Econometría - Ejercicio Desempleo

Ejercicio
Enero 2011
En los dos ejercicios que se plantean a continuacin intentaremos usar lo que hemos aprendido, adems
de ilustrar algunos conceptos nuevos y de resaltar algunas propiedades de los datos que trataremos posteriormente. En el primer ejercicio trabajamos con cifras de la tasa de paro en USA y en el segundo con cifras
de la tasa de paro en Espaa. Denotamos la tasa de paro trimestral para los individuos con 16 ms aos
de edad, medida en porcentajes, por U . Las cifras de USA corresponden al perodo 1950(1)-2009(1). Las
cifras de Espaa corresponden al perodo 1976(3)-2010(4).
Definicin Estacionalidad
Llamamos estacionalidad a un comportamiento sistemtico anual, aunque no necesariamente regular,
que pueden mostrar las variables econmicas en el transcurso de un ao. El comportamiento estacional est
asociado a cambios de tiempo (horas de sol, temperatura, humedad, etc.), a eventos calendario (Navidad,
Semana Santa, etc.) y decisiones que toman los agentes econmicos para regular el punto en el tiempo en
que se producen eventos relacionados con la produccin y el consumo (vacaciones, perodo fiscal, fechas de
pagos de dividendos, etc.). (Ver Hylleberg (1992), p. 4.)
1. Anlisis univariante de la tasa de paro en USA.
a. Proponemos el siguiente modelo estadstico para U
D
D
i. Ut | U0 , U1 , . . . , Ut1 = Ut | Ut1 = N 0 + 1 Ut1 , 2 , para t = 1, . . . , T y con | 1 | < 1.
IID
ii. t = Ut 0 1 Ut1 = N 0, 2 .
iii. 0 , 1 , 2 R2 R+ .
Analice los siguientes resultados en relacin al modelo propuesto.

Density
U
10.0
7.5
0.2
5.0
0.1
1960
1.0
0.3
1980
2000
2.5
1
ACF-U
0.5
N(s=1.54)
5.0
7.5
10.0
12.5
PACF-U
QQ plot
10
10
U normal
10
10
Figure 1: (a) Valores observados de U ; (b) densidad estimada; (c) autocorrelaciones; (d) autocorrelaciones
parciales; (e) grfico Q-Q.
Modelo para U estimado por MCO

La muestra para estimacin es: 1950 (2) a 2009 (1)
Coeficiente
0.617
0.891
Constante
U1
sigma
R^2
b
,
b2
T
media(U )
10.0
0.715
0.785
254.672
236
5.631
Std.Error
0.178
0.030
t-valor
3.47
29.2
RSS
F(1,234)
119.60
854.5 [0.000]
k
var(U )
2
2.357
5.0
Fitted
r:U (scaled)
0.0
5.0
1960
Density
r:U
1980
2000
1960
1
N(0,1)
1980
2000
ACF-r:U
0.25
5.0
Part.R^2
0.0490
0.0490
2.5
7.5
0.50
t-prob
0.001
0.000
-2
QQ plot
10
r:U normal
2.5
0.0
-2.5
-2
-1
Figure 2: (a) Valores observados y ajustados; (b)

b1b
t ; (c) densidad estimada de los residuos; (d) autocorrelacin en los residuos: (e) grfico Q-Q contra la N[0,1].
b. Considere ahora el mismo modelo pero para el crecimiento de la tasa de desempleo Ut = Ut Ut1 ,
es decir, el modelo es ahora Ut = 0 + 1 Ut1 + t . Analice los siguientes resultados. Ese modelo
se conoce como modelo en diferencias porque todas sus variables estn en diferencias.
Density
DU
DU
0.75
0.50
0
0.25
1960
1980
2000
-2
1
ACF-DU
-1
PACF-DU
QQ plot
10
10
DU normal
2
0
-1
Figure 3: (a) Crecimiento de la tasa de desempleo; (b) densidad estimada; (c) autocorrelaciones; (d) autocorrelaciones parciales; (e)grfico Q-Q contra N[0,1].
La muestra para estimacin es: 1950 (3) to 2009 (1)
Constante
U1
sigma
R^2
b
,
b2
T
media(U )
Coeficiente
0.013
0.154
Std.Error
0.047
0.065
t-valor
0.279
2.37
t-prob
0.781
0.019
0.716
0.023
RSS
F(1,233)
119.58
5.605 [0.019]
254.067
235
0.013
k
var(U )
2
0.521
Part.R^2
0.0003
0.0235
DU
Fitted
r:DU (scaled)
2.5
0.0
1960
Density
r:DU
1980
2000
1960
1
N(0,1)
1980
2000
ACF-r:DU
0.50
0
0.25
5.0
-2
QQ plot
10
r:DU normal
2.5
0.0
-2.5
-2
-1

b1b
c. Note que los datos son trimestrales y que parece haber un componente estacional, de modo que considere
el siguiente modelo.
D
i. Ut | U0 , U1 , . . . , Ut1 , S1 , S2 , S3 = Ut | Ut1 , S1 , S2 , S3 = N[ 0 + 1 Ut1 + 1 S1,t + 2 S2,t + 3 S3,t , 2 ],

para t = 1, . . . , T .
IID
ii. t = Ut 0 1 Ut1 2 Ut2 1 S1,t 2 S2,t 3 S3,t = N 0, 2 .
iii. 0 , 1 , 2 , 1 , 2 , 3 , 2 R6 R+ .
Las variables S intentan explicar el componente estacional del desempleo y estn definidas de la siguiente forma para cada ao: S1 = 0.75 en el primer trimestre y S1 = 0.25 en los trimestres restantes;
S2 = 0.25 en los trimestres uno, tres y cuatro y S2 = 0.75 en el segundo trimestre; y S3 = 0.25 en
los trimestres uno, dos y tres y S2 = 0.75 en el tercer trimestre. Se llaman variables estacionales
centradas porque su media anual es cero.
Analice y compare con el modelo AR(1) sin las variables estacionales estudiado ms arriba.
Constante
U1
S1
S2
S3
sigma
R^2
b
,
b2
T
Coeficiente
0.243
0.958
1.154
-0.345
0.107
Std.Error
0.116
0.020
0.084
0.085
0.084
t-valor
2.09
47.9
13.7
4.04
1.27
t-prob
0.038
0.000
0.000
0.000
0.207
0.457
0.91
RSS
F(4,231)
48.20
608.8 [0.000]
147.437
236
5
4
Part.R^2
0.0185
0.9086
0.4482
0.0661
0.0069
10.0
5.0
Fitted
7.5
5.0
0.0
2.5
-2.5
0.6
r:U (scaled)
2.5
1960
Density
r:U
1980
2000
1960
1
N(0,1)
1980
2000
ACF-r:U
0.4
0
0.2
5.0
-2
QQ plot
10
r:U normal
2.5
0.0
-2.5
-2
-1

b1b
d. Considere ahora el siguiente modelo estadstico.
D
i. Ut | U0 , U1 , . . . , Ut1 , S1 , S2 , S3 = Ut | Ut1 , Ut2 , S1 , S2 , S3 = N[ 0 + 1 Ut1 + 2 Ut2 + 1 S1,t + 2 S2,t

+ 3 S3,t , 2 ], para t = 1, . . . , T .
IID
iii. 0 , 1 , 2 , 1 , 2 , 3 , 2 R6 R+ .
d1. Escriba la expresin del modelo para la media y note que tiene dos retardos en la variable dependiente. Este modelo se conoce como autorregresivo de segundo orden y se denota como AR(2).
Escriba este modelo en trminos del operador de retardo.
Este modelo es estacionario cuando las raices del polinomio 1 1 L 2 L2 = 0 estn fuera del
crculo unitario. O, es estacionario cuando las raices del polinomio Z 2 1 Z 2 = 0 estn
dentro del crculo unitario.
d2. Analice los siguientes resultados.
Coeficiente Std.Error t-valor t-prob Part.R^2
Constante 0.337
0.106
3.19
0.002
0.0425
U1
1.358
0.060
22.6
0.000
0.6898
U2
0.416
0.060
6.92
0.000
0.1728
S1
1.192
0.076
15.7
0.000
0.5191
S2
0.745
0.098
7.61
0.000
0.2018
S3
0.307
0.081
3.79
0.000
0.0590
sigma
0.410
RSS
38.546
R^2
0.93
F(5,229)=
615.3
[0.000]
b
,
b2
121.042
T
235
12.5
5.0
Fitted
10.0
r:U (scaled)
2.5
7.5
0.0
5.0
-2.5
2.5
1960
Density
0.4
r:U
1980
2000
1960
1
N(0,1)
2000
ACF-r:U
0.2
5.0
1980
-4
QQ plot
-2
10
r:U normal
2.5
0.0
-2.5
-2
-1

b1b
e. Considere ahora el siguiente modelo estadstico.
D
i. Ut | U0 , U1 , . . . , Ut1 , S1 , S2 , S3 = Ut | Ut1 , Ut2 , Ut3 , Ut4 , S1 , S2 , S3 = N[ 0 + 1 Ut1 + 2 Ut2

+ 3 Ut3 + 4 Ut4 + 1 S1,t + 2 S2,t + 3 S3,t , 2 ], para t = 1, . . . , T .
IID
ii. t = Ut 0 1 Ut1 2 Ut2 3 Ut3 4 Ut4 1 S1,t 2 S2,t 3 S3,t = N 0, 2 .
iii. 0 , 1 , 2 , 1 , 2 , 3 , 2 R6 R+ .
e1. Escriba la expresin del modelo para la media y note que tiene cuatro retardos en la variable
dependiente. Este modelo se conoce como autorregresivo de cuarto orden y se denota como
AR(4).
Escriba este modelo en trminos del operador de retardo.
Este modelo es estacionario cuando las raices del polinomio 1 1 L 2 L2 3 L3 4 L4 = 0
estn fuera del crculo unitario. O, es estacionario cuando las raices del polinomio Z 4 1 Z 3
2 Z 2 3 Z 4 = 0 estn dentro del crculo unitario.
e2. Analice los siguientes resultados.
Ecuacin para U estimada por MCO (using QuarterlyEmployment.in7)
Constante 0.3432
0.1109
3.09
0.002
0.0408
U1
1.3432
0.0676
19.9
0.000
0.6374
U2
-0.4238
0.1125
-3.77
0.000
0.0594
U3
0.0514
0.1122
0.458
0.647
0.0009
U4
-0.0293
0.0668
-0.438 0.662
0.0009
S1
1.2417
0.1394
8.91
0.000
0.2606
S2
-0.6947
0.1245
-5.58
0.000
0.1216
S3
0.3726
0.1790
2.08
0.038
0.0189
sigma
0.4118
RSS
38.1544
R^2
0.9307
F(7,225)
431.8
[0.000]**
b
,
b2
119.818
T
233
k
8
Matriz de correlaciones entre los regresores:
U
U1
U2
U3
U4
U
1.0000
0.8902
0.8243
0.7462
0.7337
U1 0.8902
1.0000
0.8934
0.8267
0.7433
U2 0.8243
0.8934
1.0000
0.8924
0.8203
U3 0.7462
0.8267
0.8924
1.0000
0.8901
U4 0.7337
0.7433
0.8203
0.8901
1.0000
S1
0.2113
-0.1392 -0.0530 -0.0084 0.2123
S2
-0.0209 0.2016
-0.1427 -0.0551 -0.0095
S3
-0.0571 -0.0126 0.2050
-0.1421 -0.0587
12.5
5.0
Fitted
10.0
S1
0.2113
-0.1392
-0.0530
-0.0084
0.2123
1.0000
-0.3352
-0.3352
S2
-0.0209
0.2016
-0.1427
-0.0551
-0.0095
-0.3352
1.0000
-0.3314
S3
-0.0571
-0.0126
0.2050
-0.1421
-0.0587
-0.3352
-0.3314
1.0000
r:U (scaled)
2.5
7.5
0.0
5.0
-2.5
2.5
1950 1960
Density
r:U
1970
1980
1990
2000
N(0,1)
2010 1950
1
1960
1970
1980
1990
2000
2010
ACF-r:U
0.4
0
0.2
5.0
-4
-2
QQ plot
10
r:U normal
2.5
0.0
-2.5
-2
-1

b1b
El mismo modelo del apartado anterior reparametrizado:
Ut = 0 + Ut1 + 1 Ut1 + 2 Ut2 + 3 Ut3 + 1 S1,t + 2 S2,t + 3 S3,t + t .
Ecuacin para U estimada por MCO (using QuarterlyEmployment.in7)
Constante 0.3432
0.1109
3.09
0.002
0.0408
U1
-0.0584
0.0191
-3.06
0.003
0.0399
U1
0.4016
0.0663
6.05
0.000
0.1401
U2
-0.0222
0.0711
-0.312 0.755
0.0004
U3
0.0293
0.0668
0.438
0.662
0.0009
S1
1.2417
0.1394
8.91
0.000
0.2606
S2
-0.6947
0.1245
-5.58
0.000
0.1216
S3
0.3726
0.1790
2.08
0.038
0.0189
7
sigma
0.4118
RSS
38.1544
R^2
0.6828
F(7,225)
69.21 [0.000]**
b
,
b2
119.818
T
233
k
8
U
U1
U1
U2
U3
U
1.0000
-0.2235 0.0544
-0.3210 0.1418
U1
-0.2235 1.0000
0.2299
0.1441
0.1727
U1 -0.1859 0.2299
1.000
-0.1910 0.0529
U2 0.0544
0.1441
-0.1910 1.0000
-0.1725
U3 -0.3210 0.1727
0.0529
-0.1725 1.0000
S1
0.7483
-0.1392 -0.1867 -0.0960 -0.4715
S2
-0.4737 0.2016
0.7457
-0.1889 -0.0971
S3
-0.0952 -0.0126 -0.4715 0.7484
-0.1772
S1
0.7483
-0.1392
-0.1867
-0.0960
-0.4715
1.000
-0.3352
0.3352
S2
-0.4737
0.2016
0.7457
-0.1889
-0.0971
-0.3352
1.000
-0.3314
S3
-0.0952
-0.0126
-0.4715
0.7484
-0.1772
-0.3352
-0.3314
1.000
2. Anlisis univariante de la tasa de paro en Espaa.

a. Propongamos el siguiente modelo estadstico para U .
D
D
i. Ut | U0 , U1 , . . . , Ut1 = Ut | Ut1 = N 0 + 1 Ut1 , 2 , para t = 1, . . . , T y con | 1 | < 1.
IID
ii. t = Ut 0 1 Ut1 = N 0, 2 .
iii. 0 , 1 , 2 R2 R+ .
Analice los siguientes resultados en relacin al modelo propuesto.

Density
U
0.075
N(s=5.33)
20
0.050
0.025
10
1980
1.0
1990
2000
2010
0
1
ACF-U
0.5
10
15
20
25
30
0
30
5
PACF-U
QQ plot
10
10
U normal
20
10
10
15
20
25
Figure 8: (a) Valores observados de U ; (b) densidad estimada; (c) autocorrelaciones; (d) autocorrelaciones
parciales; (e) grfico Q-Q.
Ecuacin para U estimada por MCO (using Unemployment.in7)
La muestra para estimacin es: 1976(4) a 2010 (4)
Constante 0.4484
0.1858
2.41
0.017
0.0413
U1
0.9784
0.0114
85.7
0.000
0.9820
sigma
0.7122
RSS
68.4756
R^2
F(1,135) 7349 [0.000]**
0.982
2
b
,
b
-146.89
T
137
5.0
Fitted
20
r:U (scaled)
2.5
0.0
10
-2.5
1980
Density
1990
r:U
0.4
2000
2010
1980
1
N(0,1)
1990
2000
2010
ACF-r:U
0.2
-4
QQ plot
5.0
-2
10
r:U normal
2.5
0.0
-2.5
-2
-1

b1b
b. Considere ahora el mismo modelo pero para el crecimiento de la tasa de desempleo Ut = Ut Ut1 ,
es decir, el modelo es ahora Ut = 0 + 1 Ut1 + t . Analice los siguientes resultados.
Coeficiente Std.Error t-valor t-prob
Constante 0.0519
0.0523
0.993
0.323
U1
0.5562
0.0719
7.74
0.000
sigma
0.6020
RSS
48.565
R^2
F(1,134) 59.84 [0.000]
0.309
2
b
,
b
-122.952
T
136
Part.R^2
0.0073
0.3087
Density
DU
DU
2.5
N(s=0.716)
0.50
0.0
0.25
1980
1
1990
2000
2010
-3
1
ACF-DU
-2
-1
PACF-DU
QQ plot
10
10
DU normal
2.5
0.0
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
2.0

b1b
2.5
DU
Fitted
r:DU (scaled)
2.5
0.0
0.0
-2.5
1980
Density
r:DU
1990
2000
2010
1980
1
N(0,1)
1990
2000
2010
ACF-r:DU
0.4
0
0.2
-4
QQ plot
2.5
-2
10
r:DU normal
0.0
-2.5
-2
-1

b1b
c. Note que los datos son trimestrales y que parece haber un componente estacional, de modo que considere
el siguiente modelo.
D
i. Ut | U0 , U1 , . . . , Ut1 , S1 , S2 , S3 = Ut | Ut1 , S1 , S2 , S3 = N[ 0 + 1 Ut1 + 1 S1,t + 2 S2,t + 3 S3,t , 2 ],

para t = 1, . . . , T .
IID
iii. 0 , 1 , 2 , 1 , 2 , 3 , 2 R6 R+ .

Constante 0.4309
0.1756
2.45
0.015
0.0440
U1
0.9796
0.0108
91.2
0.000
0.9845
S1
-0.0588
0.1600
-0.368 0.714
0.0010
S2
-0.7183
0.1601
-4.49
0.000
0.1333
S3
-0.4170
0.1600
-2.61
0.010
0.0493
10
5.0
Fitted
20
2.5
10
-2.5
r:U (scaled)
0.0
0.75
1980
Density
1990
r:U
2000
2010
1980
1
N(0,1)
1990
ACF-r:U
2000
2010
PACF-r:U
0.50
0
0.25
5.0
-5.0
QQ plot
-2.5
0.0
2.5
5.0
10
r:U normal
2.5
0.0
-2.5
-2
-1

b1b
d. Considere ahora el modelo AR(2).
D
i. Ut | U0 , U1 , . . . , Ut1 , S1 , S2 , S3 = Ut | Ut1 , Ut2 , S1 , S2 , S3 = N[ 0 + 1 Ut1 + 2 Ut2 + 1 S1,t + 2 S2,t

+ 3 S3,t , 2 ], para t = 1, . . . , T .
IID
iii. 0 , 1 , 2 , 1 , 2 , 3 , 2 R6 R+ .

Constante 0.3057
0.1300
2.35
0.020
0.0408
U1
1.6529
0.0644
25.7
0.000
0.8353
U2
-0.6702
0.0636
-10.5
0.000
0.4608
S1
-0.3337
0.1208
-2.76
0.007
0.0554
S2
-0.9600
0.1202
-7.99
0.000
0.3292
S3
-0.2108
0.1196
-1.76
0.080
0.0234
sigma
0.486
RSS
30.747
R^2
F(5,130) 3085 [0.000]
0.992
2
b
,
b
-91.869
T
136
11
Fitted
r:U (scaled)
2.5
20
0.0
-2.5
10
-5.0
1980
Density
1990
r:U
2000
2010
1980
1
N(0,1)
ACF-r:U
1990
2000
2010
PACF-r:U
0.50
0
0.25
-6
QQ plot
-4
-2
10
r:U normal
2.5
0.0
-2.5
-5.0
-2
-1

b1b
e. Considere ahora el siguiente modelo AR(4).
D
i. Ut | U0 , U1 , . . . , Ut1 , S1 , S2 , S3 = Ut | Ut1 , Ut2 , Ut3 , Ut4 , S1 , S2 , S3 = N[ 0 + 1 Ut1 + 2 Ut2

+ 3 Ut3 + 4 Ut4 + 1 S1,t + 2 S2,t + 3 S3,t , 2 ], para t = 1, . . . , T .
IID
ii. t = Ut 0 1 Ut1 2 Ut2 3 Ut3 4 Ut4 1 S1,t 2 S2,t 3 S3,t = N 0, 2 .
iii. 0 , 1 , 2 , 1 , 2 , 3 , 2 R6 R+ .
Ecuacin para U estimada por MCO (using Unemployment.in7.in7)

Constante 0.3682
0.1329
2.77
0.006
0.0575
U1
1.5361
0.0865
17.8
0.000
0.7146
U2
-0.5811
0.1608
-3.61
0.000
0.0939
U3
0.26887
0.1611
1.67
0.098
0.0216
U4
-0.2458
0.0857
-2.87
0.005
0.0613
S1
-0.1042
0.1423
-0.732 0.465
0.0042
S2
-0.8157
0.1435
-5.68
0.000
0.2041
S3
-0.2425
0.1408
-1.72
0.087
0.0230
sigma
0.474
RSS
28.330
R^2
0.992
F(7,126)
2171 [0.000]
b
,
b2
-86.026
T
134
12
Fitted
r:U (scaled)
2.5
20
0.0
-2.5
10
-5.0
1980
Density
r:U
1990
2000
2010
1980
1
N(0,1)
1990
2000
2010
ACF-r:U
0.50
0
0.25
-6
-4
QQ plot
-2
10
r:U normal
2.5
0.0
-2.5
-5.0
-2
-1

b1b
U
U1
U2
U3
U4
S1
U
1.0000
0.9900
0.9696
0.9442
0.9119
0.0334
U1 0.9901
1.0000
0.9903
0.9703
0.9457
0.0057
U2 0.9696
0.9903
1.0000
0.9906
0.9711
-0.0273
U3 0.9442
0.9703
0.9906
1.000
0.9908
-0.0152
U4 0.9119
0.9457
0.9711
0.9908
1.0000
0.0317
S1
0.0334
0.0057
-0.0272 -0.0152 0.0317
1.0000
S2
-0.0021 0.0459
0.0178
-0.0145 -0.0025 -0.3267
S3
-0.0394 -0.0254 0.0220
-0.0050 -0.0367 -0.3333
El mismo modelo del apartado anterior reparametrizado:
S2
-0.0021
0.0459
0.0178
-0.0145
-0.0025
-0.3267
1.0000
-0.3333
S3
-0.0394
-0.0254
0.0220
-0.0050
-0.0367
-0.3333
-0.3333
1.0000
Ut = 0 + Ut1 + 1 Ut1 + 2 Ut2 + 3 Ut3 + 1 S1,t + 2 S2,t + 3 S3,t + t

Constante 0.3682
0.1329
2.77
0.006
0.0575
U1
-0.0219
0.0081
-2.71
0.008
0.0551
U1
0.5580
0.0852
6.55
0.000
0.2542
U2
-0.0230
0.0991
-0.233 0.816
0.0004
U3
0.2458
0.0857
2.87
0.005
0.0613
S1
-0.1042
0.1423
-0.732 0.465
0.0042
S2
-0.8157
0.1435
-5.68
0.000
0.2041
S3
-0.2425
0.1408
-1.72
0.087
0.0230
sigma
0.474
RSS
28.330
R^2
0.596
F(7,126)
26.59 [0.000]
2
b
,
b
-86.0263
T
134
13
DU
2.5
Fitted
r:DU (scaled)
2.5
0.0
0.0
-2.5
-5.0
1980
Density
r:DU
1990
2000
2010
1980
1
N(0,1)
1990
2000
2010
ACF-r:DU
0.50
0
0.25
-6
-4
QQ plot
-2
10
r:DU normal
2.5
0.0
-2.5
-5.0
-2
-1

b1b
Matriz de correlaciones entre
U
U1
U
1.0000
-0.1679
U1
-0.1679 1.0000
U1 0.5562
-0.0254
U2 0.2808
0.0546
U3 0.4044
0.0906
S1
0.1936
0.0057
S2
-0.3404 0.0459
S3
-0.0954 -0.0254
los regresores:
U1
U2
0.5562
0.2808
-0.0254 0.0546
1.0000
0.5595
0.5595
1.0000
0.2807
0.5600
0.2372
-0.0856
0.1979
0.2344
-0.3394 0.1954
U3
0.4044
0.0906
0.2807
0.5600
1.0000
-0.3460
-0.0871
0.2351
S1
0.1936
0.0057
0.2372
-0.0855
-0.3460
1.0000
-0.3267
-0.3333
S2
-0.3404
0.0459
0.1979
0.2344
-0.0871
-0.3267
1.0000
-0.3333
S3
-0.0954
-0.0254
-0.3394
0.1954
0.2351
-0.3333
-0.3333
1.0000
Referencias
Hylleberg, S. (1992). General introduction. In S. Hylleberg (Ed.), Modelling Seasonality, Advanced Texts
in Econometrics, pp. 314. Oxford, UK.: Oxford University Press.
14

Econometría - Ejercicio Desempleo

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Econometría - Ejercicio Desempleo

Uploaded by

Copyright:

Available Formats

Ejercicio

Analice los siguientes resultados en relacin al modelo propuesto.

Modelo para U estimado por MCO

Figure 2: (a) Valores observados y ajustados; (b)

Figure 4: (a) Valores observados y ajustados; (b)

i. Ut | U0 , U1 , . . . , Ut1 , S1 , S2 , S3 = Ut | Ut1 , S1 , S2 , S3 = N[ 0 + 1 Ut1 + 1 S1,t + 2 S2,t + 3 S3,t , 2 ],

Figure 5: (a) Valores observados y ajustados; (b)

i. Ut | U0 , U1 , . . . , Ut1 , S1 , S2 , S3 = Ut | Ut1 , Ut2 , S1 , S2 , S3 = N[ 0 + 1 Ut1 + 2 Ut2 + 1 S1,t + 2 S2,t

Figure 6: (a) Valores observados y ajustados; (b)

i. Ut | U0 , U1 , . . . , Ut1 , S1 , S2 , S3 = Ut | Ut1 , Ut2 , Ut3 , Ut4 , S1 , S2 , S3 = N[ 0 + 1 Ut1 + 2 Ut2

Figure 7: (a) Valores observados y ajustados; (b)

2. Anlisis univariante de la tasa de paro en Espaa.

Analice los siguientes resultados en relacin al modelo propuesto.

Figure 9: (a) Valores observados y ajustados; (b)

Figure 10: (a) Valores observados y ajustados; (b)

Figure 11: (a) Valores observados y ajustados; (b)

i. Ut | U0 , U1 , . . . , Ut1 , S1 , S2 , S3 = Ut | Ut1 , S1 , S2 , S3 = N[ 0 + 1 Ut1 + 1 S1,t + 2 S2,t + 3 S3,t , 2 ],

Ecuacin para U estimada por MCO (using Unemployment.in7)

Figure 12: (a) Valores observados y ajustados; (b)

i. Ut | U0 , U1 , . . . , Ut1 , S1 , S2 , S3 = Ut | Ut1 , Ut2 , S1 , S2 , S3 = N[ 0 + 1 Ut1 + 2 Ut2 + 1 S1,t + 2 S2,t

Ecuacin para U estimada por MCO (using Unemployment.in7)

Figure 13: (a) Valores observados y ajustados; (b)

i. Ut | U0 , U1 , . . . , Ut1 , S1 , S2 , S3 = Ut | Ut1 , Ut2 , Ut3 , Ut4 , S1 , S2 , S3 = N[ 0 + 1 Ut1 + 2 Ut2

Ecuacin para U estimada por MCO (using Unemployment.in7.in7)

Figure 14: (a) Valores observados y ajustados; (b)

Ut = 0 + Ut1 + 1 Ut1 + 2 Ut2 + 3 Ut3 + 1 S1,t + 2 S2,t + 3 S3,t + t

Figure 15: (a) Valores observados y ajustados; (b)

You might also like