(d), donde “d” es el número de veces necesaria para volverla estacionaria y I(0) es estacionaria. 5. ¿Qué son las pruebas Dickey-Fuller (DF) y DF aumentada? DF: El contraste de Dickey-Fuller es una prueba de raíz única que detecta estadísticamente la presencia de conducta tendencial estocástica en las series temporales de las variables mediante un contraste de hipótesis. DFA: Esta prueba implica “aumentar” las ecuaciones anteriores mediante la adición de los valores rezagados de la variable dependiente ∆Yt 6. ¿Qué son las pruebas Engle-Granger (EG) y EG aumentada? El procedimiento de Engle-Granger, consiste en utilizar el análisis de integración en la combinación de las variables, con el objetivo
de probar si cumplen con la condición de ser estacionaria para establecer que son cointegradas.
7. ¿Cuál es el significado de cointegración? Significa que, a pesar de no ser estacionarias en un nivel individual, una combinación lineal de dos o más series de tiempo puede ser estacionaria, lo que indica que existe una relación de largo plazo, o de equilibrio, entre ellas. 8. ¿Cuál es la diferencia, si acaso, entre pruebas de raíz unitaria y pruebas de cointegración? Como señalan David A. Dickey, Dennis W. Jansen y Daniel I. Thornton: “Las pruebas para raíces unitarias se realizan sobre series de tiempo univariadas [es decir, singulares]. En contraste, la cointegración trata con la relación entre un grupo de variables, en donde cada una (incondicionalmente) tiene una raíz unitaria” 9. ¿Qué es la regresión espuria? La regresión de una serie I(1) sobre otra variable I(1) no relacionada, produce unos “t-ratios” del parámetro de la pendiente que indican la existencia de relación cuando sabemos que no la hay. En una Regresión Espuria los errores estarían correlacionados y los estadísticos “t” estarían mal calculados. 10. ¿Cuál es la conexión entre cointegración y regresión espuria? La prueba de cointegración es usada como una pre-prueba para evitar situaciones de regresión espuria. 11. ¿Cuál es la diferencia entre una tendencia determinista y una tendencia estocástica? Si la tendencia de una serie de tiempo es del todo predecible y no variable, es una tendencia determinista; por otra parte, si no es predecible entonces se llama tendencia estocástica. 12. ¿Qué significa proceso estacionario en tendencia (PET) y proceso estacionario en diferencias (PED)? 13. ¿Qué es una caminata aleatoria (modelo)? Una caminata aleatoria es un ejemplo de un proceso no estacionario; si tenemos una variable que sigue una caminata aleatoria significaría que su valor de hoy es igual a su calor en el
periodo de tiempo anterior más un choque aleatorio (término del error).
14. “Para un proceso estocástico de caminata aleatoria, la varianza es infinita.” ¿Está de acuerdo? ¿Por qué?
15. ¿Qué es el mecanismo de corrección de errores (MCE)? ¿Cuál es su relación con la cointegración? El mecanismo de corrección de errores desarrollado por EngleGranger sirve para conciliar el comportamiento de corto plazo de una variable económica con su comportamiento de largo plazo. La relación que guarda con la cointegración es el MCE corrige el desequilibrio en corto plazo que la cointegración no puede corregir. 16. ¿Cuáles
son
los
métodos
más
importantes
para
pronósticos
económicos? Son 5 los métodos más importantes para los pronósticos económicos: 1).- el método de suavizado exponencial. 2).- modelos de regresión uniecuacionales 3).- modelo de regresión de ecuaciones simultaneas 4).- modelos autorregresivos integrados de promedios móviles (ARIMA) 5).- modelos de vectores autorregresivos (VAR). 17. ¿Cuáles son las principales diferencias entre el método de ecuaciones simultáneas y el de Box-Jenkins para pronósticos económicos? En los métodos de ecuaciones simultaneas, los parámetros estimados no son invariantes ante cambios de política, por otra parte, en el método de Box-Jenkins (ARIMA), se explica por valores pasados o rezagados de sí misma y por los términos de error estocásticos.
18. Esquematice los pasos principales relacionados con la aplicación del método de BoxJenkins para pronósticos económicos. Paso 1: Identificacion de los valores correctos para p, d y q
Paso 2: Estimación de los parametros de los terminos autorregresivos y de los promedios moviles.
Paso 4 : Pronostico.
Paso 4: Examen de diagnostico.
19. ¿Qué sucede si se aplican las técnicas de Box-Jenkins a series de tiempo no estacionarias? Si la serie de tiempo es no estacionaria, debe diferenciarse una o más veces para alcanzar la estacionariedad. 20. ¿Qué diferencias hay entre los métodos de Box-Jenkins y VAR para pronósticos económicos? Las características resaltantes del VAR son que, es un sistema simultaneo en el punto que todas las variables las considera endógenas, otra característica es que si cada ecuación contiene el mismo numero de variables rezagadas en el sistema, este se estima únicamente por MCO, sin recurrir al MC2E o al SURE (regresiones aparentemente no relacionadas). Por su parte el método de Box-Jenkins su característica es que se debe examinar si la serie es estacionaria, primeramente, otra característica más es que Si la serie de tiempo es no estacionaria,
debe diferenciarse estacionariedad.
una
o
más
veces
para
alcanzar
la
21. ¿En qué sentido es ateórico el modelo VAR? Cuando el modelo utiliza menos información previa, para su evaluación, se dice que el modelo VAR es ateórico. 22. “Si el objetivo principal es el pronóstico, VAR lo logrará.” Evalúe críticamente esta afirmación.
23. Como el número de rezagos que se va a introducir en un modelo VAR puede ser un asunto subjetivo, ¿cómo se decide cuántos rezagos deben introducirse en una aplicación concreta? Supongamos que tenemos un modelo VAR de tres variables y decidimos incluir ocho rezagos de cada variable en cada ecuación. Tendremos 24 parámetros rezagados en cada ecuación más el término constante, para un total de 25 parámetros. A menos que el tamaño de la muestra sea grande, la estimación de tantos parámetros consumirá muchos grados de libertad, con todos los problemas asociados a esto. 24. Comente la siguiente afirmación: “Box-Jenkins y VAR son los ejemplos más importantes de medición sin teoría”.
25. ¿Cuál es la conexión, de existir, entre las pruebas de causalidad de
Granger y el diseño de modelos VAR?