TEMA NRO 1

MODELO LINEAL GENERAL

ESCUELA MILITAR DE INGENIERIA – LA PAZ

MATERIA: ECONOMETRÍA
DOCENTE: Phd. (c). Ing. Rolando Caballero Martínez
CURSO: 5TO A y 5TO B ING. COMERCIAL y 4TO A ING. FINANCIERA

Primer Control de Lectura: Viernes 28 de febrero del 2020 (Impostergable)

a) Econometría: de Alfonso Novales Cinca, Capitulo 3 (Modelo Lineal General), páginas: 52 – 100.
b) Econometríc Analysis: de William Greene, Chapter 2 (The Classical Multiple Linear Regression Model), pages: 7 –
18.
c) Econometrícs: of Jeffrey Wooldridge, Chapter 2, 3 and 4, pages: 68 – 117.
d) Econometría: de Damodar Gujarati, Capítulos: 2, 3, 4 y 5 (Páginas: 15 – 107).
e) Lo avanzado en clases.

AVISO Nro. 1: Se debe instalar en sus laptops personales, los siguientes paquetes (softwares):
 Eviews (Versión 10)
 Stata (Versión 14 o 15)
 SPSS (Cualquier versión)
 Lenguaje de Programación: RStudio (Lo puede descargar del Google, cualquier versión)
 Matlab (Cualquier versión)
 Tableau (Cualquier versión)
 Power BI (Cualquier versión)
John Stith Pemberton, dueño y gerente general de la factoría Coca Cola Company en Georgia Atlanta, está
preocupado sobre el comportamiento de las ventas de los productos de Coca Cola Company. Se da cuenta de
que existen muchos factores que podrían ayudar a explicarlo, pero cree que la publicidad y el precio son los
principales determinantes. Sam ha recogido los siguientes datos.

VENTAS PUBLICIDAD PRECIO

VENi = Yi PUBi = X2i PREi = X3i
X 2 i X 3i X 2i2 X 3i2 X 2 i Yi X 3i Yi Yi 2
33 3 125 375 9 15.625 99 4.125 1.089
61 6 115 690 36 13.225 366 7.015 3.721
70 10 140 1.400 100 19.600 700 9.800 4.900
82 13 130 1.690 169 16.900 1.066 10.660 6.724
17 9 145 1.305 81 21.025 153 2.465 289
24 6 140 840 36 19.600 144 3.360 576
287 47 795 6.300 431 105.975 2.528 37.425 17.299
Yi X 2i X 3i X 2i X 3i X 2i2 X 3i2 X 2i Yi X 3i Yi Yi 2

Se pide:
1) Ajustar a una función del tipo: VENi = β1 + β2PUB2i + β3PRE3i + Ui (1), luego
interpretar el resultado.

Para adecuar a las relaciones del modelo lineal general tomaremos en cuenta la siguiente relación.

Yi = β1 + β2X2i + β3X3i + Ui (2)

Donde:
Yi = VENi = Ventas de Productos de Coca Cola Company.
X2i = PUB2i = Publicidad
X3i = PRE3i = Precio
1
2) Interprete los resultados del inciso (1) y verifique si son coherentes con la teoría.
3) Si la publicidad es 7 y el precio es de Bs. 132, ¿qué ventas podría predecir?
4) Determinar las ecuaciones normales (matricialmente).
2
5) Determine para cada una de las observaciones de la muestra los valores de e i , ei y ( e i - ei 1 )2.
6) Cuantificar la relación del análisis de varianza (matricialmente).
STC  SRC  SEC

Y' Y -
 Y  2
 
    ' X' Y -
  Y 2

  Y 'Y   ' X' Y 

 n   n 

Determinar la varianza muestral del término estocástico ( ˆ u2  ei  Y 'Y   ' X 'Y ) y su
2
7)
nk nk
desviación típica muestral, (matricialmente).
8) Determine un intervalo de confianza para la varianza muestral del término estocástico ( ̂ u 2)
(para un  = 5%) y confirme si la misma es estadísticamente significativa.
9) Determinar la matriz de varianzas y covarianzas de los estimadores ( ̂ ), (matricialmente):
Var( ̂ ) = ̂ 2 ( X ' X ) 1
10) Calcule el intervalo de confianza asociado al parámetro estimado de la publicidad (PUB2i), es
decir para: β2.
11) Determine la significancia individual de la publicidad (PUB2i) (Prueba T de student, para un  =
5%).
12) Efectué la dócima de significancia individual de la publicidad (PUB2i), utilizando la estimación por
intervalos, con un nivel de significación =5%.
13) Determinar el coeficiente de determinación tradicional (R2T), (matricialmente).
14) Determinar el coeficiente de correlación (RT)
15) Determinar el coeficiente de determinación ajustado de Henry Theil (R2HT).
16) Determinar el coeficiente de determinación modificado de Arthur Goldberger (R 2AG).
17) Determine la significancia global del Modelo (F de Fisher), (matricialmente).
18) Determine la precisión de los estimadores (β1, β2 y β3).
19) Calcule el estadístico Durbin - Watson (DW) e interprete los resultados.
20) Calcule el coeficiente de auto correlación (Rho = ∫ ) e interprete los resultados.
21) Se incurrirá en un problema de spurious regressions a la Granger y Newbold (1973).
22) Aplicar el Test de Wald (Prueba Rb) y verificar si se cumple la siguiente hipótesis nula:

 2  6.3 (Tasa de cambio de la publicidad   6.3)

H0  
 3  1.6 (Tasa de cambio del precio  - 1.6)
23) Calcule la predicción puntual para la variable explicada (VENi), si X2i=7 y X3i=132.
24) Calcule la predicción por intervalo (un intervalo de predicción al 95%) para la variable explicada
(VENi), sabiendo que: X2i=7 y X3i=132.
25) Dado el inciso 23, realice el contraste de permanencia estructural al 95% de confianza.

2
26) Determine la significancia global del modelo a partir de la contrastación del (R2T) con el (R2sig).

27) Cuál sería el efecto gráfico y analítico de una posible depreciación de la moneda nacional,
desarrollar el mecanismo de transmisión de política macroeconómica en el modelo
macroeconometrico de Ventas de los Productos de Coca Cola Company.
28) Determine los criterios estadísticos no paramétricos de:

a) Log Likelihood (Ratio de verosimilitud):

ll   n / 2 1  ln( 2 )  ln( n)  n / 2 ln( SEC )
b) Akaike Info Criterion, (Akaike, 1974).
c) Schwarz Info Criterion, (Schwarz, 1978).
d) Hannan Quinn Info Criterion, (Hannan y Quinn, 1989)
e) Devianza, , (McCullag y Nelder, 1989).
f) Akaike Info Criterion Corregido, (Hurvich y Tsai, 1989).
g) Bozdogan Info Criterion, (Bozdogan, 1978).

29) Dado que en el inciso (21) se cumple la (Ho) de la prueba de Wald, determine los parámetros (β1; β2
y β3) por Minimos Cuadrados Ordinarios Restringidos (MCOR).

30) Verifique y concluya la prueba de Jarque Bera de normalidad de los residuos, si se tiene la
siguiente información: S = 0.424343 y K = 2.791133.

31) En el siguiente cuadro se tienen distintos modelos microeconometricos de Ventas de los Productos
de Coca Cola Company: a) Lineal, b) Doble Log, c) Lin-Log, d) Log-Lin, e) Tendencia lineal, f)
Reciproco y g) Reciproco Logarítmico), realice una interpretación del mismo y con cual modelo se
quedaría.

3
32) Evaluar la capacidad predictiva del modelo de Coca Cola Company dentro de la muestra.

140

120
Forecast: VENF
100 Actual: VEN
Forecast sample: 2015 2020
80 Included observations: 6
Root Mean Squared Error 11.39012
60
Mean Absolute Error 8.249282
40 Mean Abs. Percent Error 25.85526
Theil Inequality Coefficient 0.107284
20 Bias Proportion 0.000000
Variance Proportion 0.061395
0 Covariance Proportion 0.938605
-20
2015 2016 2017 2018 2019 2020

VENF ± 2 S.E.

33) Evaluar la capacidad predictiva dentro de la muestra del modelo de Coca Cola Company,
calculando numéricamente por formulas:

a) MSE (Mean Square Error).

b) RMSE (Root Mean Square Error).
c) MAE (Mean Absolute Error).
d) MAPE (Mean Absolute Percentage Error)