Anteprima
Vedrai una selezione di 10 pagine su 174
Esami di econometria con soluzione, prof. Casarin Pag. 1 Esami di econometria con soluzione, prof. Casarin Pag. 2
Anteprima di 10 pagg. su 174.
Scarica il documento per vederlo tutto.
Esami di econometria con soluzione, prof. Casarin Pag. 6
Anteprima di 10 pagg. su 174.
Scarica il documento per vederlo tutto.
Esami di econometria con soluzione, prof. Casarin Pag. 11
Anteprima di 10 pagg. su 174.
Scarica il documento per vederlo tutto.
Esami di econometria con soluzione, prof. Casarin Pag. 16
Anteprima di 10 pagg. su 174.
Scarica il documento per vederlo tutto.
Esami di econometria con soluzione, prof. Casarin Pag. 21
Anteprima di 10 pagg. su 174.
Scarica il documento per vederlo tutto.
Esami di econometria con soluzione, prof. Casarin Pag. 26
Anteprima di 10 pagg. su 174.
Scarica il documento per vederlo tutto.
Esami di econometria con soluzione, prof. Casarin Pag. 31
Anteprima di 10 pagg. su 174.
Scarica il documento per vederlo tutto.
Esami di econometria con soluzione, prof. Casarin Pag. 36
Anteprima di 10 pagg. su 174.
Scarica il documento per vederlo tutto.
Esami di econometria con soluzione, prof. Casarin Pag. 41
1 su 174
D/illustrazione/soddisfatti o rimborsati
Disdici quando
vuoi
Acquista con carta
o PayPal
Scarica i documenti
tutte le volte che vuoi
Estratto del documento

3) Modello vincolato secondo le hp. nulla al p.to 2.

h0: β2 = β3 ; β5 = β6 ; β1 = 0

yt = β0 + β1 x1t + β2 x2t + β3 x3t + β4 yut + β5 x5t + εt

yt = β0 + β2 x2t + β3 x3t + β4 yut + β5 x5t + εt

yt = β0 + β3 x3t + β3 x2t + β4 xut + β5 x5t + εt

yt = β0 - β3 x2t + β3 x3t + (β5 - λ) xut + β5 xut + εt

= β0 + β3 (x3t - x2t) + β5 (x4t + x5t) = xut + εt

(x*5t)

yt + xut = β0 + β3 x*3t + β5 x*5t + εt

y*t = β0 + β3 x*3t + β5 x*3t + τ εt

dove {

y*t = yt - xut

x*3t = x3t - x2t

x*5t = xut + τ x5t

2. H0: β23 e β5−β4=1 e β1=0

Restrizioni

Numero di restrizioni

3. Scrivere il modello vincolato considerando le diverse ipotesi H0 elencate sopra

  • a) H0: β245

⇒ yt = β0 + β4x4t + β2x2t* + β3x3t* + εt

dove x3t* = x3t + x4t + x5t

  • b) H0: β2=−β3; β5−β4=1; β1=0

⇒ yt* = β0 + β2x2t* + β4x4t* + εt

dove

yte = yte − x5t

x3te = x2t − x3e

x4te = y4t + x5e

4. Trovare lo stimatore β2 di β2 sotto le ipotesi H0 date sopra

Gli stimatori β1 e β3, sotto le ipotesi H0, si ricavano applicando adeguatamente

la formula usuale dei minimi quadrati βᵼ = (X'X)−1 X'y delle

forme stimabili trovate in 2

Uso il modello MULTINOMIATO:

yt* = β2x2t* + β4x4t * + εt

X =

... Vedi avanti gli altri

β̂as = (X'X)−1 X'y

St: = 4

= 1/2(y3+y4)

yt3 = Σ yt-I = yt-0 + yt-1 + yt-2

= y3 + y2 + y1

= y4 + y3 + y2

τ = 1/2(y3+y2+y1 + y4+y3+y2 )=

= 1/2(2y3+2y2+y4+y4)

(sono passi dividere!)

V(er) = 1/4 (V(2y3)+V(2y2)+V(y4)+V(y4)) =

(

= 1/4 (4+4+1+1)= 10/4

(0τ: )

=

V(0τ) = 1/(T-2)2 V(Σ t=3(yt+yt-1+yt-2) ) =

= 1/(T-2)2 V(Σ t=3 yt-1 + Σ t=3 yt-2) =

= 1/(T-2)2 V(Σ t=3 yt) + V( ) + V( ) + 2 Cov( ) - -

C'è un pezzo che non si legge

+ 2 cov(...)

ce ne sono tanti, non puoi mettere a caso

soluzione:

V(θ̂T) =

3. Si verifichi se la varianza calcolata è non negativa.

V(θ̂T) > 0 ⟺

T > 2,8

Condizione soddisfatta dalle condizioni del problema.

4. limT→∞ Var(θ̂T)

5. ll p lim(θ̂T)

1) limT→∞ E(θ̂T) = 0 = 0

2) limT→∞ U(θ̂T) = 0

Esercizio 2

Si consideri il seguente modello di regressione:

yi = α + βxi + εi i = 1,...,60

dove il termine di errore soddisfa le usuali ipotesi del modello di regressione lineare. La stima della regressione su 60 osservazioni produce i seguenti risultati:

yi = -9 + 1.1xi + ei

RSS = 170 e R2 = 0.85

dove R2 è il coefficiente di determinazione, ei sono i residui e la matrice di varianza e covarianza degli stimatori â e b̂ è pari a

  • 6.0 -0.1
  • -0.1 1.0
  1. Si verifichi la significatività della stima â al livello di significatività del 5%.
  2. Si verifichi il vincolo H0: β = 1 al livello di significatività del 5%.
  3. Si verifichi il vincolo H0: α + 2β = 1 al livello di significatività del 5%.
  4. Si proponga il test opportuno per verificare l'ipotesi di significatività congiunta di b̂2, b̂3 e b̂4 nel modello generale:

yi = α + β2x2i + β3x3i + β4x4i + εi

dove sono state introdotte ulteriori variabili esplicative, sapendo che sono state utilizzate le stesse 60 osservazioni e che ora R2 = 0.90.

  1. Verifica significatività α Liv. Signif. 0,05 :

    • H0: α = 0
    • H1: α ≠ 0

    FACIO iTEST T di student perché è un solo β̂:

    T = alfa / s.e.(X) ∼ t(n-1)

    Signif.

    • -9 - 0
    • √6

    T = -3,6

    RIFIUTO H0

    Quindi ACCETTO H1 − Quindi α è significativo al livello 0.05

  2. Verifica H0: β = d al livello signif. 0,05 :

    • H0: β = 1
    • H1: β ≠ 1

    T = β̂ - β0 / s.e.(β̂) = (1.1 - 1) / √0.1

    ACETTO H0

1. Si mostri che lo stimatore OLS di β = (β12)' è β̂ = (X'X)-1X'y dove X = (x1,x2) e β̂ = (β̂1,β̂2)'.

2. Si mostri usando l'assunzione di ortogonalità dei due regressori che β̂1 = ∑(xiyi) / ∑(xi)2 e β̂2 = ∑(x2iyi) / ∑(x2i)2

Sviluppo: β̂as = (X'X)-1X'y

3. Trovare E(β̂1) e E(β̂2) e dire se gli stimatori al punto precedente sono corretti.

Università Ca’ Foscari di Venezia

Dipartimento di Economia

Anno accademico: 2015/16

Introduzione all’econometria

prof. Roberto Casarin

prof. Domenico Sartore

Data: 01/06/2016

Durata del compito: 1 ora e 30 minuti

NB:

  1. E’ ammessa la sola consultazione del libro di testo, ma non degli appunti;
  2. E’ ammesso l’uso di pocket calculator ma non del telefono cellulare.

Esercizio 1

Dato il vettore di v.c. xt~NID(0,σ2), t = 1,2,...,T, si consideri la variabile casuale definita da:

y = (Σtxt)/T => Media campionaria = x̄~ N (0; σ2/T)

Si trovi la distribuzione di y.

x̄ = Σtxt/T ~N (0,σ2T) => (x1+...+xT) =(√T)(x̄) = (1/√T)N (0,σ2)

= 1/√T N (0;σ2)

= N(0;(1/√T)2) => (1/σ)(0) (2/22)(√T)2) = (N (0,2σ2/T2) = N (0,2σ2/T2) = N (0, 2σ2/T)

Si definisca ora la nuova variabile casuale z:

z = 1/σ2 y2 = 1 D Nuetodo

a) Si calcoli E(z)

E(z) = E(T/2 y2) = T/2 E(y2)

= E(y2) = E(x̄2) - E(x)2) = v(y) + E2(x) => E(z2) = 2σ2/T + σ = 2σ2/T

b) Trovare Var(z)

v(z) = E(T/2 y2) - E(z)2 = E(T/2 y2) - 1 - Σ = T2/22 (V(y)2) - 1 =

= 1/T2/2 2σ2/T - 1 = 2

c) Dire come si distribuisce la v.c. z

[Sugg: Si ricordi che se v~N(0,σ) allora |Y|2 = 3σ√π-1]

z ~ χ2 1

E((χ2 1)k) > 1

V((χ2 1)k) > 2

Dettagli
A.A. 2017-2018
174 pagine
21 download
SSD Scienze economiche e statistiche SECS-P/05 Econometria

I contenuti di questa pagina costituiscono rielaborazioni personali del Publisher davide.delucchi di informazioni apprese con la frequenza delle lezioni di Introduzione all'econometria e studio autonomo di eventuali libri di riferimento in preparazione dell'esame finale o della tesi. Non devono intendersi come materiale ufficiale dell'università Università degli studi Ca' Foscari di Venezia o del prof Casarin Roberto.