VICERRECTORÍA ACADÉMICA

ESCUELA DE INGENIERÍA

GUIA PREPARATORIA CATEDRA I

ECONOMETRIA (AEA425)

Problema 1: Para una muestra de 300 sujetos hemos estimado la ecuación de regresión que
relaciona años trabajados y estrés laboral (escala del 1 al 30), y hemos obtenido la siguiente
ecuación:

^
Y=−10+0,05 X
Realice una interpretación de los coeficientes y una predicción a gusto.

Problema 2: Especifique y estime un modelo econométrico que explique el consumo agregado

(C t ) en función del ingreso disponible ( Y dt ) , de acuerdo a la información como datos de
corte transversal que se entrega.

∑ Y t =1700 ∑ C t =1110 ∑ C t Y t =205500

∑ Y 2t =322000 ∑ C 2t =132100 t=1,2,....,10

Realice en análisis correspondiente hasta probar significancia de las variables y modelo.

Explique sus resultados en términos de la teoría económica.

Problema 3: Los siguientes datos corresponden a una estimación de la Ingresos por Ventas de una
empresa (Y) y el Número de Vendedores (X), para el período Abril 2006 a Marzo 2007. Ambos
expresados en miles de pesos.

2
σ^ =80,376431
2
∑X i
=471 ∑ Y i X i =3 .541 ∑ X i=69 ∑ Y i =561
Realice en análisis correspondiente hasta probar significancia de las variables y modelo.

Explique sus resultados en términos de la teoría económica.

Profesor: Vivian A. Fierro Soto

 VICERRECTORÍA ACADÉMICA
ESCUELA DE INGENIERÍA

Problema 4: La producción de soya importante fuente de proteínas, varía con el clima, con la
cantidad de lluvia y con la producción de productos alternos. Los datos de la tabla siguiente
muestran la producción anual en los Estados Unidos (en cientos de miles de toneladas) para los
años 1960 y 1977.

Año Año - 1960 Producción de soya

x y
1960 0 9
1961 1 10
1962 2 11
1963 3 10
1964 4 11
1965 5 12
1966 6 13
1967 7 13
1968 8 14
1969 9 17
1970 10 18
1971 11 17
1972 12 16
1973 13 19
1974 14 16
1975 15 20
1976 16 18
1977 17 20

Utilizando Excel, se pide:

a) Obtenga una estimación de un MRL e interprete cada coeficiente.

b) Calcule el coeficiente de determinación e interprete.
c) Calcule el coeficiente de correlación.
d) Realice e interprete una predicción.
e) Explique los valores de probabilidad, respecto a las hipótesis de significancia.

Profesor: Vivian A. Fierro Soto

 VICERRECTORÍA ACADÉMICA
ESCUELA DE INGENIERÍA

Problema 5: Dado el diagrama de dispersión, junto con la recta de regresión.

a) ¿Qué conclusiones estadísticas general se deduciría a partir del diagrama?
b) ¿La recta de regresión mostrada en el diagrama es una recta de regresión poblacional o
recta regresión muestral?

Solución:

a) Se deduce del diagrama de dispersión, que existe covarianza positiva entre ambas
variables. Es decir, cuando la razón PIB-exportaciones está por encima de su
media, el crecimiento promedio en los salarios reales del área de manufactura
también lo está (y viceversa). Por otro lado, la recta de regresión nos muestra que
la relación entre estas dos variables es directa, es decir: en el promedio los salarios
reales suben en el área de manufacturas, al subir la razón PIB-exportaciones.
b) La recta de regresión es muestral, en estos casos, la población es de tamaño
infinito.

Profesor: Vivian A. Fierro Soto

 VICERRECTORÍA ACADÉMICA
ESCUELA DE INGENIERÍA

Problema 6: Usando los datos proporcionados por la siguiente tabla, a usted se le pide
Estimar el siguiente modelo Poblacional, indicando claramente los pasos metodológicos que
usted siguió de nuestra conocida “receta”. (Debe llegar hasta el 5, FINALIZANDO con la
bondad del ajuste).

F.R.P: Salarioi=β 0 + β 1 educació ni + μi

Salario (miles de Educación (años)

U.S$ por mes)
3.10 11.00
3.24 12.00
3.00 11.00
6.00 8.00
5.30 12.00
8.80 16.00
11.25 18.00
5.00 12.00
3.60 12.00
18.18 17.00
6.25 16.00
8.13 13.00
8.77 12.00
5.50 12.00
Solución: 22.20 12.00
Suma 118.32 194.00
Promedio 7.89 12.93

Profesor: Vivian A. Fierro Soto

 VICERRECTORÍA ACADÉMICA
ESCUELA DE INGENIERÍA

Problema 7: Usando los datos proporcionados por la siguiente tabla, se le pide estimar el
siguiente modelo Poblacional; donde se conjetura que los costos son una función creciente
de la población.

F.R.P costos i=β 0+ β1 producci ó n+ μi

N=10 COSTOS (Y) PROD (X)

1 213.9 3147
2 212.6 3160
3 215.3 3197
4 215.3 3173
5 215.4 3292
6 228.2 3561
7 245.6 4013
8 259.9 4244
9 250.9 4159
10 234.5 3776
Sumas 2291.6 35722
Solución:

Paso 1: Escriba claramente la FRM a estimar.

F.R.M costos i= ^
β 0+ ^
β1 producci ó n+ μ^i

Paso 2: Estime la FRM según M.C.O

F.R.M costos i=87.857+0.0396 producci ó n+ ^

^ μi

Paso3: Dibuje la FRM estimada, e interprétela.

Costos Totales
300
250
f(x) = 0.04 x + 87.86
Costos Totales

200 R² = 0.98
150 COSTOS (Y)
Linear (COSTOS (Y))
100
50
0
3000 3500 4000 4500
Producción

Profesor: Vivian A. Fierro Soto

 VICERRECTORÍA ACADÉMICA
ESCUELA DE INGENIERÍA

Cuando la producción es cero, en promedio los costos ascienden a 87.85 unidades

monetarias, esto es lo que se conoce como el costo fijo en microeconomía.

Cada vez que la producción aumenta en una unidad, los costos totales suben en
promedio en 0.039 unidades monetarias la unidad.

Problema 8: Relación entre la tasa de cambio nominal y los precios relativos. A partir de las
observaciones anuales desde 1980 a 1994, se obtuvieron los siguientes resultados de las regresiones,
Dónde: Y=tasa de cambio nominal del marco alemán respecto al dólar (MA/$), y X=proporción entre el
índice de precios al consumidor estadounidense y el índice de precios al consumidor alemán; es decir, X
representa los precios relativos en ambos países:

Y^i=6.682−4.318 X i ; r 2 0.528
S . E=( 1.22 ) ( 1.33 )
a) Interprete esta regresión. ¿Cómo interpretaría r 2 ?
b) ¿El valor negativo de X tiene sentido en la economía? ¿Cuál es la teoría económica subyacente?
c) Suponga que se fuera a redefinir X como la razón entre el IPC alemán respecto del IPC
estadounidense. ¿Lo anterior haría cambiar el signo de X? ¿Por qué?

Solución:
a) En primer lugar, el valor de (-4.318) de la pendiente, sugiere que en el período de 1980-1994; por
cada incremento unitario en los precios relativos, en promedio, la tasa de cambio del marco alemán
respecto al dólar estadounidense declina aproximadamente 4.32 unidades. Esto significa que el dólar
se ha depreciado, ya que se estaban consiguiendo menos marcos alemanes por cada dólar cambiado.
Interpretándolo literalmente, el valor del intercepto (6.682) significa que cuando el radio de los precios
relativos es cero, un dólar se cambiará por 6.7 marcos alemanes. Por supuesto, como es habitual, esta
interpretación no es significativamente a nivel económico. ¡¿Puede el radio de los precios relativos ser
cero?!

b) El valor del r-cuadrado nos dice que, en términos promedios, un 52.8% de la variación total de la
tasa de cambio, está determinado por la variable independiente escogida para el modelo.

c) El valor negativo del coeficiente de la pendiente tiene perfecto sentido económico, porque si los
precios estadounidenses suben más rápido que los precios alemanes; los consumidores domésticos se
cambiarán a los bienes alemanes, por lo tanto, aumenta la demanda por marcos alemanes, lo que
llevará a una apreciación del marco alemán. Esta es la esencia de la Teoría de la paridad de poder
adquisitivo, o la ley del precio único.

d) En este caso, se esperaría que el coeficiente de la pendiente fuera positivo, por el IPC alemán más
alto en relación al estadounidense; la tasa más alta de inflación relativa en Alemania llevará a una
apreciación del dólar. Nuevamente este es el sentido de la teoría de la paridad de poder adquisitivo.

Profesor: Vivian A. Fierro Soto

 VICERRECTORÍA ACADÉMICA
ESCUELA DE INGENIERÍA

Problema 9: La TABLA 3 proporciona datos sobre los índices de producción por hora (X), y la
compensación real por hora (Y) para los negocios y los sectores no agrícolas de EE.UU., para el período
desde 1980-2007. El año base para todos los índices es de 1982=100, además los índices se ajustan por
temporadas.

TABLA 3:
PRODUCTIVIDAD Y DATOS RELACIONADOS POR SECTOR DE NEGOCIOS (1959-1998)
  Producción x hora Compensación x hora
Sector Negocios Agrícola Negocios Agrícolas
1959 50,5 54,2 13,1 13,7
1960 51,4 5,8 13,7 14,3
1961 53,2 56,6 14,2 14,8
1962 55,7 59,2 14,8 15,4
1963 57,9 61,2 15,4 15,9
1964 60,6 63,8 16,2 16,7
1965 62,7 65,8 16,8 17,2
1966 65,2 68 17,9 18,2
1967 66,6 69,2 18,9 19,3
1968 68,9 71,6 20,5 20,8
1969 69,2 71,7 21,9 22,2
1970 70,6 72,7 23,6 23,8
1971 73,6 75,7 25,1 25,4
1972 76 78,3 26,7 27
1973 78,4 80,7 29 29,2
1974 77,1 79,4 31,8 32,1
1975 79,8 81,6 35,1 35,3
1976 82,5 84,5 38,2 38,4
1977 84 85,8 41,2 41,5
1978 84,9 87 44,9 45,2
1979 84,5 86,3 49,2 49,5
1980 84,2 86 54,5 54,8
1981 85,8 87 59,6 60,2
1982 85,3 88,3 61 64,6
1983 88 89,9 66,8 67,3

Profesor: Vivian A. Fierro Soto

 VICERRECTORÍA ACADÉMICA
ESCUELA DE INGENIERÍA

1984 90,2 91,4 69,7 70,2

1985 91,7 92,3 73,1 73,4
1986 94,1 94,7 76,8 77,2
1987 94 94,5 79,8 80,1
1988 94,7 95,3 83,6 83,7
1989 95,5 95,8 85,9 86
1990 96,1 96,3 90,8 90,7
1991 96,7 97 95,1 95,1
1992 100 100 1000 100
1993 100,1 100,1 102,5 102,2
1994 100,7 100,6 104,4 104,2
1995 101 101,2 106,8 106,7
1996 103,7 103,7 110,7 110,4
1997 105,4 105,1 114,9 114,5

a) Grafique por separado Y respecto a X, para ambos sectores.

b) ¿Cuál es la teoría económica subyacente de la relación entre las dos variables? ¿La gráfica de
dispersión apoya esta teoría?
c) Estime la regresión M.C.O de Y sobre X. Guarde los resultados para una revisión posterior en
inferencia.

Solución:

a) A continuación, dejamos los gráficos de dispersión para la producción agregada y las

compensaciones agregadas, por sector. elaborados en Excel.

Sector Negocios.
140
120
100
80
60
40
20
0
40 50 60 70 80 90 100 110

Sector Negocios

Profesor: Vivian A. Fierro Soto

 VICERRECTORÍA ACADÉMICA
ESCUELA DE INGENIERÍA

Sector Agrícola
140
120
100
80
60
40
20
0
0 20 40 60 80 100 120

Sector Agrícola

b) Como ambos diagramas muestran, existe una relación positiva entre los salarios y la
productividad, lo cual no es sorprendente en vista de la productividad marginal del trabajo,
estudiada en economía laboral.

c) Como muestran las figuras anteriores, la relación entre los salarios y la productividad, aunque
positiva, no es lineal; por lo tanto, si tratamos de ajustar un modelo de regresión lineal a los
datos, puede que no obtengamos una buena forma. En capítulos posteriores se verán este tipo
de formas funcionales para los modelos.

Pero si rutinariamente ajustamos el modelo lineal a los datos, obtenemos:

wage ( negocios ) =−109.3833+2.0039 producNEG
s . e=( 9.7119 ) ( 0.1176 ) ; r 2=0.8868

wage ( no−negocios ) =−123.6000+2.1386 productNO−¬¿

s . e=( 11.0198 ) ( 0.1312 ) ; r 2=0.8777

Como era de esperarse, la relación entre los dos es positiva, sorpresivamente el valor del R-
cuadrado es alto.

Problema 10: Basados en una muestra de 10 observaciones, se obtuvieron los siguientes resultados:
n n n

∑ Y i=1110; ∑ X i=1700 ; ∑ X i Y i=205500 ;

i=1 i=1 i=1
n n

∑ X 2i =322000 ;∑ Y 2i =¿ 132100 ¿
i=1 i=1

Con el coeficiente de correlación r 2 =0.9758. Pero al verificar por segunda vez estos cálculos, se
encontró que se habían registrados dos pares de observaciones:

Y X
90 120
140 220

Profesor: Vivian A. Fierro Soto

 VICERRECTORÍA ACADÉMICA
ESCUELA DE INGENIERÍA

En lugar de
Y X
80 110
150 210
¿Cuál será el efecto de este error en r 2? Obténgase la r 2 correcta.

Solución:
∑ Y i ∑ X i ∑ X i Y i ∑ X 2i ∑ Y 2i
Datos Originales 1110 1700 205500 322000 132100
Datos. Revisados 1110 1680 204200 315400 133300

El coeficiente de correlación sería:

r 2=0.9688

Problema 11: La TABLA 4 presenta los datos sobre el precio del oro, el índice de precios al
consumidor (IPC), y el índice de la bolsa de valores de Nueva York (BVNY) para estados unidos
durante el período 1977-1991. El índice de BVNY incluye la mayor parte de las acciones registradas en
la BVNY, las cuales ascienden a más de 1500.

a) En el mismo diagrama de dispersión, grafíquense los precios del oro, el IPC y el índice de BVNY
b) Se supone que una inversión es una protección contra la inflación si su precio y/o tasa de
ganancia, al menos, se mantiene al ritmo de la inflación. Par probar esa hipótesis es que se
desea ajustar el siguiente modelo, suponiendo que la gráfica de los puntos dispersos en a)
sugiere que es lo apropiado:
Precio Orot =β 1+ β2 IPCt +ut
Í ndice BVNY t= β1 + β 2 IPC t +ut
TABLA 4:
AÑO Precio oro IPC BVNY
1977 147,98 60,6 53,69
1978 193,44 65,2 53,7
1979 307,62 72,6 58,32
1980 612,51 82,4 68,1
1981 459,61 90,9 74,02
1982 376,01 96,5 68,93
1983 423,83 99,6 92,63
1984 360,29 103,9 92,46
1985 317,3 107,6 108,9
1986 367,87 109,6 136
1987 446,5 113,6 161,7
1988 436,93 118,2 149,91
1989 381,28 124 180,02
1990 384,08 130,7 183,46
1991 362,004 136,2 206,33

Profesor: Vivian A. Fierro Soto

 VICERRECTORÍA ACADÉMICA
ESCUELA DE INGENIERÍA

Solución:
Diagrama de dispersión Precio del oro, IPC y BVNY contra el tiempo (1977-1991).
250

200

150
Precio_oro
IPC
100 BVNY

50

0
1976 1978 1980 1982 1984 1986 1988 1990 1992

Podemos ver que todas las variables han tendido a aumentar contra el tiempo, mientras que la
que más volatilidad ha tenido es el precio del oro.
a) Si la hipótesis fuera verdadera; se esperaría que β 2 ≥ 1.
b) Estimando los modelos, tenemos:
Precio orot =186.183+1.842 IPC t
s . e=( 125.403 )( 1.215 ) ; r 2=0.150
BVNY t =−102.060+2.129 IPC t
s . e=( 23.767 ) ( 0.230 ) ; r 2=0.877

Profesor: Vivian A. Fierro Soto