Guía Didáctica PDF

ÍNDICE
Guía didáctica: Econometría I
PRELIMINARES
MODALIDAD ABIERTA Y A DISTANCIA
BIMESTRE
PRIMER
Econometría I
SEGUNDO
BIMESTRE
Guía didáctica
5 créditos
SOLUCIONARIO
Titulación
Ciclo
6 ¡ Economía
UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA La Universidad Católica de Loja 1

ÍNDICE
PRELIMINARES
UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA
La Universidad Católica de Loja
MODALIDAD ABIERTA Y A DISTANCIA
BIMESTRE
Departamento Economía
PRIMER
Sección Métodos Cuantitativos
SEGUNDO
BIMESTRE
Econometría I
SOLUCIONARIO
Guía didáctica
5 créditos
Titulación Ciclo
¡ Economía VI
Autor:
Econ. Oswaldo Francisco Ochoa Ordóñez
Asesoría virtual:
www.utpl.edu.ec
ÍNDICE
PRELIMINARES
BIMESTRE
PRIMER
SEGUNDO
BIMESTRE
SOLUCIONARIO
EconomEtría I
Guía didáctica
Oswaldo Francisco Ochoa Ordóñez
UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA
cc Ecuador 3.0 By NC ND
Diagramación y diseño digital:
EDILOJA Cía. Ltda.
Telefax: 593-7-2611418
San Cayetano Alto s/n
www.ediloja.com.ec
edilojainfo@ediloja.com.ec
Loja-Ecuador
Tercera edición
ISBN físico - 978-9942-08-242-8
ISBN digital - 978-9942-04-540-9
Esta versión digital e impresa ha sido acreditada bajo la licencia Creative Commons Ecuador 3.0 de reconocimiento -no comercial- sin obras
derivadas; la cual permite copiar, distribuir y comunicar públicamente la obra, mientras se reconozca la autoría original, no se utilice con
fines comerciales ni se realicen obras derivadas. http://www.creativecommons.org/licences/by-nc-nd/3.0/ec/
15 de julio, 2014
ÍNDICE
2. Índice
PRELIMINARES
2. Índice......................................................................................................................................... 4
3. Introducción ......................................................................................................................... 6
4. Bibliografía........................................................................................................................... 7
BIMESTRE
PRIMER
4.1. Básica................................................................................................................................ 7
4.2. Complementaria................................................................................................................ 7
5. Orientaciones generales para el estudio............................................................. 8

6. Proceso de enseñanza-aprendizaje para el logro de competencias... 9
SEGUNDO
BIMESTRE
PRIMER BIMESTRE
6.1. Competencias genéricas.................................................................................................... 9

6.2. Planificación para el trabajo del alumno........................................................................ 10
SOLUCIONARIO
6.3. Sistema de Evaluación de la asignatura (Primero y segundo bimestres)...................... 13
6.4. Orientaciones específicas para el aprendizaje por competencias................................... 14
UNIDAD 1. INTRODUCCIÓN A LA ECONOMETRÍA........................................................................ 14
1.1. Conceptos.......................................................................................................................... 14
1.2. Metodología de la econometría....................................................................................... 15
1.3. Interpretación moderna de la regresión.......................................................................... 19
1.4. Relaciones estadísticas vs relaciones determinísticas..................................................... 20
1.5. Regresión vs causalidad................................................................................................... 20
1.6. Regresión vs correlación................................................................................................... 20
Autoevaluación 1......................................................................................................................... 21
UNIDAD 2. ANÁLISIS DE REGRESIÓN CON DOS VARIABLES....................................................... 22
2.1. Concepto de función de regresión poblacional (frp)....................................................... 22
2.2. Significado del término lineal.......................................................................................... 22
2.3. Especificación estocástica ................................................................................................ 23
2.4 Función de regresión muestral......................................................................................... 24
Autoevaluación 2......................................................................................................................... 25
UNIDAD 3. MODELOS DE REGRESIÓN CON DOS VARIABLES...................................................... 26
3.1. Método de mínimos cuadrados ordinarios (mco)............................................................ 26
3.2. Precisión o errores estándar de los mínimos cuadrados estimados............................... 36
3.3. Coeficiente de determinación (r2).................................................................................... 40
Autoevaluación 3......................................................................................................................... 42
UNIDAD 4. SUPUESTO DE NORMALIDAD: MODELO CLÁSICO DE REGRESIÓN LINEAL
NORMAL....................................................................................................................................... 43
4.1. Distribución de probabilidad de las perturbaciones u.8................................................. 43
4.2. Propiedades de los estimadores MCO bajo el supuesto de normalidad......................... 43
Autoevaluación 4......................................................................................................................... 46
ÍNDICE
PRELIMINARES
SEGUNDO BIMESTRE
6.5. Competencias genéricas.................................................................................................... 47

6.6. Planificación para el trabajo del alumno........................................................................ 48
6.7. Orientaciones específicas para el aprendizaje por competencias................................... 50
BIMESTRE
UNIDAD 5. REGRESIÓN CON DOS VARIABLES: ESTIMACIÓN DE INTERVALOS Y PRUEBAS DE
PRIMER
HIPÓTESIS.................................................................................................................................... 50
5.1. Estimación de intervalos: ideas básicas........................................................................... 50
5.2. Prueba de hipótesis: intervalos de confianza.................................................................. 51
5.3. Prueba de hipótesis: nivel de significancia...................................................................... 52
5.4. Prueba de hipótesis: prueba t.......................................................................................... 53
SEGUNDO
BIMESTRE
5.5. Prueba de hipótesis: prueba F.......................................................................................... 53
5.6. Presentación de resultados............................................................................................... 58
Autoevaluación 5......................................................................................................................... 63
UNIDAD 6. EXTENSIÓN DEL MODELO LINEAL DE DOS VARIABLES............................................ 64
SOLUCIONARIO
6.1. Regresión a través del origen........................................................................................... 64
6.2. Formas funcionales: modelo log – lineal........................................................................ 66
6.3. Modelos semilogarítmicos................................................................................................ 69
Autoevaluación 6......................................................................................................................... 75
UNIDAD 7. ANÁLISIS DE REGRESIÓN MULTIPLE......................................................................... 76
7.1. Significado de los coeficientes de regresión parcial........................................................ 76
7.2. Estimación de los coeficientes de regresión parcial........................................................ 77
7.3. Varianzas y errores estándar de los estimadores............................................................ 77
7.4. Coeficiente de determinación múltiple ........................................................................... 78
7.5. La función de producción de Cobb-Douglas.................................................................... 80
7.6. Modelos de regresión polinomial..................................................................................... 83
7.7. Prueba de igualdad de dos coeficientes de regresión..................................................... 86
Autoevaluación 7......................................................................................................................... 88
7. Solucionario.......................................................................................................................... 89
8. Recursos educativos multimedia............................................................................... 96
ÍNDICE
3. Introducción
PRELIMINARES
La asignatura de Econometría I, materia troncal de 5 créditos, corresponde al sexto ciclo de la carrera de
Economía de la Modalidad Abierta y a Distancia de la Universidad Técnica Particular de Loja.
Esta materia ha sido diseñada para que los estudiantes desarrollen habilidades en técnicas cuantitativas
BIMESTRE
PRIMER
de investigación empírica, necesaria para el desarrollo y análisis de eventos económicos reales en los
sectores macro o microeconómicos de la economía global, en donde las sociedades, empresas, industrias
y gobiernos en general puedan entender cómo evolucionan las economías con la finalidad de enfrentar
dichos cambios.
La econometría se constituye en una materia fundamental para su formación académica, ya que la
SEGUNDO
BIMESTRE
constante evolución de las economías exige que la sociedad en general pueda cuantificar, interpretar y
pronosticar dichos cambios, con la finalidad de proponer soluciones y generar correctivos en la economía
global. Por tal razón el aprendizaje de esta materia es de vital importancia en su formación académica,
convirtiéndolo en un excelente asesor tanto para el sector público como para el privado.
SOLUCIONARIO
Revisar y aprender esta asignatura le proporcionará una introducción importante al estudio de esta
ciencia y obtendrá una visión clara de la aplicación de la misma en otras áreas como las finanzas, la
administración, sistemas de información entre otras. Lo que usted estudie será de importancia porque
tendrá que interactuar con información actual y modelos económicos reales, adicionalmente reforzará
los conocimientos relacionados con la estadística, la matemática y la teoría económica. Le invito, por lo
tanto, a recorrer las páginas de esta guía y del texto con un buen ánimo, y sobre todo con ganas aprender.
Con la finalidad de ofrecer un panorama general de la Introducción a la Econometría, se presentarán estos

la metodología necesaria a seguir para poder establecer un modelo econométrico adecuado, su cálculo
e interpretación de los resultados obtenidos, así como los distintos modelos que se puedan presentar en
base a la forma ecuacional que adquiera, también revisaremos los supuestos detrás de estos modelos y
su aplicación ya sea con información primaria o secundaria en el ámbito micro o macroeconómico.
¡Bienvenidos y muchos éxitos!

ÍNDICE
4. Bibliografía
PRELIMINARES
4.1. Básica
Gujarati, D. & Porter, D. (2010). Econometría. México: McGraw Hill. Quinta edición.
BIMESTRE
PRIMER
Es un texto actualizado de fácil comprensión, ya que detalla a través de varios ejercicios el avance de los
distintos temas a analizarse.
Al contrario de otros textos, este libro presenta el desarrollo de la materia a través de ecuaciones, mientras
que otros lo hacen por medio del algebra matricial lo que dificulta su comprensión.
SEGUNDO
BIMESTRE
Además se presenta anexos en los cuales se demuestra la obtención de varias fórmulas y ecuaciones que
se utilizarán en el desarrollo de los modelos de regresión.
El autor de este libro adicional a lo anterior, incluye en sus notas de pie de página mucha información
relacionada con fórmulas, conceptos, explicaciones de ejercicios y bibliografía necesaria para
SOLUCIONARIO
complementar la información del capítulo que se está revisando.
Ochoa, O. (2011). Guía Didáctica de Econometría I. Loja-Ecuador: UTPL.
Esta guía tiene como objetivo brindar elementos necesarios para facilitar el estudio de cada tema
planteado en la asignatura. En ella encontrará explicaciones claras y concisas de los temas a estudiarse
así como también una serie de ejercicios.
4.2. Complementaria
Wooldridge, J. (2001). Introducción a la econometría. México: Thomson–Learning.
Texto recomendado para complementar los temas tratados en el presente ciclo. Revise los seis primeros
capítulos.
Pindick, R. y Rubinfeld, D. (2000). Econometría modelos y pronósticos. México: McGraw-Hill.
Texto de fácil comprensión para fortalecer los temas relacionados con la introducción a los modelos
econométricos. Revise los tres primeros capítulos.

ÍNDICE
5. Orientaciones generales para el estudio
PRELIMINARES
Para lograr un aprendizaje efectivo es importante que lo haga de manera responsable, ordenada y
secuencial, para ello le propongo las siguientes orientaciones de estudio:
BIMESTRE
PRIMER
1. Compruebe que tiene todos los materiales necesarios: libro básico y guía de estudio, revíselos y
compare sus contenidos.
2. Estudie en un ambiente tranquilo, en donde facilite su relajación y concentración, de manera que

pueda aprovechar el tiempo designado por usted a la asignatura.
SEGUNDO
BIMESTRE
3. Dedique al menos una hora a revisar el texto básico, señalando las partes principales y
simultáneamente apoyándose en la guía didáctica para facilitar la comprensión del texto.
4. Para no tener dificultad en la comprensión de la materia, se requiere tener presente las materias de
estadística inferencial, cálculo, matemáticas para economistas, macroeconomía y microeconomía.
SOLUCIONARIO
5. Lea el texto básico y la guía de la materia en forma ordenada, si aún no comprende un tema no
pase al siguiente.
6. Para desarrollar el trabajo a distancia, previamente debe revisar todo el contenido de la asignatura
del primero o del segundo bimestre según corresponda, esto facilitará la comprensión y desarrollo
del trabajo.
7. Desarrolle las autoevaluaciones al final de cada capítulo sin revisar el texto básico. Si ha cometido
errores vuelva a revisar los temas en los cuales tuvo dificultades.
8. Tome datos de la economía nacional y trate de aplicarlos en todo lo aprendido en este ciclo.
9. Son importantes las consultas al profesor responsable o de apoyo de la asignatura mediante la

comunicación telefónica para solventar las inquietudes que vayan surgiendo en el desarrollo de
sus trabajos, en el horario de atención que consta en el EVA.
10. Tenga en cuenta la fecha de entrega de los trabajos a distancia, ya que son obligatorios y se
constituyen en un prerequisito al momento de presentarse a rendir sus evaluaciones presenciales.

ÍNDICE
6. Proceso de enseñanza-aprendizaje para el logro de competencias
PRELIMINARES
PRIMER BIMESTRE
BIMESTRE
PRIMER
6.1. Competencias genéricas
Son aquellas capacidades (actitudes, habilidades y conocimientos) comunes a todas las profesiones que
se ofrece en la UTPL. Constituye una parte fundamental del perfil que el estudiante debe desarrollar
durante su formación.
SEGUNDO
BIMESTRE
• Capacidad de abstracción, análisis y síntesis.
• Capacidad de aplicar los conocimientos en la práctica.
• Capacidad para organizar y planificar el tiempo.
SOLUCIONARIO
• Conocimiento sobre el área de estudio y la profesión.
• Habilidades en el uso de las tecnologías de la información y de la comunicación.
• Capacidad de investigación.
• Habilidades para buscar, procesar y analizar información procedente de fuentes diversas.
• Capacidad crítica y autocrítica.
• Capacidad creativa.
• Capacidad para identificar, plantear y resolver problemas.
• Capacidad para tomar decisiones.
• Habilidades interpersonales.
• Compromiso ético.

ÍNDICE
6.2. Planificación para el trabajo del alumno
PRELIMINARES
CRONOGRAMA
COMPETENCIAS INDICADORES DE CONTENIDOS Unidades/ ACTIVIDADES DE
ORIENTATIVO
ESPECÍFICAS APRENDIZAJE Tema APRENDIZAJE
(Tiempo Estimado)
• Analizar, • Conoce la UNIDAD 1: 1. Lectura de SEMANA 1
interpretar y importancia de INTRODUCCIÓN A LA las páginas
aplicar la teoría la econometría, ECONOMETRÍA introductorias de la 6 horas de
económica así como los guía. autoestudio.
en el entorno pasos a seguir 1.1. Conceptos
4 horas de interacción.
BIMESTRE
económico para establecer 2. Lectura global
PRIMER
1.2. Metodología de la de la unidad
nacional e modelos de
econometría introductoria y
internacional. regresión simple
con dos variables. 1.3. Interpretación capítulo 1 del texto
básico.
moderna de la
• Desarrollar el regresión 3. Lectura
pensamiento comprensiva
SEGUNDO
1.4. Relaciones
BIMESTRE
lógico para (analítica,
estadísticas
la aplicación subrayada, etc.) de
vs relaciones
en aspectos la unidad 1.
deterministicas
económicos y la
interpretación 4. Elaboración de
de resultados, ejercicios prácticos.
SOLUCIONARIO
gráficas y análisis 1.5. Regresión vs
5. Desarrollo de
de datos en causalidad
las actividades
modelos reales.
1.6. Regresión vs recomendadas.
correlación
6. Interacción en el
EVA.
7. Inicio del desarrollo

de la evaluación a
distancia.
• Analiza el UNIDAD 2: ANÁLISIS DE 1. Lectura de SEMANA 2 y 3
concepto de REGRESIÓN CON DOS las páginas
perturbación VARIABLES introductorias de la 12 horas de
estocástica guía. autoestudio.
y desarrolla 2.1. Concepto de
función de regresión 2. Lectura global 8 horas de interacción.
la función
de regresión poblacional de la unidad
muestral (FRM). introductoria y
2.2. Significado del capítulo 1 del texto
término lineal básico.
2.3. Especificación 3. Lectura
estocástica comprensiva
(analítica,
2.4. Función de regresión
subrayada, etc.) de
muestral
la unidad 1.
4. Elaboración de
ejercicios prácticos.
5. Desarrollo de
las actividades
recomendadas.
EVA.
7. Continúa el
desarrollo de
la evaluación a
distancia.

ÍNDICE
CRONOGRAMA
ORIENTATIVO
PRELIMINARES
(Tiempo Estimado)
• Aplica el método UNIDAD 3: MODELO DE 1. Lectura de SEMANA 4 y 5
de mínimos REGRESIÓN CON DOS las páginas
cuadrados VARIABLES introductorias de la 12 horas de
ordinarios guía. autoestudio.
(MCO) para la 3.1. Método de mínimos
cuadrados ordinarios 2. Lectura global 8 horas de interacción.
estimación de
los modelos (MCO) de la unidad
de regresión introductoria y
BIMESTRE
3.2. Precisión o errores
PRIMER
e interpretar capítulo 1 del texto
estándar de los básico.
resultados
mínimos cuadrados
tales como
estimados 3. Lectura
coeficientes
comprensiva
de regresión, 3.3. Coeficiente de (analítica,
errores estándar determinación subrayada, etc.) de
y coeficiente de
SEGUNDO
la unidad 1.
BIMESTRE
determinación.
4. Elaboración de
5. Desarrollo de
las actividades
SOLUCIONARIO
recomendadas.
EVA.
7. Continúa el
desarrollo de
la evaluación a
distancia.
• Aplica y analiza UNIDAD 4: SUPUESTO DE 1. Lectura de SEMANA 6
el concepto de NORMALIDAD: MODELO las páginas
normalidad a CLÁSICO DE REGRESIÓN introductorias de la 6 horas de
los modelos de LINEAL NORMAL guía. autoestudio.
regresión con dos
4.1. Distribución de 2. Lectura global 4 horas de interacción.
variables.
probabilidad de las de la unidad
perturbaciones u. introductoria y
capítulo 1 del texto
4.2. Propiedades de los básico.
estimadores MCO
bajo supuesto de 3. Lectura
normalidad. comprensiva
(analítica,
subrayada, etc.) de
la unidad 1.
4. Elaboración de
5. Desarrollo de
las actividades
recomendadas.
EVA.
7. Continúa el
desarrollo de
la evaluación a
distancia.

ÍNDICE
CRONOGRAMA
ORIENTATIVO
PRELIMINARES
(Tiempo Estimado)
Unidades 1 a la 4 Nueva revisión de Semana 7 y 8
contenidos del
bimestre como 12 horas de
preparación para autoestudio y 8 horas
la evaluación de interacción.
presencial.
BIMESTRE
PRIMER
SEGUNDO
BIMESTRE
SOLUCIONARIO

ÍNDICE
6.3. Sistema de Evaluación de la asignatura (Primero y segundo bimestres)
PRELIMINARES
Formas de evaluación 2. Heteroevaluación
Evaluación a Evaluación
1. Autoevaluación *
distancia ** presencial
3. Coevaluación
Interacción en el EVA
Prueba objetiva y de
Parte de ensayo
Parte objetiva
BIMESTRE
PRIMER
ensayo
Competencia: criterio
Comportamiento ético X X X X X
Cumplimiento, puntualidad,
Actitudes
X X X X
SEGUNDO
BIMESTRE
responsabilidad
Esfuerzo e interés en los trabajos X X X X
Respeto a las personas y a las
normas de comunicación
X X X X
Creatividad e iniciativa X X X X X
SOLUCIONARIO
Habilidades
Contribución en el trabajo
colaborativo y de equipo
X X X X X
Presentación, orden y ortografía X X X X X

Emite juicios de valor
argumentadamente
X X X X X
Dominio del contenido X X X X X X

Conocimientos
Investigación (cita fuentes de

consulta)
X X X X X
Aporta con criterios y soluciones X X X X X

Análisis y profundidad en el
desarrollo de temas
X X X X X X
Máximo 1 punto
PORCENTAJE 10% 20% 30% 70%

Estrategia de
aprendizaje
presenciales y en el
evaluación a
(completa la
distancia)
Puntaje 2 4 6 14
Actividades
EVA
TOTAL 20 puntos
Para aprobar la asignatura se requiere obtener un puntaje mínimo de 28/40 puntos, que equivale al 70%.
* Son estrategias de aprendizaje, no tienen calificación; pero debe responderlas con el fin de autocomprobar su
proceso de aprendizaje.
** Recuerde que la evaluación a distancia consta de dos partes: una objetiva y otra de ensayo, debe desarrollarla
y entregarla en su respectivo centro universitario.
Señor estudiante:
Tenga presente que la finalidad de la valoración cualitativa
es principalmente formativa.

ÍNDICE
6.4. Orientaciones específicas para el aprendizaje por competencias
PRELIMINARES
UNIDAD 1. INTRODUCCIÓN A LA ECONOMETRÍA
Estimado alumno: empezamos el estudio de esta asignatura revisando la primera parte. Aquí se busca
BIMESTRE
PRIMER
entender el concepto de econometría, así como una descripción general de la metodología econométrica.
¿Desea conocer qué es la econometría y saber cómo plasmar un modelo económico simple al combinar
variables macro y microeconómicas tal como: el PIB, inflación, determinar elasticidades, crecimiento
poblacional, niveles de producción, medición de riesgo financiero, costos totales, costos marginales,
SEGUNDO
BIMESTRE
costos medios, etc., es decir poder aplicarlo en todos los campos sean estos financieros, ambientales,
económicos, de salud, industriales entre otros, y conocer a ciencia cierta cuáles son sus efectos a largo
plazo?
La primera unidad está enfocada a resolver estas interrogantes, buscando desarrollar en el estudiante el
SOLUCIONARIO
sentido de la investigación y del análisis de indicadores económicos.
Iniciamos explicando el concepto de econometría bajo el enfoque de algunos autores, por qué esta
materia es considerada como una disciplina aparte y cuál sería el planteamiento general para establecer
modelos de regresión.
1.1. Conceptos
Se presenta una serie de conceptos que nos permitirán tener una clara idea de lo que es la econometría.
A continuación se detallan algunos:
“La econometría se basa en métodos estadísticos para estimar relaciones económicas, poner a pruebas
teorías económicas y evaluar y poner en práctica políticas gubernamentales y comerciales”. (Wooldridge,
J. 2001).
“La econometría puede ser definida como la ciencia social en la cual las herramientas de la teoría
económica, las matemáticas y la inferencia estadística son aplicadas al análisis de los fenómenos
económicos”. (Golberger, A. 1964).
En definitiva y destacando lo principal de estos conceptos la econometría se basa en la explicación

cuantitativa de los fenómenos económicos de un país, a través del uso de las matemáticas, la estadística,
la macro y microeconomía, en fin todas aquellas materias que intervienen en el análisis de los
fenómenos económicos. Se la considera como una ciencia aparte, porque busca explicar de manera
numérica o cuantificable las teorías económicas basadas en el planteo de hipótesis que generalmente
son expresadas en forma cualitativa.
Adicional podemos destacar los tipos de econometría, los mismos que se expresan en la siguiente figura:

ÍNDICE
FIGURA 1
TIPOS DE ECONOMETRÍA
PRELIMINARES
Econometría
Teórica Aplicada
BIMESTRE
PRIMER
Clásica Bayesiana Clásica Bayesiana
Fuente y elaboración: Gujarati, D. & Porter, D. (2010). Econometría. México: McGraw-Hill. Quinta
edición.
SEGUNDO
BIMESTRE
1.2. Metodología de la econometría
Comenzaremos entendiendo cuál es el formato general de una ecuación de regresión simple y los
factores que la componen:
SOLUCIONARIO
Coeficientes de regresión
Y = β1 + β2 X + μ
Perturbación estocástica
Variable independiente
Variable dependiente
Intercepto Pendiente
Para realizar el análisis de un problema económico se presenta la metodología tradicional o clásica:

ÍNDICE
FIGURA 2
METODOLOGÍA ECONOMÉTRICA
PRELIMINARES
• Se establece la relación entre las variables a intervenir. (Y y X)
• Variable Y en función de la variable X. (Y = f(x))
• Las variables que intervienen en el modelo deben tener sentido y conexión, es decir que la
1. Planteo teórico variable considerada como X debe explicar a la variable Y.
• Los modelos pueden ser establecidos por usted o aplicar modelos de la teoría económica y
o de hipótesis
replicarlos a casos concretos.
BIMESTRE
PRIMER
• Establecer la forma funcional del modelo de manera general.
• Este modelo matemático es fijo para representar cualquier relación econométrica.
2. Especificación
• Y = B1 + B2X
del modelo
matemático
SEGUNDO
BIMESTRE
• Modelo similar al matemático.
• La variación se da cuando a este modelo matemático se le añade el término u que es la
variable estocástica y se transforma en un modelo econométrico.
3. Planteo teórico
• La variable estocástica es aquella que agrupa a todas aquellas variables adicionales que
o de hipótesis podrían de alguna manera influir sobre la variable dependiente.
SOLUCIONARIO
• Para obtener los resultados de la regresión necesitamos tener datos numéricos de las
variables que estamos utilizando para nuestro modelo.
4. Obtención de • La información puede estar presentada en series de tiempo, en información de corte
datos transversal o mixta.
• A tráves de una regresión lineal.

5. Estimación del • De manera manual o utilizando el Excel.
modelo
• Se plantea hipótesis en base a lo que se quiere determinar.

6. Planteo de • Determinar si se cumple lo que se desea investigar o comprobar la teoría económica.
hipótesis
• Se realizan tres tipos de verificación: económica, estadística y econométrica sobre los

7. Verificación resultados de la regresión.
8. Predicción o • Si el modelo escogido confirmó las hipótesis planteadas o la teoría económica analizada,
pronóstico este modelo sirve para poder hacer predicciones de la variable dependiente (Y).
Fuente: Gujarati, D. & Porter, D. (2010). Econometría. México: McGraw-Hill. Quinta edición.
Elaboración: el autor.

ÍNDICE
Para comprender mejor esta primera parte a continuación se describe paso a paso la metodología,
mediante los siguientes ejemplos:
PRELIMINARES
EJEMPLO 1
1. Planteamiento de la teoría o de la hipótesis
Modelos basados en teorías económicas ya establecidas
BIMESTRE
PRIMER
• Keynes (1936), plantea en su estudio denominado “The General Theory of Employment, Interest
and Money”, que la ley psicológica fundamental…, consiste en que los hombres (y las mujeres)
como regla general y en promedio, están dispuestos a incrementar su consumo a medida que su
ingreso aumenta, pero no en la misma cuantía del aumento de su ingreso.
SEGUNDO
BIMESTRE
Consumo = ƒ (Ingreso)
C = ƒ (Y)
Esta ecuación significa que el consumo está en función del ingreso, es decir, que los cambios o variaciones
que se den en el ingreso repercuten en el consumo, estos pueden ser de manera directa o inversa.
SOLUCIONARIO
• Okun (1950), economista norteamericano, establece que el desempleo está en función del
producto interno bruto real. Por tal razón el modelo establecido de manera sencilla es:
Este modelo económico manifiesta la correlación existente entre los cambios en la tasa de desempleo
y los cambios en el PIB actual (real), la ley manifiesta “Que por cada punto porcentual que la tasa de
crecimiento de la producción efectiva sobrepase a la tasa de crecimiento tendencial de pleno empleo, el
desempleo va a caer en P puntos porcentuales”.
Por tanto:
A mayor producción, menos desempleo; a menor producción, más desempleo. El PIB real es la variable
(X) o independiente que explica las variaciones que se dan en el desempleo.
Modelos basados en planteo de hipótesis
Aquí lo que hará es probar alguna relación entre dos variables siempre y cuando estas tengan relación
con lo que se quiere probar. No se puede poner variables al azar sin que exista alguna relación o
concordancia con las mismas.
Se pretende conocer la relación que se dan en los siguientes modelos:
• El salario de un trabajador en función de las horas de trabajo
Salario = ƒ (horas)
w = ƒ (horas trabajo)
Este es un modelo planteado que busca conocer cómo se ve afectado el salario de un trabajador ante
una variación en las horas de trabajo.

ÍNDICE
• Promedio de calificaciones de un paralelo en función al número de estudiantes

Calificaciones = ƒ (número de estudiantes)
PRELIMINARES
Pc = ƒ (# estudiantes)
Estos ejemplos son referencias de modelos ya establecidos o modelos que se puede proponer estudiar,
todo ello basado en la relación de las variables y en la disponibilidad de la información.
2. Especificación del modelo matemático
BIMESTRE
PRIMER
La especificación de cualquier modelo en forma matemática es la misma para todos, solo variaría en el
número de variables con las cuales establecemos el modelo. Aquí encontraremos modelos tal como:
los lineales, logarítmicos, recíprocos y polinomiales. Pero como estamos comenzando el estudio de la
materia de econometría, solo se trabaja con modelos de regresión simple.
SEGUNDO
BIMESTRE
Y = β1 + β2 Xi
Esta es la representación matemática en la cual establecemos que Y está en función de X, o como lo

vimos en los ejemplos anteriores se tendría:
SOLUCIONARIO
• El consumo en función del ingreso
• El desempleo en función del PIB real
• El salario en función de las horas de trabajo
• Promedio de calificaciones en función del número de estudiantes
3. Especificación econométrica
Para la especificación econométrica, simplemente al modelo matemático se le adiciona el término μ,

el cual representa a todas aquellas variables que tienen alguna relación o influencia sobre la variable
dependiente Y. La ecuación es la misma para cualquier modelo.
Y = β1 + β2 Xi + μ
4. Obtención de datos
Aquí se establece la información que se va a utilizar, tablas con datos numéricos de las variables que se
va a utilizar para un modelo econométrico. Como se lo mencionó en el gráfico 1, existen varias maneras
de presentarse la información.
• Información de series de tiempo:

Información que se da en distintos periodos de tiempo. Esta puede ser diaria, semanal, mensual,
bimestral, trimestral o anual. Para conocer este tipo de información revise la tabla T2.9 del CD, así
como también la tabla I.1, 1.2, y 1.3 del libro básico.
• Información de corte transversal:

Información que se genere en un mismo periodo de tiempo, ejemplo de esto son las tablas 1.1,
1.5, 2.6 del libro básico.
• Información combinada o datos de panel:

Información que combina series de tiempo e información de corte transversal, ejemplo de esto
son las tablas 1.4, 6.3, 7.6 del libro básico.

ÍNDICE
5. Estimación del modelo
PRELIMINARES
Aquí se presentan los resultados de la aplicación de la regresión lineal al modelo planteado, el mismo
nos permitirá determinar si las variables que utilice son adecuadas o no con respecto a la investigación
que se realizó, es decir, se podrá determinar si la variable independiente (X), es apropiada para explicar
los cambios en la variable dependiente (Y).
6. Planteo de hipótesis
BIMESTRE
PRIMER
Suponiendo que el modelo que se planteó es adecuado, lo que se buscaría ahora es determinar si los
valores estimados concuerdan con las expectativas de la teoría que se está probando.
7. Verificación
SEGUNDO
BIMESTRE
Para asegurar un modelo bastante adecuado que pueda describir cuantitativamente la relación de
las variables para explicar cierta investigación, se debe realizar una serie de verificaciones tal como la
económica, estadística y econométrica.
• Verificación económica: en esta se busca comprobar que los resultados obtenidos de los coeficientes
SOLUCIONARIO
de regresión así como su signo concuerden con la teoría planteada.
• Verificación estadística: aquí se hace un análisis de los errores estándar, el coeficiente de

determinación y la comprobación de hipótesis.
• Verificación econométrica: se determina si el modelo presenta problemas tal como: multicolinealidad,

heteroscedasticidad, autocorrelación y sesgo de especificación, para posteriormente proceder a
corregirlos.
8. Predicción o pronóstico
Una vez confirmada la teoría o hipótesis, estos valores son utilizables para predecir los valores futuros
de la variable Y, para esto debemos reemplazar el valor de X, y de esta manera obtenemos el valor de la
variable dependiente.
Como puede ver esta ha sido una revisión general de cómo se aplica la metodología econométrica, por
lo que a lo largo del estudio comprenderemos mejor la aplicación de cada uno de estos pasos.
1.3. Interpretación moderna de la regresión
Comenzaremos analizando un concepto básico de regresión:
“El análisis de regresión trata del estudio de la dependencia de la variable dependiente, respecto a una o
más variables (las variables explicativas), con el objetivo de estimar y/o predecir la media o valor promedio
poblacional de la primera en términos de los valores conocidos o fijos (en muestras repetidas) de las últimas”.1
Con los siguientes ejemplos clarificaremos la importancia del concepto de regresión:
• Un economista puede estar interesado en estudiar la dependencia del gasto de consumo personal
en el ingreso personal neto disponible (después de impuestos). Un análisis de este tipo puede ser
1. Gujarati, D. & Porter, D. (2010). Econometría. México: McGraw Hill. Quinta edición.

ÍNDICE
útil para estimar la propensión marginal a consumir (PMC), esto es, el cambio promedio en el
gasto de consumo ante un cambio de un dólar.2
PRELIMINARES
• El ayuntamiento de Madrid quiere construir un modelo de regresión lineal que explique el número
de personas que acuden a las piscinas municipales en función de la diferencia de temperatura con
respecto al día anterior.3
Se recomienda que se analicen varios casos en los cuales se dé la dependencia de una variable con
BIMESTRE
respecto a otra u (otras) variables explicativas.
PRIMER
PUNTOS DE REPASO
 Invente algunos modelos de regresión simple que usted cree que puedan ser analizados.
 Analice seis variables en las páginas del BCE o del INEC, e indique cómo está presentada esta
SEGUNDO
BIMESTRE
información.
 Analice otros tres conceptos sobre lo que es el análisis de regresión lineal.
1.4. Relaciones estadísticas vs relaciones determinísticas
SOLUCIONARIO
Estadísticas: se trata de variables aleatorias o al azar que generalmente presentan errores de medición
y dan cabida a la incertidumbre de sus resultados, es decir son variables que no se pueden controlar o
medir y obtener respuestas exactas.
Ejemplos: temperatura del ambiente, lluvia, el sol, la oferta y la demanda, etc.
Determinísticas: variables que no están compuestas por información al azar ni que tampoco generan el
principio de incertidumbre, es decir, son variables que no son aleatorias o estocásticas.
Ejemplos: la ley de newton, planificación de una línea de producción, ley de los gases de boyle.
1.5. Regresión vs causalidad
El análisis de regresión no implica necesariamente que las variables que intervienen en el modelo tengan
una relación de causalidad, es decir que entre ellas exista una correlación, por más necesaria que esta sea
para el modelo.
1.6. Regresión vs correlación
Correlación: mide el grado de explicación o asociación entre las variables dependiente e independiente.
Regresión: busca obtener el valor medio de la variable dependiente ante una variación en los valores
fijos de la variable independiente.
Recuerde revisar en el texto básico, las diferentes terminologías con las cuales se denomina a la variable
dependiente e independiente.
2 Gujarati, D. & Porter, D. (2010). Econometría. México: McGraw-Hill. Quinta edición.

3 Pena, J; Estavillo, J. (1999). CIEN EJERCICIOS DE ECONOMETRÍA. Madrid: Ediciones Pirámide.

ÍNDICE
ACTIVIDAD SUGERIDA
PRELIMINARES
Señor estudiante: se le recomienda revisar las páginas que manejan información económica a nivel
nacional. ¿Cuáles serían las variables micro o macroeconómicas que pueden ser sujetas para armar 5
modelos de regresión simple?
Hemos concluido el estudio de esta primera unidad, le invito a responder por lo tanto, la siguiente
autoevaluación que le permitirá conocer su nivel de conocimientos.
BIMESTRE
PRIMER
Autoevaluación 1
SEGUNDO
BIMESTRE
A. Escriba dentro del paréntesis una V o una F, según considere verdaderos o falsos los siguientes
literales:
1. ( ) La econometría es la ciencia que analiza los fenómenos económicos de manera

teórica.
SOLUCIONARIO
2. ( ) La metodología econométrica consta de 10 pasos.
3. ( ) La información de corte transversal es la que se da en distintos periodos de tiempo.
4. ( ) El modelo matemático es aquella ecuación que no incluye el error estocástico.
5. ( ) Un modelo de regresión es aquel en que la variable independiente está en función de
la variable dependiente.
6. ( ) Un modelo econométrico sirve para predecir valores futuros de la variable
dependiente.
B. Realice los siguientes ejercicios:
7. Establezca 10 modelos de regresión simple. Por ejemplo:
• Consumo = f (ingreso)
• Inflación = f (salario real)
8. Investigue a lo largo del libro básico 4 tablas e indique si la información presentada ahí es de series
de tiempo, de corte transversal o mixta.
Ir a solucionario

ÍNDICE
UNIDAD 2. ANÁLISIS DE REGRESIÓN CON DOS VARIABLES
PRELIMINARES
2.1. Concepto de función de regresión poblacional (frp)
Conocemos que para establecer un modelo de regresión simple se deben definir las variables, sobre
BIMESTRE
PRIMER
todo, cuál es la variable controlada y cuál la de control.
Revisando el ejemplo hipotético 2.1 del texto básico, en el cual nos da una interpretación práctica de lo
que es la regresión, a través de una población de 60 familias en la cual el consumo semanal (Y) está en
función del ingreso semanal (X).
SEGUNDO
BIMESTRE
La ecuación aplicada para la función de regresión poblacional es: consumo en función del ingreso
C = ƒ (Y)
La regresión lineal permite obtener los valores esperados o la media poblacional del consumo ante una
SOLUCIONARIO
variación en los ingresos.
E (y/Xi)= ƒ (Xi)
E (y / xi ) = β1 + β2 Xi + μ
Observe la figura 2.1 del texto básico en la que la recta de regresión poblacional (RRP) está dada por los
valores esperados o medios de Y, alrededor del cual se encuentran los valores asignados al consumo por
cada nivel de ingreso. La función de regresión poblacional (FRP) gráficamente también está expresada
en la figura 2.2 del texto.
Los resultados obtenidos fueron los promedios de consumo de cada familia ante una variación en sus
ingresos, los mismos que mantienen una relación directa con la variable dependiente, que basado en
la teoría económica manifiesta que las personas ante un mayor nivel de ingreso tienden a aumentar su
nivel de consumo.
2.2. Significado del término lineal
Linealidad en las variables (X o Y)
Para que un modelo sea considerado como lineal en sus variables, estas no pueden estar elevadas a un
exponente mayor a uno, ni multiplicadas o divididas para otra variable. Para que el modelo sea lineal
este debe darse en todas las variables.
Ejemplos de linealidad: Yi =β1 + β2 Xi
Ejemplos de no linealidad: Yi =β1 + β2 Xi2 Yi =β1 + β2 Xi + β3 Xi2 + β4 Xi3
Yi = e β1 + β2 Xi Yi = β1 + β2 +μ

ln Yi = β1 + β2 Xi2 + μ

ÍNDICE
Linealidad en los parámetros (β1 , β2)
PRELIMINARES
Aquí se aplica el mismo concepto de linealidad, solo que ahora es para los parámetros.
E (Y|Xi) = β1 + β2 Xi E (Y|Xi) = β1 + β2 Xi2
EJEMPLO 2
BIMESTRE
Aquí algunos ejemplos de distintos tipos de regresiones:
PRIMER
• Lineal. Y = β1 + β2 X
• Logarítmica. Y = β1 + β2 ln X
• Inversa. Y = β1 +
SEGUNDO
BIMESTRE
• Cuadrático. Yi =β1 + β2 Xi + β3 X2
• Cúbico. Yi =β1 + β2 Xi + β3 X2 + β4 X3
SOLUCIONARIO
• Potencia. Y = β1 X β2 o ln Y = ln β1 + β2ln X
• Compuesto. Yi =β1β2x o ln Yi = ln β1 + X ln β2
• Curva-S. e β1 + o ln Y = β1 +
• Crecimiento. e β1 + β2 X o ln Y = ln β1 + β2 X
• Exponencial. Y = β1 e β2 X o ln Y = ln β1 + β2 X
ACTIVIDAD SUGERIDA
Señor estudiante: se le recomienda revisar los ejercicios 2.6 y 2.7 que se encuentran al final del capítulo 2
del texto básico para un mejor entendimiento de linealidad en las variables o en los parámetros.
2.3. Especificación estocástica
El termino u, se lo denomina error estocástico o perturbación estocástica, el mismo que indica la

dispersión o desviación de un E individual alrededor de su valor esperado. Estas desviaciones son
causadas por otras variables que afectan a la variable dependiente cuyos efectos en su conjunto son
expresados por el error estocástico4.
μi = Yi - E (Y / Xi)
Yi = E (Y / Xi) + μi
Para obtener resultados confiables (β1 y β2) en la regresión, se debe suponer que no existe ninguna
relación entre variable X y el valor esperado de la variable u.
E (μ) = 0
E (μ / x) = E (μ) = 0
4. Ochoa, O. (2011). Guía de Econometría 1. UTPL.

ÍNDICE
Como u y X son variables aleatorias, podemos definir la distribución condicional de u dado cualquier
valor de X. En particular para cualquier X, podemos obtener el valor esperado o promedio de u para
PRELIMINARES
aquel sector de la población que describe esa X. La suposición crucial es que el valor promedio de u no
depende de X.
EJEMPLO 3
• Yi = β1 + β2 Xi + μ
BIMESTRE
PRIMER
cosecha = β1 + β2 fertilizante + μ
En la que u podría representar variables como: la lluvia, el sol, los años de vida del terreno, etc., todas
aquellas variables que ejercen algún efecto sobre Y.
SEGUNDO
BIMESTRE
• Yi = β1 + β2 Xi + μ
salario = β1 + β2 fertilizante + μ
En la que u podría representar variables como: años de experiencia, número de cursos, sexo, religión etc.,
SOLUCIONARIO
todas aquellas variables que ejercen algún efecto sobre Y.
• Yi = β1 + β2 Xi + μ
calificación = β1 + β2 asistencia + μ
En la que u podría representar variables como: conducta, participación, trabajo entregados etc., todas
aquellas variables que ejercen algún efecto sobre Y.5
Como acabamos de revisar el término “perturbación estocástica”, u es un sustito para todas aquellas
variables que son omitidas en el modelo pero que de manera conjunta ejercen un efecto sobre la variable
dependiente. Para conocer cuáles son las razones por las que no se desarrolla un modelo con todas estas
variables que agrupa el error estocástico, revise el tema 2.5 de su texto básico.
2.4 Función de regresión muestral
Se conoce que al realizar un estudio de mercado siempre la investigación busca obtener información de
una determinada población, la misma que en su mayor parte se trata de miles de personas que al levantar
una encuesta a cada uno de ellos tomaría mucho tiempo y resultaría muy costoso. Para solucionar esto,
lo más adecuado es obtener una muestra de esta población cuyos resultados reflejarán casi de manera
similar lo que se hubiera obtenido al trabajar con la población.
El mismo principio es aplicable dentro de los modelos de regresión, ya que hasta aquí hemos revisado la
teoría relacionada a modelos de regresión poblacionales.
Ahora analizaremos la función de regresión muestral (FRM), la misma que parte de la ecuación de
regresión poblacional, es decir estimaremos la función de regresión poblacional (FRP), con base en
información muestral.
5. Wooldridge, J. (2001). Introducción a la Econometría. México. Thomson Learning.

ÍNDICE
Yi = β1 + β2 Xi + μi FRP
PRELIMINARES
^ ^
Ŷi = β1 + β2 Xi + ûi FRM
Este es el procedimiento normal que se utiliza para la estimación de un modelo de regresión, en la cual
es importante que las variables que se utilice tenga la información necesaria para poder ser aplicadas.
BIMESTRE
Para entender un poco más este tema revise el ejercicio del literal 2.7 de su texto básico.
PRIMER
ACTIVIDAD SUGERIDA
Realice los ejercicios: 2.10; 2.11; 2.12 y 2.15, de la parte final del capítulo 2 para reforzar los conocimientos
de esta unidad.
SEGUNDO
BIMESTRE
Autoevaluación 2
SOLUCIONARIO
literales:
1. ( ) El error estocástico también es conocido como perturbación estocástica.

2. ( ) La recta o curva de regresión poblacional es el lugar geométrico de las medias
condicionales de la variable independiente para los valores fijos de la variable
dependiente.
3. ( ) Es una condición de que todos los modelos deben ser lineales en las variables.
4. ( ) La variable u puede ser usada como sustituta de aquellas variables que afectan a la
variable dependiente.
5. ( ) Función de expectativa condicional es lo mismo que función de regresión condicional.
6. ( ) Variables proxy son aquellas variables que reemplazan a aquellas que no pueden ser
medidas u observadas de manera directa.
7. ( ) Una función cuadrática es una función lineal en las variables.
8. ( ) La FRM es la que se utiliza para calcular la FRP.
9. ( ) El error estocástico es confiable cuando es menor a la tercera parte del valor del
parámetro.
10. ( ) Se habla de linealidad en el parámetro cuando este se eleva a una potencia distinta
de uno o se multiplica por otro parámetro.
Ir a solucionario

ÍNDICE
UNIDAD 3. MODELOS DE REGRESIÓN CON DOS VARIABLES
PRELIMINARES
3.1. Método de mínimos cuadrados ordinarios (mco)
En la siguiente unidad estudiaremos el método generalmente utilizado para la estimación de modelos

de regresión, cabe resaltar que existe una gran variedad de métodos para realizar regresiones entre ellos
BIMESTRE
tenemos: el de mínimos cuadrados ordinarios, el de máxima verosimilitud (MV), el método de momentos
PRIMER
generalizados, entre otros.
Para el estudio de Econometría 1, utilizaremos el método de mínimos cuadrados ordinarios (MCO), ya

que en base a la teoría, proporciona resultados estadísticos significativos y está regido por una serie de
supuestos y propiedades que lo vuelven bastante confiable a la hora de realizar regresiones.
SEGUNDO
BIMESTRE
Adicionalmente revisaremos el cálculo de los residuos, los cuales se generan al momento de estimar la
regresión.
En resumen, dentro de esta unidad revisaremos dos puntos importantes: primero, cómo interpretar los
SOLUCIONARIO
resultados de la regresión, y segundo, si los resultados obtenidos son estadísticamente significativos, es
decir, son confiables para ser utilizados en una investigación.
Dentro de los pasos de la metodología econométrica el cálculo de los coeficientes de regresión

constituye el paso 5, en donde se nos permite realizar la verificación económica.
Para entender este tema lo haremos a través de algunos ejercicios.
EJEMPLO 4.
Ejercicio 4.1. Gasto de consumo en personal6
El siguiente ejercicio muestra información sobre Y (gasto de consumo personal) y X (PIB), desde 1982-
1996, en miles de millones de dólares de 1992. Tabla I.1 del texto guía, página 6.
Aplicaremos la metodología econométrica conforme vayamos avanzando en esta unidad, inicialmente

lo haremos con lo siguiente:
1. Planteo teórico o de hipótesis. Gasto de consumo de personal= f (PIB) o Y= f (X)

2. Especificación del modelo matemático Y= B1+B2X
3. Especificación modelo econométrico Y= B1+B2X+u
4. Obtención de datos Tabla I.1
5. Estimación de la regresión
6. Gujarati, D. & Porter, D. (2010). Econometría. México: McGraw Hill. Quinta edición.

ÍNDICE
TABLA 1
INFORMACIÓN DEL GASTO DE PERSONAL Y EL PIB (miles de millones de dólares 1992)
PRELIMINARES
û û^2 (X)^2 (Y)^2
Obs Y X (X)^2 XY Ŷ (Y-Ŷ) (Y-Ŷ)^2 (X-Xm)^2 (Y-Ym)^2
1982 3081,5 4620,3 21347172,1 14237454,5 3077,01 4,49 20,14 1567236,92 778965,11
1983 3240,6 4803,7 23075533,7 15566870,2 3206,46 34,14 1165,6 1141678 523437,78
1984 3407,6 5140,1 26420628 17515404,8 3443,9 -36,3 1317,41 535960,65 309681,12
BIMESTRE
PRIMER
1985 3566,5 5323,5 28339652,3 18986262,8 3573,34 -6,84 46,83 301064,37 158077,81
1986 3708,7 5487,7 30114851,3 20352233 3689,24 19,46 378,75 147835,12 65224,05
1987 3822,3 5649,5 31916850,3 21594083,9 3803,44 18,86 355,71 49592,32 20104,40
1988 3972,7 5865,2 34400571 23300680 3955,68 17,02 289,52 48,91 74,13
1989 4064,6 6062 36747844 24639605,2 4094,59 -29,99 899,38 36026,57 10102,26
SEGUNDO
BIMESTRE
1990 4132,2 6136,3 37654177,7 25356418,9 4147,03 -14,83 219,98 69752,33 28260,97
1991 4105,8 6079,4 36959104,4 24960800,5 4106,87 -1,07 1,15 42934,6 20081,72
1992 4219,8 6244,4 38992531,4 26350119,1 4223,33 -3,53 12,47 138537,8 65387,60
1993 4343,6 6389,6 40826988,2 27753866,6 4325,82 17,78 316,29 267709,66 144027,84
1994 4486 6610,7 43701354,5 29655600,2 4481,87 4,13 17,04 545392,1 272390,05
SOLUCIONARIO
1995 4595,3 6742,1 45455912,4 30981972,1 4574,62 20,68 427,82 756737,61 398426,06
1996 4714,1 6928,4 48002726,6 32661170,4 4706,11 7,99 63,84 1115572,52 562515,00
∑ 59461,3 88082,9 523955898 353912542 59409,31 5531,93 6716079,49 3356755,92
Debemos iniciar calculando las sumatorias de (Y, X, XY, X^2) descritos en la tabla 1. Una vez obtenidos
procedemos al cálculo de los coeficientes de la regresión. Para esto utilizamos las siguientes fórmulas:
La interpretación de este parámetro es que si el ingreso o el PIB fueran de cero, el gasto de consumo de
personal sería de -184 mil millones de dólares.

ÍNDICE
La interpretación de este parámetro indica que si el PIB se incrementa en un dólar, el gasto de consumo
personal promedio aumenta en casi 71 centavos.
PRELIMINARES
Estos valores obtenidos se conocen como estimadores de mínimos cuadrados, en donde representa
el intercepto y la pendiente.
Con los valores de los coeficientes procedemos a establecer los resultados de la ecuación de regresión.
Como lo dijimos en la unidad anterior debemos utilizar la función de regresión muestral.
BIMESTRE
PRIMER
Ŷi = -184,08 + 0,71Xi + μi
Los residuos se generan por cada uno de los datos de la variable dependiente, pero antes de poder
SEGUNDO
BIMESTRE
calcularlos debemos generar los valores de la Y estimada (Ŷ), para esto utilizamos la ecuación de regresión
y reemplazamos el valor de X de la siguiente manera:
Ŷ1 = -184,08 + 0,71X1
SOLUCIONARIO
Ŷ1 = -184,08 + 0,71 (4620,30)
Ŷ1 = 3077,01
Ŷ2 = -184,08 + 0,71X1
Ŷ2 = -184,08 + 0,71(4803,70)
Ŷ2 = 3206,46
De igual manera se procede con los demás datos de X, lo que al final nos permite es obtener los valores
de las Y estimadas y posteriormente la ∑ Ŷ.
Luego de haber obtenido las Y estimadas, procedemos al cálculo de los residuos:
û=Y-Ŷ
û1 =3081,50 - 3077,01
û1 = 4,49
û2 =3240,60 - 3206,46
û2 =34,14
De igual manera se procede con los demás datos de Y, lo que al final nos permite es obtener los valores
de las u estimadas y posteriormente la ∑ û.

ÍNDICE
GRÁFICA 3.1
LINEA DE REGRESIÓN
PRELIMINARES
4,800
4,400
4,000
BIMESTRE
Y
PRIMER
3,600
3,200
2,800
4,500 5,000 5,500 6,000 6,500 7,000
SEGUNDO
BIMESTRE
X
Fuente: tabla 1.I.

SOLUCIONARIO
Hemos realizado la gráfica para determinar a simple vista como los datos se ajustan a la línea de regresión.
En este ejemplo podemos determinar que el PIB explica en gran medida las variaciones que se dan en
el gasto de consumo de personal.
EJERCICIO 4.2. Gasto en comida
El siguiente ejercicio proporciona los datos de gasto en comida y gasto total (dados en rupias), para una
muestra de 55 familias rurales de la India. Tabla 2.8 texto básico, página 54.

1. Planteo teórico o de hipótesis Gasto de comida = f (Gasto total) o Y= f (X)

4. Obtención de datos Tabla 2.8

ÍNDICE
TABLA 2
GASTO TOTAL Y EN COMIDA (Rupias)
PRELIMINARES
Tabla 2.8 û û^2 (X)^2 (Y)^2
Obs
Y X (X)^2 XY Ŷ (Y-Ŷ) (Y-Ŷ)^2 (X-Xm)^2 (Y-Ym)^2
1 217 382 145924 82894 262,29 -45,29 2051,18 66069,56 24445,32
2 196 388 150544 76048 264,93 -68,93 4751,34 63021,08 31453,02
3 303 391 152881 118473 266,25 36,75 1350,56 61523,84 4949,12
BIMESTRE
PRIMER
4 270 415 172225 112050 276,81 -6,81 46,38 50193,92 10681,22
5 325 456 207936 148200 294,85 30,15 909,02 33503,64 2337,72
6 260 460 211600 119600 296,61 -36,61 1340,29 32055,32 12848,22
7 300 472 222784 141600 301,89 -1,89 3,57 27902,36 5380,22
8 325 478 228484 155350 304,53 20,47 419,02 25933,88 2337,72
SEGUNDO
BIMESTRE
9 336 494 244036 165984 311,57 24,43 596,82 21036,60 1395,02
10 345 516 266256 178020 321,25 23,75 564,06 15138,84 803,72
11 325 525 275625 170625 325,21 -0,21 0,04 13005,12 2337,72
12 362 554 306916 200548 337,97 24,03 577,44 7231,80 128,82
13 315 575 330625 181125 347,21 -32,21 1037,48 4101,12 3404,72
SOLUCIONARIO
14 355 579 335241 205545 348,97 6,03 36,36 3604,80 336,72
15 325 585 342225 190125 351,61 -26,61 708,09 2920,32 2337,72
16 370 586 343396 216820 352,05 17,95 322,20 2813,24 11,22
17 390 590 348100 230100 353,81 36,19 1309,72 2404,92 277,22
18 420 608 369664 255360 361,73 58,27 3395,39 963,48 2176,22
19 410 610 372100 250100 362,61 47,39 2245,81 843,32 1343,22
20 383 616 379456 235928 365,25 17,75 315,06 530,84 93,12
21 315 618 381924 194670 366,13 -51,13 2614,28 442,68 3404,72
22 267 623 388129 166341 368,33 -101,33 10267,77 257,28 11310,32
23 420 627 393129 263340 370,09 49,91 2491,01 144,96 2176,22
24 300 630 396900 189000 371,41 -71,41 5099,39 81,72 5380,22
25 410 635 403225 260350 373,61 36,39 1324,23 16,32 1343,22
26 220 640 409600 140800 375,81 -155,81 24276,76 0,92 23516,22
27 403 648 419904 261144 379,33 23,67 560,27 80,28 879,12
28 350 650 422500 227500 380,21 -30,21 912,64 120,12 545,22
29 390 655 429025 255450 382,41 7,59 57,61 254,72 277,22
30 385 662 438244 254870 385,49 -0,49 0,24 527,16 135,72
31 470 663 439569 311610 385,93 84,07 7067,76 574,08 9341,22
32 322 677 458329 217994 392,09 -70,09 4912,61 1440,96 2636,82
33 540 680 462400 367200 393,41 146,59 21488,63 1677,72 27772,22
34 433 690 476100 298770 397,81 35,19 1238,34 2596,92 3558,12
35 295 695 483025 205025 400,01 -105,01 11027,10 3131,52 6138,72
36 340 695 483025 236300 400,01 -60,01 3601,20 3131,52 1112,22
37 500 695 483025 347500 400,01 99,99 9998,00 3131,52 16040,22
38 450 720 518400 324000 411,01 38,99 1520,22 6554,52 5875,22
39 415 721 519841 299215 411,45 3,55 12,60 6717,44 1734,72
40 540 730 532900 394200 415,41 124,59 15522,67 8273,72 27772,22
41 360 731 534361 263160 415,85 -55,85 3119,22 8456,64 178,22

ÍNDICE
42 450 733 537289 329850 416,73 33,27 1106,89 8828,48 5875,22

43 395 745 555025 294275 422,01 -27,01 729,54 11227,52 468,72
PRELIMINARES
44 430 751 564001 322930 424,65 5,35 28,62 12535,04 3209,22
45 332 752 565504 249664 425,09 -93,09 8665,75 12759,96 1709,82
46 397 752 565504 298544 425,09 -28,09 789,05 12759,96 559,32
47 446 769 591361 342974 432,57 13,43 180,36 16889,60 5278,02
48 480 773 597529 371040 434,33 45,67 2085,75 17945,28 11374,22
49 352 773 597529 272096 434,33 -82,33 6778,23 17945,28 455,82
BIMESTRE
PRIMER
50 410 775 600625 317750 435,21 -25,21 635,54 18485,12 1343,22
51 380 785 616225 298300 439,61 -59,61 3553,35 21304,32 44,22
52 610 788 620944 480680 440,93 169,07 28584,66 22189,08 56003,22
53 530 790 624100 418700 441,81 88,19 7777,48 22788,92 24539,22
54 360 795 632025 286200 444,01 -84,01 7057,68 24323,52 178,22
SEGUNDO
BIMESTRE
55 305 801 641601 244305 446,65 -141,65 20064,72 26231,04 4671,72
∑ 20534 35147 23188835 13440242 20646,23 -112,23 237130,05 728623,93 375916,44
Fuente: texto básico.
SOLUCIONARIO
Si el gasto total fuera de cero, el gasto promedio en alimentos sería de aproximadamente 94 rupias.
Si el gasto total se incrementa en una rupia en promedio, el gasto en alimentos aumenta en casi 44
países (1 rupia=100 países).
Estos valores obtenidos se conocen como estimadores de mínimos cuadrados, en donde B1 representa
el intercepto y B2 la pendiente.

ÍNDICE
PRELIMINARES
Ŷi = 94,21 + 0,44 Xi + ûi
BIMESTRE
PRIMER
Ŷ1 = 94,21 + 0, 44X1
Ŷ1 = 94,21 + 0,44(382)
SEGUNDO
BIMESTRE
Ŷ1 = 262,29
Ŷ2 = 94,21 + 0,44 X1
Ŷ2 = 94,21 + 0,7(388)
Ŷ2 = 264,93
SOLUCIONARIO
De igual manera se procede con los demás datos de X, lo que al final nos permite es obtener los valores
de las Y estimadas y posteriormente la ∑ Ŷ.
û=Y-Ŷ
û1 =217 - 262,29
û1 = -45,29
û2 = 196 - 264,93
û2 = -68,93

ÍNDICE
GRÁFICA 3.2
LÍNEA DE REGRESIÓN
PRELIMINARES
700
600
500
400
BIMESTRE
Y
PRIMER
300
200
100
SEGUNDO
300 400 500 600 700 800 900
BIMESTRE
X
Fuente: tabla 2.8.

SOLUCIONARIO
Hemos realizado la gráfica para determinar a simple vista como los datos se ajustan a la línea de regresión.
En base a esto podremos determinar si la variable X es adecuada para explicar a la variable Y. En este caso
vemos una gran dispersión de los datos alrededor de la línea de regresión, lo que posiblemente refleja
que la variable gasto total no es adecuada para explicar a la variable gasto personal.
EJERCICIO 4.3. Nivel de ingresos
La tabla 2.6 del libro básico proporciona información respecto al nivel de estudios (medido por el
número de años de escolaridad), el salario por hora devengado por las personas respecto a cada nivel
de escolaridad y el número de gente en el nivel de estudios dado. Para este modelo utilizaremos los
ingresos promedio por hora (Y) y la educación, medida por años de escolaridad (X).

1. Planteo teórico o de hipótesis Ingresos/hora = f (escolaridad) o Y= f (X)


ÍNDICE
TABLA 3
SALARIO PROMEDIO POR HORA SEGÚN LA ESCOLARIDAD
PRELIMINARES
Tabla 2.6
Mean hourly wage by education û û^2 (X)^2 (Y)^2
Obs
(Y- (X-
X Y (X)^2 XY Ŷ (Y-Ŷ) (Y-Ym)^2
Ŷ)^2 Xm)^2
1 6 4,46 3 36 26,74 4,04 0,41 0,17 36 17,75
BIMESTRE
2 7 5,77 5 49 40,39 4,72 1,05 1,10 25 8,41
PRIMER
3 8 5,98 15 64 47,83 5,40 0,58 0,34 16 7,24
4 9 7,33 12 81 65,99 6,07 1,26 1,58 9 1,79
5 10 7,32 17 100 73,18 6,75 0,57 0,32 4 1,83
6 11 6,58 27 121 72,43 7,43 -0,84 0,71 1 4,35
7 12 7,82 218 144 93,82 8,10 -0,28 0,08 0 0,73
SEGUNDO
BIMESTRE
8 13 7,84 37 169 101,86 8,78 -0,94 0,89 1 0,70
9 14 11,02 56 196 154,31 9,46 1,57 2,45 4 5,53
10 15 10,67 13 225 160,11 10,13 0,54 0,29 9 4,02
11 16 10,84 70 256 173,38 10,81 0,03 0,00 16 4,69
SOLUCIONARIO
12 17 13,62 24 289 231,46 11,48 2,13 4,54 25 24,45
13 18 13,53 31 324 243,56 12,16 1,37 1,88 36 23,63
Σ 156 112,77 2054 1485,04 105,34 7,44 14,36 182,00 105,12
Fuente: texto básico.

Si los años de escolaridad fueran de cero, el ingreso promedio por hora sería de menos 0,01 centavos.

ÍNDICE
PRELIMINARES
BIMESTRE
PRIMER
Por cada año adicional de escolaridad los ingresos promedio por hora se incrementan en casi 67 centavos
por hora.
SEGUNDO
BIMESTRE
Estos valores obtenidos se conocen como estimadores de mínimos cuadrados, en donde B1 representa
el intercepto y B2 la pendiente.
SOLUCIONARIO
Ŷi = -0,0144 + 0,6764 Xi + ûi
Ŷ1 = -0,0144 + 0,6764X1
Ŷ1 = -0,0144 + 0,67(6)
Ŷ1 = 4,04
Ŷ2 = -0,0144 + 0,67 X1
Ŷ2 = -0,0144 + 0,67(7)
Ŷ2 = 4,72
De igual manera se procede con los demás datos de X, lo que al final nos permite obtener los valores de
las Y estimadas y posteriormente la ∑ Ŷ.
û=Y-Ŷ
û1 =4,46 - 4,04
û1 = 0,41
û2 = 5,77 - 4,72
û2 = 1,05

ÍNDICE
PRELIMINARES
GRÁFICA 3.3
LÍNEA DE REGRESIÓN
14
BIMESTRE
12
PRIMER
10
Y
SEGUNDO
BIMESTRE
4
4 6 8 10 12 14 16 18 20
Fuente: tabla 2.6.
SOLUCIONARIO
La gráfica nos permite ver con la variable escolaridad es adecuada para explicar el ingreso por hora, ya
que sus datos no están tan dispersos de la línea de regresión.
Con estos ejemplos hemos aplicado el método de MCO, el que nos permite obtener los resultados de la
regresión. Inicialmente en las tablas de los ejercicios nos interesa conocer los valores de las sumatorias
de X y Y, y posteriormente los valores u.
Complementado al método de los MCO, están sus propiedades así como los supuestos aplicables sobre
las variables (X) y el término de error, los mismos que son muy críticos para lograr una interpretación
válida de los valores estimados de la regresión. Para esto revise la página 6 y el literal 3.2 de su libro
básico.
3.2. Precisión o errores estándar de los mínimos cuadrados estimados
Dentro de los resultados de la ecuación de regresión se busca alguna medida de confiabilidad o precisión
de los estimadores de β1 y β2. Por lo tanto, en la estadística la precisión de un valor estimado está dado
por los errores estándar (ee).
Para obtener los ee debemos aplicarlas siguientes fórmulas:

ÍNDICE
En donde es la desviación estándar, Var es la varianza y n es el número de datos u observaciones.
PRELIMINARES
Recuerde que K representa el número de parámetros estimados, pero para un modelo de regresión
simple este valor será de dos.
Gujarati, D. & Porter, D. (2010), manifiesta que el error estándar del valor estimado o el error estándar
de la regresión (ee), es simplemente la desviación estándar de los valores Y alrededor de la recta de
regresión estimada, la cual es utilizada frecuentemente como una medida resumen de la “bondad de
ajuste” de dicha recta.
BIMESTRE
PRIMER
Adicional los errores estándar nos permiten generar intervalos de confianza para procedimientos
econométricos posteriores.
Para que un modelo sea adecuado debe tener errores mínimos, lo que da confiabilidad a la estimación.
SEGUNDO
BIMESTRE
Para que un error sea mínimo este debe ser máximo la tercera parte del valor del parámetro, es decir
dividir el valor del parámetro para tres y compararlo con el del error. Si este es menor a la tercera parte
del valor del parámetro es confiable. Caso contrario, no lo es.
Finalizada la revisión del punto 3.2, tendremos toda la información necesaria para continuar con el
SOLUCIONARIO
paso 7 de la metodología econométrica, ya que nos permite ahora realizar la verificación estadística.
Para entender este tema de mejor manera continuemos con la revisión de los ejercicios planteados en
la unidad anterior.
EJEMPLO 5
EJERCICIO 5.1. Continuación del ejercicio 4.1
Aplicando las fórmulas anteriormente descritas procedemos a calcular los errores estándar de esta
regresión:

ÍNDICE
Para constatar si los errores estándares calculados son confiables, en primer lugar procedemos a obtener
la tercera parte de los parámetros obtenidos en la regresión.
PRELIMINARES
Ŷi = - 184,08 + 0,71 Xi + μi
= 184,08 / 3 = 0,71 / 3
= -61,33 = 0,71 / 3
BIMESTRE
PRIMER
ee( ) 47,05 < - 61,33 ee( ) 0,0078 < 0,23
Es confiable Es confiable
Ŷi = - 184,08 + 0,71 Xi + μi
SEGUNDO
BIMESTRE
ee (47,05) (0,0078)
En base a los resultados podemos concluir que los estimadores de la regresión son confiables ya que sus
SOLUCIONARIO
(ee) han sido menores a la tercera parte del valor del parámetro.
Para realizar las comparaciones entre los valores no se debe tomar en cuenta los signos de los
parámetros.
regresión:

ÍNDICE
Para constatar si los errores estándares calculados son confiables, en primer lugar procedemos a obtener
PRELIMINARES
Ŷi = 94,21 + 0,44 Xi + μi
= 94,2 / 3 = 0,44 / 3
= 31,40 = 0,15
BIMESTRE
PRIMER
ee( ) 50,88 > 31,40 ee( ) 0,078 < 0,15
No es confiable Es confiable
Ŷi = 94,21 + 0,44Xi + μi
SEGUNDO
BIMESTRE
ee (50,88) (0,078)
En base a los resultados podemos concluir que el estimador de B1 no es confiable ya que es mayor a la
tercera parte del valor del parámetro, mientras que el estimador B2 si es confiable.
SOLUCIONARIO
regresión:
Para constatar si los errores estándares calculados son confiables, procedemos en primer lugar a obtener

ÍNDICE
Ŷi = - 0,0144 + 0,6764 Xi + μi
PRELIMINARES
= -0,0144 / 3 = 0,67 / 3
= -0,005 = 0,223
ee( ) 1,064 > 0,005 ee( ) 0,085 < 0,22
BIMESTRE
PRIMER
No es confiable Es confiable
Ŷi = -0,0144 + 0,6764Xi + μi
ee (1,064) (0,085)
SEGUNDO
BIMESTRE
En base a los resultados podemos concluir que el estimador de B1 no es confiable ya que es mayor a la
tercera parte del valor del parámetro, mientras que el estimador B2 si es confiable.
Adicional a esto, para conocer cómo se comportan las varianzas y los errores estándar, revise las
características de los mismos que se encuentran en la página 71 y 72 de su libro básico.
SOLUCIONARIO
3.3. Coeficiente de determinación (r2)
Hasta aquí, no tenemos forma de medir qué tan bien explica la variable independiente, (X), a la variable
dependiente (Y). Por lo tanto, es beneficioso calcular un número que indique el grado en que la línea
de regresión MCO coincide con los datos de las variables. Si los puntos asociados a los datos están en la
misma línea, los MCO proporcionan un ajuste perfecto.
Esta medida de bondad de ajuste se mide a través del coeficiente determinación (R2). Este indicador
mide el porcentaje en que la variable dependiente está siendo explicada por la variable independiente.
Su valor fluctúa entre 0 y 1.
• Si R2= 1, el ajuste es perfecto.

• Si R2= 0, no hay relación entre la variable dependiente y la variable explicativa.
Se lo puede calcular a través de la siguiente fórmula:
Se dice que un coeficiente de determinación adecuado para una regresión es aquel que es mayor al 80%
de ajuste.
Adicional al coeficiente de determinación, también tenemos el coeficiente de correlación (R), el mismo

que permite conocer el grado de relación entre dos variables. Presenta las siguientes propiedades76:
• Su signo puede ser positivo o negativo. Cuando la relación entre las variables es inversa el signo es
negativo, mientras que cuando la relación es directa el signo de R es positivo.
7. Lozano, A. (2001). Guía de Econometría I.

ÍNDICE
• Su valor fluctúa entre -1 y 1.

• Es simétrico por naturaleza, es decir que el coeficiente de correlación entre X y Y es el mismo que
PRELIMINARES
entre Y y X.
• Es independiente del origen y la escala.
• Si X y Y son estadísticamente independientes, entonces R vale cero, pero si vale cero, no
necesariamente significa que no haya correlación entre las dos variables.
• Es una medida de dependencia lineal, por lo tanto, su uso en la descripción de relaciones no
lineales no tiene significado.
BIMESTRE
• Aunque es una medida de dependencia lineal entre dos variables no necesariamente implica una
PRIMER
causa–efecto.
Su fórmula proviene de la del coeficiente de determinación, y su resultado es la raíz cuadrada de este.
SEGUNDO
BIMESTRE
Para comprender este tema continuemos con la aplicación de los ejercicios antes realizados.
EJEMPLO 6: Continuación de los ejercicios 4.1, 4.2 y 4.3
SOLUCIONARIO
Las interpretaciones de los coeficientes de determinación de los ejercicios planteados son:
• El 99% de las variaciones en el GCP se explica por el cambio en el PIB. El ajuste es casi del 100% por
lo que la variable PIB es adecuada para explicar al GCP.
• El 36% de la variación en el gasto alimentario se explica por el gasto total. El ajuste es bastante
bajo, por lo que la variable del gasto total no es la adecuada para explicar las variaciones en el
gasto de alimentos.
• El 86% de la variación en el ingreso promedio por hora se debe a la escolaridad. La variable en gran
parte explica las variaciones que se dan en el ingreso promedio por ahora.
ACTIVIDAD SUGERIDA
Realice un cuadro sinóptico del punto 3.9 referente al resumen y conclusiones del capítulo estudiado
para reforzar los conocimientos por usted revisados. Adicional realice los ejercicios: 3.12; 3.16; 3.19; 3.20,
de la parte final del capítulo 3 para reforzar los conocimientos de esta unidad.

ÍNDICE
Autoevaluación 3
PRELIMINARES
literales:
1. ( ) El método de los MCO sirve para realizar una regresión lineal.
BIMESTRE
PRIMER
2. ( ) Los estimadores MCO están expresados en términos de las cantidades.
3. ( ) Un supuesto de los MCO manifiesta que la linealidad debe darse en las variables.
4. ( ) Al hablar de homoscedasticidad se refiere a desigual varianza.
SEGUNDO
BIMESTRE
5. ( ) La precisión de un estimador está dado por sus residuos.
6. ( ) Un estimador insesgado con varianza mínima es conocido como un estimador

eficiente.
SOLUCIONARIO
7. ( ) Es lo mismo error estándar del valor estimado que error estándar de la regresión.
8. ( ) El coeficiente de determinación puede ser negativo.
Ir a solucionario

ÍNDICE
UNIDAD 4. SUPUESTO DE NORMALIDAD: MODELO CLÁSICO DE REGRESIÓN LINEAL

NORMAL
PRELIMINARES
4.1. Distribución de probabilidad de las perturbaciones u.87
Si a los supuestos del modelo clásico de regresión lineal (MCRL), se le añade el supuesto de normalidad
para u, tenemos el modelo clásico de regresión lineal normal (MCRLN).
BIMESTRE
PRIMER
Para que un modelo sea considerado como adecuado, es necesario que sus residuos estén normalmente
distribuidos, es decir que:
• Media: E(u) = 0
• Varianza: E[u - E(u)]2 = E(u2) =
SEGUNDO
BIMESTRE
• Covarianza E(ui, uj) = 0
Es decir esta normal e independientemente distribuidas con media 0 y varianza .
Las razones para formular el supuesto de normalidad se exponen en su libro básico en la página 99, es
SOLUCIONARIO
necesario que las revise para un mejor entendimiento.
4.2. Propiedades de los estimadores MCO bajo el supuesto de normalidad
Si se supone que u tiene una distribución normal, los estimadores MCO tiene las propiedades que se
mencionan a continuación:
• Son insesgados.
• Tienen varianza mínima. En combinación con la primera propiedad, serían insesgados de varianza
mínima o estimadores eficientes.
• Presentan consistencia, es decir, que a medida que el tamaño de la muestra aumenta, los
estimadores convergen a su verdadero valor.
• y están normalmente distribuidos.
• está distribuido como la distribución (Chi-cuadrado) con n-2 grados de libertad.
• y se distribuye de manera independiente respecto a .
• y tiene varianza mínima entre todas las clases de estimadores insesgados lineales o no
lineales. Se puede decir que los estimadores de mínimos cuadrados son los mejores estimadores
insesgados.
En base a los siguientes indicadores, si usted tiene acceso a un software econométrico, podrá determinar
si los residuos dentro del modelo están normalmente distribuidos.
• Simetría: esta medida nos permite determinar si los datos se distribuyen de manera uniforme
alrededor del valor medio o promedio.
8. Lozano, A. (2001). Guía de Econometría I.

ÍNDICE
Esta medida presenta tres estados:
PRELIMINARES
Asimetría positiva: cuando la mayor parte de los datos están por encima del valor medio.
Simétrica: cuando los datos se distribuyen en la misma medida en ambos lados de la media.
Asimetría negativa: cuando la mayor parte de los datos están por debajo del valor medio.
GRÁFICO 4.1
TIPOS DE ASIMETRÍAS
BIMESTRE
PRIMER
SEGUNDO
BIMESTRE
SOLUCIONARIO
Fuente y elaboración: Guisande C., Vaamonde A., y Barreiro A. (2011). Tratamiento de datos con R, Statistica y SPSS. Madrid:
Ediciones De Santos S.A.
• Curtosis: determina el grado de concentración de los datos alrededor de la región central de la

distribución.
Al igual que la simetría, esta presenta también tres estados:
Leptocúrtica: gran concentración de valores.

Mesocúrtica: concentración normal de valores.
Platicúrtica: baja concentración de valores.
GRÁFICO 4.2
TIPOS DE CURTOSIS
• Jarque–Bera: Es una prueba asintótica de normalidad para grandes muestras.
Una prueba de normalidad es un proceso estadístico utilizado para determinar si una muestra o cualquier
grupo de datos se ajustan a una distribución normal.

ÍNDICE
Analiza la relación entre el coeficiente de asimetría y la curtosis de los residuos de la ecuación estimada y
los correspondientes de una distribución normal, de forma tal que si estas relaciones son suficientemente
PRELIMINARES
diferentes se rechazará la hipótesis nula de normalidad.
Se basa en el hecho de que la asimetría y curtosis de la distribución normal son igual a cero, por lo tanto,
el valor absoluto de estos parámetros podría ser una medida de la desviación de la distribución de lo
normal.
BIMESTRE
GRÁFICO 4.3
PRIMER
SEGUNDO
BIMESTRE
SOLUCIONARIO
He aquí las fórmulas para calcular estas medidas:
ACTIVIDAD SUGERIDA
Con las fórmulas antes mencionadas, averigüe y calcule estos indicadores para los ejercicios 4.1, 4.2, y
4.3.

ÍNDICE
Autoevaluación 4
PRELIMINARES
literales:
BIMESTRE
PRIMER
1. ( ) El estado leptocúrtico es aquel que tiene baja concentración de valores.
2. ( ) La asimetría positiva es aquella cuyos valores están por encima del valor medio.
3. ( ) Una propiedad de los estimadores bajo el supuesto de normalidad es que son
SEGUNDO
insesgados.
BIMESTRE
4. ( ) Para que un modelo sea considerado como adecuado sus residuos deben tener una
media igual a 1.
5. ( ) Simetría significa uniformidad en la distribución de los datos alrededor de su valor
SOLUCIONARIO
medio.
6. ( ) El Jarque–Bera es una prueba de normalidad para muestras pequeñas.
7. ( ) El teorema del límite central es la justificación teórica para el supuesto de normalidad.
8. ( ) Los estimadores bajo el supuesto de normalidad tienen varianza máxima.
Ir a solucionario

ÍNDICE
SEGUNDO BIMESTRE
PRELIMINARES
6.5. Competencias genéricas
Son aquellas capacidades (actitudes, habilidades y conocimientos) comunes a todas las profesiones que
se ofrece en la UTPL. Constituye una parte fundamental del perfil que el estudiante debe desarrollar
BIMESTRE
PRIMER
durante su formación.
• Capacidad de abstracción, análisis y síntesis.

• Capacidad de aplicar los conocimientos en la práctica.
SEGUNDO
• Capacidad para organizar y planificar el tiempo.
BIMESTRE
• Conocimiento sobre el área de estudio y la profesión.
• Habilidades en el uso de las tecnologías de la información y de la comunicación.
• Capacidad de investigación.
SOLUCIONARIO
• Habilidades para buscar, procesar y analizar información procedente de fuentes diversas.
• Capacidad crítica y autocrítica.
• Capacidad creativa.
• Capacidad para identificar, plantear y resolver problemas.
• Capacidad para tomar decisiones.
• Habilidades interpersonales.
• Compromiso ético.

ÍNDICE
6.6. Planificación para el trabajo del alumno
PRELIMINARES
CRONOGRAMA
COMPETENCIAS INDICADORES DE CONTENIDOS ACTIVIDADES DE
ORIENTATIVO
ESPECÍFICAS APRENDIZAJE Unidades/Tema APRENDIZAJE
(Tiempo estimado)
• Analizar, interpretar • Estima intervalos UNIDAD 5: REGRESIÓN 1. Lectura de las páginas SEMANA 1 y 2
y aplicar la teoría de confianza para CON DOS VARIABLES: introductorias de la
económica en el la formulación de ESTIMACIÓN guía. 12 horas de
entorno económico hipótesis dentro DE INTERVALOS autoestudio.
nacional e de los modelos Y PRUEBAS DE 2. Lectura global de la
BIMESTRE
internacional. de regresión. HIPÓTESIS
PRIMER
unidad introductoria 8 horas de
y capítulo 1 del texto interacción.
• Desarrollar el 5.1. Estimación de básico.
pensamiento lógico intervalos: ideas
para la aplicación básicas. 3. Lectura comprensiva
en aspectos (analítica, subrayada,
económicos y la 5.2. Prueba de etc.) de la unidad 1.
SEGUNDO
interpretación de hipótesis:
BIMESTRE
resultados, gráficas y intervalos de 4. Elaboración de
análisis de datos en confianza ejercicios prácticos.
modelos reales.
5.3. Prueba de 5. Desarrollo de
hipótesis: nivel de las actividades
significancia. recomendadas.
SOLUCIONARIO
5.4. Prueba de 6. Interacción en el EVA.
hipótesis: prueba t
7. Continúa el desarrollo
5.5. Prueba de de la evaluación a
hipótesis: prueba f distancia.
5.6. Presentación de
resultados
• Analizar, interpretar • Conoce y UNIDAD 6: EXTENSIÓN 1. Lectura global del SEMANA 3 y 4
y aplicar la teoría determina las DEL MODELO LINEAL capítulo del texto
económica en el distintas formas DE DOS VARIABLES básico. 12 horas de
entorno económico en que se puede autoestudio.
nacional e establecer un 6.1. Regresión a través 2. Lectura comprensiva
internacional. modelo de del origen (analítica, subrayada, 8 horas de
regresión etc.). interacción.
• Desarrollar el 6.2. Formas
pensamiento lógico funcionales: 3. Elaboración de
para la aplicación Modelo Log lineal ejercicios prácticos.
en aspectos
económicos y la 6.3. Modelos 4. Desarrollo de
interpretación de semilogarítmicos las actividades
resultados, gráficas y recomendadas.
análisis de datos en 6.4. Modelos
modelos reales. recíprocos 5. Interacción en el EVA.
6. Inicio del desarrollo

de la evaluación a
distancia.

ÍNDICE
CRONOGRAMA
COMPETENCIAS INDICADORES DE CONTENIDOS ACTIVIDADES DE
ORIENTATIVO
ESPECÍFICAS APRENDIZAJE Unidades/Tema APRENDIZAJE
PRELIMINARES
(Tiempo estimado)
• Conoce el UNIDAD 7: ANÁLISIS 1. Lectura global de la SEMANA 5 y 6
funcionamiento DE REGRESIÓN unidad introductoria
de los modelos MULTIPLE del texto básico. 12 horas de
de regresión autoestudio.
múltiple. 7.1. Significado de los 2. Lectura comprensiva
coeficientes de (analítica, subrayada, 8 horas de
• Determina e regresión parcial. etc.) de la unidad 7. interacción.
interpreta los
BIMESTRE
PRIMER
resultados de 7.2. Estimación de los 3. Elaboración de
un modelo coeficientes de ejercicios prácticos.
de regresión regresión parcial.
múltiple. 4. Desarrollo de
7.3. Varianzas y las actividades
• Determina errores de los recomendadas.
la utilización estimadores MCO.
SEGUNDO
BIMESTRE
del modelo de 5. Interacción en el EVA.
producción de 7.4. Coeficiente de
Cobb-Douglas determinación 6. Continúa el desarrollo
múltiple. de la evaluación a
• Conoce la distancia.
aplicación de 7.5. La función de
SOLUCIONARIO
los modelos producción de
polinomiales. Cobb-Douglas
7.6. Modelos de
regresión
polinomial
7.7. Prueba de
igualdad de dos
coeficientes de
regresión.
Unidades 5 a la 7 Nueva revisión de Semana 7 y 8
contenidos del bimestre
como preparación para la 12 horas de
evaluación presencial. autoestudio
y 8 horas de
interacción.

ÍNDICE
6.7. Orientaciones específicas para el aprendizaje por competencias
PRELIMINARES
UNIDAD 5. REGRESIÓN CON DOS VARIABLES: ESTIMACIÓN DE INTERVALOS Y
PRUEBAS DE HIPÓTESIS
BIMESTRE
PRIMER
5.1. Estimación de intervalos: ideas básicas
Como parte de la verificación estadística que constituye el paso 7 de la metodología econométrica, a

más de los errores estándar y del coeficiente de determinación se incluyen el cálculo de los intervalos
de confianza, tema que revisaremos a continuación.
SEGUNDO
BIMESTRE
Como lo vimos anteriormente, la confiabilidad de un estimador se mide por su error estándar, por lo
tanto, para no depender de un solo indicador, se puede construir un intervalo que tenga la probabilidad
de incluir dentro de sus límites el verdadero valor del parámetro.
SOLUCIONARIO
Se trata de encontrar qué tan cerca está de β2 para esto buscamos dos números σ y α este último
situado entre 0 y 1.
Para esto utilizamos la siguiente ecuación tanto para: y
Límite inferior Límite superior Nivel de significancia
Pr ( -δ≤β ≤ +δ)=1-α
Coeficiente de confianza
La ecuación anterior muestra un estimador de intervalo, construido de manera que contenga dentro de
sus límites el valor verdadero del parámetro.
El estimador de intervalos proporciona entonces un recorrido de valores dentro de los cuales puede
encontrarse el verdadero β2. Adicional a esto el cálculo de intervalos nos permiten poder aceptar o
rechazar cualquier hipótesis que se haya planteado con respecto a los resultados del modelo.
Para esto vamos a utilizar cuatro métodos prácticos para aceptar o rechazar hipótesis:
• Intervalo de confianza
• Nivel de significancia
• Prueba t
• Prueba F

ÍNDICE
Las hipótesis planteadas para poder utilizar los cuatro métodos son las siguientes:
PRELIMINARES
Ho : β1 = 0 No hay intercepto.
H1 : β1 ≠ 0 Si hay intercepto.
Ho : β2 = 0 No hay relación lineal entre la variable X y la variable Y.
BIMESTRE
PRIMER
H1 : β2 ≠ 0 Si hay relación lineal entre la variable X y la variable Y.
Para esto vamos a continuar con el desarrollo de los ejercicios planteados en un inicio, a cada uno de
ellos les vamos aplicar las distintas pruebas.
SEGUNDO
BIMESTRE
EJEMPLO 7.
5.2. Prueba de hipótesis: intervalos de confianza
SOLUCIONARIO
Esta prueba inicialmente nos permite obtener el intervalo dentro del cual se encuentra el verdadero
valor de los parámetros (β1 y β2), adicional a esto nos permite aceptar o rechazar las hipótesis
planteadas para cada parámetro de manera individual.
Ho : β1 = 0
H1 : β1 ≠ 0
En 95 de cada 100 casos, intervalos como este contendrán el verdadero valor de β1.
En cuanto a la hipótesis planteada el valor de β1 que es de cero no está dentro del intervalo calculado por
tal razón rechazamos Ho y aceptamos que el modelo si tiene intercepto.
Ho : β2 = 0
H1 : β2 ≠ 0

ÍNDICE
PRELIMINARES
BIMESTRE
PRIMER
En cuanto a la hipótesis planteada el valor de b2que es de cero no está dentro del intervalo calculado por
tal razón rechazamos Ho y aceptamos que el modelo si tiene linealidad.
SEGUNDO
BIMESTRE
5.3. Prueba de hipótesis: nivel de significancia
Es similar a la prueba de intervalo de confianza, con la diferencia que y toman el valor de cero
dentro de la fórmula y se los identifica ahora como β*1 y β*2.
SOLUCIONARIO
Ho : β*1 = 0
H1 : β*1 ≠ 0
Como β1= -184,08 cae en la región de rechazo, se acepta H1 de que existe intercepto en el modelo.
Ho : β*2 = 0
H1 : β*2 ≠ 0

ÍNDICE
PRELIMINARES
BIMESTRE
PRIMER
Como β2 = 0,71 cae en la región de rechazo, se acepta H1 de que existe linealidad en el modelo.
5.4. Prueba de hipótesis: prueba t
SEGUNDO
BIMESTRE
Para esta prueba vamos a utilizar la siguiente fórmula, y nos vamos a apoyar del valor t de la tabla.
SOLUCIONARIO
La regla manifiesta que si el tc (t calculada) es mayor al tt (t de la tabla), se rechaza Ho. En este caso los
tc = (-3,9; 91,02) son mayores al tt= +-2,160, por lo tanto, aceptamos que el modelo tiene intercepto y
linealidad.
5.5. Prueba de hipótesis: prueba F
Esta prueba nos permite aceptar o rechazar una hipótesis con el análisis de las variables independientes
de manera global. En este caso como estamos trabajando con modelos de regresión solo se tiene una
variable independiente.
Como el Fc es mayor al Ft (4,67); rechazo Ho, y acepto la linealidad del modelo.

ÍNDICE
PRELIMINARES
Intervalo de confianza: esta prueba inicialmente nos permite obtener el intervalo dentro del cual se
encuentra el verdadero valor de los parámetros ( y ), adicional a esto nos permite aceptar o
rechazar las hipótesis planteadas para cada parámetro de manera individual.
Ho : β1 = 0
BIMESTRE
H1 : β1 ≠ 0
PRIMER
SEGUNDO
BIMESTRE
En 95 de cada 100 casos, intervalos como este contendrán el verdadero β1 valor.
SOLUCIONARIO
En cuanto a la hipótesis planteada, el valor de β1 que es de cero está dentro del intervalo calculado por
tal razón aceptamos Ho, es decir el modelo no tiene intercepto.
Ho : β2 = 0
H1 : β2 ≠ 0
En cuanto a la hipótesis planteada, el valor de β2 que es de cero no está dentro del intervalo calculado
por tal razón rechazamos Ho y aceptamos que el modelo si tiene linealidad.
Nivel de significancia: es similar a la prueba de intervalo de confianza, con la diferencia que y

toman el valor de cero dentro de la fórmula y se los identifica ahora como β*1 y β*2 .
Ho: β*1 = 0
H1: β*1 ≠ 0

ÍNDICE
PRELIMINARES
BIMESTRE
PRIMER
Como B1= 94,21 cae en la región de aceptación, se acepta Ho de que no existe intercepto en el modelo.
Ho: β*2 = 0
SEGUNDO
BIMESTRE
H1: β*2 ≠ 0
SOLUCIONARIO
Como β2 = 0,44 cae en la región de rechazo, se acepta H1 de que existe linealidad en el modelo.
Prueba t: Para esta prueba vamos a utilizar la siguiente fórmula, y nos vamos a apoyar del valor t de la
tabla.
La regla manifiesta que si el tc (t calculada) es mayor al tt (t de la tabla), se rechaza Ho. En este caso el tc
de β1= (1,85) es menor al tt= +-2,006, por lo tanto, aceptamos que el modelo no tiene intercepto, ahora
el tc de β2 = (5,64) es mayor al tt por lo que rechazo Ho y acepto la linealidad del modelo.
Prueba F: esta prueba nos permite aceptar o rechazar una hipótesis con el análisis de las variables
independientes de manera global. En este caso, como estamos trabajando con modelos de regresión
solo se tiene una variable independiente.

ÍNDICE
PRELIMINARES
BIMESTRE
PRIMER
SEGUNDO
BIMESTRE
Intervalo de confianza: esta prueba inicialmente nos permite obtener el intervalo dentro del cual se
encuentra el verdadero valor de los parámetros y , adicional a esto nos permite aceptar o
rechazar las hipótesis planteadas para cada parámetro de manera individual.
SOLUCIONARIO
Ho : β1 = 0
H1 : β1 ≠ 0
En cuanto a la hipótesis planteada el valor de β1 que es de cero está dentro del intervalo calculado por
tal razón aceptamos Ho, es decir, el modelo no tiene intercepto.
Ho : β2 = 0
H1 : β2 ≠ 0

ÍNDICE
PRELIMINARES
BIMESTRE
PRIMER
por tal razón rechazamos Ho y aceptamos que el modelo si tiene linealidad.
SEGUNDO
BIMESTRE
Nivel de significancia: es similar a la prueba de intervalo de confianza, con la diferencia que y
toman el valor de cero dentro de la fórmula y se los identifica ahora como β*1 y β*2 .
Ho: β*1 = 0
SOLUCIONARIO
H1: β*1 ≠ 0
Como β1 = 0,0144 cae en la región de aceptación, se acepta Ho de que no existe intercepto en el modelo.
Ho: β*2 = 0
H1: β*2 ≠ 0
Como β2= 0,6764 cae en la región de rechazo, se acepta H1 de que existe linealidad en el modelo.
Prueba t: para esta prueba vamos a utilizar la siguiente fórmula, y nos vamos a apoyar del valor t de la
tabla.

ÍNDICE
PRELIMINARES
BIMESTRE
PRIMER
La regla manifiesta que si el tc (t calculada) es mayor al tt (t de la tabla), se rechaza Ho. En este caso el tc
de β1= (0,014) es menor al tt= +-2,201, por lo tanto, aceptamos que el modelo no tiene intercepto; ahora
el tc de β2 = (7,95) es mayor al tt por lo que rechazo Ho y acepto la linealidad del modelo.
SEGUNDO
BIMESTRE
Prueba F: esta prueba nos permite aceptar o rechazar una hipótesis con el análisis de las variables
independientes de manera global. En este caso como estamos trabajando con modelos de regresión
solo se tiene una variable independiente.
SOLUCIONARIO
5.6. Presentación de resultados
En esta parte lo único que haremos será condesar todos los resultados obtenidos en esta unidad, como
una forma de presentar los resultados de un ejercicio econométrico.
EJERCICIO 7.4. Recopilación ejercicio 4.1
El siguiente ejercicio muestra información sobre Y (gasto de consumo personal) y X (PIB), desde 1982-
1996, en miles de millones de dólares de 1992. Tabla I.1 del texto guía, página 6.
1. Planteo teórico o de hipótesis. Gasto de consumo de personal= f (PIB) o Y= f (X)

4. Obtención de datos

ÍNDICE
TABLA 4
GASTO DE CONSUMO PERSONAL Y PIB (miles de millones 1992)
PRELIMINARES
Tabla I.1 û û^2 (X)^2 (Y)^2
Obs Y X (X)^2 XY Ŷ (Y- Ŷ) (Y-Ŷ)^2 (X-Xm)^2 (Y-Ym)^2
1982 3081,5 4620,3 21347172,1 14237454,5 3077,01 4,49 20,14 1567236,92 778965,11
1983 3240,6 4803,7 23075533,7 15566870,2 3206,46 34,14 1165,6 1141678 523437,78
1984 3407,6 5140,1 26420628 17515404,8 3443,9 -36,3 1317,41 535960,65 309681,12
1985 3566,5 5323,5 28339652,3 18986262,8 3573,34 -6,84 46,83 301064,37 158077,81
BIMESTRE
PRIMER
1986 3708,7 5487,7 30114851,3 20352233 3689,24 19,46 378,75 147835,12 65224,05
1987 3822,3 5649,5 31916850,3 21594083,9 3803,44 18,86 355,71 49592,32 20104,40
1988 3972,7 5865,2 34400571 23300680 3955,68 17,02 289,52 48,91 74,13
1989 4064,6 6062 36747844 24639605,2 4094,59 -29,99 899,38 36026,57 10102,26
1990 4132,2 6136,3 37654177,7 25356418,9 4147,03 -14,83 219,98 69752,33 28260,97
SEGUNDO
BIMESTRE
1991 4105,8 6079,4 36959104,4 24960800,5 4106,87 -1,07 1,15 42934,6 20081,72
1992 4219,8 6244,4 38992531,4 26350119,1 4223,33 -3,53 12,47 138537,8 65387,60
1993 4343,6 6389,6 40826988,2 27753866,6 4325,82 17,78 316,29 267709,66 144027,84
1994 4486 6610,7 43701354,5 29655600,2 4481,87 4,13 17,04 545392,1 272390,05
1995 4595,3 6742,1 45455912,4 30981972,1 4574,62 20,68 427,82 756737,61 398426,06
SOLUCIONARIO
1996 4714,1 6928,4 48002726,6 32661170,4 4706,11 7,99 63,84 1115572,52 562515,00
∑ 59461,3 88082,9 523955898 353912542 59409,31 5531,93 6716079,49 3356755,92
Ŷi = - 184,08 + 0,71 Xi + μi
ee 47,05 0,078
R2 = 0,998 o 99%
R = 0,999 o 99%
Ho: β1 = 0 No hay intercepto.

H1: β1 ≠ 0 Si hay intercepto.
Ho: β2 = 0 No hay relación lineal entre la variable X y la variable Y.
H1: β2 ≠ 0 Si hay relación lineal entre la variable X y la variable Y.
8. Verificación
Verificación económica
• = -184,08
La interpretación de este parámetro es que si el ingreso o el PIB fueran constante, el gasto de consumo
de personal sería de -184 mil millones de dólares.
• = 0,71

ÍNDICE
La interpretación de este parámetro indica que si el PIB se incrementa en un dólar, el gasto de consumo
personal promedio aumenta en casi 71 centavos.
PRELIMINARES
Verificación estadística
ee ( ) = 47,05: Es confiable porque es menor a la tercera parte del parámetro.

R = 0,998 o 99%:
2
El 99% de las variaciones en el GCP se explica por el cambio en el PIB. El ajuste es
BIMESTRE
casi del 100% por lo que la variable PIB es adecuada para explicar al GCP.
PRIMER
Prueba intervalo de confianza
Ho: β1 = 0
H1: β1 ≠ 0
SEGUNDO
BIMESTRE
SOLUCIONARIO
por tal razón, rechazamos Ho y aceptamos que el modelo sí tiene intercepto.
Ho: β2 = 0
H1: β2 ≠ 0
por tal razón, rechazamos Ho y aceptamos que el modelo si tiene linealidad.

ÍNDICE
Prueba del nivel de significancia
PRELIMINARES
Ho: β*1 = 0
H1: β*1 ≠ 0
BIMESTRE
PRIMER
SEGUNDO
BIMESTRE
SOLUCIONARIO
Como B1=-184,08 cae en la región de rechazo, se acepta H1 de que existe intercepto en el modelo.
Ho: β*2 = 0
H1: β*2 ≠ 0
Como B2= 0,71 cae en la región de rechazo, se acepta H1 de que existe linealidad en el modelo.
Prueba t
La regla manifiesta que si el tc es mayor al tt (t de la tabla), se rechaza Ho. En este caso los tc = (-3,9; 91,02)
son mayores al tt= +-2,160, por lo tanto, aceptamos que el modelo tiene intercepto y linealidad.

ÍNDICE
Prueba F
PRELIMINARES
BIMESTRE
PRIMER
Con el desarrollo práctico de estos cuatro métodos, hemos revisado lo más importante de la unidad 5. Es
SEGUNDO
BIMESTRE
conveniente que revise en su libro guía todo lo relacionado al capítulo 5 para reforzar los conocimientos
hasta aquí aprendidos.
ACTIVIDAD SUGERIDA
SOLUCIONARIO
Realice la presentación de resultados para los dos ejercicios restantes que se realizaron en esta unidad.
Adicionalmente elabore 3 modelos de regresión simple y aplique toda la metodología econométrica.
Adicional realice los ejercicios: 5.9 (hasta el literal c); 5.10; 5.12 (literal a) y 5.19 (literales a, b y c), de la
parte final del capítulo 5 para reforzar los conocimientos de esta unidad.

ÍNDICE
Autoevaluación 5
PRELIMINARES
literales:
BIMESTRE
1. ( ) Al intervalo de confianza se lo conoce también como coeficiente de confianza.
PRIMER
2. ( ) Cuando el t calculado es mayor al t de la tabla se acepta la hipótesis nula.
3. ( ) Para estimar el valor de t en la tabla, al número de datos le sumamos el número de

parámetros que hay en la regresión.
SEGUNDO
BIMESTRE
4. ( ) La prueba t es un método para probar hipótesis.
5. ( ) En la prueba del nivel de significancia, cuando el valor de parámetro está dentro del
intervalo se rechaza la hipótesis nula.
SOLUCIONARIO
6. ( ) El coeficiente de determinación mide si los coeficientes de la regresión son
estadísticamente significativos.
7. ( ) El estimador de valores proporciona entonces un recorrido de valores dentro de los

cuales puede encontrarse el verdadero B2.
8. ( ) Un error de tipo 1consiste en rechazar una hipótesis verdadera.
9. ( ) La hipótesis alternativa es siempre probada frente a la hipótesis nula.
10. ( ) Cuando se acepta la hipótesis nula, se dice que el hallazgo es estadísticamente

significativo.
Ir a solucionario

ÍNDICE
UNIDAD 6. EXTENSIÓN DEL MODELO LINEAL DE DOS VARIABLES
PRELIMINARES
Luego de haber revisado lo concerniente a un modelo de regresión simple, en los cuales se trabajó con
modelos lineales, es decir, que tanto sus variables como parámetros estaban expresadas de manera
lineal, es muy poco probable que la teoría económica siempre se rija a este tipo de modelos.
BIMESTRE
En esta unidad vamos a revisar que muchos fenómenos económicos no pueden ser expresados a través
PRIMER
de modelos lineales, sino que la misma determinación de información propondrá que estos modelos
sean planteados de diversas formas. Esto es lo que se conoce como formas funcionales de los modelos,
en los cuales las variables dejan de ser lineales pero no los parámetros.
Comenzamos nuestro estudio con el siguiente tipo de regresión.
SEGUNDO
BIMESTRE
6.1. Regresión a través del origen
Wooldridge, J (2001), la denomina regresión a través del origen, porque la línea pasa por el origen x=
-
SOLUCIONARIO
0, = 0.
La ecuación para este tipo de regresión es:
Esta ecuación carece del intercepto o este toma el valor de cero, es decir el b1. Para el cálculo de b2y su
varianza aplicamos las siguientes fórmulas:
Este tipo de modelo presenta ciertas desventajas como: la suma de residuos no siempre es cero, y el
coeficiente de determinación puede ser negativo. El uso de este modelo solo sería indispensable si
existe expectativa a priori muy fuerte que justifique ser utilizado.
Algunas de las razones que justifican que el intercepto este ausente del modelo, es que la teoría
económica requiere o exige esto, casos como la elasticidad-oferta unitaria, puede llevarnos a excluirlo.
Nota: para la realización de todos los ejercicios del segundo bimestre se utilizó un software econométrico
denominado EViews, pero usted deberá seguir realizando los ejercicios con la aplicación de las fórmulas
correspondientes.
A continuación vamos a realizar un ejercicio:

ÍNDICE
EJEMPLO 8.
PRELIMINARES
La tabla 6.9 presenta información sobre los deflactores del PIB para los bienes domésticos y para los bienes
importados de Singapur durante el periodo 1968-1982. El deflactor del PIB es utilizado frecuentemente
como un indicador de la inflación en lugar del IPC. Singapur es una economía pequeña, abierta y muy
dependiente del comercio exterior para su supervivencia.
Para estudiar la relación entre los precios domésticos y los mundiales, se dan los siguientes modelos:
BIMESTRE
PRIMER
Yt = α1 + α2 Xt + μt Primer modelo
Yt = β2 Xt + μt
a) ¿Cómo se escogería a priori, entre los dos modelos?
SEGUNDO
BIMESTRE
A priori se escogería el primer modelo, ya que este posee intercepto, por lo tanto, la confiabilidad de sus
coeficientes sería mayor.
b) Ajústese ambos modelos a los datos y decida cuál se ajusta mejor.
SOLUCIONARIO
Y= Deflactor PIB bienes domésticos
X= Deflactor PIB para importaciones
Primer modelo (sin intercepto).
Aplicando las fórmulas obtenemos los datos de la regresión:
Y = 0,794 X + μ
ee = 0,0225
R2 = 0,71 o 71%
t = 31,17
• B2= 0,79: Si el deflactor del PIB para importaciones varía en 1%, el deflactor del PIB para
bienes domésticos sería del 0,79%.
• eeB2 (0.0225): Es confiable, porque es menor a la tercera parte del valor del parámetro.
• R2 = 0,71: El deflactor del PIB para importaciones explica en un 71% las variaciones en el
PIB para bienes domésticos.
Segundo modelo (con intercepto)
Y = 516.0898305 + 0.5339692583X+u

ÍNDICE
Variable Coefficient Std. Error t-Statistic Prob.

C 516.0898 40.56311 12.72313 0.0000
PRELIMINARES
X 0.533969 0.021745 24.55642 0.0000
R-squared 0.978897 Mean dependent var 1455.733
Adjusted R-squared 0.977273 S.D. dependent var 345.8076
S.E. of regression 52.13170 Akaike info criterion 10.86899
Sum squared resid 35330.29 Schwarz criterion 10.96340
Log likelihood -79.51742 F-statistic 603.0180
BIMESTRE
PRIMER
Durbin-Watson stat 0.854173 Prob(F-statistic) 0.000000
• B1= 516,08: si el deflactor del PIB para importaciones estuviera constante, el deflactor del PIB para
bienes domésticos sería del 516,08%.
SEGUNDO
• B2= 0,53: si el deflactor del PIB para importaciones varía en 1%, el deflactor del PIB para bienes
BIMESTRE
domésticos sería del 0,53%.
• eeB1 (40,56): es confiable, porque es menor a la tercera parte del valor del parámetro.
• eeB2 (0,021): es confiable, porque es menor a la tercera parte del valor del parámetro.
SOLUCIONARIO
• R2 = 0,98: el deflactor del PIB para importaciones explica en un 98% las variaciones en el PIB para
bienes domésticos.
Según los resultados el modelo que mejor se ajusta es el segundo, ya que sus resultados son
estadísticamente más significativos que el primer modelo.
6.2. Formas funcionales: modelo log – lineal
Conocido como modelo de regresión exponencial, se lo puede linealizar a través de logaritmos

naturales. A estos modelos también se los conoce como modelos de elasticidad constante. La ecuación
de regresión es la siguiente:
y = β1 X β2 eμ → ln y = ln β1 + β2 ln x + μ
• Lineal en los parámetros.

• Lineal en los logaritmos de las variables Y y X, y debido a estos se denominan modelos log-log;
doble log o log-lineales.
• El modelo log-log es importante, ya que el coeficiente de la pendiente B2 mide la elasticidad de Y
con respecto a X, es decir el cambio porcentual en Y ante un pequeño cambio porcentual en X.
EJEMPLO 9
El siguiente ejercicio presenta información del consumo de café en Estados Unidos (Y) en relación con
el precio observado al detalle promedio (X), para el periodo 1970-1980. Se desea conocer la elasticidad
precio con respecto al consumo.

ÍNDICE
TABLA 5
CONSUMO DE CAFÉ EN USA
PRELIMINARES
Años Y X Lny LnX
1970 2,57 0,77 0,943905899 -0,26136476
1971 2,5 0,74 0,916290732 -0,30110509
1972 2,35 0,72 0,854415328 -0,32850407
1973 2,3 0,73 0,832909123 -0,31471074
1974 2,25 0,76 0,810930216 -0,27443685
BIMESTRE
PRIMER
1975 2,2 0,75 0,78845736 -0,28768207
1976 2,11 1,08 0,746687947 0,07696104
1977 1,94 1,81 0,662687973 0,59332685
1978 1,97 1,39 0,678033543 0,32930375
1979 2,06 1,2 0,722705983 0,18232156
SEGUNDO
BIMESTRE
1980 2,02 1,17 0,703097511 0,15700375
∑ 24,27 11,12 8,660121616 -0,42888665
Fuente: Lozano, A.(2001). Guía de Econometría I, ejercicio #18.
SOLUCIONARIO
Metodología tradicional98
1. Planteo teórico o de hipótesis Consumo = f (Precio) o Y= f (X)

3. Especificación modelo econométrico LnY= B1+B2LnX+u
4. Obtención de datos Tabla 5
Dependent Variable: LNY

Included observations: 11

C 0.777418 0.015242 51.00455 0.0000
LNX -0.253046 0.049374 -5.125086 0.0006
S.E. of regression 0.050148 Akaike info criterion -2.984727
Sum squared resid 0.022633 Schwarz criterion -2.912383
Log likelihood 18.41600 F-statistic 26.26651
LNY = 0.777417592 - 0.253046125LNX+u
9. Se enuncia la metodología tradicional, únicamente para fines didácticos.

ÍNDICE
PRELIMINARES
H1: β1 ≠ 0 Sí hay intercepto.
Ho: β2 = 0 No hay relación lineal entre la variable LnX y la variable LnY.
H1: β2 ≠ 0 Sí hay relación lineal entre la variable LnX y la variable LnY.
7. Verificación
BIMESTRE
PRIMER
• = 0,77
Es el valor medio de consuno de café cuando el precio es de cero.
SEGUNDO
BIMESTRE
• = -0,253
Significa que ante un incremento del 1% en el precio, el consumo de café disminuye en un 0,25%. Es
decir el café es un bien inelástico.
SOLUCIONARIO
R2 = 0,744 o 74% : El 74% de las variaciones en el consumo de café se explica por el cambio en el
precio.
Para la comprobación de hipótesis utilizaremos la prueba t. Pero usted podrá hacerlo con los tres
métodos revisados.
Prueba t
tc ( ) = 51
tc ( ) = -5,1
La regla manifiesta que si el tc es mayor al tt (t de la tabla), se rechaza Ho. En este caso los tc son mayores
al tt= +-2,26; por lo tanto, aceptamos que el modelo tiene intercepto y linealidad entre sus variables.
Verificación econométrica
Multicolinealidad
Heteroscedasticidad
Autocorrelación
Sesgo de especificación

ÍNDICE
6.3. Modelos semilogarítmicos
PRELIMINARES
En este tipo de modelos tenemos dos variaciones:
Modelo Log – Lin
ln Yt= β1 + β2 t+ μt
BIMESTRE
Generalmente utilizado para medir tasas de crecimiento instantánea o compuesta. Este modelo es
PRIMER
logarítmico en la variable dependiente, pero lineal en la variable independiente que además está dada
por el tiempo.
En este modelo el coeficiente de la pendiente mide el cambio proporcional constante o relativo en (Y),
para un cambio absoluto dado en el valor de (X). Al multiplicar por 100 (β2), da como resultado la tasa de
SEGUNDO
BIMESTRE
crecimiento en (Y).
EJEMPLO 10
Tomaremos información de la tabla 8.9 de su texto básico, para el desarrollo del siguiente ejercicio.
SOLUCIONARIO
La tabla presenta información de los ahorros e ingreso personal disponible (miles de millones), para
Estados Unidos, 1970-1995.
Metodología tradicional:
1. Planteo teórico o de hipótesis Ahorro = f (tiempo) o Y= f (X)

3. Especificación modelo econométrico LnY= B1+B2t+u
5. Estimación de la regresión.
A la variable X la tomamos como el tiempo, numeramos los datos desde el 1 hasta el 26, y realizamos la
regresión.

C 4.280070 0.080682 53.04876 0.0000
X 0.053300 0.005224 10.20218 0.0000
LNY = 4.280069757 + 0.05329966467t+u

ÍNDICE
PRELIMINARES
Ho: β1 = 0 No hay intercepto
H1: β1 ≠ 0 Si hay intercepto
Ho: β2 = 0 No hay relación lineal entre la variable t y la variable LnY
H1: β2 ≠ 0 Si hay relación lineal entre la variable t y la variable LnY
7. Verificación
BIMESTRE
PRIMER
• = 4,28
Para interpretar B1 debemos calcular el antilogaritmo que sería 72,24. Cuando estamos en el año cero
SEGUNDO
BIMESTRE
(1969), el ahorro será de 74,24 miles de millones de dólares.
• = 0,053
Significa que cuando los años se incrementan en uno, el ahorro se incrementará en un 5,3%. Esta es la
SOLUCIONARIO
tasa de crecimiento instantánea en un determinado año. Si a esta respuesta le aplicamos lo siguiente:
(antilogaritmo B2-1) = 1,054 – 1= 0,054 (100%) = 5,4%. Esta es la tasa de crecimiento compuesta anual
entre 1970 y 1991, es decir el promedio.

R2 = 0,81 o 81% : El 81% de las variaciones en el ahorro son explicadas por las variaciones en el tiempo.
Para la comprobación de hipótesis utilizaremos la prueba t,. pero usted podrá hacerlo con los tres
métodos revisados.
Prueba t
tc ( ) = 53
tc ( ) = 10,2
Multicolinealidad
Heteroscedasticidad
Autocorrelación

ÍNDICE
Modelo lin – log
PRELIMINARES
Yi = β1 + β2 lnXi + μi
A diferencia del modelo anterior, lo que se trata de conocer ahora es el cambio absoluto en Y, debido a
un cambio porcentual en X. Esta ecuación plantea que el cambio absoluto en (Y), es igual a B2 veces el
cambio relativo en (X). Así, si X cambia en 0,01 unidades o 1%, el cambio absoluto en Y es (0,01)*B2 o lo
mismo si divido 100/B2.
BIMESTRE
PRIMER
EJEMPLO 11
En la siguiente tabla se presenta información sobre el producto nacional bruto (PNB) y cuatro definiciones
de oferta monetaria (M) de Estados Unidos durante el periodo 1970-1983. Para este ejercicio escogemos
la variable oferta monetaria M2.
SEGUNDO
BIMESTRE
1. Planteo teórico o de hipótesis PNB = f (M2) o Y= f (X)

SOLUCIONARIO
3. Especificación modelo econométrico Y= B1+B2LnX+u
Dependent Variable: PNB

C -11884.97 744.1602 -15.97098 0.0000
LNM2 1958.190 104.9353 18.66093 0.0000
PNB = -11884.9688 + 1958.189946LnM2+u

Ho: β2 = 0 No hay relación lineal entre la variable Ln X y la variable Y.
H1: β2 ≠ 0 Sí hay relación lineal entre la variable Ln X y la variable Y.

ÍNDICE
7. Verificación
PRELIMINARES
• = -11884,96
Cuando la oferta monetaria es de cero el PNB disminuye en 11884,96 miles de millones de dólares.
• = 1958,183
BIMESTRE
PRIMER
Significa que ante un incremento de la oferta monetaria en un 1%, el PNB se incrementa en 19,58 mil
millones de dólares.
SEGUNDO
BIMESTRE
R2 = 0,966 o 97% : El 97% de las variaciones en el ahorro son explicadas por las variaciones en el
tiempo.
SOLUCIONARIO
Para la comprobación de hipótesis utilizaremos la prueba t, pero usted podrá hacerlo con los tres
métodos revisados.
Prueba t
tc ( ) = -15,97
tc ( ) = 18,66
Multicolinealidad
Heteroscedasticidad
Autocorrelación
6.4 Modelos Recíprocos
Este modelo es generalmente utilizado cuando al graficar X y Y, el gráfico determina una hipérbola.
Adicionalmente este modelo está relacionado con la curva de Engel.
EJEMPLO 12.
Incremento anual en las tasas salariales (tas) y en la tasa desempleo (tasd) en el Reino Unido para el
periodo 1950-1966

ÍNDICE
TABLA 6
TASAS SALARIALES Y DE DESEMPLEO
PRELIMINARES
1950 1.8 1.4
1951 8.5 1.1
1952 8.4 1.5
1953 4.5 1.5
1954 4.3 1.2
BIMESTRE
PRIMER
1955 6.9 1
1956 8 1.1
1957 5 1.3
1958 3.6 1.8
1959 2.6 1.9
SEGUNDO
BIMESTRE
1960 2.6 1.5
1961 4.2 1.4
1962 3.6 1.8
1963 3.7 2.1
1964 4.8 1.5
SOLUCIONARIO
1965 4.3 1.3
1966 4.6 1.4
Fuente: Lozano, A.(2001). Guía de Econometría 1. UTPL.
1. Planteo teórico o de hipótesis Tas = f (Tasd) o Y= f (X)

3. Especificación modelo econométrico Y= B1+B2(1/X)+u
4. Obtención de datos Tabla 6
Dependent Variable: Tas

C -1.428177 2.067478 -0.690782 0.5003
Tasd 8.724344 2.847779 3.063561 0.0079
Tas = -1.428177059 + 8.724344226 (1/Tasd)+u

ÍNDICE
PRELIMINARES
H1: β1 ≠ 0 SÍ hay intercepto.
Ho: β2 = 0 No hay relación lineal entre la variable (1/X) y la variable Y.
H1: β2 ≠ 0 SÍ hay relación lineal entre la variable (1/X) y la variable Y.
7. Verificación
BIMESTRE
PRIMER
• = -1,428
Cuando la tasa de desempleo tiende al infinito, la disminución de los salarios tendería a su valor asintótico
SEGUNDO
BIMESTRE
de -1.42%.
• = 8,7243
Si el desempleo se incrementa en 1%, el incremento en las tasas salariales aumentará en 8,72%.
SOLUCIONARIO
ee ( ) = 2,067 No es confiable porque es mayor a la tercera parte del parámetro.

ee ( ) = 2,848 Es confiable porque es menor a la tercera parte del parámetro.
R2 = 0,38 o 38% : El 38% de las variaciones en el ahorro son explicadas por las variaciones en el tiempo.
Grado de asociación relativamente bajo.
métodos revisados.
Prueba t
tc ( ) = -0,69
tc ( ) = 3,06
La regla manifiesta que si el tc es mayor al tt (t de la tabla), se rechaza Ho. En este caso el tc (B1) es menor
al tt= +-2,13; por lo tanto aceptamos que el modelo no tiene intercepto. El tc (B2) es mayor al tt, por lo
tanto, se acepta la linealidad entre sus variables.
Multicolinealidad
Heteroscedasticidad
Autocorrelación

ÍNDICE
ACTIVIDAD SUGERIDA
PRELIMINARES
Realice un cuadro sinóptico de los puntos revisados en esta unidad en base al resumen de la página 186
de su texto guía. Adicional revise cada uno de los ejercicios desarrollados para cada forma funcional de
los modelos de regresión.
Realice los ejercicios: 6.2; 6.3; 6.18, de la parte final del capítulo 6 para reforzar los conocimientos de esta
unidad.
BIMESTRE
PRIMER
Autoevaluación 6
SEGUNDO
BIMESTRE
literales:
1 ( ) En un modelo de regresión a través del origen el coeficiente de determinación puede
SOLUCIONARIO
ser negativo.
2 ( ) En la regresión a través del origen los grados de libertad se calculan con (n-2).
3 ( ) El modelo log-lin es aquel cuya variable (Y) está en función del logaritmo de (X).
4 ( ) Un modelo para determinar elasticidades es el modelo recíproco.
5 ( ) El modelo recíproco es aquel cuya variable X está expresada como 1/X.
6 ( ) El modelo lin-log es aquel en que su variable (Y) está como logaritmo y su variable (X)
de manera lineal.
7 ( ) Un modelo log-lineal es lo mismo que un modelo log-lin.
8 ( ) Un modelo log-lin permite medir tasa de crecimiento.
9 ( ) Un modelo de regresión a través del origen toma en cuenta el intercepto.
10 ( ) El modelo lin-log puede ser aplicable a los modelos de gastos de Engel.
Ir a solucionario

ÍNDICE
UNIDAD 7. ANÁLISIS DE REGRESIÓN MULTIPLE
PRELIMINARES
No es muy común que dentro de la análisis econométrico se de modelos de regresión simple, por lo
tanto, es necesario ampliar este modelo a modelos de regresión con varias variables explicativas.
El modelo de regresión con tres variables se puede expresar así: Y = β1 + β2X2+ β3X3+ μ
BIMESTRE
PRIMER
Al incluirse más de dos variables explicativas se debe trabajar con la suposición de que no exista relación
lineal exacta entre X2, X3
Igual que el modelo de regresión lineal se sigue trabajando bajo los supuestos del modelo clásico de
regresión (MCRL). Adicionalmente partimos de una regresión muestral.
SEGUNDO
BIMESTRE
Todas las fórmulas aquí utilizadas son tomadas de su texto guía.
SOLUCIONARIO
7.1. Significado de los coeficientes de regresión parcial
Ahora en el estudio de los modelos de regresión múltiple tenemos varias variables que intervienen en
los modelos, por tal razón, un análisis de la relación que existe entre estas variables es importante para
que el modelo pueda presentar resultados con mayor confiabilidad.
El coeficiente de correlación parcial es aquel que mide la correlación neta entre la variable dependiente
y una variable explicativa.
La interpretación general de los coeficientes de regresión parcial son las siguientes:
β1 = Es el término del intercepto, es el valor medio de Y cuando X2 y X3, son iguales a cero.
β2 = Mide las variaciones de Y ante el incremento de 1 unidad en X2, manteniendo constante X3.
β3 = Mide las variaciones de Y ante el incremento de 1 unidad en X3 , manteniendo constante X2.

ÍNDICE
7.2. Estimación de los coeficientes de regresión parcial
PRELIMINARES
BIMESTRE
PRIMER
SEGUNDO
BIMESTRE
7.3. Varianzas y errores estándar de los estimadores
Una vez obtenidos los coeficientes de regresión parcial, se procede con el cálculo de las varianzas y de
los errores estándar de los estimadores.
SOLUCIONARIO
En esta fórmula el (n-3) se refiere a los 3 parámetros que hay en este modelo. Si el modelo tiene más
variables sería un parámetro adicional y el valor restado a n variará.

ÍNDICE
7.4. Coeficiente de determinación múltiple
PRELIMINARES
Una vez determinados los errores estándar, procedemos al cálculo del coeficiente de determinación y de
los coeficientes de regresión parcial.
Al igual que los modelos de regresión simple, el coeficiente de determinación mide cuánto explican las
BIMESTRE
variables independientes a la variable dependiente. Así mismo, su valor está entre 0 y 1.
PRIMER
Para entender mejor este tema realicemos el siguiente ejercicio:
EJEMPLO 13
SEGUNDO
BIMESTRE
Desembolsos del presupuesto de defensa de Estados Unidos, 1962-1981. Con el fin de explicar el
presupuesto de defensa de este país, considere las siguientes variables:
Y= desembolsos del presupuesto de defensa durante el año t, US$ miles de millones.

X2=PNB durante el año t, US$ miles de millones.
SOLUCIONARIO
X3= Ventas militares de los Estados Unidos/ayuda en el año t, US$ miles de millones.
1. Planteo teórico o de hipótesis Y= f (X1,X2)
2. Especificación del modelo matemático Y= B1+B2X2+B3X3
3. Especificación modelo econométrico Y= B1+B2X2+B3X3+u
Dependent Variable: Y
C 26.76726 5.184740 5.162702 0.0001
X2 0.047740 0.006182 7.722521 0.0000
X3 -1.231819 0.711558 -1.731157 0.1015

Ho: β2 = 0 No hay relación lineal entre la variable (X2) y la variable Y.
H1: β2 ≠ 0 Sí hay relación lineal entre la variable (X2) y la variable Y.
Ho: β3 = 0 No hay relación lineal entre la variable (X3) y la variable Y.
H1: β3 ≠ 0 Sí hay relación lineal entre la variable (X3) y la variable Y.

ÍNDICE
Hipótesis global
PRELIMINARES
H0 : β2 = β3 = 0 No existe relación lineal simultánea y conjunta entre el PNB y las ventas militares en el año t.
β2 ≠ β3 ≠ 0 Existe relación lineal simultánea y conjunta entre el PNB y las ventas militares en el año t.
7. Verificación
BIMESTRE
PRIMER
• = 26,76
Cuando el PNB y las ventas militares en Estados Unidos son de cero, el presupuesto de la defensa es de
26,76 miles de millones en el año t.
SEGUNDO
BIMESTRE
• = 0,0477
Si el PNB se incrementa en mil millones, manteniendo constante las ventas militares, el presupuesto de
defensa se incrementa en 0.04 miles de millones.
SOLUCIONARIO
• = - 1,2318
Si las ventas militares se incrementa en mil millones, manteniendo constante el PNB, el presupuesto de
defensa disminuye en 1,23 miles de millones.
ee( ) = 5,18: Es confiable porque es menor a la tercera parte del parámetro.
ee( ) = 0,0061: Es confiable porque es menor a la tercera parte del parámetro.
ee( ) = 0,71: No es confiable porque es mayor a la tercera parte del parámetro.
Posiblemente la variable X3 no es aconsejable para explicar las variaciones en el presupuesto de defensa.
R2 = 0,92 o 92%: El 92% de las variaciones en el presupuesto de defensa son explicadas por las variaciones
en el PNB y por las ventas militares. El grado de asociación es bastante bueno.
métodos revisados.
Prueba t
tc( ) = 5,16
tc( ) = 7,72
tc( ) = -1,23
La regla manifiesta que si el tc es mayor al tt (t de la tabla), se rechaza Ho. En este caso el tc (B1) es mayor
al tt= +-2,11; por lo tanto, aceptamos que el modelo tiene intercepto.

ÍNDICE
El tc (B2) es mayor al tt, por lo tanto, hay una relación lineal entre X2 y Y, manteniendo constante X3.
PRELIMINARES
El tc (B3) es mayor al tt, por lo tanto, hay una relación lineal entre X3 y Y, manteniendo constante X2.
Prueba F
La regla manifiesta que si el Fc es mayor al Ft, se rechaza Ho. En este caso el Fc = 98,52 es mayor al Ft =
3,59, por lo tanto, rechazo Ho y acepto que hay relación lineal simultánea y conjunta entre el PNB y las
BIMESTRE
ventas militares en el año t.
PRIMER
Multicolinealidad
Heteroscedasticidad
SEGUNDO
BIMESTRE
Autocorrelación
7.5. La función de producción de Cobb-Douglas
SOLUCIONARIO
Es una extensión del modelo log-lineal o doble log, en el cual se parte de una función exponencial a una
logarítmica.
La función estudiada a continuación nos permite determinar elasticidades a través de sus coeficientes de
regresión parcial, adicionalmente nos permite el cálculo de los rendimientos a escala dentro del modelo
de producción.
Para entender mejor este tema realicemos el siguiente ejercicio:
EJEMPLO 14
Se presenta información de la referente al sector agrícola de Taiwán durante 1958-1972.

La tabla 7.3, fue tomada de Gujarati, D. Econometría (2003). Cuarta edición.
Y= Producto bruto real (P)

X2= Días laborales (L)
X3= Insumo capital real (K)
1. Planteo teórico o de hipótesis Y= f (X1,X2) o P= f(L,K)

2. Especificación del modelo matemático Y= B1+B2X2+B3X3
3. Especificación modelo econométrico Y= lnB1+lnB2X2+lnB3X3+u

ÍNDICE

PRELIMINARES
C -3.337389 2.453107 -1.360474 0.1987
LNX2 1.498783 0.540596 2.772465 0.0169
LNX3 0.489751 0.102193 4.792391 0.0004
BIMESTRE
PRIMER
SEGUNDO
BIMESTRE
LNY = -3.337388853 + 1.498782694LNX2 + 0.4897508377LNX3
SOLUCIONARIO
Ho: β2 = 0 No hay relación lineal entre lnP y el lnL, manteniendo constante lnK.
H1: β2 ≠ 0 Sí hay relación lineal entre lnP y el lnL, manteniendo constante lnK.
Ho: β3 = 0 No hay relación lineal entre lnP y el lnK, manteniendo constante lnL.
H1: β3 ≠ 0 Sí hay relación lineal entre lnP y el lnK, manteniendo constante lnL.
Hipótesis global
H0 : β2 = β3 = 0 No existe relación lineal simultánea y conjunta entre la producción con el capital y el

trabajo.
H1 : β2 ≠ β3 ≠ 0 Existe relación lineal simultánea y conjunta entre la producción con el capital y el trabajo.
7. Verificación
• = -3,33
Cuando los días laborales y el insumo capital real son de cero, el producto bruto real es de -3,33 millones
de nuevos dólares taiwaneses.
• = 1,49
Significa que ante un incremento del 1% en el insumo trabajo condujo en promedio a un incremento de
cerca del 1,5% en el producto, manteniendo constante el insumo capital. Adicionalmente este valor me
da la elasticidad del trabajo con respecto al producto o elasticidad producto-trabajo.
• = 0,49
Significa que ante un incremento del 1% en el insumo capital condujo en promedio a un incremento de
cerca del 0,5% en el producto, manteniendo constante el insumo trabajo.

ÍNDICE
Adicionalmente este valor me da la elasticidad del capital con respecto al producto o la elasticidad
producto-capital.
PRELIMINARES
La sumatoria de las dos elasticidades del producto me permite determinar los rendimientos a escala. Si este
valor es mayor a uno los rendimientos son crecientes, si es menor a uno son decrecientes y si es igual a uno
estos son constantes.
En nuestro ejercicio la sumatoria de las dos elasticidades nos da 1,9887, lo que nos muestra que el sector
BIMESTRE
agrícola en Taiwán desde 1958 hasta 1972 ha tenido rendimientos crecientes.
PRIMER
ee( ) = 2,45 No es confiable porque es mayor a la tercera parte del parámetro.
SEGUNDO
BIMESTRE
ee( ) = 0,54 Es confiable porque es menor a la tercera parte del parámetro.
Posiblemente la variable días laborables no es aconsejable para explicar las variaciones en el producto
SOLUCIONARIO
bruto real.
R2 = 0,888 o 89% : El 89% de las variaciones en el producto bruto real son explicadas por las variaciones
en el trabajo y en el capital. El grado de asociación es bastante bueno.
Para la comprobación de hipótesis de manera individual utilizaremos la prueba t.
Prueba t
tc( ) = -1,36
tc( ) = 2,77
tc( ) = 4,79
La regla manifiesta que si el tc es mayor al tt (t de la tabla), se rechaza Ho. En este caso el tc (B1) es menor
al tt= +-2,17; por lo tanto, aceptamos que el modelo no tiene intercepto.
El tc (B2) es mayor al tt, por lo tanto, hay una relación lineal entre el insumo trabajo y el producto,
manteniendo constante el insumo capital.
El tc (B3) es mayor al tt, por lo tanto, hay una relación lineal entre el insumo capital y el producto,
manteniendo constante el insumo trabajo.
Prueba F
3,89, por lo tanto, rechazo Ho y acepto que hay relación lineal simultánea y conjunta entre el producto y
el insumo trabajo y capital.

ÍNDICE
PRELIMINARES
Multicolinealidad
Heteroscedasticidad
Autocorrelación
7.6. Modelos de regresión polinomial
BIMESTRE
PRIMER
Estos modelos son generalmente utilizados en la investigación econométrica en las funciones de costo
y de producción.
Se plantean desde una regresión simple y al convertirse en un modelo polinomial se transforma en una
regresión múltiple.
SEGUNDO
BIMESTRE
Al dibujar en un plano cartesiano las variables (Y y X), obtenemos un gráfico, si este es una parábola, nos
demuestra que el modelo de regresión para estas variables es un modelo polinomial y su ecuación sería:
Y = ax2 + bx + c
SOLUCIONARIO
El modelo econométrico planteado sería el siguiente:
Y = β0 + β1 Xi + β2Xi2 + u
Este es un polinomio de segundo grado, ya que X esta elevado al cuadrado, si X estuviera elevado al
cubo, este polinomio sería ahora de tercer grado.
Tenga en cuenta que en este tipo de regresiones polinomiales, solamente hay una variable explicativa al
lado derecho, pero aparece elevada a distintas potencias.
Revisemos el siguiente ejercicio:
EJEMPLO 15
Tenemos la información sobre la producción de un bien y su costo de producción total en el corto plazo.
Este es el ejemplo 7.4 que se encuentra en su libro guía.
Ct = costo total
P = producción
Iniciamos dibujando las variables Y y X.

ÍNDICE
GRÁFICO 7.1
PRELIMINARES
440
400
360
320
Y
280
240
BIMESTRE
200
PRIMER
160
0 2 4 6 8 10 12
X
El gráfico muestra una curva en s alargada, lo que nos permite establecer el modelo de regresión a
utilizar.
SEGUNDO
BIMESTRE
1. Planteo teórico o de hipótesis Y= f (X) o Ct= f(P)

2. Especificación del modelo matemático Y = β0 + β1 Xi + β2Xi2 + β3Xi3
SOLUCIONARIO
3. Especificación modelo econométrico Y = β0 + β1 Xi + β2Xi2 + β3Xi3 + u
C 141.7667 6.375322 22.23678 0.0000
X 63.47766 4.778607 13.28372 0.0000
X2 -12.96154 0.985665 -13.15005 0.0000
X3 0.939588 0.059106 15.89677 0.0000
Y = 141.7666667 + 63.47766123X - 12.96153846X2 + 0.9395881896X3

Ho: β2 = 0 No hay relación lineal entre Y y X, manteniendo constante X2 , X3.
H1: β2 ≠ 0 Sí hay relación lineal entre Y y X, manteniendo constante X2 , X3.
Ho: β3 = 0 No hay relación lineal entre Y y X2 , manteniendo constante X , X3.
H1: β3 ≠ 0 Sí hay relación lineal entre Y y X2, manteniendo constante X , X3
Ho: β4 = 0 No hay relación lineal entre Y y X3, manteniendo constante X , X2.
H1: β4 ≠ 0 Sí hay relación lineal entre Y y X3, manteniendo constante X , X2.

ÍNDICE
Hipótesis global
PRELIMINARES
H0: β2 = β3 = β4 = 0 No existe relación lineal simultánea y conjunta entre Y y X , X2, X3.
H0: β2 ≠ β3 ≠ β4 ≠ 0 Existe relación lineal simultánea y conjunta entre Y y X, X2, X3.
7. Verificación
BIMESTRE
PRIMER
• = 141,76
Cuando el costo es de cero, la producción es de 141,76 unidades.
• = 63,47
SEGUNDO
BIMESTRE
A medida que se incrementa la producción en una unidad, el costo medio aumenta en 63,47 unidades
monetarias hasta cierto punto.
• = -12,96
SOLUCIONARIO
A medida que se incrementa la producción en una unidad, el costo medio comienza a disminuir en 12,96
unidades monetarias hasta cierto punto.
• = 0,94
A medida que se incrementa la producción en una unidad, el costo medio vuelve a incrementarse en
12,96 unidades monetarias hasta cierto punto.
ee( ) = 6,37 No es confiable porque es mayor a la tercera parte del parámetro.
Posiblemente la variable días laborables no es aconsejable para explicar las variaciones en el producto
bruto real.
R2= 0,99 o 99%: El 99% de las variaciones en producción son explicadas por el costo total. El grado de
asociación es bastante bueno.
Para la comprobación de hipótesis de manera individual utilizaremos la prueba t.

ÍNDICE
Prueba t
PRELIMINARES
tc( ) = 13,2
tc( ) = -13,1
tc( ) = 15,8
BIMESTRE
PRIMER
La regla manifiesta que si el tc es mayor al tt (t de la tabla), se rechaza Ho. En este caso el tc (B1) es mayor
al tt= +-2,47; por lo tanto, aceptamos que el modelo si tiene intercepto.
El tc (B2) es mayor al tt, por lo tanto, hay una relación lineal entre la producción y el costo. Lo mismo sería
para las dos variables restantes.
SEGUNDO
BIMESTRE
Prueba F
4,76, por lo tanto rechazo Ho y acepto que hay relación lineal simultanea y conjunta entre la producción
SOLUCIONARIO
y el costo.
Multicolinealidad
Heteroscedasticidad
Autocorrelación
7.7. Prueba de igualdad de dos coeficientes de regresión
Cabe resaltar que en muchas investigaciones económicas, se presentan variables que pueden tener
similitud, tal es el caso de la función de demanda de un bien, el cual plantea que Y= cantidad de
demanda del bien, está en función de X2= precio del bien, X3= ingreso del consumidor y X4= riqueza del
consumidor. Se puede presentar la duda de que si existe una relación entre la variable ingreso y riqueza.
El planteo de la hipótesis sujeta a comprobación en este caso sería que los coeficientes del ingreso y la
riqueza son los mismos. Entonces tendríamos lo siguiente:
H0: β3 = β4 o (β3 - β4 ) = 0
H1: β3 ≠ β4 o (β3 - β4 ) ≠ 0
Para poder aceptar o rechazar el Ho planteado nos fijamos en los valores t de estas variables (X3, X4), si
estos t calculados son mayores a los t de las tablas rechazamos Ho, es decir, los dos coeficientes no son
iguales. Caso contrario si el tc es menor al tt aceptamos que los coeficientes son iguales.
EJEMPLO 16
Para entender este tema regresemos al ejercicio 22, y tomemos los resultados que obtuvimos.

ÍNDICE
PRELIMINARES
C 141.7667 6.375322 22.23678 0.0000
X 63.47766 4.778607 13.28372 0.0000
X2 -12.96154 0.985665 -13.15005 0.0000
X3 0.939588 0.059106 15.89677 0.0000
BIMESTRE
PRIMER
Adjusted
R-squared 0.997509 S.D. dependent var 65.81363
Sum squared
resid 64.74382 Schwarz criterion 5.626764
SEGUNDO
BIMESTRE
Durbin-Watson
stat 2.700212 Prob(F-statistic) 0.000000
En estos resultados revisemos los valores t de X2 y X3, adicional a esto determinamos el valor de t de la
SOLUCIONARIO
tabla para poder hacer las respectivas comparaciones.
El valor de t de la tabla con 6 grados de libertad al 0,05 es de: +- 2,47; al compararlo con los t de X2 y X3
sin tomar en cuenta el signo, podemos determinar que son mayores y por tanto, rechazamos la Ho y
definimos que X2 y X3 no son iguales y que estas variables no ocasionan problemas al modelo.
ACTIVIDAD SUGERIDA
Realice los ejercicios: 7.16, 7.17, y 7.18 de la parte final del capítulo 7 para reforzar los conocimientos de
esta unidad.

ÍNDICE
Autoevaluación 7
PRELIMINARES
literales:
BIMESTRE
1. ( ) El modelo de producción de Cobb-Douglas, es utilizado para calcular tasas de
PRIMER
crecimiento.
2. ( ) Un modelo polinomial está en relación con los modelos de producción.
3. ( ) El modelo de regresión múltiple es aquel que cuenta con una sola variable
SEGUNDO
independiente y varias variables dependientes.
BIMESTRE
4. ( ) Los rendimientos a escala son determinados por la suma de las elasticidades.
5. ( ) Los rendimientos a escala crecientes son aquellos que son iguales a 1.
SOLUCIONARIO
6. ( ) El modelo de Cobb-Douglas parte de una función exponencial.
Ir a solucionario

ÍNDICE
7. Solucionario
PRELIMINARES
PRIMER BIMESTRE
AUTOEVALUACIÓN 1
BIMESTRE
PRIMER
Pregunta Respuesta
1 F
2 F
SEGUNDO
BIMESTRE
3 F
4 V
5 F
SOLUCIONARIO
6 V
Ir a autoevaluación

ÍNDICE
AUTOEVALUACIÓN 2
PRELIMINARES
Pregunta Respuesta
1 V
2 F
3 F
BIMESTRE
PRIMER
4 V
5 V
6 V
SEGUNDO
BIMESTRE
7 F
8 V
SOLUCIONARIO
9 V
10 F

ÍNDICE
AUTOEVALUACIÓN 3
PRELIMINARES
Pregunta Respuesta
1 V
2 V
3 F
BIMESTRE
PRIMER
4 F
5 F
6 V
SEGUNDO
BIMESTRE
7 V
8 F
SOLUCIONARIO

ÍNDICE
AUTOEVALUACIÓN 4
PRELIMINARES
Pregunta Respuesta
1 F
2 V
3 V
BIMESTRE
PRIMER
4 F
5 V
6 F
SEGUNDO
BIMESTRE
7 V
8 F
SOLUCIONARIO

ÍNDICE
SEGUNDO BIMESTRE
PRELIMINARES
AUTOEVALUACIÓN 5
Pregunta Respuesta
1 V
BIMESTRE
PRIMER
2 F
3 F
4 V
SEGUNDO
BIMESTRE
5 F
6 V
7 V
SOLUCIONARIO
8 V
9 F
10 F

ÍNDICE
AUTOEVALUACIÓN 6
PRELIMINARES
Pregunta Respuesta
1 V
2 F
3 F
BIMESTRE
PRIMER
4 F
5 V
6 V
SEGUNDO
BIMESTRE
7 F
8 V
SOLUCIONARIO
9 F
10 V

ÍNDICE
AUTOEVALUACIÓN 7
PRELIMINARES
Pregunta Respuesta
1 F
2 V
3 F
BIMESTRE
PRIMER
4 V
5 F
6 V
SEGUNDO
BIMESTRE
SOLUCIONARIO
FOO/gnpr/2012-01-18/88
vtc/2013-02-1

Diseño e impresión:
Imágenes: Shutterstock.com/Ediloja
Asesoría virtual:
www.utpl.edu.ec

Guía Didáctica PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Guía Didáctica PDF

Cargado por

Copyright:

Formatos disponibles

ÍNDICE

Guía didáctica: Econometría I

UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA La Universidad Católica de Loja 1

MODALIDAD ABIERTA Y A DISTANCIA

UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA

5. Orientaciones generales para el estudio............................................................. 8

6.1. Competencias genéricas.................................................................................................... 9

6.5. Competencias genéricas.................................................................................................... 47

La econometría se constituye en una materia fundamental para su formación académica, ya que la

Con la finalidad de ofrecer un panorama general de la Introducción a la Econometría, se presentarán estos

¡Bienvenidos y muchos éxitos!

UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA La Universidad Católica de Loja 6

Ochoa, O. (2011). Guía Didáctica de Econometría I. Loja-Ecuador: UTPL.

Wooldridge, J. (2001). Introducción a la econometría. México: Thomson–Learning.

Pindick, R. y Rubinfeld, D. (2000). Econometría modelos y pronósticos. México: McGraw-Hill.

UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA La Universidad Católica de Loja 7

5. Orientaciones generales para el estudio

2. Estudie en un ambiente tranquilo, en donde facilite su relajación y concentración, de manera que

9. Son importantes las consultas al profesor responsable o de apoyo de la asignatura mediante la

UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA La Universidad Católica de Loja 8

6. Proceso de enseñanza-aprendizaje para el logro de competencias

UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA La Universidad Católica de Loja 9

6.2. Planificación para el trabajo del alumno

7. Inicio del desarrollo

UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA La Universidad Católica de Loja 10

UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA La Universidad Católica de Loja 11

UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA La Universidad Católica de Loja 12

6.3. Sistema de Evaluación de la asignatura (Primero y segundo bimestres)

Presentación, orden y ortografía X X X X X

Dominio del contenido X X X X X X

Investigación (cita fuentes de

Aporta con criterios y soluciones X X X X X

PORCENTAJE 10% 20% 30% 70%

UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA La Universidad Católica de Loja 13

6.4. Orientaciones específicas para el aprendizaje por competencias

En definitiva y destacando lo principal de estos conceptos la econometría se basa en la explicación

UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA La Universidad Católica de Loja 14

Para realizar el análisis de un problema económico se presenta la metodología tradicional o clásica:

UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA La Universidad Católica de Loja 15

• A tráves de una regresión lineal.

• Se plantea hipótesis en base a lo que se quiere determinar.

• Se realizan tres tipos de verificación: económica, estadística y econométrica sobre los

UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA La Universidad Católica de Loja 16

1. Planteamiento de la teoría o de la hipótesis

Modelos basados en teorías económicas ya establecidas

Modelos basados en planteo de hipótesis

Se pretende conocer la relación que se dan en los siguientes modelos:

• El salario de un trabajador en función de las horas de trabajo

UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA La Universidad Católica de Loja 17

• Promedio de calificaciones de un paralelo en función al número de estudiantes

2. Especificación del modelo matemático

Esta es la representación matemática en la cual establecemos que Y está en función de X, o como lo

Para la especificación econométrica, simplemente al modelo matemático se le adiciona el término μ,

• Información de series de tiempo:

• Información de corte transversal:

• Información combinada o datos de panel:

UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA La Universidad Católica de Loja 18

5. Estimación del modelo

• Verificación estadística: aquí se hace un análisis de los errores estándar, el coeficiente de

• Verificación econométrica: se determina si el modelo presenta problemas tal como: multicolinealidad,

1.3. Interpretación moderna de la regresión

Comenzaremos analizando un concepto básico de regresión:

Con los siguientes ejemplos clarificaremos la importancia del concepto de regresión: