UNIVERSIDAD CENTRAL

FACULTAD DE CIENCIAS EMPRESARIALES

CARRERA INGENIERÍA COMERCIAL

MODELO DE EXAMEN

Estudiante: Erick Fabricio Guaribana Frias

Docente: Lic. Henry Rukner Reynaga Arce
Materia: Econometría
Fecha: 09/12/2019

COCHABAMBA – BOLIVIA
 1. Los datos que se presentan a continuación representan dos variables
macroeconómicas: PIB per cápita y Formación Bruta de Capital per cápita.
Tabla 1: PIB per cápita y Formación Bruta de Capital per cápita.

AÑ 199 199 199 199 199 199 199 199 199 200 200 200 200 200 200 200 200
O 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7
140 139 142 146 150 153 158 163 160 161 161 162 163 167 172 177 182
Y 2 7 8 6 4 9 4 2 7 7 3 4 8 6 0 2 2
X 210 217 213 186 205 239 305 385 306 279 226 261 224 194 241 225 246

Y: PIB per cápita (US$ a precios constantes de 2010)

X: Formación bruta de capital per cápita (US$ a precios constantes de 2010)

Tabla 2: Resultados del modelo

R
MODELO
  B T Sig. R cuadrado
(Constante
6.655 11.916 .000
LOG -LOG ) .314a .098
LN_FBK_pc .130 1.279 .220
R
MODELO
  B T Sig. R cuadrado
(Constante
7.235 704.508 .000
LOG - LIN ) .968a .936
T .015 14.849 .000
R
MODELO
  B T Sig., R cuadrado
(Constante
LIN. LOG 516.611 .581 .570
) .298a .089
  LN_FBK_pc 195.889 1.209 .245

LN_FBK_pc: Logaritmo natural de la Formación bruta de capital per cápita

t: tiempo
MODELO LOG – LOG
a) Especifique el modelo econométrico para cada caso (Modelo)

R
MODELO   B T Sig. R
cuadrado
(Constante) 6.655 11.916 .000
LOG –LOG .314a .098
LN_FBK_pc .130 1.279 .220

ln Yi =α + β2 ln Xi + ui

Y* = 6.655 + 0.130 X + ui

b) Interprete los parámetros del modelo

B2 = 0.130
B2 = 0.130 * 100 = 13 %

“Por el incremento de 1% en la Formulación Bruta del Capital el PIB per Cápita

incrementa en 13%”

c) Interprete las medidas de bondad de ajuste

R = 0.314
“Existe baja correlación lineal entre las variables porcentuales del PIB per capita y
la formulación bruta del capital”

R2 = 0.098
“La incidencia de las variaciones porcentuales de la formulación bruta del capital
representa el 9.8 % de las variaciones del PIB per cápita.”

Intervalos de confianza:

-0.086. ≤ B2 ≤ 0.348
 “A un 95% de confianza estimamos que por el 1% del incremento de la
Formulación Bruta del Capital, en 95 de cada 100 casos el PIB per cápita
aumentara entre – 8.6% y 34.8 %.”

d) Interprete los resultados de la prueba de hipótesis.

B2= sig. = 0.000 < 0.22 “El parámetro B2 es significativo al 22%”
MODELO LOG LIN
a) Especifique el modelo econométrico para cada caso (Modelo)

R
MODELO   B t Sig. R
cuadrado
(Constante) 7.235 704.508 .000
LOG – LIN .968a .936
T .015 14.849 .000

ln Yt = β1 + β2t + ut
ln Yt = 7.235 + 0.015 + Ui

b) Interprete los parámetros del modelo

B2 = 0.015
B2 = 0.015 * 100 = 1.5%
“Cada año (t) que pasa el PIB per cápita incrementa en 1.5%”
c) Interprete las medidas de bondad de ajuste

R = 0.968
“Existe alta correlación lineal positiva entre las variables porcentuales del PIB per
cápita y la formulación Bruta del Capital”
R2 = 0.936
“La incidencia de las variaciones porcentuales de la Formulación Bruta del Capital
representa el 93.6 % de las variaciones del PIB per cápita”

Intervalos de Confianza:

0.013. ≤ B2 ≤ 0.017

“A un 95% de confianza estimamos que por el 1% del incremento de la

Formulación Bruta del Capital, en 95 de cada 100 casos el PIB per cápita
aumentara entre – 8.6% y 34.8 %.”
 d) Interprete los resultados de la prueba de hipótesis.
B2= sig. = 0.000 < 0.000 “El parámetro B2 es significativo al 0%”

MODELO LIN LOG

a) Especifique el modelo econométrico para cada caso (Modelo)

R
MODELO   B t Sig., R
cuadrado
(Constante
516.611 .581 .570
LIN. LOG ) .298a .089
LN_FBK_pc 195.889 1.209 .245

Yi = β1 + β2 ln Xi + Ui
Yi = 516.61 + 195.89 X + Ui

b) Interprete los parámetros del modelo

Β2 = 195.89
Β2 = 195.89 / 100 = 1.96
“Por el incremento de 1% en la formulación Bruta de Capital el PIB per cápita
incrementa en 1.96 $”
c) Interprete las medidas de bondad de ajuste
R =0.298
“Existe baja correlación lineal entre las variables porcentuales del PIB per cápita y
la formulación Bruta de Capital”
R2 = 0.089
“La incidencia de las variaciones porcentuales de la formulación Bruta de Capital
representan el 8.9% de las variaciones del PIB.”
d) Interprete los resultados de la prueba de hipótesis.
B2: sig. = 0.000 < 0.245 “El parámetro B2 es significativo al 24.5%”
2. Determinantes de la mora bancaria
La mora bancaria puede estar determinada por múltiples factores, entre los determinante
macroeconómicos según Vallcorba y Delgado (2007) podemos mencionar: tasa de
variación real del producto interior bruto (PIB) –o de la demanda agregada–, de los precios
de las materias primas, de los salarios y de la renta disponible, tasa de paro, inflación,
depreciación de la moneda, tipos de interés (nominales o reales), ratio de endeudamiento
o del servicio de la deuda, oferta monetaria y, en ciertos casos, también alguna medida de
expectativas.
TABLA 2: Resultados, determinantes de la mora bancaria

R
cuadrad Durbin-
  B t Sig R o Watson
(Constant
15.924 4.782 .000
e)
a
SMN .004 .797 .433 .582 .339 .372
IPC -.156 -1.874 .073
a. Variable dependiente: Indice de mora
B. Variable independiente: Salario Minimo Nacional en Bs. (SMN) y Índice de precios al
consumidor (2010 = 100) (IPC)

Con los datos de la tabla 2 proceda e realizar las siguientes actividades:

a) Especifique el modelo econométrico
Yi= β1 + β2 X2i + β3 X3i + Ui
IM= β1 + β2 SMN + β3 IPC + Ui
IM = 15.924 + 0.004 + (-0.156) + Ui
IM = Índice de mora
β2 = Salario Mínimo Nacional
β3 = Índice de precios al consumidor
“Considerando el comportamiento del índice de mora (IM) en relación con el
Salario Mínimo nacional (SMN) y el Índice de precios al consumidor (IPC), a priori
se espera que el SMN ejerza un impacto positivo en el IM”
b) Interprete los parámetros del modelo
β2 = 0.004
Interpretación coeficiente de regresión:
“Si se mantienen constante la influencia del IPC conforme el SMN se incrementa,
por ejemplo en un dólar promedio el índice de mora incrementa en 0.004”
Interpretación punto de vista económico:
“Si el Salario mínimo nacional se incrementa en 1000bs, en promedio el índice de
mora incrementara en 4%”

β3= - 0.156
“El coeficiente – 0.156 señala que, si la influencia del SMN se mantiene constante,
el IPC disminuirá en promedio 0.156.”

c) Interprete las medidas de bondad de ajuste

R = 582
R2 = 339
“Significa que el 33.9% de la variación del índice de mora se explica mediante el
Salario mínimo nacional y el índice de precios al consumidor”

d) Interprete los resultados de la prueba de hipótesis.

β2= sig. = 0.000 < 0.433 “El parámetro B2 es significativo al 43.3%”
β3= sig. = 0.000 < 0.073 “El parámetro B2 es significativo al 7.3%”

e) Defina que es autocorrelación e indique si existe en el modelo o no.

La autocorrelación significa que los errores de las observaciones adyacentes están

correlacionados. Si los errores están correlacionados, entonces la regresión de los
mínimos cuadrados puede subestimar el error estándar de los coeficientes. Errores
estándar subestimados pueden hacer que sus predictores parezcan significativos,
cuando en realidad no lo son.

El estadístico de Durbin-Watson (D) está condicionado según el orden de las

observaciones (filas). Minitab parte del supuesto de que las observaciones están
ordenadas significativamente, como un orden cronológico. El estadístico de
Durbin-Watson determina si la correlación entre los términos de error adyacentes
es o no es igual a cero.

Para sacar una conclusión de la prueba, usted puede comparar el estadístico de

Durbin-Watson con los límites inferior y superior correcto en la siguiente tabla de
Savin y White. Si D > DU, no existe correlación; si D < DL, existe una correlación
positiva; si D se encuentra entre los dos límites, la prueba no es concluyente. La
tabla proporciona valores para comprobar si existe auto correlación de primer
orden positiva. El nivel de significancia de la prueba es 0.05. La tabla es para
modelos con una intersección.

Durbin Watson: 0.372