1. Qué es econometría?

Elabore un mapa conceptual didáctico con las distintas

definiciones que propone la literatura y señale qué tienen en común.

Samuelson, Koopmans y
Stone 1954: La Econometría
puede ser definida como el
análisis cuantitativo de los
fenómenos económicos
reales, basado en el
desarrollo simultáneo de la
teoría y la observación

Frisch 1933 Goldberger 1964: La

Econometría puede ser
definida como la Ciencia
La Econometría implica la social en la cual las
mutua penetración de herramientas de la Teoría
Teoría Económica Económica, las Matemáticas
y la Inferencia Estadística son
Cuantitativa y aplicadas al análisis de los
ECONOMETRIA
observación estadística fenómenos económicos
La econometría es la
herramienta de la economía
que a partir de las
matemáticas y la inferencia
estadística se analizan los
fenómenos económicos

Maddala 1996: Griliches e Intriligator

1984: La Econometría es
La Econometría es la la aplicación de las
aplicación de métodos Matemáticas y los
estadísticos y métodos estadísticos al
matemáticos al análisis análisis de los datos
de datos económicos económicos

1
2. Señale los principales pasos de la metodología econométrica y ejemplifique con el
posible modelo que entregaría para su clase de taller de econometría. Nota: Recuerde el
marco teórico es fundamental, la clave es que proponga la pregunta y la respuesta alternativa es
la hipótesis.

3. Defina y explique en qué consiste el análisis de regresión lineal simple y múltiple.

Existen entre ambos alguna diferencia, argumente su respuesta.

Análisis de regresión lineal simple:

Es una técnica de aná lisis estadístico con el fin de encontrar la relació n funcional entre dos
variables (x,y), a partir de un modelo matemá tico. En este caso ú nicamente tendremos ds
variabes, la independiente “x” que explica a la variable dependiente “y.

Analisis de regresión multiple:

Al igual que el aná lisis de regresió n simple, este trata de encontrar una relació n funcional dada
a partir de mú ltiples variables, de igual manera que en el simple tendremos una variable
dependiente “y” la cual debe ser explicada por dos o má s variables independientes “x”, “z”, “w”,
etc.

4. Un aspecto fundamental del análisis de regresión y en general de cualquier estudio en el

que se trabaja con datos, es la recolección de los mismos. Una persona puede realizar el
mejor análisis posible con un cierto conjunto de datos, pero si estos no son recopilados
adecuadamente, el análisis no servirá de nada. Lea la parte de recolección de datos,
páginas 6 a 9 del libro de Montgomery, Peck y Vining, Introducción al Análisis de
Regresión Lineal, Ed. CECSA, 3ª Edición.
a. Haga un resumen muy breve del texto, con sólo las partes que consideres
importantes.

2
 b. En general, ¿confiaría en un estudio retrospectivo basado en datos históricos?,
¿por qué?

5. ¿Cuál es la función de esperanza condicional o función de regresión poblacional? ¿Cuál

es su significado en términos de la regresión?

E(Y | X)= F (X)

Donde F (X) denota auna funció n de la varible independiente “x”,

E(Y | X), es una funció n lineal de “x”.
La funció n de regresió n poblacional expresa que el valor esperado de la distribució n de Y dada
X se relaciona funcionalmente con X, es decir, como la media o respuesta promedio de Y varia
con X.

6. ¿Cuál es la diferencia entre Función de Regresión Poblacional (FRP) y la Función de

Regresión Muestral (FRM)? Escriba detalladamente cada uno de sus componentes ¿Se
trata de distintos nombres para una sola función?

Función de Regresión Poblacional (FRP)

E(Y | X)=B1+B2X1 donde, B1 y B2 son coeficientes de regresió n.

La funció n de regresió n muestral trata de estimar a la funció n de regresió n poblacional cuando

no se conocen todos los valores de la població n, la regresió n muestral será estimada a partir de
datos muestra. Se obtendrá n distintas funciones de regresió n muestral para cada muestra
diferente.
Función de Regresión Muestral (FRM)

Donde Y es el estimador de E(Y | X)

β₁ es el estimador de B1
β₂ es el estimador de B2

3
 Los estimadores se usan para estimar el pará metro poblacional a partir de la informació n
suministrada por la muestra.

7. ¿Qué papel desempeña el término de error estocástico ei en el análisis de regresión?

¿Cuál es la diferencia entre el término de error estocástico y el residual ui?
El error estocá stico representa todas aquellas variables que influyen en el modelo pero que no
se incluye en este. Las razones por las que no se incluye es por falta de informació n, existen
variables que son centrales, entre otras cuestiones.

La diferencia del termino de error estocá stico y el residual u es que este ú ltimo es la distancia
entre el punto de datos y la línea estimada, mientras que el termino de error es la diferencia
entre el punto de datos y la línea verdadera.

8. Cuáles son las principales implicaciones de establecer , investigue, reflexione y

argumente su respuesta.

9. ¿Por qué cuando se ajusta una nube de puntos a una ecuación de regresión, se utiliza
siempre el criterio de minimizar la suma de los cuadrados de los residuos y no otros
como minimizar la suma del valor absoluto?
Minimizar la suma del valor absoluto de los residuos puede conducir a ajustes no adecuados

4
 10. Describa brevemente los supuestos del MCRL (Modelo Clásico de Regresión Lineal).

Linealidad

El modelo de regresión es lineal en los parámetros, aunque puede o no ser lineal en las variables.

Valores fi jos de X, o valores de X independientes del término de error

Los valores que toma la regresora X pueden considerarse fijos en muestras repetidas (el caso de la
regresora fi ja), o haber sido muestreados junto con la variable dependiente Y (el caso de la regresora
estocástica). En el segundo caso se supone que la(s) variable(s) X y el término de error son independientes,
esto es, cov(Xi, ui) 0.

El valor medio de la perturbación ui es igual a cero

Dado el valor de Xi, la media o el valor esperado del término de perturbación aleatoria ui es cero.

Homoscedasticidad o varianza constante de ui

La varianza del término de error, o de perturbación, es la misma sin importar el valor de X.

No hay autocorrelación entre las perturbaciones

Dados dos valores cualesquiera de X, Xi y Xj (i j ), la correlación entre dos ui y uj cualesquiera (i j) es cero.

El número de observaciones n debe ser mayor que el número de parámetros por estimar

Sucesivamente, el número de observaciones n debe ser mayor que el número de variables explicativas.

La naturaleza de las variables X

No todos los valores X en una muestra determinada deben ser iguales. Técnicamente, var(X) debe ser un
número positivo. Además, no puede haber valores atípicos de la variable X, es decir, valores muy grandes en
relación con el resto de las observaciones.

(Econometria, Gujarati Damodar N., pp.62-68)

5
 11. ¿Cuáles son las propiedades de los estimadores MCO? ¿Por qué son MELI? Defina el
Teorema de Gauss-Markov y ejemplifique la propiedad de insesgado.

Propiedades
-Linealidad: Es una función lineal de una variable aleatoria, como la variable dependiente Y en el modelo de
regresión.

-Es insesgado, su valor promedio o esperado (βˆ 2), es igual al valor verdadero de β2

-Tiene varianza mínima dentro de la clase de todos los estimadores lineales insesgados. Es eficiente.

Son MELI porque los estimadores de mínimos cuadrados, son estimadores lineales insesgados, tienen
varianza mínima, de acuerdo a los supuestos del modelo clásico.

El teorema de Gauss-Markoy se refiere a que los estimadores, es decir, los parámetros B tienen una varianza
mínima lo que los hace eficiente, presentan el menor error cuadrático, todo esto para la función de
regresión muestral sea lo más próxima a la función de regresión poblacional, de igual manera deben ser
insesgados.

Insesgado se refiere a que los estimadores no tienen diferencia entre el valor esperado y el valor verdadero.

6
12. Defina brevemente coeficiente de determinación y correlación ¿Cómo se obtienen y
cuáles son sus propiedades más importantes?

Coeficiente de determinación
Se refiera a la bondad del ajuste de la línea de regresión a un conjunto de datos, es decir, cuán bien
se ajusta la línea de regresión a los datos.

Propiedades
Es una cantidad no negativa.
Sus límites son 0 ≤ r 2 ≤ 1. Un r 2 de 1 significa un ajuste perfecto, es decir, Yˆ= Yi.

Coeficiente de correlación
Es una medida del grado de asociación entre dos variables.

Propiedades
Puede tener signo positivo o negativo
Cae entre los límites de −1 ≤ r ≤ 1
El coeficiente de correlación entre X y Y (rXY) es el mismo que entre Y y X (rYX)
Una correlación igual a cero no necesariamente implica independencia
Es una medida de asociación lineal o dependencia lineal

13. Investigue y argumente por qué correlación no implica causalidad, pero causalidad si
implica correlación.

El hecho de que dos eventos se den de manera habitual y consecutiva no implica que uno sea la
causa del otro, puede existir una correlació n entre dos variables completamente distintas, pero
ú nicamente por cuestiones de Azar.
En cambio, el hecho de que la causalidad implique relació n es real puesto que la causalidad
establece una relació n de causa y efecto entre dos o má s variables, por lo tanto, la causalidad
nos da el origen mientras que la correlació n ú nicamente nos da correspondencia.

14. Defina variable aleatoria, indique cómo se clasifica y sus principales propiedades.

Una variable aleatoria asocia a cada resultado de un experimento aleatorio a un nú mero real.

Se clasifica en variable aleatoria discreta y continua.

15. En clase establecimos que la función de distribución normal estándar, se expresa como:

7
a. Grafique la función con los siguientes valores: -3.0, -2.75,-2.5,-2.25,-2.0,-1.75,-
1.5,-1.25,-1.0,-0.75,-0.5,-0.25,0, 0.25, 0.5, 0.75, 1, 1.25, 1.5, 1.75, 2.0, 2.25, 2.5,
2.75, 3.0.

b. Cómo se conoce a la curva que obtuvo, por qué se dice que es un caso particular
de una función general.

c. Del inciso anterior, defina y represente la función general o su función de

densidad de probabilidad, mencione sus principales características.

d. Explique y ejemplifique la tipificación o estandarización de una variable

aleatoria (Distribución normal estándar).

8
 e. ¿Por qué debe formularse el supuesto de normalidad en el análisis
econométrico? ¿Qué relación e implicaciones tiene con algunos de los supuestos
MCRL?

16. ¿Qué es un estimador de máxima verosimilitud? Obtenga los estimadores de mínimos

cuadrados ordinarios. Bajo qué condición los estimadores que obtenemos por MCO y
Máxima verosimilitud son los mismos.

17. Reflexione, si la variable endógena no se distribuye como una normal cuáles son las
principales implicaciones y dado los métodos de la pregunta anterior cuál sería el más
adecuado.

9
18. ¿Qué tipos de errores se pueden cometer en un contraste de hipótesis?

19. ¿Qué es el p-valor y cuál es uso en el contraste de hipótesis?

20. En qué consisten las pruebas t y F ? ¿Cuál es su utilidad para el análisis de regresión?

21. Proponga una relación lineal simple y construya la tabla ANOVA (no copie o pegue de
internet) ¿Cuál es la relación con la SCT, SCE y SCR explique?

22. En el modelo de regresión lineal simple, algunas veces se asume que entonces el

modelo sería:

a. Encuentre el estimador por mínimos cuadrados ordinarios.

10
 b. Calcule y Var .

c. Construya la tabla ANOVA.

23. ¿Por qué cuando se ajusta una recta que pasa por el origen no se utiliza el coeficiente de
determinación R2 como medida de bondad de ajuste?

24. ¿Por qué cuando se comparan ecuaciones de regresión con distinto número de variables
regresoras no se utiliza R2 sino el llamado R2 ajustado?

11
25. Muestre en una tabla las distintas formas funcionales que se pueden adoptar en el MCRL
¿Cómo elegir la mejor forma funcional? ¿Linealidad de los parámetros o en las
variables? Argumente.

26. Demuestre que: X´Y

27. ¿Cuáles son las principales fallas y limitaciones relacionadas con el análisis de regresión
y correlación?

12
 28. ¿Cómo se pueden utilizar e interpretar variables cualitativas en una ecuación de
regresión?

Sección II. Razonamiento matemático (30 puntos).

1. Para el modelo de regresió n lineal : Yi   1   2 X i  u i obtenga los estimadores ( ˆ1 , ˆ 2 ) y

verifique las siguientes Propiedades de la Línea de Regresión:

n n n n n

 uˆi.  0;
i 1
 uˆi X i  0;
i 1
 uˆiYˆi  0
i 1
 Yi   Yˆi
i 1 i 1

2. Deduzca el intervalo de confianza para βo , encuentre la regió n crítica y el estadístico de prueba

t para contrastar así como p-value para esta prueba de hipó tesis.

3. Para el modelo de regresió n, Yt   1   2 X t  et donde Xt=1+a para t=1,...,5 y Xt=1-a cuando

t=6,...,10.
a. Escriba de manera matricial la matriz X de la ecuació n de regresió n planteada.

13
b. Muestre la matriz X’X para este caso:

c. Calcule la matriz inversa

14
 d. ¿Qué pasaría si a=0?

4. Determine si los siguientes modelos son lineales en los pará metros, en las variables o en
ambos. ¿Cuá les de estos modelos son de regresió n lineal?

15
 5. Una empresa ha especificado un modelo de regresió n lineal clá sico para explicar la funció n de
demanda de sus aparatos electró nicos (Y), expresada en miles de unidades, en funció n de su
precio (X) en miles de pesos. Para dicha estimació n se recoge una muestra de 24 observaciones
con los siguientes resultados:

A partir de los resultados anteriores:

a. Estime los pará metros del modelo y escriba la ecuació n de regresió n.

b. Obtenga el coeficiente de determinació n.

16
 c. El modelo es globalmente
significativo.

Sección III. Aplicaciones (40 puntos)

1. En un artículo reciente, Ros (2009) intenta evaluar el papel de diferentes factores –

distribució n del ingreso, gasto social y cambios demográ ficos- en las tasas de pobreza de
América Latina (considerando un total de 12 países). El marco analítico adoptado por esté
autor consistió en hacer que la pobreza dependiera del nivel de PIB por trabajador, el grado de
desigualdad de la distribución del ingreso (GINI), del gasto social (GS) y de la estructura por
edades de la población. Para Ros, el papel de los tres primeros factores es má s o menos claro: en
igualdad de condiciones, un aumento del PIB por trabajador, una menor desigualdad y un
incremento del gasto social darán lugar a una reducción de la tasa de pobreza. El rol de la
estructura de edad de la població n es captado de dos formas diferentes: una es a través de la
relació n de dependencia (DEP), que alude a la razó n de la població n potencialmente no activa
respecto a la població n potencialmente activa; la otra es considerando a la població n menor de
15 añ os (POB<15). El cuadro siguiente muestra parte de las estimaciones empíricas
encontradas por Ros. Considerando esta informació n se le pide lo siguiente:

a. Interprete los coeficientes asociados al modelo (1) y (4).

b. Cuá les coeficientes resultan ser significativos –en qué nivel- en el modelo (3).
17
 c. Interprete R2 ajustada del modelo (2)

d. En su opinió n, cuá l de los modelos es el mejor, justifique brevemente su respuesta.

2. En la Tabla 1.3 del texto de Gujarati se proporcionan datos sobre el índice de precios al
consumidor de siete países industrializados, cuya base es 1982-1984=100.

a. A partir de estos datos, calcule la tasa de inflació n de cada país.

18
b. Grafique la tasa de inflació n de cada país en funció n del tiempo.

c. ¿Qué conclusiones generales surgen a partir de la inflació n en los siete países?

d. ¿Qué país tiene la tasa de inflació n má s variable? ¿Puede explicarlo?

19
 e. Elija dos países, investigue su INPC, calcule sus tasas de crecimiento y señale las
principales diferencias entre el periodo propuesto por el manual y sus
resultados en el periodo actual.

3. En la Tabla 3.8 se proporcionan datos sobre el Producto Interno Bruto (PIB) de Estados
Unidos de 1959 a 2005.

20
a. Grafique los datos del PIB en dó lares actuales y constantes (es decir, de 2000) respecto
al tiempo.

b. Sea Y el PIB y X el tiempo (medido cronoló gicamente, empezando con 1 para 1959,
hasta 47 para 2005), ajuste el siguiente modelo:

Yt  1   2 X t  U t

c. Estime el modelo para el PIB en dó lares constantes y corrientes. ¿Có mo interpreta β2?

d. Existe alguna diferencia entre el β2 estimado en términos corrientes y constantes?

¿Qué explica la diferencia?

21
 e. Realice el mismo ejercicio para el caso de la economía mexicana, tiene la
libertad de establecer el periodo y el año base.

4. LA HIPÓTESIS DE FISHER: LA CAUSALIDAD ENTRE LA TASA DE INTERÉS Y LA INFLACIÓN:

El vínculo entre la tasa de inflació n y la tasa de interés nominal es un tema clá sico de economía
financiera. Si bien el planteamiento original data de finales del siglo XIX, su versió n moderna se
propuso a partir del artículo Is the Fisher Effect for Real? De Frederic S. Mishkin, publicado en
1992 en el Journal of Monetary Economics. De manera muy general, Fisher argumenta que
variaciones en la tasa de interés nominal (bonosmex) causarían cambios en la inflació n
(dpmex). A partir de lo anterior se obtuvo la siguiente salida de regresió n incompleta:

22
 Complete la informació n faltante realizando los cá lculos pertinentes y responda:

a. ¿Los estimadores son significativos?

b. Proponga y escriba la ecuació n de regresió n a estimar no olvide el término de error.

c. Interprete resultados de sus coeficientes.

d. ¿Cuá l es la bondad de ajuste?

23
 e. ¿Considera al modelo globalmente significativo?

f. Para el caso de la economía mexicana se verifica la hipó tesis de Fisher.

Nota: Para los siguientes ejercicios las estimaciones las hará utilizando Eviews y Stata,
presentando ambas salidas y un sólo análisis.

5. En la Tabla 5.5 proporciona datos sobre el salario promedio de un maestro de escuela pú blica
(el sueldo anual está en dó lares) y el gasto en educació n pú blica por alumno (dó lares); estime
el siguiente modelo:
Sueldot  1   2Gastot  U t

a. Grafique los datos y trace la línea de regresió n.

24
 b. Obtenga las estimaciones de los pará metros, sus errores está ndar, r2, la SCR y la SCE.

c. Interprete la regresió n ¿Tiene sentido econó mico?

d. Establezca el intervalo de confianza de 95% para β2?

B
6. Dada la funció n de demanda de café: Qd  AP  U y las siguientes observaciones, estime los
coeficientes A, β del modelo y la demanda de café cuando P= 21.7

P 21 23 24 22 20 20.5 18 19 22 23 25 24 22

Qd 980 984 970 1010 1019 1000 1060 1032 987 984 959 973 989

25
 Se estimó el siguiente modelo cú bico de costos: Costos  1   2Q   3Q   4Q  u
2 3
7.
a. Escriba las instrucciones completas y precisas de Eviews requeridas para el cá lculo
de la regresió n.

b. A continuació n se muestra el reporte de la regresió n:

26
 Dependent Va ria ble: COSTOS
Method: Leas t Squares Sa mple: 1 10 Included obs ervations:10
Variable Coefficient Std. Error t-Sta tis tic Prob.
C 141.7667 6.375322 22.23678 0.0000
Q1 63.47766 4.778607 13.28372 0.0000
Q2 -12.96154 0.985665 -13.15005 0.0000
Q3 0.939588 0.059106 15.89677 0.0000
R-squa red 0.998339 Mea n dependent var 276.1
Adjusted R-squared 0.997509 S.D. dependent var 65.814
S.E. of regress ion 3.284911 Akaike info criterion 5.5057
Sum s qua red res id 64.74382 Schwa rz criterion 5.6268
Log likelihood -23.52865 Ha nna n-Quinn criter. 5.373
F-sta ti sti c 1202.22 Durbin-Wa tson s ta t 2.7002
Prob(F-statis ti c) 0.0000

c. Escriba en forma precisa la ecuación estimada de costos con coeficientes

numéricos y con residuos.

d. Estime cual sería el costo total si Q=20.

e. Aplique las pruebas de significancia a los coeficientes: (β1, β2) con un 95% de
confiabilidad, y a β3 con un 99% (escriba en detalle las pruebas).

27
 f. Obtenga la funció n de Costo Medio (CMe).

g. Obtenga la funció n de Costo Marginal (CMg).

8. Con los datos que se muestran a continuació n estime el siguiente modelo reciproco, que está
dado por:

 1 
LnYt  1   2    U t
 Xt 

X 0.6 0.82 1.10 1.5 2.2 2.6 3 3.3 3.4 3.6 3.8 4 4.2 4.4

Y 17.2 40.1 83.3 128.4 200.2 227 254.7 275 278.6 287 298 304 311 315

a. ¿Cuá les son las propiedades de este modelo?

28
 b. Si X= tiempo, ¿Qué tipo de curva de crecimiento se traza en este modelo?

c. Escriba la ecuació n estimada e intérprete los coeficientes estimados.

9. En la Tabla 7.10 se proporcionan datos de la Demanda de Dinero para Estados Unidos, 1980 a
1988; a partir de la siguiente funció n:

M t  1Yt  2 rt 3 e ut

a. Calcule la funció n de demanda e intérprete resultados.

29
b. Estime la funció n propuesta en el inciso b) de la pá gina 224 del texto de Gujarati.

c. ¿Có mo decidiría cuá l es la mejor especificació n?

d. Replique el ejercicio con datos de la economía mexicana. (Las variables sugeridas

son: M1, CETES, IGAE o PIB, INPC)

30
10. A partir de los datos de desempleo (UN) e inflació n (DI) para Estados Unidos correspondientes
al periodo 1960-2006, se realizó la estimació n obteniéndose los siguientes resultados:

a) Escriba la ecuació n estimada e interprete los estimadores, son significativos.

31
b) Qué puede reflexionar en torno a la medida de bondad de ajuste.

c) ¿Cuá l es el modelo teó rico detrá s? Señ ale su hipó tesis fundamental y una breve discusió n
teó rica.

d) Calcule la tasa natural de desempleo.

32
 11. Con base a un conjunto de datos mensuales que van desde enero del 2000 a diciembre de
2010, se obtuvieron los siguientes resultados de dos propuestas de regresió n lineal:1

Regresió n lineal 1:

Regresió n lineal 2:

Donde Y=logaritmo del rendimiento de las acciones comunes de Maseca y X= logaritmo del rendimiento
promedio del mercado de valores.

a. Con los resultados anteriores, ¿conservaría el término de intercepto en el primer

modelo? ¿Por qué?

b. ¿Có mo interpretaría los coeficientes de la pendiente en los dos modelos? ¿Cuá les
coeficientes son estadísticamente significativos diferentes de cero? Utilice la tabla t
para argumentar su respuesta.

1
Ejercicio elaborado y proporcionado por el Mtro. Ulises Hernández Ramos.

33
 c. Dadas sus respuestas anteriores, ¿Cuá l es el mejor modelo que representa la relació n
entre las variables? Justifique su respuesta.

12. En el archivo vdicotoma.xls aparecen datos trimestrales de ventas y utilidades de una

empresa, así como la variable dicotó mica D2 para identificar las observaciones del segundo
trimestre de cada añ o.

a. Elabore un modelo de regresió n (con UTIL como variable dependiente y Ventas como
variable explicativa) ademá s incorpore a la variable dicotó mica dentro de las variables
explicativas.

i. Escriba la ecuació n de las utilidades:______________________________________________

ii. Escriba la instrucció n en Eviews y estime la

regresió n:______________________________________________________________________________

iii. La probabilidad α2* para el coeficiente de D2 es:_________________________________

iv. Ahora verifique la condició n de rechazo; es decir, α2*< α:

Escriba el valor numérico ( ) < ( 0.05 )

v. Marque con una X la opció n correcta:

_________ Si se cumple la desigualdad , _________ No se cumple la desigualdad

vi. Conclusió n (Marque con una X la opció n correcta):

_________ Se rechaza Ho∴ el coeficiente β2 es significativo
_________ No se puede rechazar Ho∴ el coeficiente β2 no es significativo

vii. Escriba la ecuació n estimada para todos los

trimestres:_____________________________________________________________________________

34
 viii. Escriba la ecuació n para los 2dos
trimestres:_____________________________________________________________________________

ix. Complete el pá rrafo siguiente: significa que, para un nivel de

ventas, las ____________________ de la empresa _________________ en $1331.352
durante el segundo trimestre, comparado a los otros trimestres

13. A partir del archivo wage1.xls (capítulo 7 de Wooldridge) realice lo siguiente:

a. Estime la siguiente ecuació n:

b. Escriba la ecuació n estimada e interprete el resultado de los coeficientes estimados
asociados a las variables dicotó micas.
c. Aplique la prueba de significació n al coeficiente , con un 95% de confiabilidad.

14. Segú n Sanz, J. et al (1996), los métodos de regresió n pretenden, por una parte, determinar la
estructura matemá tica que mejor exprese la relació n entre las variables, y por otra parte,
proporciona estimaciones acerca de una de las variables, dado los valores conocidos de las
demá s. Como se observó en los ejercicios anteriores existen diversos métodos así como
software especializado para obtener los estimadores otra propuesta de solució n es el enfoque
matricial dado por: X´Y, a partir de la expresió n anterior obtenga los estimadores
para los siguientes ejercicios:

a. Teniendo en cuenta los valores relativos a la «producció n» (Q), al «nú mero de horas de
trabajo por persona»(L) y al «nú mero de unidades de capital» (K) de una determinada
empresa, se intuye que la funció n de producció n puede ser de la forma:

Conociendo los siguientes datos relativos a dichos factores:

Q L K
3 1 2
5 2 3
6 3 3
7 3 4
4 4 1

Determinar los valores de los pará metros de la funció n de producció n. ¿Se puede
considerar que existen rendimientos de escala constantes si los valores de L y K aumentan un
10%?

35
15. La evolució n del PIB y las importaciones desde 1988, se recogen en la siguiente tabla:

Años PIB M
1988 35910 7980
1989 37610 8250
1990 39015 8915
1991 39890 9675
1992 40170 10205
1993 39725 10130
1994 40200 12345
1995 41200 13430

a. Calcule la recta de regresió n e intérprete los resultados en forma matricial.

36
16. La siguiente tabla nos muestra los valores de las variables «importaciones de bienes y
servicios» (variable dependiente Y); «producto nacional bruto» (PNB, X1) y «precios relativos
de las importaciones» (X2), durante el período 1995-2004 de la economía de un país:

Años Y X1 X2
1995 21 52 120
1996 30 58 120
1997 40 64 116
1998 50 69 109
1999 56 73 105
2000 72 78 98
2001 82 84 96
2002 81 88 94
2003 86 93 100
2004 100 100 100

a. Calcule los coeficientes de la regresió n.

b. Calcule la varianza debido a la regresió n, la varianza residual y construya la tabla

ANOVA.

37
 c. Construya la fiabilidad del ajuste lineal.

d. Los coeficientes de correlació n simple.

17. Se desea estudiar la repercusió n que tiene la tasa de interés sobre los índices de futuros. Para
ello, se observaron las siguientes variables, durante los ú ltimos doce días:

Y= Índice de Futuros
X= Tasa de interés

38
 a. Haga un diagrama de dispersió n en Excel, señ ale en el grá fico la línea de regresió n, la
ecuació n de regresió n y el coeficiente de determinació n.

b. Obtenga la ecuació n de regresió n en Excel (paso por paso utilizando las formulas); en
el software Eviews, de forma matricial y en R utilizando la siguiente rutina:

##Se desea estudiar la repercusió n que tiene la tasa de interés sobre los índices de futuros##
##Para ello, se observaron las siguientes variables, durante los ú ltimos doce días##

##Y= Índice de Futuros##

##X= Tasa de interés##

tasadeinteres = c(7.43, 7.48, 8, 7.75, 7.6, 7.63, 7.68, 7.67, 7.59, 8.07, 8.03, 8)
summary(tasadeinteres)

39
indicedefuturos = c(221, 222, 226, 225, 224, 223, 223, 226, 226, 235, 233, 241)
summary(indicedefuturos)
hist(tasadeinteres)
hist(indicedefuturos)
boxplot(tasadeinteres,indicedefuturos)
boxplot(tasadeinteres)
boxplot(indicedefuturos)
plot(tasadeinteres,indicedefuturos)
r<-cor(tasadeinteres,indicedefuturos, method = "pearson") ##Correlació n de Pearson
r
rs<-cor(tasadeinteres,indicedefuturos,method = "spearman") ##Correlació n Spearman
rs
x<-(tasadeinteres)
x
y<-(indicedefuturos)
y
r1<-lm(y~x)
summary(r1)
plot(x,y)
abline(r1)## Incorpora la recta de regresió n a la grá fica de puntos
plot(r1)
anova (r1) ## Realiza la tabla ANOVA (Aná lisis de Varianza)
library(UsingR) ##Instalar la librería###
scatter.with.hist(tasadeinteres,indicedefuturos)
simple.hist.and.boxplot(tasadeinteres)
simple.hist.and.boxplot(indicedefuturos)
simple.eda(tasadeinteres)
simple.eda(indicedefuturos)
simple.lm(x,y,show.residuals=TRUE)
plot(r1)
simple.lm(x,y,show.ci=TRUE,conf.level=0.90)##construye los intervalos de confianza de forma grá fica
simple.lm(x,y,show.ci=TRUE,conf.level=0.9)

c. Con base en los resultados de R, interprete la tabla ANOVA y los intervalos de

confianza.

40