

Econometría. Ejemplo (II)

—

1 © Ast urias Corporación Universitaria

 Econometría. Ejemplo (II)

Ejemplo (II)
Si seguimos con nuestro ejemplo acerca de el espacio de la casa y su precio, la
ecuación de regresión lineal sería la siguiente:

𝑃𝑖 = 𝛽0 + 𝛽1 𝑀𝐶𝑖 + 𝑢𝑖 donde i=1,2,…….,N(1.1)

Donde:

𝑃𝑖 = es el precio de venta en miles de dólares, variable explicada (y)

𝑀𝐶𝑖 = sería el área habitable en metros cuadrados. Variable explicativa (x)

βo= es el termino constante (si x=0 y u=0, entonces 𝛽0 =y)

β1= es el coeficiente de regresión o pendiente de la recta. Sospechamos que tendrá

valor positivo ya que a mayor superficie habitable de la vivienda a su precio
lógicamente se esperará sea mayor.

u = es el termino de error (otras variables que pueden afectar al precio, como el lugar
donde se sitúa, la orientación de la casa, vistas,etc…).

Un primer objetivo del análisis de regresión es conocer βo y β1 , que son los parámetros
de la relación entre el precio y la superficie- Del total de viviendas del área objeto de
estudio, tenemos una muestra con datos de N=14 pisos. Por lo tanto, el objetivo del
estudio es inferir, a partir de la muestra, la relación precio -tamaño de una vivienda en la
población. Para ello, debemos hallar los estimadores 𝛽 ̂0 y 𝛽̂1 a través del cálculo de
estimación de mínimos cuadrados.

02 ASTURIAS CORPORACIÓN UNIVERSITARIA®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Econometría. Ejemplo (II)

REGRESIÓN LINEAL SIMPLE

𝑀𝐶𝑖 𝑃𝑖 ̅̅̅̅̅
𝑀𝐶𝑖 − 𝑀𝐶 𝑃𝑖 − 𝑃̅ ̅̅̅̅̅ )2
(𝑀𝐶𝑖 − 𝑀𝐶 ̅̅̅̅̅ )(𝑃𝑖 − 𝑃̅ )
(𝑀𝐶𝑖 − 𝑀𝐶

1.065,00 119,90 -4.285,60 -753,08 18.366.367,36 3.227.399,65

1.254,00 228,00 -4.096,60 -644,98 16.782.131,56 2.642.225,07

1.300,00 235,00 -4.050,60 -637,98 16.407.360,36 2.584.201,79

1.577,00 285,00 -3.773,60 -587,98 14.240.056,96 2.218.801,33

1.600,00 239,00 -3.750,60 -633,98 14.067.000,36 2.377.805,39

1.750,00 293,00 -3.600,60 -579,98 12.964.320,36 2.088.275,99

1.800,00 285,00 -3.550,60 -587,98 12.606.760,36 2.087.681,79

1.870,00 365,00 -3.480,60 -507,98 12.114.576,36 1.768.075,19

1.935,00 295,00 -3.415,60 -577,98 11.666.323,36 1.974.148,49

1.948,00 290,00 -3.402,60 -582,98 11.577.686,76 1.983.647,75

2.254,00 385,00 -3.096,60 -487,98 9.588.931,56 1.511.078,87

2.600,00 505,00 -2.750,60 -367,98 7.565.800,36 1.012.165,79

2.800,00 425,00 -2.550,60 -447,98 6.505.560,36 1.142.617,79

3.000,00 415,00 -2.350,60 -457,98 5.525.320,36 1.076.527,79

26.753,00 4.364,90 21.402,40 3.491,92 458.062.725,76 74.735.468,61

Σ 53506 8729,8 628040922,2 102430121,3

̅̅̅̅̅
𝑀𝐶 5350,6

𝑃̅ 873,0

∑𝑡𝑖=1(𝑥𝑖 − 𝑥̅ ) (𝑦𝑖 − 𝑦̅) 102430121,3

𝛽̂1 = = = 0,1387
∑𝑡𝑖=1(𝑥𝑖 − 𝑥̅ )2 628040922,2

03 ASTURIAS CORPORACIÓN UNIVERSITARIA®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Econometría. Ejemplo (II)

𝛽̂1 = 0,1387

𝛽̂0 = 𝑦̅ − 𝛽̂1 𝑥̅ = 873 − 0,1387𝑥5350,6 = 52,3509

𝛽̂0 = 52,3509

La ecuación de la recta será:

𝑝̂ = 52,35 + 0,1387𝑀𝐶

Lo que significa esta ecuación es que cuando la superficie de la vivienda aumenta en 1

la superficie (un metro cuadrado) el precio medio de ventas estimado aumenta en
𝛽̂1 x1000=138,750 dolares

04 ASTURIAS CORPORACIÓN UNIVERSITARIA®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.