UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

FACULTAD DE CIENCIAS ECONOMICAS

Curso: Econometría I
Profesora: Mg. Beatriz Castañeda S.

Práctica 3

1. Se propone el modelo
Yi = 0 + 1 x1i + 2 x2i + 3 x3i + i Con i N(0,2)
Se dispone de la siguiente información para una muestra de 100 observaciones

100 123 96 109 460

X'X =
96
[
123

109
252
125
189
125
167
146
70 .146 58.768 −94.676
189
146
168
] []
; X'Y =
810
615
712
1 0 .08 0. 78
; Y ' Y = 3924 ; R= 0 .08 1 0. 68
0 .78 0 .68 1[ ]
−1

[
R = 58 .768 51.096 −80.676
−94 .676 −80.676 129.645 ]
a) Analice la existencia de multicolinealidad aplicando el test de ortogonalidad de
Farrar Glauber.
b) Analice la existencia de multicolinealidad aplicando el test F de Farrar Glauber
c) Obtenga las correlaciones parciales y aplique el “tes t de Farrar Glauber” para
analizar si existe multicolinealidad.

2. A partir de una muestra de 10 familias de las que se dispone de información

relativa a sus gastos en vacaciones (V) y renta anual (R) – expresadas en miles de
soles – así como del hecho de si son propietarios o no de un departamento fuera
de su lugar de residencia habitual, se especifica un modelo lineal “gasto en
vacaciones – renta”

Familia V R Propietario de un dpto.

1 1.6 30 Si
2 1 15 No
3 2.5 22 No
4 5 70 No
5 3 90 Si
6 1 10 No
7 1.5 20 Si
8 2 25 No
9 2 50 Si
10 1.8 35 Si

a) Suponiendo que el ser propietario del departamento referido sólo afecta a la

propensión marginal del gasto. Plantee el modelo para evaluar la condición
indicada para el impacto de la propiedad de un departamento. Proporcione la
matriz (X´X), (X´Y).
 De los 2 modelos estimados escoja el modelo apropiado y para el
modelo elegido

b) Interprete y analice los resultados obtenidos para los coeficientes. Para las
perturbaciones realice el análisis de normalidad.
c) ¿Hay impacto de la propiedad de un departamento en los gastos en
vacaciones? Justifique.
d) Obtenga una predicción al 95% de confianza para el gasto en vacaciones de
una familia con renta anual de 40 mil soles que es propietaria de un
departamento.

Modelo 1
Dependent Variable: V
Included observations: 10
Variable Coefficient Std. Error t-Statistic Prob.
C 0.406831 0.233084 1.745425 0.1315
R 0.066661 0.006549 10.17916 0.0001
PROP 0.590669 0.375076 1.574798 0.1664
PROP*R -0.044828 0.008705 -5.149434 0.0021

R-squared 0.952644 Mean dependent var 2.140000

Adjusted R-squared 0.928966 S.D. dependent var 1.178700
S.E. of regression 0.314149 Akaike info criterion 0.811278
Sum squared resid 0.592139 Schwarz criterion 0.932312
Log likelihood -0.056389 F-statistic 40.23334
Durbin-Watson stat 2.976964 Prob(F-statistic) 0.000228

6
Series: Residuals
Sample 1 10
5 Observations 10

4 Mean 2.43E-17
Median -0.062796
Maximum 0.626630
3
Minimum -0.406744
Std. Dev. 0.256502
2 Skewness 1.229246
Kurtosis 5.183167
1
Jarque-Bera 4.504332
Probability 0.105171
0
-0.50 -0.25 0.00 0.25 0.50 0.75

Matriz de Varianzas y covarianzas de los coeficientes

C R PROP PROP*R
0.054328 -0.001218 -0.054328 0.001218
-0.001218 4.29E-05 0.001218 -4.29E-05
-0.054328 0.001218 0.140682 -0.002698
0.001218 -4.29E-05 -0.002698 7.58E-05

Modelo 2
Dependent Variable: V
Included observations: 10
Variable Coefficient Std. Error t-Statistic Prob.

C 0.634935 0.200994 3.158976 0.0160

R 0.061547 0.006259 9.832832 0.0000
 PROP*R -0.033498 0.005395 -6.208867 0.0004
R-squared 0.933070 Mean dependent var 2.140000
Adjusted R-squared 0.913948 S.D. dependent var 1.178700
S.E. of regression 0.345768 Akaike info criterion 0.957228
Sum squared resid 0.836889 Schwarz criterion 1.048003
Log likelihood -1.786138 F-statistic 48.79370
Durbin-Watson stat 2.954030 Prob(F-statistic) 0.000078

4
Series: Residuals
Sample 1 10 Matriz de Varianzas y
3
Observations 10 covarianzas
Mean -3.61E-17
Median 0.009699 C R PROP*R
Maximum 0.511029
2
Minimum -0.558141
0.0404 -0.000906 0.000213
Std. Dev. 0.304939 -0.0009 3.92E-05 -2.37E-05
Skewness -0.120163
Kurtosis 2.579403
0.0002 -2.37E-05 2.91E-05
1

Jarque-Bera 3. Los parámetros del siguiente

0.097774
Probability modelo de regresión han sido
0.952289
0
-0.75 -0.50 -0.25 0.00 0.25 0.50 0.75
estimados por MCO utilizando
datos trimestrales de los años
comprendidos entre 1968 y 1986 (ambos inclusive):
(1)
Y^ =2. 2+0 . 104 X −3 . 48 X +0 . 34 X
t 1t 2t 3t ; SCE=18 . 48 ; SCR= 109 .6
Posteriormente se han estimados dos nuevas regresiones basadas en el modelo
original, con datos trimestrales de 1968 a 1978 y de 1979 a 1986, respectivamente.
Las sumas de cuadrados de los residuos obtenidas para cada uno de los sub-
períodos son 9.32 y 7.46, respectivamente. Si queremos contrastar la hipótesis de
estabilidad de los coeficientes del modelo anterior en los dos sub-períodos:
a) ¿Cuál sería el contraste que realizarías? Explica claramente cuál es la
hipótesis nula a contrastar y el mecanismo de contraste. Aplica el contraste
anterior al ejercicio propuesto. ¿Qué conclusiones obtienes?
b) ¿Qué contraste realizarías si sólo quieres analizar la estabilidad del coeficiente
de la variable X1? En el caso de que el contraste anterior te dijera que el
coeficiente de X1 es diferente en los dos sub-períodos, ¿cómo especificarías el
modelo?
c) Contrasta la presencia de estacionalidad trimestral en el modelo (1) sabiendo
que al añadir variables ficticias que recogen este efecto la suma de cuadrados
de la regresión es 114.8?

4. En una muestra de 40 familias se ha estimado la renta disponible (Ri ) en función

del nivel de estudios máximo alcanzado por el cabeza de familia (primarios, medios
y superiores) donde se supone que se satisfacen todas las hipótesis básicas:

Ri = 1093.68+ 440.55EMi + 881.32 ESi + ei R2 = 0,8252

(Sβ) (102.68) (161.10) (188.64)
Donde Emi (respectivamente ESi) es una variable ficticia que toma el valor 1 si el
cabeza de familia tiene estudios medios (respectivamente superiores) y 0 en caso
contrario. Además se sabe que:
2
∑Ri = 56525 ∑e2i= 2109395.944 ∑ (R i−R ) =12067482. 52
a) Interpreta los coeficientes estimados.
b) Obtén un intervalo de confianza del 95%para la renta media disponible de los
hogares cuyo cabeza de familia tiene un nivel de estudios primarios.
c) Bajo la hipótesis nula de que el nivel de estudios alcanzado por el cabeza de
familia no influye en la renta disponible:
 ¿Cuál sería el modelo restringido? Estímalo.
 Utilizando las sumas de cuadrados residuales de los modelos restringido y
no restringido, contrasta al nivel de significación del 5% esa hipótesis nula.

5. Con el objeto de explicar el Gasto de los consumidores de un artículo por medio del
Ingreso disponible y el Índice de precios del artículo consumido, se dispone de la
siguiente data.

Año Y X2 X3
1982 12.3 263.3 93.1
1983 16.0 275.4 93.9
1984 15.7 278.3 92.5
1985 21.2 296.7 89.2
1986 17.9 309.3 91.7
1987 18.8 315.8 96.5
1988 15.4 318.8 100.0
1989 19.0 333.0 103.9
1990 20.0 340.2 102.5
1991 18.4 350.7 102.5
1992 21.8 367.3 102.1
1993 24.1 381.3 101.5
1994 25.6 406.5 101.2
1995 30.0 430.8 99.0

a) Estime el modelo para el Gasto en función del Ingreso disponible y el índice de

precios del artículo. Interprete los resultados.
b) Analice el cumplimiento de no colinealidad entre las variables regresoras.
c) Analice el cumplimiento del supuesto de normalidad de las perturbaciones,
aplique el test Jarque Bera y el Test de Kolmogorov.
d) Analice la posible existencia de quiebre aplicando el test predictivo de un
periodo y el test de los coeficientes recursivos. Proporcione los resultados