ECONOMETRÍA

1
Caso Práctico final

Presentado por:

Juan Rafael Avendaño Pérez

CORPORACIÓN UNIVERSITARIA DE ASTURIAS

 ECONOMÍA

BOGOTÁ D.C.

2020

ECONOMETRÍA

Caso Práctico Final

Presentado por:

Juan Rafael Avendaño Pérez

 Presentado a:

JAVIER OLMEDO MILLAN PAYAN

CORPORACIÓN UNIVERSITARIA DE ASTURIAS

ECONOMÍA

BOGOTÁ D.C.

2020

ECONOMETRÍA

TABLA DE CONTENIDO
 INTRODUCCIÓN...................................................................................................................3

ACTIVIDADES PROPUESTAS............................................................................................7

CONCLUSIONES...................................................................................................................8

CIBERGRAFIA.................................................................................................................... 9

INTRODUCCIÓN
Por medio de presente trabajo busco a dar a conocer la importancia no está en si existe o no
colinealidad, sino los desiguales grados de colinealidad que están. La multicolinealidad es una
característica de las muestras (muestras claras y reales) no de la población. Entre las distintas
formas de detectar multicolinealidad están altas correlaciones y regresiones auxiliares.
DESARROLLO DE LA ACTIVIDAD

ENUNCIADO:
En un modelo de regresión lineal múltiple:
𝑌𝑡= 𝛽1 + 𝛽2𝑋2𝑡 + 𝛽3𝑋3𝑡 + 𝛽4𝑋4𝑡 + 𝑢𝑡
Se verifica que 𝑋2𝑡 = 3𝑋4𝑡
a) ¿Con que tipo de multicolinealidad nos encontramos? ¿Qué supone dicha
multicolinealidad?
Indique qué parámetros son estimables:
b) cuando no se dispone de información a priori sobre los coeficientes
c) cuando se sabe que β4 = 2.

SOLUCIÓN:
Con que tipo de multicolinealidad nos encontramos? Multiconealidad perfecta en al regresión.
¿Qué supone dicha multicolinealidad? Son parámetros estables
b) cuando no se dispone de información a priori sobre los coeficientes

𝑌= 𝛽1 + 3𝛽2𝑋4i + 𝛽3𝑋3i + 𝛽4𝑋4i + 𝑢i

𝑌= 𝛽1 + 𝛽3 𝑋3i + (3𝛽 𝛽4) 𝑋4i + 𝑢i
Está multicolinealidad casi perfecta en la regresión. 𝛽1 y 𝛽3 la cuales son parámetros estables y
duraderos, ya que toda vez que el coeficiente de una variable 𝑋4i es una combinación lineal, por
lo que no se puede hallar el valor de cada parámetro contenida en esta.
c) cuando se sabe que β4 = 2.
Con la información que ya tenemos, los parámetros a estimar son 𝛽1 , 𝛽3, 3𝛽2 + 2 ¿, lo
que indica que todos los parámetros del modelo son estimables.
CONCLUSIÓN

Teniendo en cuenta el anterior trabajo, podemos concluir que la regresión lineal es un

procedimiento estadístico fiable que busca establecer una correlación directa o inversa entre dos
o más variables, la cual tiene como independientemente, simple o múltiple, mostrando la ventaja
que puedes hacer una predicción futura del comportamiento de algunas variables en un
determinado lugar o momento.
CIBERGRAFÍA

https://www.cienciadedatos.net/documentos/25_regresion_lineal_multiple

https://campusvirtual.iep.edu.es/recursos/recursos_premium/cua_index.html