UNIVERSIDAD AUSTRAL DE CHILE

FACULTAD DE CS. ECONÓMICAS Y ADMINISTRATIVAS

INSTITUTO DE ESTADÍSTICA

Métodos Cuantitativos
Ciclo de Nivelación
Taller regresión múltiple con Software

ALUMNOS: ALEXIS GONZALEZ / RODRIGO URRA

Se desea estimar las Importaciones (y) en base a la información que entregan las variables Tasa
de arancel (x1) y el Demanda Interna (x2). Se ha seleccionado una muestra aleatoria de 9
periodos, cuyos resultados se muestran en la siguiente tabla.

Tasa
Importación Arancel Demanda Interna
64 1 12
32 2 9
16 4 9
8 6 4
8 8 8
4 10 2
2 12 1
1 14 1
1 16 1
136 73 47
Construya un modelo de regresión lineal múltiple

Para ello utilizaremos el Software R

Parámetro Estimación Error Estándar Estadístico T Valor-P

CONSTANTE 6.47056 29.6358 0.218336 0.8344
x1 -0.896634 2.06159 -0.434922 0.6788
x2 3.04722 2.54513 1.19728 0.2764

Presentación del primer modelo

Importación=6,4706−0,8966∗Tasa Arancel+3,0472∗Demanda Interna

Realice una validación de cada uno de los componentes del modelo

Hipótesis de los Betas:

Para B0

H0: B0 = 0

H1: B0≠ 0

AL trabajar con un nivel de significancia de 0,05 y al tratarse de una prueba bilateral, es decir, α/2
= 0.025 y según el p-valor (p-value) de 0,834 entregado por la prueba T, no podemos rechazar la
H0, por lo tanto B0 no es significativo en el modelo.

Para B1
H0: B1 = 0

H1: B1≠ 0

AL trabajar con un nivel de significancia de 0,05 y al tratarse de una prueba bilateral, es decir, α/2
= 0.025 y según el p-valor (p-value) de 0,679 entregado por la prueba T, no podemos rechazar la
H0, por lo tanto B1 no es significativo en el modelo.

Para B2
H0: B2 = 0

H1: B2≠ 0

AL trabajar con un nivel de significancia de 0,05 y al tratarse de una prueba bilateral, es decir, α/2
= 0.025 y según el p-valor (p-value) de 0,276 entregado por la prueba T, no podemos rechazar la
H0, por lo tanto B2 tampoco es significativo en el modelo.

Al ajustar el modelo, eliminando el beta con peor nivel de significancia B 0:

Al ajustar el nuevo modelo, su formulación es:

Importación=0,4596∗Tasa Arancel+3,5808∗Demanda Interna

Hipótesis para los B1:

Para B1

H0: B1 = 0

H1: B1 ≠ 0

Al trabajar con un nivel de significancia del 0.05 y al tratarse de una prueba bilateral, es decir, α/2
= 0.025 y según el p-value de 0,349054 entregado por la prueba T, no se puede rechazar la
hipótesis nula. Por lo tanto, B1 tampoco es significativo para este ajuste del modelo.

Para B2
H0: B2 = 0

H1: B2 ≠ 0

Al trabajar con un nivel de significancia del 0.05 y al tratarse de una prueba bilateral, es decir, α/2
= 0.025 y según el p-value de 0,00275 entregado por la prueba T, se puede rechazar la hipótesis
nula. Por lo tanto, B2 es significativo para el modelo.
Se ajusta el Modelo eliminando la variable Tasa de Arancel: B 1

Se ajusta nuevamente y resulta un modelo lineal simple:

Importación=3,5808∗Demanda Interna

En este caso, se plantean las siguientes hipótesis:

H0: B2 = 0

H1: B2 ≠ 0

Al trabajar con un nivel de significancia del 0.05 y al tratarse de una prueba bilateral, es decir, α/2
= 0.025 y según el p-value de 0.000609 entregado por la prueba T, se puede rechazar la hipótesis
nula. Por lo tanto, B2 es significativo para el modelo.

Interpretación de cada uno de los componentes del modelo asociados a las Importaciones
Con el modelo inicial:

Importación=6,4706−0,8966∗Tasa Arancel+3,0472∗Demanda Interna

Interpretación de B1:

Con la constante de 6,4706 unidades de importaciones, por cada unidad que aumenta la tasa de
arancel, las importaciones disminuyen en 0,8966 unidades.

Interpretación de B2:

Con la constante de 6,4706 unidades de importaciones, por cada unidad de demanda interna, las
importaciones suben en 3,0472 unidades.

Con el primer ajuste del modelo:

Importación=−0,4596∗Tasa Arancel +3,5808∗Demanda Interna

Interpretación de B1:

Por cada unidad que aumenta la tasa de arancel, las importaciones disminuyen en 0,4596
unidades.

Interpretación de B2:

Por cada unidad de demanda interna, las importaciones suben en 3,5808 unidades.
Con el ajuste final del modelo:

Importación=3,5808∗Demanda Interna

Por cada unidad de demanda interna, las importaciones suben en 3,5808 unidades. Lo que no
difiere con el modelo anterior.
Validación del modelo en su conjunto

Hipótesis del modelo inicial

H0: ( BB 12)=0

H1: ( BB 12) ≠ 0

Al trabajar con un nivel de significancia α = 0,05 y según p-value = 0,002516, entregado por el F
obtenido de la ANOVA del modelo inicial, se rechaza la hipótesis nula, lo que implica que el
modelo puede ser usado para estimar las importaciones en función de la tasa de arancel y la
demanda interna.

Hipótesis del primer ajuste del modelo

H0: ( BB 12)=0

H1: ( BB 12) ≠ 0
Al trabajar con un nivel de significancia α = 0,05 y según p-value = 0,00275, entregado por el F
obtenido de la ANOVA del modelo inicial, se rechaza la hipótesis nula, lo que implica que el
modelo puede ser usado para estimar las importaciones en función de la tasa de arancel y la
demanda interna.
Hipótesis del ajuste final del modelo

H0: B2 = 0

H1: B2 ≠ 0

Al trabajar con un nivel de significancia α = 0,05 y según p-value = 0,0006089, entregado por el F
obtenido de la ANOVA del modelo inicial, se rechaza la hipótesis nula, lo que significa que el
modelo puede ser usado para estimar las importaciones en función sólo de la demanda interna.

Qué representan y cómo se interpretan cada uno de los siguientes estadísticos: R; R 2; R2 corregido.

En el modelo inicial:

R = 0,8408329. Corresponde al coeficiente de correlación múltiple y significa que existe una alta
correlación entre las importaciones, la tasa de arancel y la demanda interna.

R2 = 0,707 o 70,07%. Corresponde al coeficiente de determinación múltiple o capacidad explicativa

del modelo e indica que las importaciones están explicadas por la tasa de arancel y la demanda
interna en un 70,07% y la diferencia de 29,03% lo explican otras variables no consideradas en el
análisis.

R2c = 0,6093 o 60,93%. Corresponde al coeficiente de determinación o capacidad explicativa del

modelo con una corrección a la baja, para ver el equilibrio entre el número de variables
independientes y el número de casos. La corrección es del orden del 10%. Por lo que las
importaciones sólo estarían explicadas en un 60,93% por la tasa de arancel y la demanda interna y,
por otro lado, el 39,07% restante, estaría explicado por otras variables no consideradas.
Con el primer ajuste del modelo:

R = 0.9025. Corresponde al coeficiente de correlación múltiple y significa que existe una alta
correlación entre las importaciones, la tasa de arancel y la demanda interna.

R2 = 0.8145 o 81.45% Corresponde al coeficiente de determinación múltiple o capacidad

explicativa del modelo e indica que las importaciones están explicadas por la tasa de arancel y la
demanda interna en un 81.45% y la diferencia de 18.55% lo explican otras variables no
consideradas en el análisis, materias primas que no se produzcan en el país, más baratas y de
mejor calidad, mano de obra no especializada, y más cara, falta de incentivos locales para
producir, Etc.

R2c = 0.7615 o 76.15% Corresponde al coeficiente de determinación o capacidad explicativa del

modelo con una corrección a la baja, para ver el equilibrio entre el número de variables
independientes y el números de casos. En este caso, la corrección es del orden del 5%, por lo que
debe considerarse esta corrección. Por lo anterior, las importaciones sólo estarían explicadas en
un 76.15% por la tasa de arancel y la demanda interna y, por otro lado, el 23.85% restante, estaría
explicado por otras variables no consideradas, materias primas que no se produzcan en el país,
más baratas y de mejor calidad, mano de obra no especializada, y más cara, falta de incentivos
locales para producir, Etc.
Con el ajuste final del modelo:

R = 0,88758. Corresponde al coeficiente de correlación múltiple y significa que existe una alta
correlación entre las importaciones, la tasa de arancel y la demanda interna.

R2 = 0,7878 o 78,78% Corresponde al coeficiente de determinación múltiple o capacidad

explicativa del modelo e indica que las importaciones están explicadas por la tasa de arancel y la
demanda interna en un 78,78% y la diferencia de 21,22% lo explican otras variables no
consideradas en el análisis, materias primas que no se produzcan en el país, más baratas y de
mejor calidad, mano de obra no especializada, y más cara, falta de incentivos locales para
producir, Etc.

R2c = 0,7613 o 76,13% Corresponde al coeficiente de determinación o capacidad explicativa del

modelo con una corrección a la baja, para ver el equilibrio entre el número de variables
independientes y el número de casos. En este caso, la corrección es del orden del 2%, por lo que
se considera el R2 original.

Cuáles son las importaciones para una tasa de arancel de 6 y la demanda interna de 4

Con el modelo inicial:

Importación=6,4706−0,8966∗Tasa Arancel+3,0472∗Demanda Interna

Importación=6,4706−0,8966∗6+3,0472∗4

Importación=13,2798
Con el primer ajuste del modelo:

Importación=0,4596∗Tasa Arancel+3,5808∗Demanda Interna

Importación=0,4596∗6+ 3,5808∗4
Importación=11,5696

Intervalos de confianza para los Bi.

Para el modelo inicial:

Limites de confianza

Parámetro Estimación Error Estándar Límite Inferior Límite Superior

(2,5%) (97,5%)
CONSTANTE 6,47056 29,6358 -66,045530 78,986644
Tasa Arancel -0,896634 2,06159 -5,941174 4,147906
Demanda Interna 3,04722 2,54513 -3,180483 9,274919

Para el primer ajuste del modelo:

Para el ajuste final del modelo:

1) Construir un Intervalo de confianza para los Bi

Análisis de Suma de Gl Cuadrado Medio Razón-F Valor-P

Varianza Cuadrados
Modelo 2453.79 2 1226.89 7.24 0.0252
Residuo 1017.1 6 169.517
Total 3470.89 8