Caratula

AO DE LA INVERSIN PARA EL DESARROLLO RURAL Y LA
SEGURIDAD ALIMENTARIA
FACULTAD DE CIENCIAS ECONMICAS

TEMA:
REGRESIN SIMPLE
CURSO:
ECONOMETRIA I
DOCENTE:
SEGUNDO TORIVIO AGURTO MORAN
ALUMNO:
OKAMURA SILVA ARAJI
ESCUELA:
ECONOMA
CICLO:
VI
TUMBES - PER
2013
EJERCICIO 01:
La tabla 6.1 presenta datos mensuales sobre los rendimientos excedentes
Yt(%) de un ndice de 104 acciones del sector de bienes de consumo cclico y
los rendimientos excedentes Xt(%) del ndice de todo el mercado de valores en
el Reino Unido, correspondientes al periodo 1980-1999, para un total de 240
observaciones. Por rendimientos excedentes se entiende el rendimiento
superior al que ofrece un activo sin riesgo (vase el modelo CAPM).
OBSERVACIN
1980.01
1980.02
1980.03
1980.04
1980.05
1980.06
1980.07
1980.08
1980.09
1980.1
1980.11
1980.12
1981.01
1981.02
1981.03
1981.04
1981.05
1981.06
1981.07
1981.08
1981.09
1981.1
1981.11
1981.12
1982.01
1982.02
1982.03
1982.04
1982.05
1982.06
1982.07
1982.08
1982.09
1982.1
1982.11
1982.12
X
7.2634484
6.3398955
-9.28521683
0.79329077
-2.90242099
8.61315088
3.98206285
-1.15017091
3.48612587
4.32985028
0.93687528
-5.20245585
-2.08275751
2.72852289
0.65339711
6.43607196
-4.25919793
0.54390971
-0.48684593
2.84399951
-16.4572142
4.46893817
5.88551966
-0.39069816
2.4995679
-4.03360708
3.04252578
0.73456467
2.77973229
-5.90011658
3.00534439
3.95499062
2.54712707
4.32900811
0.19194059
-0.92167555
Y
6.0802285
-0.92418546
-3.28617425
5.21197657
-16.1642111
-1.05470365
11.172377
-11.0632755
-16.7769961
-7.02183403
-9.71684668
5.21570572
-6.61200096
4.26449844
4.91671082
22.2049595
-11.2986852
-5.77050778
-5.21776472
16.1962018
-17.169954
1.10533473
11.6853367
-2.30145173
8.64372868
-11.129075
1.72462796
0.15787997
-1.87520262
-10.6248177
-5.76113542
5.4814326
-17.0220746
7.62542071
-6.57572165
-2.37282986
1983.01
1983.02
1983.03
1983.04
1983.05
1983.06
1983.07
1983.08
1983.09
1983.1
1983.11
1983.12
1984.01
1984.02
1984.03
1984.04
1984.05
1984.06
1984.07
1984.08
1984.09
1984.1
1984.11
1984.12
1985.01
1985.02
1985.03
1985.04
1985.05
1985.06
1985.07
1985.08
1985.09
1985.1
1985.11
1985.12
1986.01
1986.02
1986.03
1986.04
1986.05
1986.06
1986.07
1986.08
1986.09
3.39468258
0.75871435
1.86207366
6.79775134
-1.69925363
4.0925924
-2.92629926
1.77342431
-2.80081567
-1.505395
4.18696284
1.20141698
6.76932079
-1.68602742
5.24580611
1.72871026
-7.2790756
-0.77947067
-2.43963449
8.44597781
1.22108013
2.73338677
5.12753329
3.19155476
3.90783869
-1.70856748
0.43521849
0.95806785
1.09547738
-6.81610891
2.78505435
3.90020902
-4.20300441
5.60179802
1.57009398
-1.08442712
0.77866947
6.47065126
8.95378119
-2.38776169
-2.87383859
3.4402691
-5.89105338
6.375582
-5.7348394
17.5237494
1.35465581
16.2686105
-6.07454716
-0.8266507
3.807882
0.57570091
3.75556344
-5.36592727
-3.75030282
4.8987517
4.37925615
16.5601619
1.52312746
1.0206078
-3.89930768
-14.3250162
3.05662718
-0.02153592
3.35510221
0.10000678
1.69125032
8.20075301
3.52786616
4.55458771
5.36547868
4.52523156
2.94465434
-0.26859953
-3.66104048
-4.54050506
9.19529282
-1.89481702
12.0066127
1.23398738
-1.44632961
6.02361885
10.5123576
13.4007102
-7.796263
0.21154045
6.47111106
-9.03747517
-5.47838091
-6.75688185
1986.1
1986.11
1986.12
1987.01
1987.02
1987.03
1987.04
1987.05
1987.06
1987.07
1987.08
1987.09
1987.1
187.11
1987.12
1988.01
1988.02
1988.03
1988.04
1988.05
1988.06
1988.07
1988.08
1988.09
1988.1
1988.11
1988.12
1989.01
1989.02
1989.03
1989.04
1989.05
1989.06
1989.07
1989.08
1989.09
1989.1
1989.11
1989.12
1990.01
1990.02
1990.03
1990.04
1990.05
1990.06
3.63088408
-1.31606687
3.52160122
8.6734129
6.91436192
-0.46066085
4.29597608
7.71969253
3.03988762
2.5102238
-3.03944356
3.78709202
-27.8696931
-9.95636709
7.97586595
3.9369384
-0.32797064
-2.1615442
2.72178784
-0.51482542
3.12879648
0.18150208
-7.89236379
3.3470819
3.15859214
-4.81647036
-0.00855
13.4609822
-0.76447469
2.2984911
0.76207459
-0.49579612
1.20663601
4.63702612
2.68087412
-5.30385804
-7.2106556
5.35018594
4.10624586
-3.62954737
-5.2058043
-2.18324486
-5.40856379
10.5759917
-0.3386121
-2.56496022
2.45659947
1.4764213
17.0694004
7.56572673
-3.23932582
3.66257834
7.15745511
4.77490162
4.23770166
-0.88135222
11.4968842
-35.5661762
-14.5913737
14.8727166
1.74859929
-0.60601645
-6.07809552
3.97615383
-1.05091006
3.31785696
0.40710011
-11.8793252
-8.80102605
6.78421128
-10.2057812
-6.73805381
12.8390364
3.30286092
-0.1559183
3.62309077
-1.16768087
-1.2216033
5.26290274
4.84501322
-5.06956484
-13.5796353
1.1006076
4.92508319
-2.53206885
-6.60187288
-1.02376894
-7.09791727
6.37662693
1.86197471
1990.07
1900.08
1900.09
1990.1
1990.11
1990.12
1991.01
1991.02
1991.03
1991.04
1991.05
1991.06
1991.07
1991.08
1991.09
1991.1
1991.11
1991.12
1992.01
1992.02
1992.03
1992.04
1992.05
1992.06
1992.07
1992.08
1992.09
1992.1
1992.11
1992.12
1993.01
1993.02
1993.03
1993.04
1993.05
1993.06
1993.07
1993.08
1993.09
1993.1
1993.11
1993.12
1994.01
1994.02
1994.03
-2.21316202
-8.47617743
-7.45941471
-0.08588776
5.03477053
-1.76771491
0.18910846
10.387415
2.92191383
0.97172019
-0.4317819
-3.34292499
5.24281151
2.88065469
-1.12147222
-3.96957796
-5.70799506
1.50256705
2.59956509
0.13588109
-6.14613806
10.4573683
1.41598705
-8.26110942
-3.77881217
-5.38681849
11.1943637
3.99987004
3.62067475
2.88722225
1.33674609
1.24027385
0.40714431
-1.73493005
1.11153369
1.35412774
1.94306157
4.96197983
-1.61872994
4.21540861
1.88036017
5.82635241
2.97354069
-5.47985856
-5.78454709
-5.59152759
-15.3175898
-10.1722736
-2.21739605
5.9742058
-0.85728904
-3.78018459
20.6472144
10.9406802
-3.14563959
-3.14288765
-1.96086614
7.33096403
7.85438793
2.53917784
-1.23324464
-11.7460404
1.07822629
5.93790462
4.11318454
-0.65519939
15.2843028
3.99451759
-11.94451
-2.53070133
-9.84236622
18.1157372
0.20095021
1.1258531
7.63918079
2.91956941
-1.06240411
1.29264141
0.42024138
-2.51408055
0.41936228
4.37402454
1.73352808
-3.65980897
5.85690764
-1.36555029
-1.34697902
12.8957876
-5.34670056
-7.61472656
1994.04
1994.05
1994.06
1994.07
1994.08
1994.09
1994.1
1994.11
1994.12
1995.01
1995.02
1995.03
1995.04
1995.05
1995.06
1995.07
1995.08
1995.09
1995.1
1995.11
1995.12
1996.01
1996.02
1996.03
1996.04
1996.05
1996.06
1996.07
1996.08
1996.09
1996.1
1996.11
1996.12
1997.01
1997.02
1997.03
1997.04
1997.05
1997.06
1997.07
1997.08
1997.09
1997.1
1997.11
1997.12
1.15708344
-6.35619949
-0.84358389
5.77995322
3.29813018
-7.11001009
2.9680056
-1.53124516
0.26428026
-2.42038843
0.13879521
3.23165659
2.21580468
3.85681359
-0.95220431
4.02003636
1.42360035
-0.03791257
-1.17655329
3.76027736
0.43462636
1.9063451
0.30189896
-0.31413232
3.03433174
-1.4973463
-0.89467685
-0.53281627
3.86373709
2.1182549
-0.85355326
1.77034094
1.70255164
3.46575335
1.11525322
-2.05781846
3.57089955
1.95348044
2.4587004
2.9923413
-0.45796804
8.11127897
-6.9671245
-0.15592479
3.85328343
10.2204292
-6.92842226
-5.06591904
7.48349856
1.82876266
-5.69293279
-2.42696249
2.12510067
-4.22537096
-6.30239262
1.27867637
10.9089052
2.49784943
2.89152659
-3.77300007
8.77628872
2.88256097
2.14691333
-4.59010466
-1.29325519
-4.24410153
6.6470889
1.63590074
7.8581899
0.7895449
-0.9077254
-0.39224695
-1.03589635
2.55681601
3.13183004
-0.02094736
-5.31228778
-5.19617633
-0.75324712
-2.47434394
2.47647802
-1.1191042
3.35207627
-1.91017224
0.14281461
10.5019926
12.9850194
-4.13476166
-4.14857986
-1.75247824
1998.01
1998.02
1998.03
1998.04
1998.05
1998.06
1998.07
1998.08
1998.09
1998.1
1998.11
1998.12
1999.01
1999.02
1999.03
1999.04
1999.05
1999.06
1999.07
1999.08
1999.09
1999.1
1999.11
1999.12
7.37946601
4.29909789
3.41078052
-0.08149499
-1.61313116
-0.39728895
-2.23736528
-12.4631993
-5.17073499
11.7054479
-0.38020022
4.98670519
2.49372799
0.93710526
4.28008251
3.9608244
-4.49919808
3.6567457
-2.50397147
-0.12190192
-5.38803243
4.01098972
6.26531298
4.04565843
-3.3491215
14.074713
7.79165097
5.15467911
3.29368618
-13.254618
-7.71420592
-15.2634048
-15.2286514
15.9621804
-8.68408911
17.1384237
-1.46844861
8.5036
10.8943073
13.0349739
-5.6546716
8.32196932
0.50765227
-5.02298056
-2.30544884
-1.87687947
1.34882477
-2.64164938
Donde:
Y: Rendimientos excedentes de acciones del sector de bienes de consumo.
X: Rendimientos excedentes del mercado de valores.
Solucin:
Anlisis de Regresin
La ecuacin de regresin es:
Y = - 0.447 + 1.17 X
Predictor
Constante
X
Coef
-0.4475
1.17113
S = 5.54276
SE Coef
0.3629
0.07539
T
-1.23
15.54
R-cuad. = 50.3%
P
0.219
0.000
R-cuad.(ajustado) = 50.1%
Anlisis de varianza
Fuente
Regresin
GL
1
SC
7414.4
CM
7414.4
F
241.34
P
0.000
Error residual
Total
238
239
7311.9
14726.3
30.7
Planteamiento de Hiptesis:
Hallamos el estadstico t:
Valor F (calculado): 15.54
>
Valor F (tabulado): 0.000
Como vemos que el valor calculado es mayor que el valor tabulado en

conclusin se rechaza la hiptesis nula. Esto nos indica que el modelo es
significante.
DIAGRAMA DE DISPERSIN:
Diagrama de Dispersin
R.E de acciones del sector Consumo
30
-30
20
10
0
-20
-10
10
20
-10
-20
-30
-40
R.E del mercado de Valores
Interpretacin:
A primera vista el diagrama de dispersin, nos genera una idea de asociacin
lineal del seguro de vida y el ingreso, teniendo una relacin positiva fuerte ya
que al aumentar x aumenta y.
INTERPRETACIN DEL COEFICIENTE DE CORRELACIN:

Coeficiente de Correlacin = 0.503
Interpretacin:
El coeficiente de correlacin lineal r= 0.503, indica una relacin lineal positiva y
fuerte entre el rendimiento de excedentes del sector consumo y el rendimiento
de excedentes del mercado de valores. (El coeficiente de determinacin
r2=0.501, en concreto el 50.10% de la variabilidad del rendimiento del sector
consumo es explicado por el modelo de regresin). Su signo positivo indica una
relacin directa.
RECTA DE REGRESIN AJUSTADA:
Recta de Regresin Ajustada

30
20
R.E de acciones del sector Consumo
y = 1.1711x - 0.4475
R = 0.5035
10
0
-30
-20
-10
10
-10
-20
-30
-40
R.E del mercado de Valores
Interpretacin de la pendiente de la recta de regresin ajustada
= 1.1711
1
20
La interpretacin en este caso es que si la tasa excedente del mercado

aumenta un punto porcentual, el rendimiento excedente del ndice del sector de
bienes de consumo aumenta alrededor de 1.17 puntos porcentuales.
= -0.4445
0
Nos indica los rendimientos excedentes de acciones del sector consumo con
cero tasas excedentes del mercado. En este caso el rendimiento de
excedentes de acciones del sector consumo es de 1.8055 cuando no existen
ingresos, desde el punto de vista econmico no tiene sentido porque una
aseguradora no puede beneficiar a una persona sin haber realizado ningn tipo
de aporte econmico.
1) RESIDUOS VS AJUSTES PARA Y
vs. ajustes
(la respuesta es Y)
3
Residuo estandarizado
2
1
0
-1
-2
-3
-4
-40
-30
-20
-10
Valor ajustado
10
20
INTERPRETACIN:
A primera vista se puede observar un dato atpico, pero podemos analizar que
los datos se ajustan bien al modelo.
Los puntos de dispersin de los residuos de nmero de horas maquina
respecto a la media residual presenta una normalidad en todos los datos, a
pesar de la distancia de algunos datos.
2) RESIDUOS VS ORDEN PARA Y
vs. orden
(la respuesta es Y)
3
2
1
0
-1
-2
-3
-4
1
20
40
60
80
100 120 140 160

Orden de observacin
180
200
220
INTERPRETACIN:
Sugiere que existen puntos, que son datos atpicos en el sentido vertical.
240
3) HISTOGRAMA DE RESIDUOS PARA Y
Histograma
(la respuesta es Y)
50
Frecuencia
40
30
20
10
-3
-2
-1
0
INTERPRETACIN:
Hay algo de normalidad en los errores, sin embargo su distribucin no es del

todo normal.
4) GRAFICA DE PROBABILIDAD NORMAL
Grfica de probabilidad normal

(la respuesta es Y)
99.9
99
Porcentaje
95
90
80
70
60
50
40
30
20
10
5
1
0.1
-4
-3
-2
-1
0
1
INTERPRETACIN:
La dispersin de los puntos es normal, sin embargo los datos que se encuentran al
principio y al final son datos atpicos, sea son datos que son significativamente
diferente de forma numrica de los otros datos en una muestra.
EJERCICIO 02:
Considere la informacin de la tabla 6.2, referente a la inversin domstica
privada bruta (IDPB) de Estados Unidos y al producto interno bruto (PIB) en
miles de millones y en millones de dlares de 2000 ajustados por la inflacin.
Suponga que en la regresin de la IDPB sobre el PIB, un investigador utiliza
informacin medida en miles de millones de dlares y otro expresa estos datos
en millones de dlares. Sern iguales los resultados de la regresin en ambos
casos?
Ao
IDPB( Miles de
millones de dlares
2000)
IDPB(Miles de
dlares de 2000)
PBI(Miles de millones
de dlares de 2000)
PBI (Millones de
dlares de 2000)
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
886.6
829.1
878.3
953.5
1042.3
1109.6
1209.2
1320.6
1455
1576.3
1679
1629.4
1544.6
1596.9
1713.9
1842
886600
829100
878300
953500
1042300
1109600
1209200
1320600
1455000
1576300
1679000
1629400
1544600
1596900
1713900
1842000
7112.5
7100.5
7336.6
7532.7
7835.5
8031.7
8328.9
8703.5
9066.9
9470.3
9817
9890.7
10048.8
10301
10703.5
11048.6
7112500
7100500
7336600
7532700
7835500
8031700
8328900
8703500
9066900
9470300
9817000
9890700
10048800
10301000
10703500
11048600
Donde:
Y: IDPB
X: PBI
ANALISIS DE REGRESIN:
IDPB( Miles de millones de dlares = - 926 + 0.254 PBI(Miles de millones de

dlares
Predictor
Constante
PBI(Miles de millones de dlare
S = 66.4269
R-cuad. = 96.5%
Coef
-926.1
0.25352
SE Coef
116.4
0.01295
T
-7.96
19.58
P
0.000
0.000
Anlisis de varianza
Fuente
Regresin
Error residual
Total
GL
1
14
15
SC
1692073
61776
1753848
MC
1692073
4413
F
383.47
P
0.000
DIAGRAMA DE DISPERSIN:
Grfica de dispersin de IDPB( Miles de m vs. PBI(Miles de mil
IDPB( Miles de millones de dla
1800
1600
1400
1200
1000
800
7000
8000
9000
10000
El diagrama de dispersin sugiere una asociacin lineal positiva.
11000
RECTA DE REGRESIN:
Grfica de dispersin de IDPB( Miles de m vs. PBI(Miles de mil
IDPB( Miles de millones de dla
2000
1750
1500
1250
1000
7000
8000
9000
10000
11000
Interpretacin de los parmetros dada la ecuacin siguiente:

Y= - 926 + 0.254 X
B0= - 926
Nos indica la inversin domestica privada bruta, con cero Producto Bruto
Interno. En este caso la inversin domestica privada bruta, es de -926 miles de
millones, cuando no existe el PBI.
B1: - 0.254
La interpretacin del coeficiente de la pendiente 0.2535 es que si el PIB cambia
en una unidad, de 1 000 millones de dlares, la IDPB cambia en promedio en
0.2535 miles de millones de dlares. En la regresin (6.2.23), una unidad de
cambio en el PIB, que es 1 milln de dlares, induce en promedio a un cambio
de 0.0002535 miles de millones de dlares en la IDPB.
Coeficientes de determinacin (R2) y (R) :

R2= 96.5%
El modelo presentado explica un 96.5% de las variables, este valor de 96.5%

muestra el porcentaje de los cambios de la variable dependiente. Se puede
decir que el modelo es bueno
Coeficiente de determinacin ajuntado:
R2 ajustado = 96.2%
Con un valor ms ajustado puede decir que el modelo es bueno.
Coeficiente de correlacin:
R: 0.97
Este valor mide la intensidad de relacin lineal, ya sea directa, inversa o
inexistente entre dos variables, en este caso es directa porque signo
positivo. Es decir hay un 0.97, esto quiere decir que la relacin es muy fuerte
entre estas variables
Contraste conjunto del modelo:

Prueba de hiptesis:
Hallamos el estadstico t:
Valor F (calculado): 383.47
>
Valor F (tabulado): 0.000
Como vemos que el valor calculado es mayor que el valor tabulado en

conclusin se rechaza la hiptesis nula. Esto nos indica que el modelo es
significante.
GRAFICA DE PROBABILIDAD NORMAL
(la respuesta es IDPB( Miles de millones de dla)

99
95
90
Porcentaje
80
70
60
50
40
30
20
10
5
-3
-2
-1
0
1
INTERPRETACIN:
La dispersin de los puntos es normal, sin embargo los datos que se
encuentran al principio y al final son datos atpicos.
RESIDUOS VS AJUSTES PARA IDPB
vs. ajustes

2.0
1.5
1.0
0.5
0.0
-0.5
-1.0
-1.5
1000
1200
1400
1600
Valor ajustado
1800
INTERPRETACIN:
Los residuos son ms pequeos cuando y estimada es pequeo.
2000
HISTOGRAMA
Histograma

4
Frecuencia
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
2.0
INTERPRETACIN:
Hay algo de normalidad en los errores, sin embargo su distribucin no es del
todo normal.
RESIDUOS VS ORDEN DE IDPB

vs. orden

2.0
1.5
1.0
0.5
0.0
-0.5
-1.0
-1.5
1
7
8
9
10 11
Orden de observacin
12
13
14
15
16
INTERPRETACIN:
Sugiere que el punto que se encuentra entre el rango de 11 y 12, es un dato atpico, el
punto 14 presente un dato atpico en el sentido vertical.
PROBLEMA 3.
Realizar su respectivo anlisis.
REA
Alabama
Alaska
Arizona
Arkansas
California
Colorado
PRODUCCIN VALOR INSUMO MANO DE OBRA

AGREGADO (MILES DE
HORAS DE TRABAJO
DLARES) Y
(MILES DE DLARES) x1
38372840
1805427
23736129
26981983
217546032
19462751
424471
19895
206893
304055
1809756
180366
INSUMO CAPITAL
INVERSIN DE CAPITAL
(MILES DE DLARES) X2
2689076
57997
2308272
1376235
13554116
1790751
Connecticut
Delaware
Distrito de Columbia
Florida
Georgia
Hawaii
Idaho
Illinois
Indiana
Iowa
Kansas
Kentucky
Louisiana
Maine
Maryland
Massachusetts
Michigan
Minnesota
Mississippi
Missouri
Montana
Nebraska
Nevada
New Hampshire
New Jersey
New Mexico
New York
North Carolina
North Dakota
Ohio
Oklahoma
Oregon
Pennsylvania
Rhode Island
South Carolina
South Dakota
Tennessee
Texas
Utah
Vermont
Virginia
Washington
West Virginia
Wisconsin
Wyoming
28972772
14313157
159921
47289846
63015125
18090052
10511786
105324866
90120459
39079550
22826760
38686340
69910555
7856947
21352966
46044292
92335528
48304274
17207903
47340157
2644567
14650080
7290360
9188322
51298516
20401410
87756129
101268432
3556025
124986166
20451196
34808109
104858322
6541356
37668126
4988905
62828100
172960157
15702637
5418786
49166991
46164427
9185967
66964978
2979475
224267
54455
2029
471211
659379
17528
75414
963156
835083
336159
246144
384484
216149
82021
174855
355701
943298
456553
267806
439427
24167
163637
59737
96106
407076
43079
727177
820013
34723
1174540
201284
257820
944998
68987
400317
56524
582241
1120382
150030
48134
425346
313279
89639
694628
15221
1210229
421064
7188
2761281
3540475
146371
848220
5870409
5832503
1795976
1595118
2503693
4726625
415131
1729116
2706065
5294356
2833525
1212281
2404122
334008
627806
522335
507488
3295056
404749
4260353
4086558
184700
6301421
1327353
1456683
5896392
297618
2500071
311251
4126465
11588283
762671
276293
2731669
1945860
685587
3902823
361536
Anlisis de regresin mltiple

Y = 859992 + 47.0 X2 + 9.97 X3
Predictor
Constante
X2
X3
Coef
859992
47.027
9.973
S = 6672575
SE Coef
1324164
7.475
1.036
T
0.65
6.29
9.63
R-cuad. = 97.9%
P
0.519
0.000
0.000
Anlisis de varianza
Fuente
Regresin
Error residual
Total
GL
2
48
50
SC
9.74118E+16
2.13712E+15
9.95489E+16
MC
4.87059E+16
4.45233E+13
F
1093.94
P
0.000

Y = 859992 + 47.0 X2 + 9.97 X3
B1= 859992
Nos indica el valor agregado (en miles de dlares) cuando insumo de mano de
obra es cero as como tambin el insumo de capital de inversin es cero.
B2= 47.0
Nos indica el incremento del valor agregado en miles de dlares a cada mil
horas de trabajo, sin tener en consideracin el insumo de capital de inversin,
por lo tanto a mil horas adicionales tendremos un incremento de 47 x 1000 =
47000 dlares de valor agregado.
B3= 9.97
Nos indica el incremento del valor agregado en miles de dlares por cada mil
dlares de insumo de capital de inversin, sin tener en consideracin el insumo
de mano de obra, por lo tanto para mil dlares adicionales de capital de
inversin tendremos 9.97 x 1000 = 9970 dlares en produccin de valor
agregado.

R2= = 97.9%
decir que el modelo es bueno.
R2 ajustado = 97.8%
R: 0.98
positivo. Es decir hay una 0.98 esto quiere decir que la relacin es muy
fuertes entre estas variables.

Prueba de hiptesis:
H0= B1 = B 2=B 3=0.
H1= al menos una de las Bi son 0.
Se estable un nivel de significancia de 5%.

Comprobando que la significancia es de 5% y el valor de P es 0 llegamos a la
conclusin que se rechaza la hiptesis nula. Esto nos indica que los
coeficientes de las variables independientes en la ecuacin de regresin son
todas iguales a cero. Esto quiere decir que al menos una de los coeficientes de
las variables independientes es diferente de cero.
Contraste del modelo por separado:

Formulacin de las hiptesis.
H0 = B 2=0
H0 =B3=0
H1 = B 2 = 0
H1 = B3 = 0
Todas las hiptesis se probarn con un nivel de significancia de 5%.

El estadstico de prueba a utilizar es la distribucin t con n-(k+1) = 48
Grados de libertad.
El valor critico es t=+ 2.021; - 2.021
Estos son los valores para cada variable independiente

X2
6.29131181
X3
9.62749187
Podemos observar que para el coeficiente X2 Y X3 se rechaza la hiptesis por

lo tanto el coeficiente X2 Y X3 en la ecuacin de regresin diferente de cero.
Intervalos de confianza para los parametros:
Error
Variable
Y
X2
X3
N
51
51
51
Media
43536783
373915
2516181
X2
(
Desv.Est.
44620384
376195
2714683
Estndar de
La media
6248104
52678
380132
X3
268108,
479721)
( 1752664,
3279698)
IC de 95%
(30987098, 56086469)
(268108,
479721)
(1752664, 3279698)
GRAFICOS
Grfica de dispersin de PRODUCCIN VALO vs. INSUMO MANO DE O
PRODUCCIN VALOR AGREGADO (MIL
250000000
200000000
150000000
100000000
50000000
0
0
500000
1000000
1500000
INSUMO MANO DE OBRA HORAS DE TR
2000000
Grfica de dispersin de PRODUCCIN VALO vs. INSUMO CAPITAL I

PRODUCCIN VALOR AGREGADO (MIL
250000000
200000000
150000000
100000000
50000000
0
0
2000000
4000000
6000000
8000000
10000000 12000000 14000000
INSUMO CAPITAL INVERSIN DE CAP
(la respuesta es PRODUCCIN VALOR AGREGADO (MIL)

99
95
90
Porcentaje
80
70
60
50
40
30
20
10
5
-20000000
-10000000
0
Residuo
10000000
20000000
La dispersin de los puntos no es tan normal, porque presenta datos atpicos a

travs de la grfica.
vs. ajustes

25000000
20000000
Residuo
15000000
10000000
5000000
0
-5000000
-10000000
0
50000000
100000000 150000000
Valor ajustado
200000000
250000000
La dispersin de los puntos en la grfica de residuos vs a la produccin de

valor agregado respecto a la media residual presenta normalidad.
HISTOGRAMA:
Histograma

20
Frecuencia
15
10
-8000000 -4000000
4000000
8000000
Residuo
INTERPRETACIN:
Presenta una poco normalidad en los datos.
12000000 16000000 20000000
vs. orden

25000000
20000000
Residuo
15000000
10000000
5000000
0
-5000000
-10000000
1
Interpretacin:
T
10
15
20
25
30
35
Orden de observacin
40
45
50
Ejercicio numero 7.6: demanda de rosas se presentan

Realizar el anlisis de regresin mltiple y su respectiva interpretacin de los
siguientes datos.
Donde:
Y = cantidad de rosas vendidas, docenas
X2 = precio promedio al mayoreo de las rosas. $/ docenas.
X3 = precio promedio al mayoreo de los claveles, $/ docenas.
X4= ingreso familiar disponible promedio semanal, $/ semana
X5= variable de tendencia que toma valores de 1,2, y as sucesivamente
durante el periodo 1971-III a 1975-II en el rea metropolitana de Detroit.
aos y trimestres
1971-III- IV
1972-I
- II
- III
- IV
1973-I
- II
-III
-IV
1974-I
- II
-III
- IV
1975-I
- II
X2
11484
9348
8429
10079
9240
8862
6216
8253
8038
7476
5911
7950
6134
5868
3160
5872
X3
2.26
2.54
3.07
2.91
2.73
2.77
3.59
3.23
2.6
2.89
3.77
3.64
2.82
2.96
4.24
3.69

Y = 10816 - 2228 X2 + 1251 X3 + 6.3 X4 - 197 X5
X4
3.49
2.85
4.06
3.64
3.21
3.66
3.76
3.49
3.13
3.2
3.65
3.6
2.94
3.12
3.58
3.53
X5
158.11
173.36
165.26
172.92
178.46
198.62
186.28
188.98
180.49
183.33
181.87
185
184
188.2
175.67
188
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Predictor Coef SE Coef T P

Constante 10816 5988 1.81 0.098
X2
-2227.7 920.5 -2.42 0.034
X3
1251 1157 1.08 0.303
X4
6.28 30.62 0.21 0.841
X5
-197.4 101.6 -1.94 0.078
S = 969.874 R-cuad. = 83.5% R-cuad. (Ajustado) = 77.5%
Anlisis de varianza
Fuente
GL
SC
MC
F P
Regresin
4
52249136 13062284 13.89 0.000
Error residual 11 10347220 940656
Total
15 62596356

Y = 10816 - 2228 X2 + 1251 X3 + 6.3 X4 197.4 X5
B1= 10816
Este valor nos indica las ventas de rosas en docenas con cero precios de
rosas, con cero precios al mayoreo de claveles, con cero ingreso disponible
promedio familiar y el periodo de tendencia de la venta de rosas cero, a pesar
de eso la cantidad de rosas vendidas seria 10816 docenas.
B2: - 2228
Este valor nos indica el incremento (decremento) de las ventas de rosas en
docenas por cada dlar en el precio promedio al mayoreo de las rosas sin
consideras el precio de los claveles, el ingreso disponible familiar y el periodo
de tendencia, por lo tanto por cada unidad adicional del precio (dlar)
tendremos -2228 docenas, es decir una diminucin de las ventas de rosas.
B3: 1251
Este valor nos indica el incremento de las ventas de rosas en docenas por
cada dlar en el precio promedio al mayoreo de los claveles sin considerar el
precio de las rosas, el ingreso disponible de las familias y el periodo de
tendencia, por lo tanto la cantidad de rosas vendidas por docena tendran un

aumento de 1251 en docenas aproximadamente.
B4: 6.3
cada dlar semanal de ingreso disponible, sin considerar el precio de las rosas,
el precio de los claveles y el periodo de tendencia, por lo tanto la cantidad de
rosas vendidas por docena aumentaran en 6.3 docenas aproximadamente.
B5: 197.4
cada trimestre, sin considerar el precio de las rosas, el precio de los claveles y
el ingreso familiar disponible, por lo tanto la cantidad de rosas vendidas por
docena aumentaran en 6.3 docenas aproximadamente

R2= 83.5%
decir que el modelo es bueno
R2 ajustado = 77.5%.
R: 0.88
positivo. Es decir hay una 0.88 esto quiere decir que la relacin es muy
fuertes entre estas variables

Prueba de hiptesis:
H0= B1 = B 2=B 3=B4 =0.
H1= al menos una de las Bi son 0.
Se estable un nivel de significancia de 5%.

Comprobando que la significancia es de 5% y el valor de P es 0 llegamos a la
conclusin que se rechaza la hiptesis nula. Esto nos indica que los
coeficientes de las variables independientes en la ecuacin de regresin son
todas iguales a cero. Esto quiere decir que al menos una de los coeficientes de
las variables independientes es diferente de cero.

Formulacin de las hiptesis.
H0= B1=0
H1 = B1 = 0
H0 = B 2=0
H1 = B 2 = 0
H0 =B3=0
H1 = B3 = 0
H0 =B4=0
H1= B4 = 0
Todas las hiptesis se probarn con un nivel de significancia de 5%.

El estadstico de prueba a utilizar es la distribucin t con n-(k+1) = 7
Grados de libertad.
El valor critico es t= + 2.365; - 2.365
Estos son los valores para cada variable independiente.
X2
t= -2.4201
X3
t= 1.08134.
X4
t= 0.20518.
X5
t= -1.94365
Podemos observar que en los coeficiente X2 X3 X4 no se rechaza la

hiptesis nula de que sus coeficientes en la ecuacin de regresin son cero, y
para el coeficiente X1 se rechaza la hiptesis por lo tanto el coeficiente X1 en la
ecuacin de regresin es cero.
Intervalos de confianza para los betas:

X1
X2
(2.820, 3.393)
(3.2587, 3.6050)
X3
X4
(175.28, 185.79)
(5.96, 11.04)
Graficas de dispersin:
cantidad de rosas vendidas, docenas

12000
11000
10000
9000
8000
7000
6000
5000
4000
3000
2.0
2.5
3.0
3.5
4.0
precio promedio al mayoreo de las rosas
4.5

12000
11000
10000
9000
8000
7000
6000
5000
4000
3000
3.00
3.25
3.50
3.75
precio promedio al mayoreo de los claveles, $ docena
4.00

12000
11000
10000
9000
8000
7000
6000
5000
4000
3000
160
170
180
190
ingreso familiar disponible promedio semanal, $ semana
200

12000
11000
10000
9000
8000
7000
6000
5000
4000
3000
0
2
4
6
8
10
12
14
16
variable de tendencia trimestral, en el area metrolopitana de detroit
PROBLEMA 5: ACTIVIDAD DE EXPLORACION

Realizar el Anlisis De Regresin Mltiple e Interpretar.
Ao
1948
1949
1950
1951
1952
1953
1954
1955
1956
1957
1958
1959
1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
Miles de pozos de
exploracin (Y)
Precio por barril,

$ constantes (X2)
Produccin nacional
(millones de barriles
diarios)X3
PNB, miles de
millones de $
constantes(X4)
Tiempo (X5)
8.01
9.06
10.31
11.76
12.43
13.31
13.1
14.94
16.17
14.71
13.2
13.19
11.7
10.99
10.8
10.66
10.75
9.47
10.31
8.88
8.88
9.7
7.69
6.92
7.54
7.47
8.63
9.21
9.23
9.96
10.78
4.89
4.83
4.68
4.42
4.36
4.55
4.66
4.54
4.44
4.75
4.56
4.29
4.19
4.17
4.11
4.04
3.96
3.85
3.75
3.69
3.56
3.56
3.48
3.53
3.39
3.68
5.92
6.03
6.12
6.05
5.89
5.52
5.05
5.41
6.16
6.26
6.34
6.81
7.15
7.17
6.71
7.05
7.04
7.18
7.33
7.54
7.61
7.8
8.3
8.81
8.66
8.78
9.18
9.03
9
8.78
8.38
8.01
7.78
7.88
7.88
8.67
487.67
490.59
533.55
576.57
598.62
621.77
613.67
654.8
668.84
681.02
679.53
720.53
736.86
755.34
799.15
830.7
874.29
925.86
980.98
1007.72
1051.83
1078.76
1075.31
1107.48
1171.1
1234.97
1217.81
1202.36
1271.01
1332.67
1385.1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
Utilizando el programa Minitab 16

Miles de pozos de exploracin = - 9.80 + 2.70 Precio por barril, $ constantes
+ 3.05 Produccin nacional (millones d

- 0.0160 PNB, miles de millones de $ con
- 0.023 Tiempo (X5)
Predictor
Constante
Precio por barril, $ constantes
Produccin nacional (millones d
PNB, miles de millones de $ con
Tiempo (X5)
S = 1.64289
R-cuad. = 57.8%
Coef
-9.799
2.7002
3.0451
-0.015994
-0.0233
SE Coef
8.931
0.6986
0.9411
0.008212
0.2734
T
-1.10
3.87
3.24
-1.95
-0.09
P
0.283
0.001
0.003
0.062
0.933
Anlisis de varianza
Fuente
Regresin
Error residual
Total
GL
4
26
30
SC
96.272
70.176
166.449
MC
24.068
2.699
F
8.92
P
0.000

Y = -9.80+ 2.70 X2 + 3.05 X3 0.0160 X4 0.023X5
B1: - 9.80
Nos indica los pozos de perforacin en miles cuando el precio del barril es cero,
la produccin nacional es cero, PNB tambin es cero, y el tiempo cero;
obteniendo -9.8 pozos perforados (en miles) de exploracin.
B2: 2.70
Nos indica el incremento de los pozos de perforacin en miles de unidades por
cada precio de barril sin considerar la produccin nacional ni PNB y ni el
tiempo. As pues por cada unidad de precio adicional en dlares, tendremos un
incremento de 2.70 x 1000 = 2700 pozos perforados de exploracin.
B3: 3.05
Nos indica el incremento de los pozos de perforacin en miles de unidades por
cada produccin de un milln de barriles diarios sin considerar el precio de
barril ni PNB y ni el tiempo. As pues por cada milln de barril adicional,
tendremos un incremento de 3.05 x 1000 = 3050 pozos perforados de
exploracin.
B4: - 0.0160
Nos indica el decremento de los pozos de perforacin en miles de unidades por
cada PNB en miles de millones (dlares) sin considerar el precio de barril ni
produccin nacional y ni el tiempo. As pues por cada PNB mil de millones de
dlares adicional, tendremos un decremento de -0.0160 x 1000 = -16 pozos
perforados de exploracin.
B5: - 0.023
Nos indica el decremento de los pozos de perforacin en miles de unidades por
cada ao sin considerar el precio del barril ni la produccin nacional y ni PNB.
As pues por cada ao adicional, tendremos un decremento de
-0.023 x 1000 = - 23 pozos perforados de exploracin.
Error estndar: 940656
Coeficientes de determinacin (r2): 57.8%

Indica que el 57.8% de la variabilidad de los pozos de perforacin en
miles de unidades es explicado por el modelo de regresin. Como es
ms del 50% se le considera buen modelo.
Coeficiente de correlacin (r): 0.7603
Este valor indica una relacin relativamente fuerte de los pozos de

perforacin en miles de unidades con respecto al precio por barril,
produccin nacional, PNB y el tiempo.
1.- Prueba de hiptesis:

H0= B2 = B 3=B 4=B5 =0
H1= Al menos una Bi
2.- Se estable un nivel de significancia de 5%.

3.- Se utilizara la distribucin F
4.- Hay 4 grados de libertad en el numerador (variables independientes). Hay
26 grados de libertad en el denominador (31 observaciones (4 variables
independientes + 1)). El valor crtico de F es 2.74
Grfica de distribucin
F, df1=4, df2=26
Por lo tanto la regla de decisin es: se rechaza la hiptesis nula ya que el valor
calculado de F (8.92) es mayor a 2. 74

1.- formulacin de hiptesis.
Precio por barril
H0: B2 = 0
H1: B2 0
Produccin nacional
H0: B3 = 0
H1: B3 0
PNB
H0: B4 = 0
H1: B4 0
tiempo
H0: B5 = 0
H1: B5 0
2. Todas las hiptesis se probarn con un nivel de significancia = 0.05. Es

una prueba de dos colas.
3. El estadstico de prueba a utilizar es la distribucin t con n-(k+1) = 26 grados
de libertad.
4. El valor crtico es t = 2.056
5.- El valor de t para cada variable independiente se calcula mediante la

frmula

Miles de pozos de exploracin = - 9.80 + 2.70 Precio por barril, $ constantes
+ 3.05 Produccin nacional (millones d
- 0.0160 PNB, miles de millones de $ con
- 0.023 Tiempo (X5)
Predictor
Constante
Tiempo (X5)
Precio por barril
Coef
-9.799
2.7002
3.0451
-0.015994
-0.0233
Produccin nacional
SE Coef
8.931
0.6986
0.9411
0.008212
0.2734
PNB
T
-1.10
3.87
3.24
-1.95
-0.09
P
0.283
0.001
0.003
0.062
0.933
Tiempo
= -0.08
Por lo tanto, para las variables Precio por barril, Produccin nacional, PNB,
tiempo no se rechaza la hiptesis nula de que sus Por lo tanto todas las
variables tienen influencia en los pozos de perforacin en miles de.
GRAFICOS
Grfica de dispersin de Miles de pozos d vs. Precio por barri
Miles de pozos de exploracin (
16
14
12
10
6
3.0
3.5
4.0
4.5
5.0
5.5
La relacin entre estas dos

variables es positiva si se puede
trazar una recta de regresin
lineal.
6.0
6.5
Grfica de dispersin de Miles de pozos d vs. Produccin nacio
16
14
12
10
6
5
7
8
La relacin entre estas dos variables es positiva si se puede trazar una recta de regresin lineal.
Grfica de dispersin de Miles de pozos d vs. PNB, miles de mi
16
14
12
10
6
500
600
700
800
900
1000
1100
1200
1300
1400
En este caso la relacin no demuestra ser tan lineal como las otras y es de forma negativa.
Grfica de dispersin de Miles de pozos de explor vs. Tiempo (X5)
16
14
12
10
6
0
10
15
20
Tiempo (X5)
25
30
35
Tiene una tendencia negativa y presenta una forma que no es lineal a

primera vista entre estas variables.
vs. ajustes
(la respuesta es Miles de pozos de exploracin ()
2
1
0
-1
-2
-3
5
9
10
Valor ajustado
11
12
13
La dispersin de los puntos en la grfica de residuos vs

pozos de exploracin respecto a la media residual
presenta normalidad.
14

99
95
90
Porcentaje
80
70
60
50
40
30
20
10
5
-3
-2
-1
0
1
Tiene una grfica de probabilidad normal, los puntos son normales y solo hay un dato atpico al
inicio de la grfica.
vs. orden
2
1
0
-1
-2
-3
2
10
12 14 16 18 20
Orden de observacin
22
24
26
28
30
Es la tendencia de los residuos pues no presenta una forma normal salvo algunos puntos.
Histograma

7
6
Frecuencia
5
4
3
2
1
0
-3
-2
-1
0
HISTOGRAMA DE RESIDUALES:
La forma de la grfica es anormal debido a que la
distribucin del histograma no es simtrica.

Caratula

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Caratula

Cargado por

Copyright:

Formatos disponibles

AO DE LA INVERSIN PARA EL DESARROLLO RURAL Y LA

FACULTAD DE CIENCIAS ECONMICAS

Valor F (calculado): 15.54

Valor F (tabulado): 0.000

Como vemos que el valor calculado es mayor que el valor tabulado en

INTERPRETACIN DEL COEFICIENTE DE CORRELACIN:

RECTA DE REGRESIN AJUSTADA:

Recta de Regresin Ajustada

Interpretacin de la pendiente de la recta de regresin ajustada

La interpretacin en este caso es que si la tasa excedente del mercado

2) RESIDUOS VS ORDEN PARA Y

100 120 140 160

3) HISTOGRAMA DE RESIDUOS PARA Y

Hay algo de normalidad en los errores, sin embargo su distribucin no es del

4) GRAFICA DE PROBABILIDAD NORMAL

Grfica de probabilidad normal

IDPB( Miles de millones de dlares = - 926 + 0.254 PBI(Miles de millones de

Grfica de dispersin de IDPB( Miles de m vs. PBI(Miles de mil

IDPB( Miles de millones de dla

El diagrama de dispersin sugiere una asociacin lineal positiva.

IDPB( Miles de millones de dla

Interpretacin de los parmetros dada la ecuacin siguiente:

Coeficientes de determinacin (R2) y (R) :

El modelo presentado explica un 96.5% de las variables, este valor de 96.5%

Contraste conjunto del modelo:

Valor F (calculado): 383.47

Valor F (tabulado): 0.000

Como vemos que el valor calculado es mayor que el valor tabulado en

GRAFICA DE PROBABILIDAD NORMAL

Grfica de probabilidad normal

(la respuesta es IDPB( Miles de millones de dla)

RESIDUOS VS AJUSTES PARA IDPB

(la respuesta es IDPB( Miles de millones de dla)

(la respuesta es IDPB( Miles de millones de dla)

RESIDUOS VS ORDEN DE IDPB

(la respuesta es IDPB( Miles de millones de dla)

PRODUCCIN VALOR INSUMO MANO DE OBRA

Anlisis de regresin mltiple

Interpretacin de los parmetros dada la ecuacin siguiente:

Coeficientes de determinacin (R2) y (R) :

Contraste conjunto del modelo:

Se estable un nivel de significancia de 5%.

Contraste del modelo por separado:

Todas las hiptesis se probarn con un nivel de significancia de 5%.

Estos son los valores para cada variable independiente

Podemos observar que para el coeficiente X2 Y X3 se rechaza la hiptesis por

Intervalos de confianza para los parametros:

Grfica de dispersin de PRODUCCIN VALO vs. INSUMO CAPITAL I

10000000 12000000 14000000

INSUMO CAPITAL INVERSIN DE CAP

Grfica de probabilidad normal

(la respuesta es PRODUCCIN VALOR AGREGADO (MIL)

La dispersin de los puntos no es tan normal, porque presenta datos atpicos a

(la respuesta es PRODUCCIN VALOR AGREGADO (MIL)

La dispersin de los puntos en la grfica de residuos vs a la produccin de

(la respuesta es PRODUCCIN VALOR AGREGADO (MIL)

Presenta una poco normalidad en los datos.

12000000 16000000 20000000

(la respuesta es PRODUCCIN VALOR AGREGADO (MIL)

Ejercicio numero 7.6: demanda de rosas se presentan

La ecuacin de regresin es:

Predictor Coef SE Coef T P

Interpretacin de los parmetros dada la ecuacin siguiente: