PREGUNTA 3

a)  Estime la ecuación de regresión lineal múltiple.

Coeficientesa
Modelo Coeficientes no Coeficientes t Sig.
estandarizados estandariza
dos
B Desv. Error Beta
1 (Constante) 37141,773 9086,616 4,088 ,006
CONSUMO ,959 ,033 ,859 28,656 ,000
INVERSION ,332 ,081 ,060 4,087 ,006
EXPORTACION ,420 ,089 ,121 4,728 ,003
ES
a. Variable dependiente: PBI

PBI= ^
^ β0 + β^1 CONSUMO+ ^
β 2 INVERSIÓN + β^3 EXPORTACIONES
^
PBI=37141,773+ 0. 959CONSUMO +0 , 332 INVERSIÓN +0 , 420 EXPORTACIONES

b)     Interprete el estimador de β 1.

Empezaremos evaluando si β 1 es o no significativo.

H 0 : β1 =0 el estimador β 1 no es significativo.

H 1 : β 1 ≠ 0 el estimador β 1 es significativo.

Analizando el p – valor

A un nivel de significancia de 95%, sabemos que α = 0.05

El p valor = 0. 00

Como p valor <α entonces se rechaza H 0

Por que se concluye que la variable consumo si aporta información significativa en el
análisis de regresión realizada.
c)      Interprete el valor del coeficiente de determinación adecuado para este modelo.

Resumen del modelo

Modelo R R cuadrado R cuadrado Error estándar de
ajustado la estimación
a
1 1,000 ,999 ,999 1515,434
a. Predictores: (Constante), EXPORTACIONES, INVERSION, CONSUMO

El coeficiente de determinación es R2 = 0.999

Lo que significa que al 99.9 % de la variación de PBI es explicado por la variación de la
variables del modelo (consumo, inversión y exportaciones).

NOTA: El R2 ajustado = 0.999

d)      Interprete la prueba Global de los  β 1.

e)      Interprete la prueba individual de los 

f)       ¿Cuál de las variables es más importante o la que explica mejor la variación del
PBI?.

g)      ¿Es adecuado el modelo?, ¿por qué?.

ANOVAa
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 26516621144,2 3 8838873714,74 3848,777 ,000b
40 7
Residuo 13779245,860 6 2296540,977
Total 26530400390,1 9
00
a. Variable dependiente: PBI
b. Predictores: (Constante), EXPORTACIONES, INVERSION, CONSUMO

Variable F
Prueba de significancia total de parámetros

H 0 : β1 =β2 =β3 =0
H 1 : Existe un β j ≠ 0
Analizando el p – valor

A un nivel de significancia de 95%, sabemos que α = 0.05

El p valor = 0. 00

Como p valor <α entonces se rechaza H 0

Por lo que se concluye que las variables explicativas (EXPORTACIONES, INVERSION,
CONSUMO) si están relacionadas linealmente con el PBI

h)      ¿Los residuos son independientes entre si?

i)        ¿Qué variable presenta mayor dispersión relativa?
j)       Estime la predicción del PBI para los años 2020 y 2021