Contabilidad y Finanzas

Asignatura: Econometría Año 3ro 5to Semestre

Clase No 5 Ejercitación Tema 1 Segunda parte Continuación.
Tema 1: Modelo de Regresión Lineal General
Contenido a Orientar
Objetivos:
 Realizar estimaciones puntuales y por intervalo para B j y para el verdadero valor promedio Y k e
interpretar sus resultados
 Calcular e interpretar al coeficiente de determinación en el contexto dado
 Realizar las pruebas de F total y de t parciales en modelos de regresión múltiple e interpretar sus
resultados
 Identificar modelos no lineales y linealizarlos en caso de ser posible
Método:
 Elaboración conjunta
Medios:
 Tiza y pizarra
 Libro de Texto
I MOMENTO CONTROL DE LA ACTIVIDAD:
Recordatorio de la ecuación matricial y =xb
b= ( x̀ x )−1 x̀ y Vector de estimadores mínimos cuadráticos
Analizar cada termino
Recordar, además:
 Interpretación de b0 y b1 en el modelo lineal simple como estimadores mínimos cuadráticos de
los para metros B0 y B1 respectivamente.
2
 Que SCe`= ỳ y− b̀ x̀ y por la vía matricial, es equivalente a SC e ¿ SC total−SC ^y que se estudió
anteriormente y n-p son los grados de libertad del error

SC
^ (b )=S2e ( x̀ x )−1 ; con S 2e = ỳ y −b̀ x̀ y y R2= reg x 100 %
V
n− p SC total

Para obtener

pág. 1
 n

ỳ y=
n

[∑ ]
i =1
y i
2
; x̀ y =
[ ]
∑ yi
i=1
n

∑ xi yi
i=1

Para obtener

b= ( x̀ x )−1 x̀ y

x̀ x=
[ ]
n
n

∑ xi ∑ x
i=1
∑ xi
i=1
n

i=1

n
2 2x 2
i ¿ ¿

n
|
n
; Donde el determinante |x́ x|= n ∑ x −
i=1
2
i
n

(∑ ) |
i=1
xi
2

[ ]
2
1
∑x i −∑ xi
( x̀ x )−1= i=1
n
i=1
|x́ x|
−∑ x i n
i=1

Control del Estudio Individual y Evaluación

En una investigación sobre la demanda interna, se desea pronosticar la demanda de cierto
producto en Tn en dependencia de los factores siguientes:
X1: oferta del producto en Tm
X2: Precio del producto en pesos
18.1 2 −1 0.5
b= ¿( x̀ x) x̀ y= 11.2
−1

−0.5
;( x̀ x)−1

[ ]
= −1 4
0.5 3 [ 2

] 2
3 ; b̀ x̀ y−n y =19.7 ; ỳ y−n ý =21.67
5
a) Obtenga la ecuación de regresión estimada e interprete a los coeficientes de regresión
parcial en el contexto dado
b) Realice la prueba Ftotal y emita sus conclusiones con un nivel de significación del 5 %
c) Con una confianza del 95% estime a los parámetros del modelo e interprete resultados
d) Ofrezca con 1-α=0.95 una estimación para el verdadero valor promedio de la demanda del
producto, cuando la oferta del producto analizado sea de 100 Tm y el precio del mismo
sea de 20 pesos e interprete el resultado.
Solución
a) ^y =18.1+11.2 x 1−0.5 x 2
Interpretación de los coeficientes de regresión parciales:

pág. 2
b1=11.2 Por cada Tm de incremento en la oferta del producto, como promedio se incrementa la
demanda del producto en 11.2 Ton permaneciendo constante el precio del mismo.
b2=-0.5 Por cada peso de incremento en el precio del producto, como promedio disminuye en 0.5 Ton la
demanda de dicho producto, permaneciendo constante la oferta del mismo.
b) Prueba Ftotal para la significación de la ecuación de regresión lineal múltiple

Causas S.C G.L C.M o S2 F calculada F tabulada

Regresión b̀ x̀ y−n ý 2=¿19.7 p-1=2 b̀ x̀ ỳ−n ý 2 S2 F0.95(2;197)
=¿ 9.8 2reg =¿985
p−1 S total 3.00
5
2
Residual o Error ỳ y−b̀ x̀ y =¿1.97 n-p =197 ỳ y −b̀ x̀ y =¿0.0
n− p
1
2
Total ỳ y−n ý =¿ 21.67 n-1=199

H0: B1=B2
H1: algún Bj Diferente
Como 985>3.0 se rechaza H0 con α=0.05 y se puede concluir que la ecuación obtenida puede
considerarse de buen ajuste.
0.02 −0.01 0.005
−1

[
c) V(b)=Se2( X̀ X ) =0.01 −0.01 0.04 0.03
0.005 0.03 0.05 ]
^ b0= √ 0.02=0.14 o S(b0)=Se√ a11 =0.1 √2=0.14
S(b0)= √ V
^ b1=√ 0.04=0.20 o S(b1)=Se√ a22=0.1 √ 4=0.2
S(b1)= √ V
^ b2=√ 0.05=0.224 o S(b2)=Se√ a33=0.1 √ 5=0.224
S(b2)= √ V
I(Bj)=( bj ±t(1-α/2)Sbj).
Intervalo para B0
I(B0)=( b0 ±t(1-α/2)Sb0).=18.1±1.96(0.14)=18.1±0.27=(18.1+0.27;18.1-0.27)
I(B0)= 10.81; 18.37
Intervalo para B1
I(B1)=( b1 ±t(1-α/2)Sb1).=11.2±1.96(0.2)=11.2±0.39=(11.2+0.39;18.1-0.39)
I(B1)= 10.81; 11.59
I(B2)=( b2 ±t(1-α/2)Sb2).=-0.5±1.96(0.224)= -0.5±0.439=(-0.5+0.439;-0.5-0.439)
I(B2)= -0.939;-0.061
d) Intervalo para Yk
Para xk =[ 1 100 20 ]
pág. 3
 I(Yk)= [ ^y k ±t 1−∝/2 S Yk ] ; SYk =S e √ x k ( x̀ x )−1 x̀ k
y k para x1=100 y x2= 20
Calculo de ^
^y =18.1+11.2 x 1−0.5 x 2=18.1+11.2 ( 100 )−0.5 ( 20 )=1128.1
^ ( ^y k )=xk ( x̀ x )−1 x̀ k=
V

2 −1 0.5 1 1 1

[ ][ ] [ ] ( )
[ 1 100 20 ] −1 4 3 100 =( 2−100+10 )(−1+400+ 60 ) ; ( 0.5+300+100 ) 100 =(−88 ; 459 ; 5 ) 100 =538
0.5 3 5 20 200 200

^ (^yk )=53822→ ; S =S √ V
V ^ ; SYk =0.1 √ 53822 =0.1(231.99)=23.2
Yk e (^yk )

I(Yk)= y k ± t 1−∝ 1 S Yk = [ 1128.1 ± 45.472 ]

^
[ 2 ]
R/ (1082.63;1173.6)

II MOMENTO DESARROLLO
Ejercicio No 1
Con los datos del ejercicio anterior, realice las pruebas t parciales sobre los parámetros B 1 yB2 y
analice si las dos variables exploratorias deben de permanecer en el modelo.
Solución:
Significación para B1: H0: B1=0
H1: B1≠0
b1 11.2
Estadígrafo de prueba : t= = =56 ; t 0.975,197 =1.96
ESb1 0.2
Regla de decisión: Rechazar H0 si t > t 0.975;197
No Rechazar si t≤ t 0.975;197
Como t=56>1.96 se rechaza H0 con α=5% se puede concluir que la variable oferta delo producto en Tm
(x1) tiene un aporte significativo en la explicación de la demanda del producto Y
Significación para B2: H0: B2=0
H1: B2≠0
b2 −0.5
Estadígrafo de prueba : t= = =-2.23 ; t 0.975,197 =1.96
ESb2 0.224
Regla de decisión: Rechazar H0 si t > t 0.975;197
No Rechazar si t≤ t 0.975;197

pág. 4
Como - 2.23 <-1.96 se rechaza H 0 con α=5 %, por tanto, el aporte del precio del producto x 2 sobre la
demanda del producto Y es significativo.
Conclusión: Como el aporte de las dos variables analizadas es significativo, amabas deben de
permanecer en el modelo

Ejercicio No 2
Considere las siguientes variables
Y: Demanda del producto A en unidades
X1: Ingreso familiar (miles de pesos)
X2: Oferta promedio de los productos sustitutivos en unidades.
Si para un conjunto de 53 observaciones se realizó el siguiente ajuste:
2

[]
Y^ =B0 + B1 x1 −B2 x 2 ; donde SC total=1000 ; SC ^y =900 ; b= 3
5

1 2 3

[ ]
( x̀ x )−1= 2 2 2
3 2 3

a) Plantee la ecuación de regresión y pruebe si la misma resulta de buen ajuste para un nivel
de significación del 1%
b) Estime puntualmente al verdadero valor promedio para la demanda del producto A,
considerando que el ingreso familiar sea 2000 pesos (x 1=2 miles de pesos) y la oferta
promedio de los productos sustitutivos sea de 3 unidades (x 2=3 unidades) e interprete.
c) Con una confianza del 99 %

Solución:
a) ^y =2+3 x 1 +5 x2
H0: B1=B2=0
H1: algún Bj Difiere de las demás
Fcalc=

pág. 5
 Tabla ANOVA

Causas de la Suma de Grados de Cuadrado Medio F F

Variación cuadrados Libertad (CM)o S2 (Calculada) (tabulada)
(SC) (GL)
Debido a la b̀ x̀ y−n ý 2 =900 p-1=2 b̀ x̀ ỳ−n ý 2 S 2reg
=450 =225
Regresión p−1 S 2calc F0.99(2;50)
=5.18
2
Residual o ỳ y−b̀ x̀ y =100 n-p=50 ỳ y −b̀ x̀ y
=2
Error n− p
Total ỳ y−n ý 2 =1000 n-1=52

Como 225>5.18 se rechaza H0 con α =1% y podemos decir que la ecuación obtenida es
estadísticamente significativa.
b)
^y =2+3 ( 2 ) +5 ( 3 ) =23
^y =2300 pesos

El valor promedio del producto es 2300 pesos cuando el ingreso familiar es 2000 pesos y la oferta
promedio de productos es de 3 unidades.

c) I(yk)= y k ± t (1−∝ 1 ) S ^yk ;SYk

^
[ 2 ] −1 2
^ =S e √ x k ( x̀ x ) x̀ k =√ x k Se ( x̀ x ) x̀ k
−1
X k=[ 1 2 3 ]

1 2 3 1 1
−1

[ ][ ]
x k ( x̀ x ) x̀ k = [ 1 2 3 ] 2 2 2 2 =( 1+4 +9 2+4 +6 3+4 +9 ) 2 =86
3 2 3 3 3 []
SYk
^ =1.41 √ 86=1.41 ( 9.274 ) =13.08 ; t 0.995 ;50 =2.70

pág. 6
I(yk)= [ 23 ±2.73 (13.08) ] =23± 35.32= [−12.32 ; 58.32 ]

Con una confianza del 99 % el valor promedio de la demanda del Producto A esta entre 0 y 35.32
pesos.

Ejercicio No 3
El ministerio de Industria está evaluando diferentes proyectos de inversión por lo que trabaja
con tres variables económicas:
Y : Costo de inversión ( miles de pesos)
X1: Costo de montaje (miles de pesos)
X2: Costo de producción (miles de pesos)
Al procesar el STATGRAF la información constituida por 15 observaciones de cada variable se
obtuvo la siguiente salida:
Parameter Estimate Estandar Error (Sb) TStatistic P-Value
Constant (b0) 9.8823
b1 0.3516 0.1340 2.524 0.02219
b2 -0.2721 0.0922 -2.951 0.01214

ANALYSIS OF VARIANCE
Causas (SC) (GL) (CM) o S2 F- Ratio
Model 50.4108 2 25.2054 41.306
Residual 7.3226 12 0.6102
Total 57.7334 14
R- squared= 87.32 percent
R- squared(ajusted for df)=85.20 percent
Satandard error of est.= 0.7812
Se pide:
a) Plantee la ecuación estimada e interprete a los estimadores mínimos cuadráticos de los
parámetros del modelo.
b) Realice la prueba Ftotal para α=5%y emitir sus conclusiones.
c) Decida con el mismo nivel de significación del inciso anterior, si las dos variables son
necesarias en el modelo
d) Realice estimaciones por intervalo para B 1 y B2 e interprete sus resultados con un nivel
del 95%
e) Estime el costo promedio de inversión, si el costo de montaje es igual a 30 miles de pesos
y el costo de construcción es de 20 mil pesos e interprete sus resultados.
pág. 7
Solución

a) ^y =9.8823+0.3516 x1 −0.2721 x 2
b1=0.3516; b2=0.2721
b) H0: B1=B2=0
H1: algún Bj Difiere de las demás
F1-α (p-1; n-p)=F0.95(2;12)=3.89
Como 41.306>3.89 se rechaza H 0 con α=5%y podemos concluir que la ecuación obtenida es
significativamente de buen ajuste.
c) Realización de las pruebas t parciales para los coeficientes o parámetros del modelo:
Solución:
H0: B1= 0 H0: B2=0
H1: B1> 0 H1: B2<0
Para ambos parámetros las pruebas t parciales, se pueden realizar por dos vías:
1. Analizando la probabilidad de salida, vemos que en ambos casos el valor de α=5% es
superior a los valores de la probabilidad de salida para los coeficientes b 1 y b2, por
tanto, en ambos casos se rechaza H 0 y podemos concluir que el aporte de las dos
variables exploratorias es significativo por lo que ambas permanecer en el modelo.
2. El análisis también podría realizarse analizando el valor de t calculado que da las
salidas con el t de la tabla, pero no sería necesario, pues es más fácil analizar la
probabilidad de salida.
d) I(B1)= b 1 ± t 1− ∝ ; n− p S b =[ 0.35 ±2.18 (0.134)] =[ 0.35 ± 0.292 ]
[ 1
]
2

I(B1)=[ 0.05948 ; 0.643272 ]

I(B2) = b 2 ± t 1− ∝ ; n− p S b =[ −0.272 ±2.18 (0.0922) ] =−0.2721± 0.201

[ 2
]
2

I(B2) =-0.4731; -0.071

e) Y^ k =9.8823+0.35 x 1−0.272 x 2=9.8823+ 0.3516 ( 30 )−0.272(20)=14.9883

Y^ k =14988.3 pesos

Conclusiones:

Resumir lo tratado, haciendo énfasis en:

 Uso de R2 como medida de bondad de ajuste de un modelo de regresión.

pág. 8
  Interpretación de los coeficientes de regresión parciales, considerando el cumplimiento de los
supuestos básicos modelo de regresión lineal general.
 Importancia de las estimaciones puntuales y por intervalo de los coeficientes del modelo
considerando el cumplimiento de los supuestos del modelo de regresión lineal general.
 Importancia de la prueba F total y delas pruebas parciales en el análisis del aporte o
permanencia de las variables exploratorias en el modelo de regresión lineal múltiple

III MOMENTO ESTUDIO INDEPENDIENTE

Resuelva el siguiente Ejercicio

Si al analizar las siguientes variables Y: rendimiento(gramos) ; X 1 : materia orgánica (MO)

gramos; y X2: tratamiento químico (TQ) litros, a través de un modelo general mediante el
STATGRAPHICS, se obtuvieron las siguientes salidas:

Parameter Estimate Estandar Error (Sb) TStatistic P-Value VIF

Constant (b0) 112.127 4.08675 27.4367 0.0000 11.5
X1(MO) 1.032037 0.203146 5.08045 0.0004 3.79
X2(TQ) 0.415922 0.182711 2.27639 0.0438 3.56
ANALYSIS OF VARIANCE
Causas (SC) (GL) (CM) o S2 F- Ratio P- Value
Model 2936.54 3 978.846 204.78 0.0000
Residual 52.5793 11 4.77994
Total 2989.12 14

R- squared= 98.241 percent

R- squared(ajusted for df)=97.7612 percent
Satandard error of est.= 0.7812
Durbin – Watson Estatitics= 1.83621

a. Plantee la ecuación de regresión obtenida e interprete el coeficiente de regresión b 2 en

el contexto dado.
b. ¿Considera la ecuación obtenida de buen ajuste? Argumente su repuesta con un nivel
de significación del 5%
c. Sera necesaria la variable materia orgánica para explicar el comportamiento del
rendimiento? Considere un nivel de significación del 5%
d. Calcule que rendimiento se estima cuando Xk=[ 1 10 5 ] e interprételo.

pág. 9
 e. Interprete el coeficiente de determinación en el contexto dado.

pág. 10