Econometria
Profesores: Fernando Díaz, Rodrigo Montero, Jorge Rodríguez Ayudantes: Fabián Cortez, Gerardo Salinas, Diego Vásquez Tiempo: 90 minutos Nota: Solo está permitido realizar preguntas de enunciado en voz alta y al profesor. Se permite el uso de una calculadora simple; no está permitido utilizar teléfonos celulares para este fin.
DE LAS PREGUNTAS QUE SE PRESENTAN A CONTINUACIÓN RESPONDA SOLO TRES. SI LAS CONTESTA TODAS SÓLO SE REVISARÁN LAS TRES PRIMERAS. Pregunta 1 (30 puntos) Los profesores Nicholas Bloom y John Van Reenen desean ajustar un modelo que explique la calidad de la gestión en las empresas ( en función de la edad de la firma , si el gerente general de la compañía posee un título MBA , un índice que mide el grado de competencia de mercado , una variable dicotómica que toma el valor 1 si la empresa es pública y 0 en otro caso, y un shock estocástico con media 0. De esta manera, estiman por mínimos cuadrados ordinarios (MCO) la siguiente especificación para una muestra de 726 empresas: Los resultados se muestran en la siguiente tabla: Variable dependiente: calidad de gestión (puntaje) Estimación por MCO (1) Parámetro ̂ White‐test ~ ) (2) Coeficiente ‐0,001 0,030 0,867 0,103 ‐0,863 27,710 (3) S.D. 0,001 0,008 0,497 0,052 0,479 (P‐value=0,01) (4) S.D. Robusta 0,001 0,007 0,482 0,053 0,463
La columna (3) muestra las desviaciones estándar de las estimaciones por MCO usando la
′fórmula habitual de la varianza , mientras que la columna (4) registra las correspondientes usando la matriz de varianzas y covarianzas de White. Asuma que el valor crítico para un test‐t con 721 grados de libertad es igual a 1,98. a. Refiérase a la evidencia que muestra el test de White. Explique cómo se calcula, su hipótesis nula y las conclusiones a la luz de los resultados mostrados en el enunciado. (6 puntos) R. Asumiendo una hipótesis nula de homoscedasticidad, White propone: 1. Obtener los residuos al cuadrado de la estimación por MCO del modelo original.
1
2. Estimar por MCO un modelo con los residuos como variable dependiente versus una constante, los regresores, sus cuadrados y los productos cruzados. de esta regresión. 3. Finalmente, se calcula ~ , siendo el número de variables White demuestra que, bajo la hipótesis nula, explicativas de la regresión auxiliar menos uno (1). El resultado dado en la tabla indica que es posible rechazar la hipótesis nula de homoscedasticidad en el modelo, con un 95% de confianza. b. Explique cómo se calcula la columna (4). ¿Cuál es la utilidad de la corrección por la matriz de White? (6 puntos) R. La columna (4) calcula la corrección de la matriz de varianzas y covarianzas de White Ω , con Ω matriz diagonal ante la presencia de heteroscedasticidad. Dado cuyo elemento i‐ésimo es igual a , tal que . Se sabe que: Σ ∑ ∑ . White demuestra que es un donde estimador consistente para . Luego, las desviaciones estándar en la columna (4) provienen de la siguiente fórmula: Σ La matriz de White –así como la de Newey y West– permite estimar, de manera consistente, la matriz de varianzas y covarianzas de los parámetros estimados por MCO ante la presencia de heteroscedasticidad. De esta forma, aun cuando se sacrifica eficiencia en la estimación, es posible realizar inferencia estadística correctamente. c.Con la evidencia del enunciado, ¿es posible afirmar que sólo por el hecho de que una empresa sea pública, entonces, ello debiera tener algún impacto en la calidad de la gestión de ésta? Argumente de manera clara su respuesta, indicando los datos que usó para resolver esta interrogante. (6 puntos) R. Para responder esta pregunta se debe realizar un test‐t sobre el parámetro ...
Regístrate para leer el documento completo.