Problema 1 (4 Puntos)

Una empresa fabricante de automóviles desea estimar la demanda de coches, D t, en

función del precio de los mismos, P t, para la cuál dispone de los datos de la propia
empresa en los últimos 120 meses (t= 1,2,3,.....,120). Con este objetivo se estima el
siguiente modelo: D = ß0 + ß1Pt
a. ¿Cuál es el signo esperado del coeficiente ß1 ?. Explique.
Según la teoría macroeconómica, el signo esperado para el coeficiente ß 1 es negativo,
debido a que la relación entre el precio y la cantidad demandada de automóviles es
inversamente proporcional, es decir, si el precio del bien disminuye, su demanda
aumenta y viceversa.

b. En cuanto al tratamiento de los datos, ¿de qué tipo de estudio se trata?

En relación al tratamiento de los datos, podemos concluir que se trata de un estudio de
series temporales, dado a que se estudia la relación de las variables “demanda y
precio” de un mismo objeto de estudio, que en este caso corresponde a la empresa
fabricante de automóviles, basándose en diferentes periodos de tiempo que serían los
últimos 120 meses.

Problema 2 (4 Puntos)
Una empresa de servicios informáticos desea estimar la evolución de la demanda de
dichos servicios en su localidad, para la cual utiliza el siguiente modelo, con datos
cuatrimestrales de los diez últimos años :
Dt = ß0 + ß1 Pt + ß2Yt + et , t = 1, 2, ……, 30

Donde : Dt = Demanda de servicios informáticos.

Pt = Precio de los servicios.
Yt = Renta media de la localidad.
 a. ¿Existe algún supuesto del Modelo Lineal General que fallaría si en
realidad la demanda dependiera de Pt e Yt2?. Explique.
Si la demanda dependiera de P t e Yt2 , el supuesto que fallaría sería el número 9: “el
modelo está correctamente especificado, por lo que no hay sesgo de especificación”,
dado a que en caso de que dependiera de la variante Y t2,, esta tendría un
comportamiento cuadrático y no lineal, a diferencia del precio de los servicios. Lo que
provocaría que fuese imposible tratarlas en un mismo modelo con la variable demanda,
debido a que si la demanda se duplicara, se explicaría por la “cuadruplicación de la
renta de la localidad”, lo cual no tendría el mismo comportamiento ya que una variable
(la demanda) se duplica y la otra (la renta) se cuadruplica.

b. En cuanto al tratamiento de los datos, ¿de qué tipo de estudio se trata?

En relación al tratamiento de los datos, podemos concluir que se trata de un estudio de
series temporales, dado a que el modelo se basa en un solo objeto de estudio que
sería la empresa de servicios informáticos, pero en diferentes periodos de tiempos que
se expresarían en cuatrimestres en los últimos 10 años.

Problema 3 (4 Puntos)
Se realizó un estudio para estimar un modelo que explique el ahorro generado, S t, en
función del tipo de interés, Rt. Para ello se eligieron 15 clientes de la banca local, desde
Enero de 1995 a Diciembre de 2000, estimando el siguiente modelo:

S t =β 0 + β1 R t + ε t
 a. Para estimar con mayor precisión los parámetros, si pudieras elegir la
muestra en diferentes períodos, ¿La elegirías durante un período de tiempo
en el cual los tipos de interés fueran fluctuantes o durante un período en el
cual los tipos de interés fueran relativamente constantes?. Explique.
Elegiría un periodo de tiempo en el cual los tipos de interés fueran relativamente
constantes, ya que se busca una normalidad de los datos que puedan seguir la
pendiente y la altura calculada. Dado a que a medida que se alejen de esta pendiente
promedio, tendrán un mayor error, y a mayor error, menos probabilidad de ocurrir tiene
este suceso. Por lo que si se opta por elegir un periodo de tiempo en el cual los tipos
de intereses fueran fluctuantes, el modelo que se generaría sería poco asertivo
respecto a lo que ocurriría realmente.

b. En cuanto al tratamiento de los datos, ¿de qué tipo de estudio se trata?

En relación al tratamiento de los datos, podemos concluir que se trata de un estudio de
datos en panel dado a que hay varios objetos de estudio que corresponderían a los 15
clientes de la misma banca local analizados a lo largo de los diferentes periodos de
tiempo que abarcarían desde Enero de 1995 a Diciembre de 2000.
Parte II
Los gráficos cuentan una historia, analice las siguientes gráficas:
Gráfico 1: (Pib per cápita vs Gasto en Educación como % del PIB)

Fuente: Elaboración propia con datos del Banco Mundial, software R

Para analizar el comportamiento del PIB per cápita y el gasto en Educación como % del
PIB, lo dividiremos en tres partes:
1. En primera instancia, se puede apreciar que la mayoría de los países que
poseen un PIB per cápita entre 0 y 30.000, destinan entre un 4% y un 6% al
gasto en educación como porcentaje del PIB. Esto provoca que los datos se
comporten de manera homogénea en dicho rango.
2. En segunda instancia, podemos observar que existe un menor número de
países que poseen un PIB per cápita entre 30.000 y 60.000, si bien, sus datos
están distribuido de manera dispersa, existe una inclinación a asignar sus gastos
educacionales entre un 4% y un 6%.
 3. Dentro del último rango, encontramos la minoría de países, estos poseen un PIB
per cápita entre 60.000 y 90.000 y la distribución de sus datos es totalmente
heterogénea, implicando algunos gastos en educación desde el 3% hasta el 8%.

Gráfico 2: (Pib per cápita vs Gasto en Educación como % del PIB)

Fuente: Elaboración propia con datos del Banco Mundial, software R

Al analizar el gráfico que presenta una función de regresión muestral, podemos

observar que los datos presentan una pendiente de regresión positiva y que la relación
entre las variables estudiadas (PIB per cápita y gasto en educación como % del PIB),
no están estrechamente relacionadas, debido a que los datos se encuentran alejados
de la línea de regresión.
Grafico 3: (PIB per cápita vs Gasto en Educación como % del PIB

Fuente: Elaboración propia con datos del Banco Mundial, software R

Si analizamos el comportamiento del PIB per cápita y el gasto en Educación como %

del PIB, considerando los países según su grupo de ingreso podemos inferir:
1. Entre más bajo es el ingreso de los países, más agrupados se encuentran los
datos, es decir, existe menos variación en la distribución de estos. Podemos ver
que los países con ingreso mediano bajo, bajo y mediano alto poseen un PIB
que fluctúa desde 0 a 15.000 y tienden a destinar mayoritariamente entre un 3%
y 6% de su PIB en gastos de educación, alcanzando un mínimo de un 1% y un
máximo de 7% aproximadamente.
2. Mientras los países con ingresos más altos, poseen una mayor capacidad
productiva y en consecuencia su PIB es mayor, variando desde los 15.000 a los
90.000, en comparación a los países con menores ingresos los cuales alcanzan
un máximo de 15.000.
 En el caso de los países con ingresos más altos, los datos se distribuyen de
manera heterogénea, destinando desde el 3% al 8% en la asignación de gastos
en educación. En comparación con los países con ingresos más bajos, existe
una diferencia de un 1% en el máximo de porcentaje de gastos en educación y
un 2% en el mínimo de dicho porcentaje.

Gráfico 4: (Pib per cápita vs Gasto en Educación como % del PIB)

Fuente: Elaboración propia con datos del Banco Mundial, software R

Si analizamos el comportamiento del PIB per cápita y el gasto en Educación como %

del PIB, considerando los países según su grupo de ingreso y sus respectivas
funciones de regresión muestral podemos inferir lo siguiente:
1. Los países de ingresos bajos y mediano bajo no presentan una relación entre el
porcentaje de gastos en educación como % del PIB y el PIB per cápita, debido a
que este último no es un factor determinante en el porcentaje de gasto en
educación. Es por esto que las líneas se comportan sin inclinación, por lo cual se
genera una línea de regresión horizontal.
2. Por otra parte, los países con ingresos medianos altos, ingresos bajos y mediano
alto, poseen un menor rango de PIB, y por ende, su ajuste a la línea de regresión
es mayor.
3. Finalmente, el grupo de países con ingresos altos abarca un rango mayor de PIB,
por lo tanto, la línea de regresión posee una pendiente positiva. Además, los datos
al tener una mayor dispersión presentan un menor ajuste del modelo de regresión.