12.1. Establezca si las siguientes afirmaciones son verdaderas o falsas. Justifi que su respuesta brevemente.

a) Cuan
Watson supone que la varianza del término de error ut es homoscedástica. c) La transformación de primeras difere
modelos, de los cuales uno corresponde a una regresión en forma de primeras diferencias y el otro a una regresión
denota autocorrelación de primer orden. f ) En presencia de autocorrelación, las varianzas calculadas convenciona
importantes de un modelo de regresión puede producir un valor d signifi cativo. h) En el esquema AR(1), una prue
de DurbinWatson. i) En la regresión de primeras diferencias de Y sobre primeras diferencias de X, si hay un término
de tendencia cuadrática.

Respuesta a) Falso. Los estimadores son imparciales pero no son muy eficientes.

b) Verdadero: estamos manteniendo las demás hipótesis de CLRM.

c) Falso. El supuesto es que p= +1.

d) Verdadero. Para comparar R2s, regresión en los dos modelos deben ser los mismos.

e) Verdadero. Podría también significar errores de especificación.

f) Verdadero. Ya que el error de previsión implica cr2, que está mal estimado por la fórmula habitual LA

g) Verdadero.

h) Falso, sólo puede ser hecha por el B-W g, estadística, a pesar de que use el Durbin-Watson tablas pa

i) Verdadero, escribir el modelo como: Yt = fa + faXt + grasa + grasa2 + ut. Tomar la primera diferencia

12.2. Con una muestra de 50 observaciones y 4 variables explicativas, ¿qué puede decir sobre autocorrelación si a)

Respuesta Para n = 50 y K = 4 y a = 5, los valores críticos son:

a) Autocorrelación positiva

b) No son concluyentes

c) No son concluyentes

d) Autocorrelación negativa

12.3. Al estudiar el movimiento en la participación de la producción de los trabajadores en el valor agregado (es de
Donde Y participación laboral y t tiempo. Con base en información anual de 1949 a 1964 se obtuvieron los siguient

Donde las cifras entre paréntesis son las razones t. a) ¿Hay correlación serial en el modelo A? ¿En el modelo B? b) ¿
 Donde las cifras entre paréntesis son las razones t. a) ¿Hay correlación serial en el modelo A? ¿En el modelo B? b) ¿

Respuesta a) No hay correlación serial en el modelo A, pero no en el Modelo B.

b) La autocorrelación puede deberse a falta de un modelo porque excluye a la tendencia cuadrática.

c) Sería necesario un conocimiento previo de la probable forma funcional.

12.4. Detección de la autocorrelación: prueba de la razón de von Neumann. * Suponiendo que los residuos uˆt se o

Llamada razón de von Neumann, tiene una distribución aproximadamente normal con media y var

a) Si n es lo bastante grande, ¿cómo utilizaría la razón de von Neumann para probar la autocorrelación? b) ¿Cuál es
son los límites correspondientes para la razón de von Neumann? d) Como la razón depende del supuesto de que la
Si en una aplicación se encontró que la razón era 2.88 con 100 observaciones; evalúe la hipótesis de que no hay cor
muestras de hasta 60 observaciones.

Respuesta a) Calcular la Von Neumann (V-N), la relación, su media y su varianza. Utilizando la distribución normal

b) y c)

d) La OPERACIÓN desviaciones son estimaciones del error verdadero; de ahí que en muestras grandes l

e) Dado n = 100 , la media y la varianza de la V-N puede considerarse 2,02 y 0,04 respectivamente. Con

12.5. En una sucesión de 17 residuos, 11 positivos y 6 negativos, el número de rachas fue de 3. ¿Hay aquí evidencia

Respuesta Sí, hay evidencia de autocorrelación con 3 o 14, positivo en el primer caso, y negativo en el segundo.

12.6. Estimación de ρ de Theil-Nagar basada en el estadístico d. Theil y Nagar propusieron que, en muestras peque

Donde n número total de observaciones, d d de Durbin-Watson y k número de coefi cientes que se van a estimar (i
simple (1 − d/2).

Respuesta Dividiendo el numerador y el denominador por n, obtenemos: P = I-N

Para un determinado k, n -> oo, la segunda parte en el numerador como el denominador tiende a cero.
 12.7. Estimación de ρ: procedimiento de búsqueda o exploración de Hildreth-Lu.* Como en el esquema autorregre
“exploración” o procedimiento sistemático de búsqueda para localizarlo. Recomiendan seleccionar ρ entre −1 y +1
(12.6.5). Así, se puede seleccionar ρ de −0.9, −0.8, . . . , 0.8, 0.9. Para cada ρ seleccionada se efectúa la ecuación en
SCR (por tanto, se maximiza R2 ). Si se requiere mayor refi nación, se sugieren intervalos unitarios más pequeños, e
procedimiento Hildreth-Lu? b) ¿Cómo se sabe que el valor ρ seleccionado en última instancia para transformar los

Respuesta a) La principal ventaja es la sencillez. También puede manejar los problemas en los que hay más de un

b) Se trata de un tema de ensayo y error, y ajuste fino de la cuadrícula.

12.8. Estimación de ρ: el procedimiento iterativo Cochrane-Orcutt (C-O).† Como ilustración de este método, consid
recomendaron lo siguiente para estimar ρ. 1. Calcule (1) mediante la rutina usual de MCO y obtenga los residuos uˆ
haga la siguiente regresión:
que es la contraparte empírica de (2).‡ 3. Con ρˆ obtenida en (3), calcule la ecuación en diferencias generalizada (1
2, del paso (3) para la regresión original (1), y obtenga los nuevos residuos, digamos, uˆ∗ t como
que es similar a (3), y por tanto proporciona el estimado de ρ de la segunda ronda. Como desconocemos si
sucesivamente. Por esta razón el procedimiento C-O se llama método iterativo. Pero, ¿hasta dónde continuamos ite
pequeña cantidad, por ejemplo, menores que 0.01 o 0.005. En el ejemplo de la regresión de los salarios sobre la pr
Cochrane-Orcutt estime ρ en la regresión de los salarios sobre la productividad, ecuación (12.5.2). ¿Cuántas iteracio
regresión de los salarios sobre la productividad, tanto eliminando la primera observación como conservándola. ¿Qu

Respuesta a) Esta es una cuestión de la verificación.

b) El C-0 procedimiento no garantiza el mínimo global. Davidson y MacKinnon, por lo tanto, sostienen q

12.9. Estimación de ρ: procedimiento de dos pasos de Cochrane-Orcutt. Es una versión abreviada del procedimient
en el paso 2 se utiliza la estimación de ρ para efectuar la ecuación en diferencias generalizada, como en la ecuación
procedimiento iterativo C-O, más elaborado. Aplique el método de dos pasos C-O para ilustrar la regresión de los sa
iterativo. Ponga especial atención a la primera observación en la transformación.

Respuesta Utilizando el p estimado a partir de Eq. (3) de la C-0 procedimiento, puede verse que este valor es 0,9142. Este va

12.10. Estimación de ρ: método de dos pasos de Durbin.* Para explicar este método, expresamos de forma equival
el siguiente procedimiento de dos pasos para calcular ρ. Primero, considere (1) como un modelo de regresión múlti
como una estimación de ρ. Segundo, tras obtener ρˆ, utilícelo para estimar los parámetros de la ecuación en difere
regresión de los salarios sobre la productividad, analizado antes en el libro, y compare los resultados con los del pro
sus resultados. b) Si examina la ecuación (1) inmediata anterior, observará que el coefi ciente de Xt−1 ( −ρβ2) es igu
obedecen la restricción anterior?

Respuesta a) Los resultados de la regresión son los siguientes:

 Desde el coeficiente de Ft-i, vemos que p = 0,9073 , lo cual no es muy diferente de la C-0 procedimie

b) Este es un tema de no-lineal (en el parámetro) modelos de regresión.

12.11. Al medir los rendimientos a escala en la oferta de electricidad, Nerlove utilizó información de corte transvers
logaritmo del costo total sobre los logaritmos de la producción, de la tasa de salarios, del precio del capital y del pr
juicio del d de Durbin-Watson. Para remediarlo, grafi có los residuos estimados respecto del logaritmo de la produc
situación anterior?

12.12. Al grafi car los residuos de una regresión respecto del tiempo, se obtuvo el diagrama de dispersión de la fi gu
cuyo valor excede los valores de las demás observaciones en la muestra por una gran cantidad, tal vez tres o cuatro
uno o varios valores atípicos? b) Si hay uno o varios valores atípicos, ¿deben descartarse esas observaciones y efect
atípicos?

12.13. Con base en el estadístico d de Durbin-Watson, ¿cómo distinguiría la autocorrelación “pura” del sesgo de es

Respuesta

12.14. Suponga que en el modelo las u son en realidad serialmente independientes. ¿Qué suce
Analice en particular las propiedades del término de perturbación εt.
 12.14. Suponga que en el modelo las u son en realidad serialmente independientes. ¿Qué suce
Analice en particular las propiedades del término de perturbación εt.

Respuesta

12.15. En un estudio de determinación de precios de la producción fi nal a costo de factor en el Reino Unido se obt

Donde PF precios de la producción fi nal a costo de factor, W salarios por empleado, X producto interno bruto por p
producción fi nal a costo de factor en el año anterior.* “Como para 18 observaciones y 5 variables explicativas a 5%
Comente.

Respuesta Desde el modelo contiene la variable dependiente rezagada como regresor, el Durbin-Watson d no es el apropiad

12.16. Establezca las circunstancias en que sería adecuado cada uno de los siguientes métodos de estimación del co
c) Transformación Theil-Nagar d) Procedimiento iterativo Cochrane y Orcutt e) Procedimiento en dos etapas de Dur

Respuesta Dada la AR(1) esquema,

a) La primera diferencia método es apropiado cuando p es cercana a 1.

b) Si p es de -1, la media móvil regresión es apropiado.

c) La Theil-Nagar transformación es apropiado cuando el primer y el segundo las diferencias de los regr

d) El C-0 procedimiento es apropiado cuando el RSS converge.

e) Si el valor de p estimado a partir de los coeficientes de zaga Y variable es aproximadamente el mismo

12.17. Considere el modelo: donde es decir, el término de error sigue

tiene en cuenta la autorregresión de segundo orden.

Respuesta Transformar el modelo de la siguiente manera:

Si el p son conocidos, se puede transformar los datos tal como se ha sugerido. Si no se conoce, la primera estimac
M-i+vt donde v es un término de error. Utilice el estimado p de la regresión anterior y transformar los datos como

12.18. Con el factor de corrección C, la fórmula para βˆMCG 2 dada en (12.3.1) es

Respuesta
 12.19. Muestre que la estimación de (12.9.5) equivale a estimar los MCG analizados en la sección 12.3, excluyendo

Respuesta

12.20. Para la regresión (12.9.9), los residuos estimados tuvieron los siguientes signos:

Con base en la prueba de rachas, ¿rechaza la hipótesis nula de que no hay autocorrelación en estos residuos?

Respuesta Esta secuencia tiene 22 signos positivos y 11 signos negativos. El número de ejecuciones es de 14 años. Mediante
 respuesta brevemente. a) Cuando hay presencia de autocorrelación, los estimadores de MCO son sesgados e inefi cientes. b) La
nsformación de primeras diferencias para eliminar la autocorrelación supone que el coefi ciente de autocorrelación ρ es −1. d) L
encias y el otro a una regresión en su forma de nivel, no son directamente comparables. e) Un d de Durbin-Watson signifi cativo
ianzas calculadas convencionalmente y los errores estándar de los valores pronosticados son inefi cientes. g) La exclusión de un
En el esquema AR(1), una prueba de hipótesis de que ρ 1 puede hacerse mediante el estadístico g de Berenblutt-Webb, lo mism
erencias de X, si hay un término constante y un término de tendencia lineal, significa que en el modelo original hay un término d

n ser los mismos.

timado por la fórmula habitual LA OPERACIÓN.

e use el Durbin-Watson tablas para probar que p = 1.

+ ut. Tomar la primera diferencia de la ecuación y verificar.

ecir sobre autocorrelación si a) d 1.05, b) d 1.40, c) d 2.50 y d) d 3.97?

res en el valor agregado (es decir, la participación laboral), Gujarati* consideró los siguientes modelos:
964 se obtuvieron los siguientes resultados para la industria metalúrgica básica:

odelo A? ¿En el modelo B? b) ¿Qué explica la correlación serial? c) ¿Cómo distinguiría entre autocorrelación “pura” y sesgo de e
odelo A? ¿En el modelo B? b) ¿Qué explica la correlación serial? c) ¿Cómo distinguiría entre autocorrelación “pura” y sesgo de e

luye a la tendencia cuadrática.

iendo que los residuos uˆt se obtienen aleatoriamente de una distribución normal, von Neumann demostró que para n grande,

on media y varianza

la autocorrelación? b) ¿Cuál es la relación entre la d de Durbin-Watson y la razón de von Neumann? c) El estadístico d se encuen
epende del supuesto de que las û se obtienen aleatoriamente de una distribución normal, ¿qué validez tiene este supuesto para
e la hipótesis de que no hay correlación serial en los datos. Nota: B.I. Hart tabuló los valores críticos de la razón de von Neumann

Utilizando la distribución normal tabla, determinar cuántas unidades de desviación estándar de la proporción entre el valor de la media ca

de ahí que en muestras grandes la suposición de normalidad puede ser válida.

2,02 y 0,04 respectivamente. Con estos valores, el intervalo 2,02 + 3 (7 ^ 04) = (1.4203,2 .6197) cubre un área de unos 99,7 % del área bajo

s fue de 3. ¿Hay aquí evidencia de autocorrelación? ¿Cambiaría el resultado si hubiera 14 rachas?

ativo en el segundo.

ieron que, en muestras pequeñas, en lugar de estimar ρ como (1 − d/2) se estimara como

cientes que se van a estimar (incluso el intercepto). Muestre que, para una n grande, esta estimación de ρ es igual a la obtenida

minador tiende a cero.

omo en el esquema autorregresivo de primer orden se espera que ρ se encuentre entre −1 y +1, Hildreth y Lu p
an seleccionar ρ entre −1 y +1 con intervalos, por ejemplo, de 0.1 de unidad, y transformando los datos mediante la ecuación e
nada se efectúa la ecuación en diferencias generalizada y se obtiene la SCR asociada: uˆ2 t . Hildreth y Lu proponen seleccionar
alos unitarios más pequeños, es decir, de 0.01 de unidad, como −0.99, −0.98, . . . , 0.90, 0.91, y así sucesivamente. a) ¿Cuáles so
instancia para transformar los datos garantizará en realidad una uˆ2 t mínima?

blemas en los que hay más de un mínimo local mediante el ajuste de el proceso de búsqueda.

ración de este método, considere el modelo de dos variables: y el esquema AR(1)

MCO y obtenga los residuos uˆt. A propósito, observe que puede haber más de una variable X en el modelo. 2. Con los residuos
en diferencias generalizada (12.9.6). 4. Como no se sabe a priori si la ρˆ obtenida de (3) es la mejor estimación de ρ, sustituya l
uˆ∗ t como que se calculan con facilidad, pues se conocen Yt, Xt, βˆ ∗ 1 y βˆ ∗ 2. 5. Ahora calcule la sigui
onda. Como desconocemos si dicha estimación de ρ es la mejor estimación de la verdadera ρ, calculamos la estimación de la te
¿hasta dónde continuamos iterando? La recomendación general es detener las iteraciones cuando las estimaciones sucesivas d
esión de los salarios sobre la productividad se requirieron alrededor de tres iteraciones antes de detenerse. a) Con el procedimie
ción (12.5.2). ¿Cuántas iteraciones se requirieron para obtener la estimación “final” de ρ? b) Con la estimación fi nal de ρ obten
ación como conservándola. ¿Qué diferencia observa en los resultados?

cKinnon, por lo tanto, sostienen que es recomendable utilizar el procedimiento C-0 "sólo después de una búsqueda preliminar tiene una cu

ón abreviada del procedimiento iterativo C-O. En el paso 1 se estima ρ a partir de la primera iteración, es decir, de la ecuación (3
eralizada, como en la ecuación (4) del ejercicio anterior. A veces en la práctica este método de dos pasos proporciona resultado
ra ilustrar la regresión de los salarios sobre la productividad (12.5.1) de este capítulo y compare los resultados con los obtenido

que este valor es 0,9142. Este valor no es muy diferente del valor de p subyacente (12.9.16 ), que es de 0,9610 0,8919 o subyacentes (12.9

expresamos de forma equivalente la ecuación en diferencia generalizada (12.9.5) como:

o un modelo de regresión múltiple, haga la regresión Yt sobre Xt, X t−1 y Yt−1, y considere el valor estimado del coefi ciente de l
metros de la ecuación en diferencias generalizada (12.9.5) o su equivalente (12.9.6). a) Aplique el método de dos pasos de Durbi
re los resultados con los del procedimiento iterativo Cochrane-Orcutt y los del método de dos pasos C-O. Asimismo, comente re
efi ciente de Xt−1 ( −ρβ2) es igual a menos 1 por el producto del coeficiente de Xt( β2) y el coeficiente de Yt−1 ( ρ). ¿Cómo proba
uy diferente de la C-0 procedimiento de dos pasos o el C-0 método iterativo. Por lo tanto, los resultados a través de la p estimado a partir d

información de corte transversal de 145 empresas de servicios de propiedad privada en Estados Unidos durante 1955 y efectuó
, del precio del capital y del precio del combustible. Encontró que los residuos estimados a partir de esta regresión presentaban
ecto del logaritmo de la producción y obtuvo la figura 12.11. a) ¿Qué indica la fi gura 12.11? b) ¿Cómo puede eliminar la correla

Respuesta a) La figura muestra que probablemente hay especificación sesgo debido a una falta de la forma funcio

b) Introducir [log(salida) ]2 como un regresor adicional. Esto probablemente se levante el binomio natu

agrama de dispersión de la fi gura 12.12. El residuo “extremo” encerrado en un círculo se denomina valor atípico. Un valor atípic
n cantidad, tal vez tres o cuatro desviaciones estándar alejada del valor medio de todas las observaciones. a) ¿Cuáles son las raz
arse esas observaciones y efectuar la regresión sobre las observaciones restantes? c) ¿Es aplicable el d de Durbin-Watson en pre

Respuesta a) Hay muchas razones para un outlier. Puede ser una observación que es simplemente muy diferente d

b) La observación no debe ser descartado a no ser que haya alguna razón plausible para creer que es u

c) No. Los valores atípicos pueden dominar el RSS.

elación “pura” del sesgo de especificación?

nte independientes. ¿Qué sucedería en esta situación si, suponiendo que ut ρut−1 + εt , utilizáramos la siguiente regresión en d
nte independientes. ¿Qué sucedería en esta situación si, suponiendo que ut ρut−1 + εt , utilizáramos la siguiente regresión en d

actor en el Reino Unido se obtuvieron los siguientes resultados con base en los datos anuales de 1951 a 1969:

X producto interno bruto por persona empleada, M precios de importación, Mt−1 precios de importación rezagados 1 año y PF
y 5 variables explicativas a 5% los valores d inferior y superior son 0.71 y 2.06, el valor d estimado de 2.54 indica que no hay au

urbin-Watson d no es el apropiado estadísticas de la prueba. Se trata de la Durbin h estadística dado en ejercicio 12,36 que se debe emple

s métodos de estimación del coefi ciente de autocorrelación de primer orden ρ: a) Regresión de primeras diferencias b) Regresi
dimiento en dos etapas de Durbin.

egundo las diferencias de los regresores son pequeñas en comparación con el rango de las variables.

ble es aproximadamente el mismo que el estimado dividiendo el coeficiente de la variable X cierto rezago por el coeficiente de la variable X

decir, el término de error sigue un esquema AR(2), y εt es un término de error de ruido blanco. Describa los pasos que seguiría

no se conoce, la primera estimación del modelo original de la operación y obtener las desviaciones u, a continuación, ejecute la siguiente
rior y transformar los datos como se dijo al comienzo. Si la muestra es bastante grande, se estima que la p de proporcionar estimaciones d

Con esta fórmula y (12.3.1), encuentre la expresión para el factor de correcció

en la sección 12.3, excluyendo la primera observación en Y y en X.

s:

lación en estos residuos?

uciones es de 14 años. Mediante la aproximación normal dada en el texto, se puede observar que el número esperado de corridas es 18,8
n sesgados e inefi cientes. b) La prueba d de Durbin-
de autocorrelación ρ es −1. d) Los valores R2 de dos
de Durbin-Watson signifi cativo no necesariamente
fi cientes. g) La exclusión de una o varias variables
g de Berenblutt-Webb, lo mismo que con el estadístico d
odelo original hay un término de tendencia lineal y uno

delos:

correlación “pura” y sesgo de especificación?

correlación “pura” y sesgo de especificación?

n demostró que para n grande, la razón:

nn? c) El estadístico d se encuentra entre 0 y 4. ¿Cuáles

alidez tiene este supuesto para los residuos de MCO? e)
os de la razón de von Neumann para tamaños de

ción entre el valor de la media calculada. Seleccione un nivel de confianza y realizar un intervalo de confianza.

área de unos 99,7 % del área bajo la curva normal. Desde la puesta en valor de 2.88 no se encuentran en el intervalo anterior, podemos con

ción de ρ es igual a la obtenida por la fórmula más

re entre −1 y +1, Hildreth y Lu proponen una
s datos mediante la ecuación en diferencias generalizada
eth y Lu proponen seleccionar el valor de ρ que minimice
í sucesivamente. a) ¿Cuáles son las ventajas del

ma AR(1) Cochrane y Orcutt

n el modelo. 2. Con los residuos calculados en el paso 1,
jor estimación de ρ, sustituya los valores de βˆ ∗ 1 y βˆ ∗
βˆ ∗ 2. 5. Ahora calcule la siguiente regresión:
culamos la estimación de la tercera ronda, y así
do las estimaciones sucesivas de ρ difi eran por una
detenerse. a) Con el procedimiento iterativo de
la estimación fi nal de ρ obtenida en a), estime la

búsqueda preliminar tiene una cuadrícula, estableció que sólo hay un mínimo local o determinado aproximadamente en el punto en que e

ción, es decir, de la ecuación (3) del ejercicio anterior, y

os pasos proporciona resultados muy similares a los del
os resultados con los obtenidos mediante el método

,9610 0,8919 o subyacentes (12.9.17 ). Por lo tanto, no se verá una gran diferencia en los resultados de la regresión mediante la C-0 proced

Durbin propone
r estimado del coefi ciente de la regresión de Yt−1 ( ρˆ)
método de dos pasos de Durbin al ejemplo de la
sos C-O. Asimismo, comente respecto de la “calidad” de
ente de Yt−1 ( ρ). ¿Cómo probaría que los coeficientes
 través de la p estimado a partir de la Durbin- Watson procedimiento de dos pasos no va a ser muy distinto de los que utilizan estos métod

Unidos durante 1955 y efectuó la regresión del

de esta regresión presentaban correlación “serial” a
ómo puede eliminar la correlación “serial” en la

ido a una falta de la forma funcional.

mente se levante el binomio naturaleza de la relación entre el coste y los resultados.

na valor atípico. Un valor atípico es una observación

vaciones. a) ¿Cuáles son las razones de la existencia de
e el d de Durbin-Watson en presencia de valores

e es simplemente muy diferente del resto de la muestra, que puede ser el resultado de errores de medición, o puede ser debido a una mal

zón plausible para creer que es un error (por ejemplo, mide mal, grabado en el error, etc).

mos la siguiente regresión en diferencia generalizada?

mos la siguiente regresión en diferencia generalizada?

1951 a 1969:

portación rezagados 1 año y PFt−1 precios de la

o de 2.54 indica que no hay autocorrelación positiva”.

jercicio 12,36 que se debe emplear en este caso.

primeras diferencias b) Regresión de promedios móviles

por el coeficiente de la variable X (prestar atención a los signos de los coeficientes).

Describa los pasos que seguiría para estimar el modelo si

ontinuación, ejecute la siguiente regresión:

p de proporcionar estimaciones de la población.

esión para el factor de corrección C.

ero esperado de corridas es 18,83 y la varianza de las carreras es 0,4955 . Por lo tanto, el intervalo de confianza del 95% es: 18,83 ± 1,96 (0
el intervalo anterior, podemos concluir que existe autocorrelación en el presente caso.
madamente en el punto en que el mínimo global se encuentra. "

regresión mediante la C-0 procedimiento de dos pasos.

o de los que utilizan estos métodos.

ón, o puede ser debido a una mala muestra.

fianza del 95% es: 18,83 ± 1,96 (0,7039 ), es decir, 17,45 a 18,83. Dado que el número de ejecuciones de 14 se encuentra por debajo del lím
14 se encuentra por debajo del límite inferior, podemos concluir que la secuencia no es aleatoria.