UNIVERSIDAD CENTRAL DEL

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

1. Si dispone de datos mensuales de varios años, ¿cuántas variables dicotómicas

debe incluir en un modelo para verificar las siguientes hipótesis:

a. Todos los años presentan patrones estacionales

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.

b. Solamente febrero, abril, junio, agosto, octubre y diciembre presentan patrones

estacionales.

Debido a lo planteado se ha resuelto la aplicación de 5 variables dummy, esto cuando se

toma en cuenta el intercepto ya que el número de meses en los que existe estacionalidad
es 6; y serían 6 variables dicotómicas sin utilizar el intercepto.

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:

Y = 4.13 + 5,77 D1 + 8,21 D2 - 7,68 D3 - 1,13 D4 + 27,09 D5 + 31,46 log X1 + 0,81 X2

(2.04) (2,64) (2,51) (1,78) (3,58) (13,78) (0,17) (3.0)

Donde:

D1 = localización del teatro: 1 si es en un barrio residencial, 0 si es en el centro de la

ciudad;
D2= edad del teatro: 1 = 10 años de construido o renovado, 0 en los demás casos
D3 = tipo de teatro: 1 = si es al aire libre y 0 si es bajo techo
D4= estacionamiento: 1 si tiene estacionamiento; 0 en los demás casos
D5 = clase de película: 1 si es de estreno, 0 en los demás casos
X1 = % promedio de sillas desocupadas por presentación
X2 = precio promedio de alquiler de películas, centavos por tiquete cobrado por el
distribuidor
Y = precio por entrada nocturna para adultos, en centavos

Las cifras entre paréntesis corresponden a los errores estándar.

Se pide:

a. Interprete los resultados

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.

Y = 4.13 + 5.77 (0) = 4.13

El precio por entrada nocturna para adultos si la localización del teatro es en el centro de
la ciudad, es de $4.13.

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.

Y = 4.13 + 8.21 (0) = 4.13

El precio por entrada nocturna para adultos si la edad del teatro es diferente a 10 años de
construido o renovado, es de $4.13.

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.

Y = 4.13 – 7.68 (0) = 4.13

El precio por entrada nocturna para adultos si el tipo de teatro es bajo techo, es de $4.13.

Con D4:
Y = 4.13 -1.13 (1) = 3
El precio por entrada nocturna para adultos si el teatro tiene estacionamiento, es de $3.

Y = 4.13 -1.13 (0) = 4.13

El precio por entrada nocturna para adultos si el teatro no tiene estacionamiento, es de
$4.13

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.

b. Si X1 = 10, X2 = 2 US$, si la película no es de estreno, el cine tiene estacionamiento,

el teatro es bajo techo ha sido construido hace 7 años y está en un barrio
residencial, ¿cuál sería el precio de la entrada por adulto en la noche?.

Y = 4.13 + 5,77 D1 + 8,21 D2 - 7,68 D3 - 1,13 D4 + 27,09 D5 + 31,46 log X1 + 0,81 X2

Y = 4.13 + 5,77 (1) + 8,21 (0) - 7,68 (0) - 1,13 (1) + 27,09 (0) + 31,46 log (10) + 0,81 (2)
Y = 14.52
El precio por entrada nocturna para adultos si la película no es de estreno, el cine tiene
estacionamiento, el teatro es bajo techo, construido hace 7 años y está en un barrio
residencial es de $14.52.

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

Considere el siguiente modelo: Ventai = α0 + α1 D1 + α2 D2 + α3 D3 + μi

Donde:

D1= 1 para el segundo trimestre, 0 en los demás casos

D2 = 1 para el tercer trimestre, 0 en los demás casos
D3 = 1 para el cuarto trimestre, 0 en los demás casos

Se pide:

a. Estime el modelo e interprételo

 Dependent Variable: VENTAS
Method: Least Squares
Date: 10/17/13 Time: 12:01
Sample: 2002Q1 2007Q4
Included observations: 24

Variable Coefficient Std. Error t-Statistic Prob.

C 1526.333 123.1084 12.39829 0.0000

D1 -242.5000 174.1015 -1.392865 0.1790
D2 -334.6667 174.1015 -1.922250 0.0689
D3 -101.6667 174.1015 -0.583950 0.5658

R-squared 0.178674 Mean dependent var 1356.625

Adjusted R-squared 0.055475 S.D. dependent var 310.2820
S.E. of regression 301.5527 Akaike info criterion 14.40678
Sum squared resid 1818681. Schwarz criterion 14.60312
Log likelihood -168.8813 Hannan-Quinn criter. 14.45887
F-statistic 1.450292 Durbin-Watson stat 0.267973
Prob(F-statistic) 0.258081

Ventai = 1526.33 – 242.5 D1 – 334.67 D2 – 101.67 D3

De acuerdo a los resultados obtenidos se determina que la venta autónoma de fondos

mutuos de inversión es de $1526.33 en el primer trimestre, esto siempre y cuando las
demás variables sean 0.

Para el segundo trimestre la venta de fondos disminuye en $242.50, es decir el total de

ventas es de $1283.83; así mismo para el tercer trimestre la venta de fondos disminuye en
$334.67, es decir las ventas totales son de $1191.66 y para el cuarto trimestre las ventas
disminuyen en $101.67, es decir las ventas totales son de $1424.66.

b. ¿Existe estacionalidad? ¿En qué trimestre? Realice la prueba de hipótesis

correspondiente.

1) Ho: no existe estacionalidad

βo = 0

Ha: existe estacionalidad

βo ≠ 0

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

9.3 Considere los siguientes resultados de una regresión.

̂ t = 2.7491 + 1.1507Dt − 1.5294Vt − 0.8511 (DtVt)

𝑇𝐷
t = (26.896) (3.6288) (−12.5552) (−1.9819)
R2 = 0.9128
Donde:

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

Nota: En el cuarto trimestre de 1966, el entonces gobierno laborista liberalizó la Ley de

Seguro Nacional: reemplazó el sistema de tasa fija para prestaciones de desempleo de
corto plazo por un sistema mixto de tasa fija y prestaciones relacionadas con los ingresos
(anteriores), el cual incrementó el nivel de las prestaciones de desempleo.
 a. ¿Cuáles son las expectativas a priori respecto de la relación entre las tasas de
desempleo y de vacantes?

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.

b. Si la tasa de vacantes se mantiene constante, ¿cuál es la tasa promedio de

desempleo para el periodo que comienza el cuarto trimestre de 1966? ¿Es
estadísticamente distinto del periodo anterior al cuarto trimestre de 1966? ¿Cómo
se sabe?

̂ t = 2.7491 + 1.1507Dt − 1.5294Vt − 0.8511 (DtVt)

𝑇𝐷

Dummy = 1, periodo que comienza en el cuarto trimestre de 1966

= 0, periodo anterior al cuarto trimestre de 1966

Tasa promedio de desempleo cuando empieza el cuarto trimestre de 1966

̂ t = 2.7491 + 1.1507Dt − 1.5294Vt − 0.8511 (DtVt)

𝑇𝐷

̂ t = 2.7491 + 1.1507 (1) − 1.5294 (0.819) − 0.8511 (0.819)

𝑇𝐷

̂ t = 1.95
𝑇𝐷

La tasa promedio de desempleo al comienzo del cuarto trimestre de 1966 es del 1.95%.

Tasa promedio de desempleo anterior al cuarto trimestre de 1966

̂ t = 2.7491 + 1.1507Dt − 1.5294Vt − 0.8511 (DtVt)

𝑇𝐷

̂ t = 2.7491 + 1.1507 (0) − 1.5294 (0.819) − 0.8511 (0)

𝑇𝐷

̂ 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.

c. ¿Las pendientes para el periodo anterior y posterior al cuarto trimestre de 1966

son estadísticamente distintas? ¿Cómo se sabe?

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

Se rechaza la H0 y se acepta la Ha la misma que establece que β1 es menor que cero,

donde el valor de es de -3.61

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.

9.5 Considérese el siguiente modelo

Yi = α1 + α2Di + βXi + ui

Donde: Y = salario anual de un profesor universitario

X = años de experiencia docente
D = variable dicótoma para el sexo

Considérense las tres formas siguientes de definir la variable dicótoma:

 a) D = 1 si es hombre; 0 si es mujer.
b) D = 1 si es mujer; 0 si es hombre.
c) D = 1 si es mujer; −1 si es hombre.

Interprétese el anterior modelo de regresión anterior para cada asignación de variable

dicótoma. ¿Se puede preferir a un método en vez de otro? Justifique su respuesta.

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)

En esta asignación la mujer obtendría un mayor salario que el hombre.

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:*

ln̂𝑌 = 2.41 + 0.3674 ln X1 + 0.2217 ln X2 + 0.0803 ln X3

(0.0477) (0.0628) (0.0287)

−0.1755D1 + 0.2799D2 + 0.5634D3 − 0.2572D4

(0.2905) (0.1044) (0.1657) (0.0787)

R2 = 0.766
Donde:

Y = horas-hombre del examinador del FDIC

X1 = activos totales del banco
 X2 = número total de oficinas del banco
X3 = razón de préstamos clasificados a préstamos totales del banco
D1 = 1 si la administración se calificó “muy buena”
D2 = 1 si la administración se calificó “buena”
D3 = 1 si la administración se calificó “satisfactoria”
D4 = 1 si la evaluación se realizó junto con el estado

Las cifras en paréntesis son los errores estándar estimados.

a. Interprétense estos resultados

Según los datos proporcionados en la función; se determina que el número mínimo de

horas-hombre del examinador del FDIC es de 2.41.

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.

b. ¿Hay algún problema en la interpretación de las variables dicótomas en este

modelo por estar Y en forma logarítmica?

Si existe un problema en la interpretación de las variables dicótomas en este modelo, ya

que no se puede interpretar directamente los resultados, más bien solo se analizan los
signos.

c. ¿Cómo se interpretarían los coeficientes de las variables dicótomas?

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:*

Pi = β0 + β1D1i + β2D2i + β3D3i + μi

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

Los resultados fueron los siguientes:

𝑃̂I = 0.0143 − 0.000004D1i + 0.0090D2i + 0.00001D3i

ee = (0.00001) (0.00011) (0.00000)
t = (−0.3837) (8.3927) (5.8125)
R2 = 0.6033

Nota: Los errores estándar se muestran sólo con cinco decimales.

a. Comente sobre la forma de introducir las variables dicótomas en el modelo.

Respecto a la introducción de las variables dicotómicas en el modelo:

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?

𝑃̂I = 0.0143 − 0.000004D1i + 0.0090D2i + 0.00001D3i

D1i = el precio de la onza de cola es más económico en el almacén de conveniencia.

D2i = el precio de la onza de cola es más caro si es de marca.

D3i = el precio de la onza de cola es más caro si es de menor tamaño.

c. El coeficiente de D3 es positivo y estadísticamente significativo. ¿Cómo interpreta

este resultado?

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

De acuerdo a la prueba de hipótesis se rechaza la H0 y se acepta la Ha la misma que establece que

𝜎1 2 ≠ 𝜎2 2 ; siendo el Fc 2.68 mayor que Ft, por lo que se concluye que las varianzas de los errores
para los dos subperiodos 1958-IV a 1966-III y 1966-IV a 1971-II no son iguales.

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 ln significa logaritmo natural y Di = 1 para 1970-1981 y 10 para 1982-1995.

a. ¿Cuál es el razonamiento detrás de la asignación de valores dicótomos, tal y como

se sugiere?
La asignación de valores dicótomos se aplica con el fin de determinar si existe o no
cambios estructurales dentro de una serie de tiempo; esto se realiza para evitar la
separación de la serie en dos periodos y por ende realizar 2 modelos y compararlos. En
definitiva las variables dummy es un método más directo y completo para elaborar análisis
sobre cambios estructurales.

Además se plantea este razonamiento ya que si se aplica de manera directa el logaritmo

de la variable dicotómica, se tendrá como resultado error; es decir que no existe por lo
que no se podría trabajar con el modelo si lo mantenemos en esta forma. Por tal motivo
se utiliza el Ln, el mismo que permite trabajar con el modelo y así poder interpretar sus
resultados.

b. Estímese el modelo anterior e interprétense sus resultados.

Date: 10/16/13 Time: 23:36

Sample: 1970 1995
Included observations: 26
Variable Coefficient Std. Error t-Statistic Prob.
C 0.699090 0.821533 0.850958 0.4036
LINGRESO 0.548978 0.115145 4.767689 0.0001
LDUM 0.064253 0.062237 1.032398 0.3126
R-squared 0.834946 Mean dependent var 4.999615
Adjusted R-squared 0.820594 S.D. dependent var 0.452228
S.E. of regression 0.191547 Akaike info criterion -0.359196
Sum squared resid 0.843879 Schwarz criterion -0.214031
Log likelihood 7.669548 F-statistic 58.17433
Durbin-Watson stat 1.127914 Prob(F-statistic) 0.000000

InAhorros = 0.6990898 + 0.5489776ln Ingresos + 0.0642530 ln D 1 + µi

Donde:

β0 = El ahorro promedio de una persona es de 0.6990898 cuando las demás

variables son cero.
β1 = Por cada unidad adicional en el ingreso la variación del ahorro aumentara en
0.5489, esto se presenta siempre y cuando las demás variables se mantengan
constantes.

c. ¿Cuáles son los valores de la intersección de la función ahorros en los dos

subperiodos, y cómo se interpretarían?
 PERIODO N° 1
Dependent Variable: LAHORRO
Method: Least Squares
Date: 10/16/13 Time: 23:37
Sample: 1970 1981
Included observations: 12
Variable Coefficient Std. Error t-Statistic Prob.
C -2.004836 0.692474 -2.895177 0.0160
LINGRESO 0.928819 0.097160 9.559658 0.0000
R-squared 0.901368 Mean dependent var 4.607023
Adjusted R-squared 0.891505 S.D. dependent var 0.357026
S.E. of regression 0.117599 Akaike info criterion -1.292053
Sum squared resid 0.138296 Schwarz criterion -1.211235
Log likelihood 9.752319 F-statistic 91.38706
Durbin-Watson stat 1.128791 Prob(F-statistic) 0.000002

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.