En el ejemplo que venimos desarrollando, a partir de los datos

Ahorro, Y Renta , X2 Consumo X3

1ª familia 1,2 40 35
2ª familia -3 25 26
3ª familia 2 28 24
4ª familia 0,7 20 15
5ª familia 0,5 34 30
De donde
3,7695 −0,1443 0,0259 1 105366 −4034 724
−1
𝑋′𝑋 = −0,1443 0,0397 −0,0394 = −4034 1110 −1100
27952
0,0259 −0,0394 0,0435 724 −1100 1216
1,4
𝑋 ′ 𝑌 = 60
37,5
Por tanto, se estimaron los parámetros de posición del modelo que resultaron ser

−2,4105
𝛽 = 0,7049
−0,6936
Es decir

𝑌𝑡 = −2,4105 + 0,7049𝑋2𝑡 − 0,6936𝑋3𝑡

También se calcularon los residuos, se elevaron al cuadrado y sumaron, resultando

𝑌1 = −2,4105 + 0,704 ∗ 40 − 0,6936 ∗ 35 = 1,5095
𝑌2 = −2,4105 + 0,7049 ∗ 25 − 0,6936 ∗ 26 = −2,8214
𝑌3 = −2,4105 + 0,7049 ∗ 28 − 0,6936 ∗ 24 = 0,6804
𝑌4 = −2,4105 + 0,7049 ∗ 20 − 0,6936 ∗ 15 = 1,2834
𝑌5 = −2,4105 + 0,7049 ∗ 34 − 0,6936 ∗ 30 = 0,7481
Por tanto se pudo estimar la varianza de la perturbación aleatoria,

Y Observados Renta , X2 Consumo X3 𝑌 Estimados 𝑒=𝑌− 𝑌 𝑒2

1,2 40 35 1,5095 -0,3095 0,09579025
-3 25 26 -2,8214 -0,1786 0,03189796
2 28 24 0,6804 1,3196 1,74134416
0,7 20 15 1,2834 -0,5834 0,34035556
0,5 34 30 0,7481 -0,2481 0,06155361
Suma CERO 2,27094154

𝑆𝐶𝑅 2,2709
𝜎2 = = = 1,1355
𝑛−𝑘 5−3

Calculemos ahora, aplicando las fórmulas, las sumas de cuadrados:

𝑆𝐶𝑇 = 𝑌 ′ 𝑌 − 𝑛𝑌 2 = 15,18 − 5 ∗ 0,282 = 14,788
Pues
𝑌 ′ 𝑌 = 1,22 + (−3)2 + 22 + 0,72 + 0,52 = 15,18
1,2 + −3 + 2 + 0,7 + 0,5
𝑌= = 0,28
5
 𝑆𝐶𝐸 = 𝛽 ′ 𝑋 ′ 𝑌 − 𝑛𝑌 2 = 12,9088 − 5 ∗ 0,282 = 12,517
Pues
1,4
′ 60 = 12,908
𝛽 ′ 𝑋 𝑌 = −2,4105 0,7049 −0,6936
37,5

Para terminar, calculemos la suma de cuadrados de los residuos:

𝑋′ 𝑌
𝑆𝐶𝑅 = 𝑌 ′ 𝑌 − 𝛽 ′ = 15,18 − 12,9088 = 2,271

La varianza residual sigue siendo la SCR entre n-k = 5-3

Cuando estaba explicando la matriz de varianzas-covarianzas de los estimadores de los

parámetros de posición, alguien me pidió un ejemplo.

Pues bien para estimar la matriz

𝑉𝑎𝑟 𝛽

Sólo hay que multiplicar la matriz (X’X)-1 por el resultado de la varianza residual, es
decir

3,7695 −0,1443 0,0259

2 −1
𝑉 𝑎𝑟 𝛽 = 𝜎 𝑋′𝑋 = 1,1355 −0,1443 0,0397 −0,0394
0,0259 −0,0394 0,0435

4,2803 0,1639 0,0294

𝑉 𝑎𝑟 𝛽 = 0,1639 0,0451 0,0447
0,0294 0,0447 0,0494

Calculemos el coeficiente de determinación

𝑆𝐶𝑅 2,271
𝑅2 = 1 − = 1− = 1 − 0,1536 = 0,8464
𝑆𝐶𝑇 14,778

Las variables Renta y Consumo explican el 84,64% del ahorro; el 15,36% restante se
debe a otras variables.

Coeficiente ajustado o corregido:

𝑆𝐶𝑅 (𝑛 − 𝑘) 2,271 2
𝑅2 = 1 − = 1− = 1 − 0,3072 = 0,6928
𝑆𝐶𝑇 (𝑛 − 1) 14,778 4

Puesto que disponemos de un solo modelo, no tiene sentido calcular AIC; eso se hace
cuando se dispone de más de un modelo. En ese caso se calcula AIC a todos los
modelos y el valor más pequeño nos indica el modelo que se debe utilizar. Del

Exactamente el mismo comentario para BIC.