Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Taller 2 Econometria Completo Variables Dummy
Taller 2 Econometria Completo Variables Dummy
ECUADOR
FACULTAD DE ECONOMIA
ECONOMETRÍA II
MODELO DE VARIABLES
CUALITATIVAS
INTEGRANTES:
SHEYLA ALVAREZ
KATERINE CHICAIZA
JOHANNA LOPEZ
DARIO ROCHA
RAUL YAURI
AULA 39
VIII SEMESTRE
TALLER N° 2
En este caso debido a que los datos se presentan en forma mensual tomaremos como
base un año por lo que se determina la inclusión de 11 variables dummy, puesto que se
toma en cuenta el término de intercepto, esto a fin de evitar la trampa de la variable
dicotómica; caso contrario si no se utiliza el intercepto serían 12 variables dummy.
2. Al estudiar el efecto de ciertas variables cualitativas sobre los precios de los cines
en las áreas metropolitanas para el período 2001 a 2004, R. D. Lampson obtuvo
los siguientes resultados:
Donde:
Con D1:
Y = 4.13 + 5.77 (1) = 9.90
El precio por entrada nocturna para adultos si la localización del teatro es en un barrio
residencial, es de $9.90.
Con D2:
Y = 4.13 + 8.21 (1) = 12.34
El precio por entrada nocturna para adultos si la edad del teatro es de 10 años de
construido o renovado, es de $12.34.
Con D3:
Y = 4.13 – 7.68 (1) = - 3.55
El precio por entrada nocturna para adultos si el tipo de teatro es al aire libre, es de $-
3.55; esto significa que el teatro perdería $3.55 por persona, ya que el público prefiere un
teatro bajo techo.
Con D4:
Y = 4.13 -1.13 (1) = 3
El precio por entrada nocturna para adultos si el teatro tiene estacionamiento, es de $3.
Con D5:
Y = 4.13 + 27.09 (1) = 31.22
El precio por entrada nocturna para adultos si la película es de estreno es de $31.22
Y = 4.13 + 27.09 (0) = 4.13
El precio por entrada nocturna para adultos si la película no es de estreno es de $4.13.
3. La siguiente tabla presenta los datos trimestrales sobre las acciones de ventas de
fondos mutuos de inversión hecha por la industria de fondos mutuos para el
período 2002-2007
Donde:
Se pide:
2) α = 5%
3) tc = 12.39829
4) tt = t5%,n-k-1 gl
tt = t5%,24-3-1
tt = 2.086
5) Contrastación
Resultado:
tc > tt ; por tanto se rechaza la hipótesis nula y se acepta la alternativa de que β o ≠ 0 , es
decir existe estacionalidad.
Conclusión:
El modelo sobre ventas de fondos mutuos de inversión hecha por la industria de fondos
mutuos, con un 95% de confianza presenta estacionalidad en el primer trimestre, puesto
que según los resultados las ventas en este periodo son más significativas.
VENTAS
2,200
2,000
1,800
1,600
1,400
1,200
1,000
800
I II III IV I II III IV I II III IV I II III IV I II III IV I II III IV
2002 2003 2004 2005 2006 2007
EJERCICIOS
CAPITULO 9 LIBRO GUJARATI
TD = tasa de desempleo, %
V = tasa de puestos vacantes, %
D = 1, para el periodo que comienza el cuarto trimestre de 1966
= 0, para el periodo anterior al cuarto trimestre de 1966
t = tiempo, medido en trimestres
Las relaciones entre las tasas de desempleo y vacantes son inversamente proporcionales.
Con un aumento de la tasa de desempleo, la tasa de trabajo vacante disminuirá; mientras
que si la tasa de trabajo vacante incrementa, la tasa de desempleo disminuirá.
̂ t = 1.95
𝑇𝐷
La tasa promedio de desempleo al comienzo del cuarto trimestre de 1966 es del 1.95%.
̂ t = 2.7491 + 0 – 1.2526 – 0
𝑇𝐷
̂ t =1.50
𝑇𝐷
La tasa promedio de desempleo antes de empezar el cuarto trimestre de 1966 es del
1.50%.
Prueba de hipótesis
1) Ho: β1 >0
Ha: β1 ≤ 0
2) α = 5%
3) 𝑡𝑐 = −18.83
4) tt = t5%,n-k-1 gl
tt = t5%,33-3-1
tt = 29
tt = 1.699
5) Contrastación
Por tanto se rechaza la H0 y se acepta la Ha la misma que establece que β1 es menor que
cero; siendo un valor de -18.83.
1) Ho: β1 >0
Ha: β1 ≤0
2) α = 5%
3) 𝑡𝑐 = −3.61
4) tt = t5%,n-k-1 gl
tt = t5%,18-3-1
tt = 1.761
5) Contrastación
Las pendientes tanto para el periodo anterior y posterior si son estadísticamente distintas ya
que βo en el periodo anterior es de 2.7366 por lo que se interpreta que cuando la tasa de
vacante sea cero la tasa de desempleo es 2.73 mientras que β1 del período posterior es de
3.67; es decir cuando la tasa de vacante sea cero la tasa de desempleo siempre será 3.67.
Entonces β0 del periodo anterior es menor a β0 del periodo posterior por lo que se establece
que son significativamente distintas.
d. ¿Se puede concluir con toda seguridad, a partir de este estudio, que los generosos
beneficios del desempleo propician tasas más altas de vacantes? ¿Lo anterior tiene
algún sentido económico?
No se puede concluir con toda seguridad, porque se dice que a mayor beneficio de desempleo
mayor será la tasa de vacantes, entonces según los resultados obtenidos de los modelos para
el periodo anterior como posterior son: β1 es la tasa de vacante la misma que es negativa, por
lo cual es una función inversa entonces se interpreta que a menos tasa de vacantes mayor
será la tasa de desempleo.
Por lo que no tiene un sentido económico expresar que el desempleo propicia tasas más altas
de vacantes.
Yi = α1 + α2Di + βXi + ui
a) Y1 = α1 + α2 (1)
Y1 = α1 + α2 (0)
En esta forma el hombre tendría un mayor salario que la mujer.
b) Y1 = α1 + α2 (1)
Y1 = α1 + α2 (0)
c) Y1 = α1 + α2 (1)
Y1 = α1 + α2 (-1)
Y1 = α1 - α2
En este método la mujer tendría un salario mayor que el hombre, el cual tendría un salario
incluso menor que cuando se le asignaba un valor de 0 (por la presencia del signo
negativo).
De los 3 métodos se prefiere la primera alternativa, puesto que aún en la actualidad existe
la discriminación de género, en la cual el hombre sigue teniendo salarios mayores que la
mujer, ya sea estando ambos en las mismas condiciones.
9.8. En su estudio sobre las horas de trabajo dedicadas por el FDIC (Federal Deposit
Insurance Corporation) al análisis de 91 bancos, R.J. Miller estimó la siguiente función:*
R2 = 0.766
Donde:
Por cada activo que aumente el banco, mayor será el número de horas requeridas por el
examinador del FDIC; mientras que si el número de oficinas del banco aumenta el número
de horas requeridas por el examinador del FDIC será mayor y de igual forma si aumenta la
razón de préstamos clasificados a préstamos totales del banco se incrementará el número
de horas requeridas por el examinador del FDIC.
En conclusión existe una relación directa entre las variables independientes y el logaritmo
de las horas-hombre que utiliza el examinador del FDIC.
D1
Si la administración se calificó como “muy buena”, disminuye el logaritmo del número de
horas-hombre que utiliza el examinador del FDIC.
D2
Si la administración se calificó como “buena”, aumenta el logaritmo del número de horas-
hombre del examinador del FDIC.
D3
Si la administración se calificó como “satisfactoria”, aumenta el logaritmo del número de
horas-hombre que utiliza el examinador del FDIC.
D4
Si la evaluación se realizó junto con el estado, disminuye el logaritmo del número de
horas-hombre que utiliza el examinador del FDIC.
9.11. Determinantes del precio por onza de cola. Cathy Schaefer, alumna del autor,
estimó la siguiente regresión con base en datos transversales de 77 observaciones:*
Donde:
Pi = precio por onza de cola
D1i = 001 si es almacén de descuento
= 010 si es almacén de cadena
= 100 si es tienda
D2i = 10 si es un producto de marca
= 01 si es un producto sin marca
D3i = 0001 botella de 67.6 onzas (2 litros)
= 0010 botellas de 28-33.8 onzas (Nota: 33.8 oz = 1 litro)
= 0100 botellas de 16 onzas
= 1 000 latas de 12 onzas
D1i = el precio de la onza de cola es más barato mientras el almacén sea más grande, por lo
tanto equivale a una disminución del precio por onza de cola.
D2i = si el producto es de marca, el precio de la onza de cola será más caro; es decir existe
un incremento del precio.
D3i = mientras más pequeño sea el producto, mayor será el precio de la onza de cola; es
decir se refleja un aumento en el precio.
b. Si suponemos que el procedimiento de variables dicótomas es aceptable, ¿cómo
interpreta los resultados?
Este resultado significa que cuando el producto es más pequeño, tiende a ser más
costoso; es decir mantiene una relación inversa entre el número de onzas y el precio del
producto.
9.17. Con los datos de la tabla 9.8 pruebe la hipótesis de que las varianzas de los errores
en los dos subperiodos 1958-IV a 1966-III y 1966-IV a 1971-II son iguales.
Dependent Variable: TD
Method: Least Squares
Date: 10/15/13 Time: 14:30
Sample: 1966:4 1971:2
Included observations: 19
Variable Coefficient Std. Error t-Statistic Prob.
C 3.899820 0.427491 9.122577 0.0000
TTV -2.380531 0.586460 -4.059152 0.0008
R-squared 0.492184 Mean dependent var 2.173684
Adjusted R-squared 0.462313 S.D. dependent var 0.260128
S.E. of regression 0.190745 Akaike info criterion -0.376462
Sum squared resid 0.618520 Schwarz criterion -0.277047
Log likelihood 5.576390 F-statistic 16.47671
Durbin-Watson stat 0.244966 Prob(F-statistic) 0.000816
Dependent Variable: TD
Method: Least Squares
Date: 10/15/13 Time: 12:35
Sample: 1958:4 1966:3
Included observations: 32
Variable Coefficient Std. Error t-Statistic Prob.
C 2.733071 0.066131 41.32792 0.0000
TTV -1.512592 0.078909 -19.16879 0.0000
R-squared 0.924517 Mean dependent var 1.500688
Adjusted R-squared 0.922001 S.D. dependent var 0.313788
S.E. of regression 0.087636 Akaike info criterion -1.970798
Sum squared resid 0.230400 Schwarz criterion -1.879190
Log likelihood 33.53277 F-statistic 367.4423
Durbin-Watson stat 0.716696 Prob(F-statistic) 0.000000
1) 𝐻0 = 𝜎1 2 = 𝜎2 2
𝐻1 = 𝜎1 2 ≠ 𝜎2 2
2) ∝= 0.05
(0,190745)2⁄
3) 𝐹𝑐 = (0.087631)2 32−1−1 = 2,684
⁄19−1−1
4) 𝐹𝑡 = 𝐹0,05;1,7647
5) Contrastación
Fc
9.21. Utilice los datos dados en la tabla 9.2 y considérese el siguiente modelo:
ln Ahorrosi = β1 + β2 ln Ingresosi + β3 ln Di + ui
Donde:
Primer periodo
El ahorro tiene una variación negativa siendo de -2.004; es decir se tiene un ahorro menor
con relación a los ingresos que se presentan en el periodo 1970 a 1981.
PERIODO N° 2
Dependent Variable: LAHORRO
Method: Least Squares
Date: 10/16/13 Time: 23:37
Sample: 1982 1995
Included observations: 14
Variable Coefficient Std. Error t-Statistic Prob.
C 4.340985 1.048227 4.141266 0.0014
LINGRESO 0.121697 0.128100 0.950014 0.3608
R-squared 0.069950 Mean dependent var 5.336123
Adjusted R-squared -0.007555 S.D. dependent var 0.145639
S.E. of regression 0.146188 Akaike info criterion -0.876285
Sum squared resid 0.256451 Schwarz criterion -0.784992
Log likelihood 8.133998 F-statistic 0.902527
Durbin-Watson stat 1.817615 Prob(F-statistic) 0.360847
Segundo periodo
En este periodo se presenta un ahorro de 4.3409, es decir al ser positivo se interpreta
como un aumento en el ahorro de tal manera que en dicho periodo se observa una mayor
capacidad de ahorro.