Metodos cuantitativos para el analisis economico

...

a) Falso b) Verdadero

A continuación responda claro y brevemente la pregunta planteada (40%).

- Explique la hipótesis sobre la manera de conformar las expectativas:

La otra perspectiva del modelo de koyck plantea la manera de conformar las expectativas de la siguiente manera: donde se dice que y, tal que 0 [2], es decir, que los individuos aprenden de experiencias pasadas para tomar decisiones en el futuro.[pic 1]

- Explique la hipótesis de la expectativas racionales[3]:

Esta hipótesis opina que los agentes económicos individuales utilizaran toda aquella información que sea relevante y actual disponible para la formulación de sus expectativas (no solamente experiencias pasadas) , es decir, que esta hipótesis define a las expectativas como racionales ya que añaden toda la información posible para formular ideas.

- Mencione y explique las características de la transformación de Koyck

- Se aborda una transformación de un modelo de rezagos distribuidos para luego convertirlo en un modelo autoregresivo.

- Asegurar que las variables explicativas sean no estocásticas, de caso contrario no estarían distribuidas independientemente del término de perturbación estocástico y no se cumpliría la teoría clásica de MC.

- Asegurarse que no exista ningún tipo de correlación seria adicional en la variable explicativa estocástica.[4]

- Identificar si existe la violación del supuesto en que se basa la prueba d de D-W, en presencia de dicha situación se tendría que verificar tal correlación serial con una prueba alternativa, un ejemplo seria la prueba h de Durbin.

- Exponga la idea general de la prueba de causalidad de Granger.

La idea de Granger parte de la idea de que el análisis de regresión trata de la dependencia de una variable sobre otras variables, pero que esto no necesariamente implica causalidad; debido a lo planteado anteriormente Granger sostiene “el tiempo no corre hacia atrás. Es decir, si un acontecimiento A sucede antes de un suceso B, es posible que A cause B. Sin embargo, no es posible que B provoque A. En otras palabras, los acontecimientos pasados pueden propiciar sucesos que ocurren en la actualidad. Lo cual no sucede con los sucesos futuros”.

- Explique los tres tipos de exogeneidad:

- Exogeneidad débil: con el supuesto de que solo se tienen dos variables Yt y Xt, se hace una regresión y se dice que Xt es débilmente exógena si Yt no explica la existencia de X.

- Exogeneidad fuerte: los valores Y actuales y rezagados, no explican X.

- Exogeneidad súper: los parámetros en la regresión de Y y X son invariantes ante los cambios de los valores de X.

- Cuál es la razón para distinguir entre los tres tipos de exogeneidad:

Se distingue de la siguiente manera:

- Exogeneidad débil: todo lo que se refiere a estimación y comprobación.

- Exogeneidad fuerte: necesaria para la predicción

- Superexogeneidad: necesaria para el análisis de politicas

- Serie de tiempo no estacionaria:

Una serie de tiempo es no estacionaria, si sus características (por ejemplo, media, varianza y covarianza) son variantes respecto del tiempo; es decir, no cambian en relación con el tiempo.

- Modelo de caminata aleatoria random walk:

Este modelo tiene la característica de no tener un término constante, el MCA sin deriva es un proceso estocástico no estacionario. En la práctica, Y0 a menudo se iguala a cero, en cuyo caso E(Yt) = 0, el random walk tiene una memoria infinita.

- Explique el Proceso estocástico integrado :

Este es un proceso que puede convertirse en estacionario aplicando diferencias, es decir, se le define el orden de integración como el número de diferencia que se le deben aplicar para convertirlo en estacionario

En el contexto de las series económicas los órdenes de integración más frecuentes son 1 ó 2 I(1) ó I(2).

Algunas veces las diferencias convienen emplearse sobre el valor estacional.

[pic 2]

Si se combina de manera correcta los procesos elementales: integración, AR(p), y MA(q) podemos representar la avance de cualquier serie temporal.

[pic 3]

[pic 4] [pic 5]

- ¿Cuál es la regla de para sospechar de una regresión espuria?

La regla Granger y Newbold muestra la forma por la cual se puede sospechar que tenemos indicios de regresión estimada es espuria: R2 > d.

- ¿Cómo sabemos si una serie de tiempo determinada es estacionaria?

Primeramente tenemos que hacer un gráfico de líneas, verificar si se encuentra algún tipo de tendencia para verificar si la serie ha ido variando a lo largo del tiempo, después podríamos realizar un correlograma para identificar si la serie desciende o asciende (si desciende esta es no estacionaria), de igual manera realizar las pruebas de hipótesis correspondientes empezando por la significancia estadística de los coeficientes de autocorrelación; se calcula el criterio de Bartlett el cual dice que si una serie de tiempo es puramente aleatoria esta tendrán media cero y varianza igual a uno sobre el tamaño de la muestra.

Luego tendríamos que realizar la prueba de raíz unitaria de Dickey-Fuller, realizar la prueba de raíz unitaria significaría considerar el modelo donde la variable para la cual se requiere comprobar estacionariedad se corre con respecto a ella misma rezagada un periodo para concluir si existe problema de estacionariedad.

- Si tenemos que una serie de tiempo determinada es no estacionaria, ¿hay alguna forma de que se convierta en estacionaria?

La corrección de una serie de tiempo depende de que las series de tiempo sean procesos estacionarios en diferencias o procesos