Tarea de Practicum 3.2 Primer Bimestre

MODALIDAD ABIERTA Y A DISTANCIA
PRACTICUM 3.2
DATOS DEL ESTUDIANTE:
Apellidos y Nombres del Alumno(a): Dany Alexander Loaiza Rodas.
Número de Cédula: 0704030683.
Centro Universitario: Piñas.
Carrera o Especialidad: Economía.
MODELO ECONOMÉTRICO DE COYUNTURA NACIONAL
PRIMER BIMESTRE
Período: Abril 2018 – Agosto 2018.
Ciclo: Noveno.
Lugar y Fecha: Piñas, 3 de Julio del 2018.
1 PRACTICUM 3.2
PRACTICUM 3.2
INDICE DE CONTENIDOS
1. INTRODUCCIÓN…………………………………………………………………..5
2 PRACTICUM 3.2
2. MARCO TEÓRICO………………………………………………………………....6
3. METODOLOGÍA…………………………………………………………………...7
3.1. ANALISIS CONTEXTUAL DE LAS
VARIABLES…………………………7
3.2. PRESENTACIÓN DE LOS DATOS A UTILIZAR………………………..
…8
3.3. ESPECIFICACIÓN…………………………………………………………
…..9
3.4. RECOPILACIÓN DE
INFORMACIÓN……………………………………….9
3.5. PLANTEO DE
HIPÓTESIS…………………………………………………..10
3.5.1 PLANTEO DE HIPÓTESIS INDIVIDUAL……………………………10
3.5.2 PLANTEO DE HIPÓTESIS GLOBAL…………………………………10
3.6. ESTIMACIÓN………………………………………………………………
…11
3.6.1. COEFICIENTE DE
CORRELACIÓN………………………………………………………11
3.7. VERIFICACIÓN……………………………………………………………
….11
3.7.1. VERIFICACIÓN ECONÓMICA……………………………………..11
3.7.2. VERIFICACIÓN ESTADÍSTICA……………………………………..12
3.8. PRUEBA DE
HIPÓTESIS……………………………………………………..13
3.8.1. PRUEBA DE HIPÓTESIS INDIVIDUALES…………………………13
3.8.2. PRUEBA DE HIPÓTESIS GLOBAL…………………………………16
3.8.3. VERIFICACIÓN ECONOMÉTRICA…………………………………16
3.9. PREDICCIÓN………………………………………………………………
….16
4. RESULTADOS…………………………………………………………………….18
4.1. NORMALIDAD………………………………………………………………
.20
4.2. MULTICOLINEALIDAD…………………………………………………….
.22
4.2.1. CORRECCIÓN DE ERRORES………………………………………..24
4.3. HETEROSCEDASTICIDAD…………………………………………………
.25
4.3.1. DETECCIÓN DE HETEROSCEDASTICIDAD……………………..26
3 PRACTICUM 3.2
4.3.2. CORRECCIÓN DE HETEROSCEDASTICIDAD…………………...30
4.4. AUTOCORRELACIÓN……………………………………………………
…31
4.4.1. DETECCIÓN DE AUTOCORRELACIÓN…………………………...31
4.4.2. CORRELOGRAMA…………………………………………………...32
4.4.3. CORRECCIÓN DE LA AUTOCORRELLACIÓN…………………..34
4.4.4. MÉTODOS INTERACTIVOS PARA ESTIMAR…………………….35
4.5. CREACIÓN DE MODELOS
ECONÓMETRICOS………………………….37
4.5.1. PRUEBAS DE ERRORES DE ESPECIFICACIÓN…………………37
4.5.2. CRITERIOS PARA LA SELECCIÓN DE MODELOS……………..38
5. CONCLUSIONES…………………………………………………………………40
6. BIBLIOGRAFÍA…………………………………………………………………..40
4 PRACTICUM 3.2
1. INTRODUCCIÓN
La economía en un país es uno de los principales objetivos que debe plantearse cada uno de
los gobiernos que estén al frente, administrándolo, de una mejor manera, obteniendo
buenos resultados, buenos logros, donde todo sea con un fin de conducir al país hacia el
desarrollo, implementando cada vez más nuevas propuestas, nuevas ideologías, nuevos
mecanismos que lo impulsaran hacia el adelanto económico de toda la región.
Con respecto a la economía del Ecuador vamos a proceder a explicar el producto interno
bruto en el transcurso del desarrollo del tema, las variaciones que va presentando
anualmente o durante un periodo de tiempo determinado y en este caso también se hablara
en función de sus variables independientes como es el caso del consumo, de las
exportaciones y de las importaciones.
La diferencia entre un país desarrollado y subdesarrollado es que siempre van a mantener

en un constante crecimiento todo lo que tiene que ver con el sector económico, pero en el
caso de nuestro país, lo de los países tercer mundistas, la economía siempre va a variar,
nunca va hacer igual o mejor, a veces como crece, también decrece y esto depende de la
buena o mala administración que se le dé a los diferentes recursos que el estado produzca.
Estas variaciones ya sea de las exportaciones o importaciones no solo causa efecto entre
estas dos, sino que le afecta al producto interno bruto y por medio de este factor económico
nos damos cuenta de cómo está haciendo afectado económicamente los diferentes ámbitos
productivos, sociales en torno a la región o a los países que están en vías de desarrollo.
Para este respectivo análisis con relación al PIB que representa a la variable dependiente y
el consumo, las exportaciones e importaciones que vendrían en este caso hacer las variables
independientes, hemos tomado como referencia 30 datos para poder explicar y analizar
todo este tipo de variaciones y afectaciones a la economía, en este caso los años que hemos
tomado son a partir de 1997 hasta el 2016.
5 PRACTICUM 3.2
Y este lapso de tiempo se puede hablar de dos grandes afectaciones y que más adelante nos
iremos dando cuenta en el ejercicio resuelto, sobre todo en las gráficas y el modelo, como
por ejemplo tenemos: el cambio de la moneda del sucre al dólar, el congelamiento del
dinero, el gran feriado bancario, hecho sucedido entre los años 1999 y 2000, en tiempos del
presidente Jamil Mahuad y la presunta caída del petróleo que fue durante los años 2015 y
2016 y que esto si logro afectar bastante a todo el sector económico, sobre todo al sector
petrolero, en este caso a nuestro País siendo uno de los exportadores a nivel mundial.
Todos estos datos que hemos investigado en la página del Banco Mundial con referente al
PIB y sus variables iremos analizando por medio de un programa econométrico Eviens 10,
ya que aquí nos dará todos los resultados esperados para el respectivo análisis y poder sacar
las diferentes conclusiones de cómo ha ido evolucionando el Producto Interno Bruto en la
economía.
2. MARCO TEÓRICO
Al ser el Producto Interno Bruto nuestra variable de interés, será esta la variable
dependiente, por lo que nos centraremos en determinar cuáles han de ser los signos que
afectan a la constante como a los coeficientes que se ponderan a las variables
independientes.
Con esto intentaremos predecir cómo se verán afectadas (positiva o negativamente) las
variables independientes y como estas repercuten sobre el resultado de la variable
dependiente de nuestro modelo a realizar.
 PIB (PRODUCTO INTERNO BRUTO), en este caso del modelo va a representar

como la variable dependiente y de acuerdo a su definición, es el valor monetario de
los bienes y servicios finales producidos por una economía en un periodo
determinado, además es un indicador representativo que ayuda a medir el
crecimiento o decrecimiento de la producción de bienes y servicios de las empresas
de cada país, únicamente dentro de su territorio. Este indicador es un reflejo de la
competitividad de las empresas.
 CONSUMO, en este caso del modelo va a representar como la primera variable
independiente (C) o X1, de acuerdo a su definición con referente al marco de la
economía, el consumo consiste en la fase final del ciclo económico ya que tiene
lugar cuando el producto o servicio genera algún tipo de provecho o utilidad para el
individuo, es decir, el consumidor final, los productos pueden destruirse o
transformarse en el acto de consumo. O en otro estilo al consumo también se lo
puede considerar como la acción por la cual los diversos bienes y servicios son
usados o aplicados a los fines a que están destinados, ya sea satisfaciendo las
6 PRACTICUM 3.2
necesidades de los individuos o sirviendo los propósitos de la producción, la
economía considera el consumo como el fin esencial de la actividad económica.
 EXPORTACIONES, en este caso del modelo va a representar como la segunda
variable independiente X o X2, de acuerdo a su significancia, las exportaciones son
el conjunto de bienes y servicios vendidos por un país en territorio extranjero para
su utilización. Junto con las importaciones, son una herramienta imprescindible de
contabilidad nacional.
 IMPORTACIONES, en este caso del modelo va a representar como la tercera
variable independiente M o X3, de acuerdo a lo que significa las importaciones son
el conjunto de bienes y servicios comprados por un país en territorio extranjero para
su utilización en territorio nacional. Junto con las exportaciones, son una
herramienta imprescindible de contabilidad nacional.
3. METODOLOGÍA.
3.1. ANALISIS CONTEXTUAL DE LAS VARIABLES.
El modelo a utilizar para la elaboración de este ensayo, tiene que ver con relación al PIB
(Producto Interno Bruto), para que en un país con relación a su economía sea favorable,
tiene que basarse en el crecimiento de muchos factores, en este caso hemos optado por el
consumo, exportaciones e importaciones, cuyas variables dependiendo de su
comportamiento harán que el total del PIB crezca o disminuya.
Pero con lo que tiene que ver con relación a las variables independientes no solo se basa en
su comportamiento, sino en la problemática que en el momento cursa el gobierno, en el mal
manejo de recursos, en la mala administración que manejan, en la poca visión que tienen,
todos estos acontecimientos o problemas hacen que el país se sienta un poco desprotegido,
donde poco a poco su economía va decayendo.
A veces estos problemas suceden es por falta de coordinación, de dialogo, de

negociaciones, de control, más claro todo esto se transforma en un caos, donde resulta
difícil sacarlo adelante al país, en este caso se deben de aplicar ideas innovadoras, ideas con
miras hacia el desarrollo, pero para que esto se pueda dar, tienen que haber grandes
cambios no solo en lo administrativo, ni control, sino en el Gobierno en general.
Y estos cambios se tienen que ir empezando a realizar de una forma de inmediata, para que
todo lo que produzca el Ecuador no se pierda, para que cada vez sea más factible el número
de exportaciones que de importaciones y el consumo por cada producto sea cada vez
mayor, con un grado de magnitud alta y esta es la manera de cómo se debe manejar las
producciones en el Ecuador y de esta forma es como la economía ira mejorando en todos
7 PRACTICUM 3.2
los ámbitos productivos y así ara que el producto interno bruto siga creciendo y no
disminuyendo.
Con relación a los datos, los hemos obtenido de la página del Banco Mundial tanto de la
variable dependiente PIB, como de las independientes consumo, exportaciones e
importaciones, la muestra o el número de observaciones que hemos escogido o
seleccionado es de 30 datos cada uno de los componentes, todo esto es con el fin de
analizar el desarrollo del PIB en el Ecuador, de cómo va creciendo o al mismo tiempo
disminuyendo.
Desde 1987 hasta el 2016 es el lapso de tiempo en el que se analizaran e interpretaran los
resultados obtenidos, entre ellos están el modelo que se lo obtiene a partir de las variables,
los valores R² y Ṝ², los errores de la estimación o estándar, el valor total F, los grados de
libertad, etc., con estos datos también se analizara lo que es la normalidad y la
multicolinealidad, de que si existe o no, pero antes de llegar a ver si hay normalidad o
multicolinealidad, antes de analizar los resultados hay que aplicar la metodología, los ocho
pasos que hay que seguir para poder obtener lo que hemos propuesto.
Durante este tiempo de 1987 hasta el 2016 se han visto dos grandes problemas entre ellas
están el congelamiento del dinero, la devaluación de la moneda, el gran feriado bancario,
hecho sucedido entre 1999 y 2000 y la disminución del precio del petróleo, dos grandes
acontecimientos que han hecho que tanto el consumo, las exportaciones e importaciones
disminuyan, lo que ha permitido que el PIB también decrezca.
Estos dos grandes problemas han causado grandes daños y perjuicios en nuestro País, como
por ejemplo la poca producción, por lo que las ventas ya no iban hacer igual y por el
decrecimiento del precio ya no se iba a seguir ofertando lo mismo, porque no iba a dar un
mejor resultado y no se iban a obtener beneficios, más claro con estos problemas la mayor
parte de la población iban a perder y perdieron definitivamente, la economía en este tiempo
fue deteriorada, lo mismo fue con el petróleo, el país perdió arto de ganar con la
disminución del precio que se dio, la crisis fue total y el Ecuador quedo endeudado, pero en
esto también afecta la mala administración y el despilfarro del dinero, esto provoco que el
Producto Interno Bruto decreciera.
Esto del problema del petróleo fue entre el 2015 y 2016, de ahí el resto de años anteriores
antes y después del feriado bancario, la situación fue controlada y todo lo que tiene que ver
con la producción, consumo, exportaciones e importaciones fue creciendo paulatinamente
donde el PIB no tuvo ningún problema en crecer con relación a estos cambios que se han
dado.
8 PRACTICUM 3.2
A continuación iremos detallando cada uno de los ocho pasos con referente a la
metodología econométrica y que al final se podrán observar los resultados con su diferente
interpretación.
3.2. PRESENTACIÓN DE LOS DATOS A UTILIZAR.
La siguiente tabla muestra el crecimiento o disminución del PIB y cuyos resultados se

basan a las variables independientes como son el consumo (C), las exportaciones (X) y las
importaciones (M), tomando como referencia valores desde 1987 hasta el 2016, ya que son
los valores más actuales que hemos podido investigar por medio de la página del Banco
Mundial. A continuación presentamos la siguiente tabla:
PIB GASTO DE CONSUMO FINAL EXPORTACIONES DE B Y S IMPORTACIONES DE B Y S
OBSERVACIONES AÑO
($ A PRECIOS ACTUALES) ($ A PRECIOS ACTUALES) ($ A PRECIOS ACTUALES) ($ A PRECIOS ACTUALES)
1 1987 13945431882 11378211259 2142867205 3118845050
2 1988 13051886552 10251015927 2480622111 3087613078
3 1989 13890828708 10759414633 2817483589 3449083353
4 1990 15239278100 11428569399 3469125960 3326816743
5 1991 16988535268 12877652826 4021964982 3656282141
6 1992 18094238119 13366034017 4366816408 3740586293
7 1993 18938717359 15533934967 3794531266 4381543772
8 1994 22708673337 18605633817 4605277639 5336068034
9 1995 24432884442 20404561281 5201004502 6016443222
10 1996 25226393197 20466505253 5618746373 5535280640
11 1997 28162053027 22991046523 6064677339 6613086543
12 1998 27981896948 23397216608 5006507254 7136267134
13 1999 19645272636 15091047524 5181939970 4483779890
14 2000 18327764882 13549882941 5888259130 5010291146
15 2001 24468324000 20051882000 5682217000 6734248000
16 2002 28548945000 23606958000 6135846000 7960638000
17 2003 32432859000 26742604000 7329307000 7992504000
18 2004 36591661000 29770074000 8984844000 9554409000
19 2005 41507085000 32884561000 11463499000 11821905000
20 2006 46802044000 35842793000 14196499000 13748900000
21 2007 51007777000 38775487000 16287685000 15636623000
22 2008 61762635000 45298051000 21100364000 20933400000
23 2009 62519686000 47494560000 15785663000 16790125000
24 2010 69555367000 53193172000 19402439000 22541700000
25 2011 79276664000 58748321000 24671849000 26453861000
26 2012 87924544000 64735024000 26522271000 27772113000
27 2013 95129659000 70265165000 27243506000 29459627000
28 2014 101726331000 74555251000 28536122000 30168281000
29 2015 99290381000 75319038000 21107369000 23815449000
30 2016 98613972000 73283594000 19407142000 18884441000
3.3. ESPECIFICACIÓN.
Producto Interno Bruto = f (consumo, exportaciones, importaciones)
PIB = f(C, X, M) Modelo Teórico.
PIB = β₁ + β₂C + β₃X + β₄M Modelo Matemático.
9 PRACTICUM 3.2
PIB = β₁ + β₂C + β₃X + β₄M + μ Modelo Econométrico.
3.4. RECOPILACIÓN DE INFORMACIÓN.
PRODUCTO INTERNO BRUTO: PIB = VARIABLE DEPENDIENTE
CONSUMO: C = VARIABLE EXPLICATIVA
EXPORTACIONES: X = VARIABLE EXPLICATIVA
IMPORTACIONES: M = VARIABLE EXPLICATIVA
3.5. PLANTEO DE HIPÓTESIS.
3.5.1. PLANTEO DE HIPÓTESIS INDIVIDUAL.
H₀: β₁ = 0 No existe intercepto.

H₁: β₁ ≠ 0 Existe intercepto.
Hₐ: β₂ = 0 No existe relación lineal entre PIB y C,
manteniendo constante X.
H₁: β₂ ≠ 0 Si existe relación lineal entre PIB y C,
Hₐ: β₃ = 0 No existe relación lineal entre PIB y X,
manteniendo constante C.
H₁: β₃ ≠ 0 Si existe relación lineal entre PIB y X,
manteniendo constante C.
Hₐ: β₄ = 0 No existe relación lineal entre PIB y M,
H₁: β₄ ≠ 0 Si existe relación lineal entre PIB y M,

3.5.2. PLANTEO DE HIPÓTESIS GLOBAL.
H₀: β₂ = β₃ = β₄ = 0 No existe relación lineal simultánea y

conjunta entre el consumo,
exportaciones e importaciones con el PIB.
H₀: β₂ ≠ β₃ ≠ β₄ = 0 Si existe relación lineal simultánea y

conjunta entre el consumo, exportaciones e
importaciones con el PIB.
10 PRACTICUM 3.2
3.6. ESTIMACIÓN.
Dependent Variable: PIB

Method: Least Squares
Date: 04/23/18 Time: 23:41
Sample: 1987 2016
Included observations: 30
Variable Coefficient Std. Error t-Statistic Prob.
C -1.82E+09 3.77E+08 -4.839456 0.0001

CONSUMO (C) 1.285136 0.033014 38.92674 0.0000
EXPORTACIONES (X) 0.805011 0.217824 3.695689 0.0010
IMPORTACIONES (M) -0.546170 0.217792 -2.507755 0.0187
R-squared 0.998829 Mean dependent var 4.31E+10

Adjusted R-squared 0.998694 S.D. dependent var 2.99E+10
S.E. of regression 1.08E+09 Akaike info criterion 44.56180
Sum squared resid 3.03E+19 Schwarz criterion 44.74863
Log likelihood -664.4270 Hannan-Quinn criter. 44.62157
F-statistic 7391.659 Durbin-Watson stat 0.314407
Prob(F-statistic) 0.000000
3.6.1. COEFICIENTE DE CORRELACIÓN.
PIB CONSUMO EXPORTACIONES IMPORTACIONES

PIB 1 0.998960584166066 0.9620829599649452 0.9640778697827692
CONSUMO 0.998960584166066 1 0.9557298611269286 0.9603145268850658
EXPORTACIONES 0.9620829599649452 0.9557298611269286 1 0.9941731675495285
IMPORTACIONES 0.9640778697827692 0.9603145268850658 0.9941731675495285 1
3.7. VERIFICACIÓN.
11 PRACTICUM 3.2
3.7.1. VERIFICACIÓN ECONÓMICA.
β₁ = - 1,82. Es el valor del Producto Interno Bruto

cuando el consumo, las exportaciones y las
importaciones son cero. Este valor no tiene
significación económica.
β₂ = 1,29. El signo es positivo porque la relación entre
las variables es directa, es decir, cuanto
mayor es el consumo, mayor es el PIB. El
valor no tiene límites, por lo tanto
aceptamos el signo y el valor. Al aumentar
el consumo en uno, el PIB aumenta en 1,29,
manteniendo constante las exportaciones.
β₃ = 0,81. El signo es positivo porque la relación entre
las variables Exportaciones y Producto
Interno Bruto es directa. El valor no tiene
límites, por lo tanto aceptamos el signo y el
valor. Si se aumenta en 1 las exportaciones,
el producto interno bruto aumenta en 0,81,
manteniendo constante el consumo.
β₄ = - 0,55. El signo es negativo, lo que significa que
ante un incremento de una unidad en las
importaciones, el producto interno bruto
disminuye en 0,55, manteniendo constante
las exportaciones.
3.7.2. VERIFICACIÓN ESTADÍSTICA.
Ṝ² = 0,9987. Aceptamos el valor de Ṝ² ajustado puesto

que es bastante alto. Las variaciones en el
producto interno bruto están explicadas en
99,87% luego de quitar la influencia de
incluir más variables explicativas.
ee (β₂) = 0,03. El ee (β₂) es inferior a la tercera parte de β₂
(1,29), por lo tanto podemos afirmar que el
ee (β₂) es lo suficientemente estrecho como
para darnos confianza en el estimador.
ee (β₃) = 0,22. El ee (β₃) es inferior a la tercera parte de β₃
(0,81), por lo tanto podemos afirmar que el
ee (β₃) es lo suficientemente estrecho como
para darnos confianza en el estimador.
ee (β₄) = 0,22. El ee (β₄) es superior pero no a la tercera
parte, sino en general por lo que es
12 PRACTICUM 3.2
negativo el resultado de β₄ (- 0,55), por lo
tanto podemos afirmar que el ee (β₄) es lo
suficientemente estrecho como para
darnos confianza en el estimador.
3.8. PRUEBA DE HIPÓTESIS.
3.8.1. PRUEBA DE HIPÓTESIS INDIVIDUALES.
Prueba de hipótesis para β₂.
H₀: β₂ = 0
Enfoque del intervalo de confianza.
Pr [β̂₂ - tα ̷ ₂ ee (β̂₂) ≤ β₂ ≤ β̂₂ + tα ̷ ₂ ee (β̂₂)] = 1 – α
Pr [1,29 – (2,056) (0,03) ≤ β₂ ≤ 1,29 + (2,056) (0,03)] = 95%
En donde 2,056 es el valor de t con 26 grados de libertad, a un nivel de significancia del

5%, para un ensayo de dos colas, obtenido de la tabla de t student.
Pr [1,22832 ≤ β₂ ≤ 1,35168] = 95%
β₂* = 0
El valor de β₂ bajo hipótesis nula (*) cae fuera del intervalo de confianza, por lo tanto no se
acepta H₀.
Enfoque de la prueba de significancia.
Pr [β₂* - tα ̷ ₂ ee (β̂₂) ≤ β̂₂ ≤ β₂* + tα ̷ ₂ ee (β̂₂)] = 1 – α
Pr [0 – (2,056) (0,03) ≤ β̂₂ ≤ 0 + (2,056) (0,03)] = 95%
Pr [- 0,06168 ≤ β̂₂ ≤ 0,06168] = 95%
β̂₂ = 1,29.
13 PRACTICUM 3.2
El valor de β̂₂ cae fuera del intervalo de confianza, por lo tanto no se acepta H₀.
t student:
t = β̂₂ - β₂* / ee (β̂₂)
t = 1,29 – 0 / 0,03
t = 43.
El valor de t con 26 grados de libertad a un nivel de significancia del 5% es de 2,056 en un

ensayo de dos colas.
Pr [- 2,056 ≤ t ≤ 2,056]
El valor de t = 43, se encuentra fuera del intervalo, por lo tanto no se acepta H₀.
Prueba de hipótesis para β₃.
H₀: β₃ = 0
Pr [β̂₃ - tα ̷ ₂ ee (β̂₃) ≤ β₃ ≤ β̂₃ + tα ̷ ₂ ee (β̂₃)] = 1 – α
Pr [0,81 – (2,056) (0,22) ≤ β₃ ≤ 0,81 + (2,056) (0,22)] = 95%

Pr [0,35768 ≤ β₃ ≤ 1,26232] = 95%
β₃* = 0
El valor de bajo hipótesis nula (β₃*) cae fuera del intervalo de confianza, por lo tanto no se
acepta H₀.
Pr [β₃* - tα ̷ ₂ ee (β̂₃) ≤ β₃ ≤ β₃* + tα ̷ ₂ ee (β̂₃)] = 1 – α
Pr [0 – (2,056) (0,22) ≤ β₃ ≤ 0 + (2,056) (0,22)] = 95%
Pr [- 0,45232 ≤ β₃ ≤ 0,45232] = 95%
β̂₂ = 081.
14 PRACTICUM 3.2
El valor de β̂₂ cae fuera del intervalo de confianza, por lo tanto no se acepta H₀.
t student:
t = β̂₃ - β₃* / ee (β̂₃)
t = 0,81 – 0 / 0,22
t = 3,68.

Pr [- 2,056 ≤ t ≤ 2,056]
El valor de t = 3,68, se encuentra fuera del intervalo, por lo tanto no se acepta H₀.
Prueba de hipótesis para β₄.
H₀: β₄ = 0
Pr [β̂₄ - tα ̷ ₂ ee (β̂₄) ≤ β₄ ≤ β̂₄ + tα ̷ ₂ ee (β̂₄)] = 1 – α
Pr [- 0,55 – (2,056) (0,22) ≤ β₄ ≤ - 0,55 + (2,056) (0,22)] = 95%

Pr [- 1,00232 ≤ β₄ ≤ - 0,09768] = 95%
β₄* = 0
El valor de β₄ bajo hipótesis nula (*) cae fuera del intervalo de confianza, por lo tanto no se
acepta H₀.
Pr [β₄* - tα ̷ ₂ ee (β̂₄) ≤ β̂₄ ≤ β₄* + tα ̷ ₂ ee (β̂₄)] = 1 – α
Pr [0 – (2,056) (0,22) ≤ β̂₄ ≤ 0 + (2,056) (0,22)] = 95%
Pr [- 0,45232 ≤ β̂₄ ≤ 0,45232] = 95%
β̂₄ = - 0,55.
15 PRACTICUM 3.2
El valor de β̂₄ cae fuera del intervalo de confianza, por lo tanto no se acepta H₀.
t student:
t = β̂₄ - β₄* / ee (β̂₄)
t = - 0,55 – 0 / 0,22
t = - 2,5.

Pr [- 2,056 ≤ t ≤ 2,056]
El valor de t = - 2,5, se encuentra fuera del intervalo, por lo tanto no se acepta H₀.
3.8.2. PRUEBA DE HIPÓTESIS GLOBAL.
H₀: β₂ = β₃ = β₄ = 0
F = R²/K – 1 / (1 - R²)/ (N – K)
F = 0, 9988/4 – 1 / (1 – 0, 9988)/ (30 – 4)
F = 0, 9988/2 / (0, 0012)/ (26)
F = 0, 3329 / 0, 00005
F = 6658.
FK – 1 / N – K = F3/26 = 2,98
El valor de F (6658) es mayor que FK – 1 / N – K (2,98), por lo tanto no se acepta H₀.
3.8.3. VERIFICACIÓN ECONOMÉTRICA.
Debido a que rcx, rcm y rxm, son altas existe multicolinealidad pues en una regresión con
tres variables explicativas, si rcx, rcm y rxm son altas se asegura que existe este problema
no así en una regresión con más variables.
3.9. PREDICCIÓN.
Damos valores a X
X₂ = 7 (en este caso X₂ representa a C)
16 PRACTICUM 3.2
X₃ = 5 (en este caso X₃ representa a X)
X₄ = 3 (en este caso X₄ representa a M)
Ŷ = - 1,82 + 1,29X₂ + 0,81X₃ - 0,55X₄
Ŷ = - 1,82 + 1,29 (7) + 0,81 (5) – 0,55 (3)
Ŷ = - 1,82 + 9,03 + 4,05 – 1,65
Ŷ = 9,61
PRIMERA VARIANZA.
VAR = σ² [1/N + (X₀ - Ẋ) ²/ΣX²]
VAR = 42.5900360094601120
ee = √ VAR
ee = √ 42.5900360094601120
ee = 21424369324.3468.
Intervalos de confianza
Pr [Ŷ - tα ̷ ₂ ee (Ŷ) ≤ Y/X ≤ Ŷ + tα ̷ ₂ ee (Ŷ)] = 1 – α
Pr [9,61 – (2,056) (21424369324.3468) ≤ Y/X ≤ 9,61 + (2,056) (21424369324.3468)] =

95%
Pr [5,21 ≤ Y/X ≤ 14,01] = 95%
95 de cada 100 veces, el verdadero valor de estará dentro de este intervalo, cuando X₂ = 7.
SEGUNDA VARIANZA.
VAR = σ² [1/N + (X₀ - Ẋ) ²/ΣX²]
VAR = 1.1490002830564521
ee = √ VAR
ee = √ 1.1490002830564521
ee = 33896906688.6116.
17 PRACTICUM 3.2
Pr [9,61 – (2,056) (33896906688.6116) ≤ Y/X ≤ 9,61 + (2,056) (33896906688.6116)] =

95%
Pr [2,64 ≤ Y/X ≤ 16,58] = 95%
95 de cada 100 veces, el verdadero valor de estará dentro de este intervalo, cuando X₃ = 5.
TERCERA VARIANZA.
VAR = σ² [1/N + (X₀ - Ẋ) ²/ΣX²]
VAR = 7.8588321710243219
ee = √ VAR
ee = √ 7.8588321710243219
ee = 8865005454.60877.
Pr [9,61 – (2,056) (8865005454.60877) ≤ Y/X ≤ 9,61 + (2,056) (8865005454.60877)] =

95%
Pr [7,79 ≤ Y/X ≤ 11,43] = 95%
95 de cada 100 veces, el verdadero valor de estará dentro de este intervalo, cuando X₄ = 3.
4. RESULTADOS.
Ŷ = - 1,82 + 1,29X₂ + 0,81X₃ - 0,55X₄
(0,03) (0,22) (0,22) R² = 0,998829 Ṝ² = 0,998694
(43) (3,68) (- 2,5) F = 6658 g de l =26
INTERPRETACIÓN DE RESULTADOS
β₁ = - 1,82 Es el valor medio del producto interno
18 PRACTICUM 3.2
bruto cuando el consumo, las
exportaciones y las importaciones son
iguales a cero.
β₂ = 1,29 Significa que ante un incremento de una
unidad en el consumo, manteniendo
constante las exportaciones, el producto
interno bruto se incrementa en 1,29
unidades. El signo se acepta al existir
relación directa. No existe tamaño.
β₃ = 0,81 Significa que ante un incremento de una
unidad en las exportaciones, manteniendo
constante el consumo, el producto interno
bruto se incrementa en 0,81 unidades. El
signo se acepta al existir relación directa.
No existe tamaño.
β₄ = - 0,55 Significa que ante un incremento de una
unidad en las importaciones, manteniendo
constante las exportaciones, el producto
interno bruto disminuye en 0,55 unidades.
El signo se aceptaría mientras exista
relación directa, de lo contrario se rechaza.
No existe tamaño.
R² = 0,998829 Significa que las variaciones en el producto
interno bruto esta explicada en un
99,8829% por las variaciones que se dan en
el consumo, exportaciones e
importaciones.
Ṝ² = 0,998694 Significa que luego de quitar la influencia
de haber añadido una variable adicional
que ocasiona la perdida de grados de
libertad, las variaciones en el producto
interno bruto esta explicada en un
99,8694% por las variaciones que se dan en
el consumo, exportaciones e
importaciones.
ee Los errores estándar son lo
suficientemente pequeños como para
damos confianza en los estimadores.
t Los valores de t son estadísticamente
significativos, lo que implica que se rechaza
H₀ de que no hay relación lineal entre el
consumo, exportaciones e importaciones
19 PRACTICUM 3.2
con el producto interno bruto.
F = 6658 El valor de F es estadísticamente
significativo, lo que implica que se rechaza
H₀, de que no hay relación lineal
simultánea y conjunta entre el consumo,
exportaciones e importaciones con el
producto interno bruto.
g de l Trabajamos con 26 grados de libertad.
4.1. NORMALIDAD.
Con respeto a la Normalidad para que esto se pueda dar en un modelo, lo primero que
debe de existir es una muy buena relación entre la variable dependiente con las
independientes, no puede haber ninguna alteración de resultados, todo tiene que ser por
igual, si hay un crecimiento en el consumo, las exportaciones e importaciones, esto va a
lograr que el producto interno bruto también crezca, pero si en caso de que las tres
disminuyan, el producto interno bruto también va a disminuir o en este caso
permanecerían constantes, esta es la única forma para que exista normalidad en el
modelo.
Con relación al grafico que vamos a presentar a continuación, nos vamos a dar cuenta que
existe normalidad.
20 PRACTICUM 3.2
En este caso para poder llegar a una conclusión nos vamos a plantear dos hipótesis
alternativas:
1. H₀: μ = 0. Hay Normalidad.
2. H₁: μ ≠ 0. No hay Normalidad.
Con relación a la gráfica a simple vista podría determinar que los residuos están
normalmente distribuidos, pero para tener un criterio más claro, revisemos los indicadores
que están marcados con rojo. Tanto la simetría (SKEWNESS), como las curtosis
(KURTOSIS), están cercanos a sus valores de referencia, pero la probabilidad del JARQUE
– BERA, nos indica que debemos aceptar la H₀, de que el modelo si presenta normalidad
en la distribución de sus residuos.
En las próximas graficas también nos vamos a dar cuenta de la relación que existe entre las
variables independientes como son consumo, exportaciones e importaciones con la variable
dependiente como es el producto interno bruto y de demostrar también que si existe
normalidad entre estas variables.
A continuación detallamos las gráficas:
21 PRACTICUM 3.2
En conclusión, como podemos observar en el primer gráfico, los residuos casi se ajustan de
manera perfecta sobre la línea de regresión, lo que podría demostrar que hay normalidad.
En cuanto al segundo grafico el punto negro debe coincidir en la línea de cero y presentar
una proporcionalidad igual entre el área resaltada dentro del recuadro, al igual que el
anterior se puede decir que existe normalidad.
4.2. MULTICOLINEALIDAD.
22 PRACTICUM 3.2
La multicolinealidad se dice que es la relación lineal perfecta entre las variables
explicativas de un modelo de regresión, como en este caso tenemos las variables
independientes del consumo, exportaciones e importaciones que están en función o
relacionadas con la variable dependiente, como es el Producto Interno Bruto (PIB). Aunque
en la práctica, adicional a los modelos lineales, se suele trabajar con modelos no lineales, en
los cuales el fenómeno de la multicolinealidad también puede darse entre sus variables.
Si un modelo se calcula ante presencia de multicolinealidad, los estimadores dejan de ser

confiables, lo que generaría que los resultados obtenidos no sean los más adecuados para
explicar cierto fenómeno económico.
Pero en este caso se trata de un modelo lineal, de un modelo cuya relación existe entre sus
variables y donde resultaría más fácil de explicar el problema si es que hay o no
multicolinealidad, a continuación nos daremos cuenta en el siguiente cuadro de que si
existe el problema.

Date: 04/23/18 Time: 23:41
Sample: 1987 2016
C -1.82E+09 3.77E+08 -4.839456 0.0001

CONSUMO 1.285136 0.033014 38.92674 0.0000
EXPORTACIONES 0.805011 0.217824 3.695689 0.0010
IMPORTACIONES -0.546170 0.217792 -2.507755 0.0187

El R² es alto, las probabilidades de las exportaciones (X) y de las importaciones (M) son
bajas, adicional tenemos un F significativo, esto nos indica que el modelo presenta
problemas de multicolinealidad.
Otra forma de detectar multicolinealidad es revisando la matriz de correlación, la cual nos

indicara la relación existente entre las variables independientes.
23 PRACTICUM 3.2
MATRIZ DE CORRELACIÓN
PIB CONSUMO EXPORTACIONES IMPORTACIONES

PIB 1 0.998960584166066 0.9620829599649452 0.9640778697827692
CONSUMO 0.998960584166066 1 0.9557298611269286 0.9603145268850658
EXPORTACIONES 0.9620829599649452 0.9557298611269286 1 0.9941731675495285
IMPORTACIONES 0.9640778697827692 0.9603145268850658 0.9941731675495285 1
En este caso todas están correlacionadas, todas presentan un grado demasiadamente alto
mayor al 90%, pero hemos tomado en consideración dos variables como son el consumo y
las exportaciones, cuyos valores están de color rojo, todo con el fin de indicar de que existe
correlación y de que están correlacionadas entre si y que presenta un grado de asociación
mayor al 90%, lo que indicaría un problema de multicolinealidad.
4.2.1. CORRECCIÓN DE ERRORES.
Una vez determinado que nuestro modelo presenta problemas de multicolinealidad,

debemos adoptar, las medidas remediables para solucionar el problema. De acuerdo a la
corrección de la multicolinealidad, se dice que existen algunos métodos para corregir y de
todos estos métodos el más óptimo para realizarlo a través del programa es eliminar alguna
de las variables donde exista el problema, más claro donde lo contenga al problema en el
modelo. En base a los resultados iniciales de la regresión, podemos observar que las
variables consumo, exportaciones e importaciones, están relacionadas entre sí y es por eso
que hemos tratado de ir eliminando cada una de las tres variables y al final después de
obtener nuevos resultados, se ira analizando para ver cual se asemeja más y cuál es la que
está más cercana al problema.
Primera Grafica, aquí hemos eliminado las exportaciones.

Date: 04/24/18 Time: 00:13
Sample: 1987 2016
C -1.85E+09 4.56E+08 -4.051578 0.0004

CONSUMO 1.289238 0.039989 32.23990 0.0000
IMPORTACIONES 0.202832 0.096643 2.098785 0.0453
24 PRACTICUM 3.2
Segunda Grafica, aquí hemos eliminado la variable consumo.

Date: 04/24/18 Time: 00:15
Sample: 1987 2016

Date: 04/24/18
C Time: 00:18 5.31E+09 2.49E+09 2.135500 0.0419
Sample: 1987 2016
EXPORTACIONES 1.090111 1.644831 0.662750 0.5131
IMPORTACIONES 2.167771 1.558927 1.390553 0.1757
R-squared Variable Coefficient Std.dependent

0.930576 Mean Error t-Statistic
var Prob.
4.31E+10
Adjusted R-squared 0.925433 S.D. dependent var 2.99E+10 Tercera Grafica,
C
S.E. of regression -1.74E+09 4.10E+08
8.16E+09 Akaike -4.251911
info criterion 0.0002
48.57741 aquí hemos
CONSUMO
1.258633 0.034203 0.0000
48.71753
LogEXPORTACIONES
likelihood 0.296692 0.087215 criter.
-725.6612 Hannan-Quinn 3.401828 0.0021
48.62224
eliminado las
F-statistic 180.9560 Durbin-Watson stat 0.552484 importaciones.
R-squared
Prob(F-statistic) 0.998546 Mean
0.000000 dependent var 4.31E+10
25 PRACTICUM 3.2
De lo que se puede ver en los tres modelos estimados, el mejor modelo es aquel que
elimino la variable de importaciones, ya que todos sus coeficientes son estadísticamente
significativos o están más cerca de serlo. El primero y el segundo modelo presentaron
problemas en las variables, ya que estas no son representativas, por tal razón escogemos el
tercer modelo ya que está más cercano a no tener este problema de multicolinealidad.
4.3. HETEROSCEDASTICIDAD.
Aplicando la metodología econométrica revisada en econometría I, procedemos a

continuación a determinar si existe heteroscedasticidad.

Date: 06/26/18 Time: 21:52
Sample: 1987 2016
C -1.82E+09 3.77E+08 -4.839456 0.0001

CONSUMO 1.285136 0.033014 38.92674 0.0000
EXPORTACIONES 0.805011 0.217824 3.695689 0.0010
IMPORTACIONES -0.546170 0.217792 -2.507755 0.0187

4.3.1. DETECCIÓN DE HETEROSCEDASTICIDAD.
Método Gráfico.
26 PRACTICUM 3.2
El gráfico no presenta una tendencia, pero si la presencia de datos atípicos y una alta dispersión de
los mismos, por lo que se puede sospechar que existe heteroscedasticidad. Este método es un
poco subjetivo, por tal razón debemos realizar los otros métodos para poder estar seguros de esta
afirmación.
Métodos Formales.
Prueba de Park: se debe usar como variable dependiente el lnȗ y la ecuación de regresión sería lo
siguiente:
ln ȗ² = lnσ + βlnX + v
ln ȗ² = α + βlnX + v
Planteamos hipótesis en base al valor de t de las variables independientes:
 H0 = no hay heteroscedasticidad.
 H1 = si hay heteroscedasticidad.
Si la beta (β) es significativa se sugiere la presencia de heteroscedasticidad, es decir si se

rechaza H0.
Para poder realizar estas ecuaciones de regresión y saber si el valor del coeficiente es
significativo, debemos hacer una regresión por cada variable independiente, adicional a eso
debemos generar las variables afectadas por el logaritmo.
27 PRACTICUM 3.2
Con relación a los métodos formales vamos a trabajar con el nuevo modelo que no contiene
multicolinealidad.
Dependent Variable: LNPIB

Date: 06/27/18 Time: 08:00
Sample: 1987 2016
C -0.452042 0.288061 -1.569257 0.1278

LNCONSUMO 1.029251 0.011992 85.82765 0.0000
R-squared 0.996213 Mean dependent var 24.26259

Adjusted R-squared 0.996078 S.D. dependent var 0.678338
S.E. of regression 0.042481 Akaike info criterion -3.415182
Sum squared resid 0.050530 Schwarz criterion -3.321768
Log likelihood 53.22772 Hannan-Quinn criter. -3.385298
Como podemos ver el valor del coeficiente de X es significativo, por lo tanto existe
heteroscedasticidad.
Procedemos con la siguiente regresión.
Dependent Variable: LNPIB

Date: 06/27/18 Time: 08:01
Sample: 1987 2016
C 5.233610 0.780474 6.705682 0.0000

LNEXPORTACIONES 0.833226 0.034155 24.39561 0.0000
R-squared 0.955067 Mean dependent var 24.26259

Adjusted R-squared 0.953462 S.D. dependent var 0.678338
S.E. of regression 0.146336 Akaike info criterion -0.941486
Sum squared resid 0.599596 Schwarz criterion -0.848073
Log likelihood 16.12229 Hannan-Quinn criter. -0.911602
En este caso el coeficiente de X también es significativo, por lo tanto existe

28 PRACTICUM 3.2
Prueba de Glejser: Similar a la prueba de Park, solo que ahora se realiza una regresión
con el valor absoluto de los residuos │ȗᵢ│ sobre el valor de X.
│ȗ│ = β₁ + β₂Xᵢ + Vᵢ
Al igual que la prueba anterior se plantean las mismas hipótesis:
 H0 = no hay heteroscedasticidad.
 H1 = si hay heteroscedasticidad.
Si el beta (β) es significativo se sugiere la presencia de heteroscedasticidad, es decir si se

rechaza H0.
Dependent Variable: RESIDABS

Date: 06/27/18 Time: 21:20
Sample: 1987 2016
C 1.33E+18 3.40E+17 3.903352 0.0005

CONSUMO -9546714. 8630299. -1.106186 0.2781

En este caso el valor de la variable no es confiable por lo tanto no se rechaza H0, no existe
Ahora realicemos la otra regresión con la siguiente variable.
Dependent Variable: RESIDABS

Date: 06/27/18 Time: 21:22
Sample: 1987 2016
C 1.26E+18 3.08E+17 4.090721 0.0003

EXPORTACIONES -22438647 22078642 -1.016306 0.3182
29 PRACTICUM 3.2
Al igual que la prueba de White esta es no significativa, por lo tanto no hay

Tenemos otra forma de detectar heteroscedasticidad que a continuación la daremos a

conocer:
Heteroskedasticity Test: Glejser
F-statistic 1.821765 Prob. F(2,27) 0.1811

Obs*R-squared 3.567014 Prob. Chi-Square(2) 0.1680
Scaled explained SS 2.394980 Prob. Chi-Square(2) 0.3020
Test Equation:
Dependent Variable: ARESID
Date: 06/27/18 Time: 21:35
Sample: 1987 2016
C 1.04E+09 2.01E+08 5.193030 0.0000

CONSUMO 0.020482 0.016716 1.225248 0.2311
EXPORTACIONES -0.068272 0.042625 -1.601681 0.1209

Para determinar si existe el problema de Heteroscedasticidad nos fijamos en el valor de la

probabilidad del CHI – SQUARE (X²), si este es menos al 0,05 rechazamos H0, en este
caso este valor es mayor, por lo tanto, no existe heteroscedasticidad en el modelo.
4.3.2. CORRECCIÓN DE LA HETEROSCEDASTICIDAD.
30 PRACTICUM 3.2
El método más aconsejable para poder corregir este problema es a través de la prueba de
White.
Para esto corremos el modelo de manera normal y luego a través del programa Eviews
aplicamos la prueba de White, para determinar si se solucionó el problema.
Heteroskedasticity Test: White

Scaled explained SS 2.830339 Prob. Chi-Square(5) 0.7261
Test Equation:
Dependent Variable: RESID^2
Date: 06/27/18 Time: 21:40
Sample: 1987 2016
C 1.53E+18 9.80E+17 1.559975 0.1319

CONSUMO^2 0.001774 0.004144 0.428161 0.6724
CONSUMO*EXPORTACIONE
S -0.002318 0.024311 -0.095347 0.9248
CONSUMO -82618262 1.32E+08 -0.627745 0.5361
EXPORTACIONES^2 -0.007518 0.037364 -0.201199 0.8422
EXPORTACIONES 2.17E+08 3.14E+08 0.692448 0.4953

Al observar los resultados marcados, podemos ver que el valor de la probabilidad del Chi-
cuadrado (X²) es ligeramente mayor al 5% por tanto podemos aceptar la H0 de que el
modelo ya no presenta heteroscedasticidad.
4.4. AUTOCORRELACIÓN.
4.4.1. DETECCIÓN DE AUTOCORRELACIÓN.
Método Gráfico.
31 PRACTICUM 3.2
Partimos del modelo original, claro está que debe ser aquel que no tiene el problema de
multicolinealidad.

Date: 06/28/18 Time: 12:29
Sample: 1987 2016
C -1.74E+09 4.10E+08 -4.251911 0.0002

CONSUMO 1.258633 0.034203 36.79854 0.0000
EXPORTACIONES 0.296692 0.087215 3.401828 0.0021

Debemos graficar los residuos contra los residuos rezagados.
Como vemos en el gráfico, parece que la mayor concentración de residuos está en el primer y
tercer cuadrante, por lo que puede ser indicativo de autocorrelación positiva.
32 PRACTICUM 3.2
4.4.2. CORRELOGRAMA.
CORRELOGRAM OF RESIDUALS
Date: 06/27/18 Time: 21:52

Sample: 1987 2016
Autocorrelation Partial Correlation AC PAC Q-Stat Prob
. |**** | . |**** | 1 0.566 0.566 10.604 0.001

. |*** | . |* . | 2 0.390 0.103 15.829 0.000
. |* . | . *| . | 3 0.197 -0.088 17.215 0.001
. | . | . *| . | 4 0.038 -0.108 17.267 0.002
. | . | . | . | 5 -0.042 -0.030 17.336 0.004
. *| . | . | . | 6 -0.093 -0.029 17.683 0.007
. | . | . |* . | 7 0.025 0.182 17.710 0.013
. |* . | . |* . | 8 0.123 0.127 18.371 0.019
. | . | .**| . | 9 0.001 -0.247 18.371 0.031
. *| . | .**| . | 10 -0.151 -0.288 19.462 0.035
.**| . | . *| . | 11 -0.262 -0.133 22.921 0.018
.**| . | . |* . | 12 -0.234 0.155 25.840 0.011
.**| . | . | . | 13 -0.305 -0.051 31.094 0.003
.**| . | . *| . | 14 -0.287 -0.102 36.030 0.001
.**| . | .**| . | 15 -0.261 -0.241 40.381 0.000
. *| . | . | . | 16 -0.143 -0.020 41.781 0.000
Al observar el gráfico vemos que si las barras laterales exceden los límites establecidos
existe autocorrelación. Adicional las probabilidades de los Q-STAT, si estos son menores al
0,05%, se rechaza H0, es decir existe autocorrelación.
La Prueba de Breush – Godfrey.
Se parte de realizar rezagos a los residuos hasta que no se detalle alguna justificación para
no hacerlo, se continuara de manera consecutiva hasta que el contraste de significación
individual del último rezago se situé en la región de no rechazo de la hipótesis nula.
Breusch-Godfrey Serial Correlation LM Test:

Test Equation:
Dependent Variable: RESID
Date: 06/28/18 Time: 11:17
Sample: 1987 2016
33 PRACTICUM 3.2
Presample missing value lagged residuals set to zero.
C -63095651 3.24E+08 -0.194926 0.8470

CONSUMO -0.014421 0.027171 -0.530768 0.6001
EXPORTACIONES 0.053387 0.069898 0.763788 0.4519
RESID(-1) 0.710492 0.169906 4.181681 0.0003
R-squared 0.402113 Mean dependent var -2.40E-06

Comenzamos aplicando este método con un rezago y en los resultados nos fijamos en la
probabilidad del CHI-Cuadrado (X²) y la probabilidad del valor del residuo rezagado, si
estos dos valores coinciden en ser menores al 5%, se debe seguir rezagando hasta que estos
dos indicadores sean contrarios.
Breusch-Godfrey Serial Correlation LM Test:

Test Equation:
Dependent Variable: RESID
Date: 06/27/18 Time: 21:59
Sample: 1987 2016
Presample missing value lagged residuals set to zero.
C -57570074 3.29E+08 -0.175191 0.8623

CONSUMO -0.019183 0.029138 -0.658363 0.5163
EXPORTACIONES 0.067327 0.076108 0.884623 0.3848
RESID(-1) 0.637172 0.225425 2.826540 0.0091
RESID(-2) 0.121750 0.241184 0.504800 0.6181
R-squared 0.408145 Mean dependent var -2.40E-06

34 PRACTICUM 3.2
Al realizar esta prueba con un segundo rezago, volvemos a revisar los indicadores antes
mencionados y concluimos que estos ya son contrarios y este retardo ya no es significativo,
por lo que hasta aquí se realizan rezagos.
La conclusión es que el modelo presenta autocorrelación de grado 1, porque hasta el primer

rezago este fue significativo, es decir, se puede rechazar H0 y aceptar que existe
autocorrelación.
4.4.3. CORRECCIÓN DE LA AUTOCORRELACIÓN.
Medidas remediables.
Como p no es conocido aplicamos las siguientes medidas:
Prueba de Berenblutt – Webb sobre la hipótesis de que p = 1.
Ecuación de primeras diferencias: Para realizar esta medida debemos rezagar todas las
variables del modelo, el cual nos da los siguientes resultados:
Dependent Variable: PIBR

Date: 06/28/18 Time: 11:30
Sample (adjusted): 1988 2016
Included observations: 29 after adjustments
C -1.31E+09 3.91E+08 -3.353935 0.0025

CONSUMOR 1.191443 0.037861 31.46892 0.0000
EXPORTACIONESR 0.444929 0.092018 4.835244 0.0001

De esta ecuación rescatamos el valor de Sum Square resid 2.83E + 19, adicional
necesitamos también el mismo valor pero de la regresión original y procedemos a calcular
la fórmula propuesta.
35 PRACTICUM 3.2
g = Σᵑ₂ ê²t / Σᵑ₁ ȗ²t
g = 2.83E + 19 / 3.77E + 19
g = 7.51
Este valor lo comparamos con el valor de d en la tabla, lo hacemos en base al número de

datos (30) y al número de regresores (2). Los limites son dl = 1.284 y du = 1.567. Al caer el
valor de g por encima de los d, no se rechaza la H0, de que el verdadero p = 1. Hay
Autocorrelación.
4.4.4. MÉTODOS INTEREACTIVOS PARA ESTIMAR.
Método de Cochrane – Orcutt.
Corremos el modelo inicial pero añadiendo una variable rezagada denominada (AR1) y
obtenemos los siguientes resultados:

Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 06/28/18 Time: 11:39
Sample: 1987 2016
Convergence achieved after 90 iterations
Coefficient covariance computed using outer product of gradients
C 5.05E+08 3.01E+09 0.167520 0.8683

CONSUMO 1.158462 0.042967 26.96151 0.0000
EXPORTACIONES 0.492412 0.084533 5.825112 0.0000
AR(1) 0.921813 0.120820 7.629639 0.0000
SIGMASQ 6.24E+17 1.43E+17 4.369237 0.0002

Inverted AR Roots .92
A estos resultados le aplicamos la prueba del correlograma para ver si se ha corregido la

autocorrelación.
Date: 06/28/18 Time: 11:41
36 PRACTICUM 3.2
Sample: 1987 2016
Q-statistic probabilities adjusted for 1 ARMA term
Autocorrelation Partial Correlation AC PAC Q-Stat Prob*
. | . | . | . | 1 0.067 0.067 0.1497

. |* . | . |* . | 2 0.138 0.134 0.8055 0.369
. |* . | . |* . | 3 0.157 0.143 1.6815 0.431
. | . | . | . | 4 0.046 0.013 1.7595 0.624
. | . | . | . | 5 -0.006 -0.050 1.7611 0.780
. *| . | . *| . | 6 -0.116 -0.151 2.2997 0.806
. |* . | . |* . | 7 0.130 0.147 3.0036 0.808
. |* . | . |* . | 8 0.151 0.201 4.0040 0.779
. |* . | . |* . | 9 0.079 0.085 4.2888 0.830
. | . | . | . | 10 0.062 -0.034 4.4747 0.877
. *| . | ***| . | 11 -0.203 -0.356 6.5663 0.766
. | . | . *| . | 12 -0.064 -0.155 6.7844 0.816
. *| . | . | . | 13 -0.140 -0.010 7.8966 0.793
. *| . | . |* . | 14 -0.097 0.150 8.4597 0.812
. *| . | . | . | 15 -0.155 -0.064 9.9996 0.762
. | . | . *| . | 16 -0.013 -0.089 10.011 0.819
*Probabilities may not be valid for this equation specification.
Como vemos las barras están por dentro de los límites, por lo tanto ya no hay
autocorrelación, adicional las probabilidades del Q – Stat son mayores al 5% lo que nos
permite aceptar H0 de que ya no existe autocorrelación en el modelo.
4.5. CREACIÓN DE MODELOS ECONOMÉTRICOS.
4.5.1. PRUEBAS DE ERRORES DE ESPECIFICACIÓN.
Las hipótesis a plantearse aquí son las siguientes:
 H0: No está mal especificado el modelo.

 H1: Si está mal especificado el modelo.
Para probar esto utilizaremos la prueba Reset de Ramser, la misma que evalúa la
estabilidad del modelo a través de sus variables, para esto nos vamos al cuadro de la
regresión a la cual corregimos el problema de multicolinealidad.

Date: 06/28/18 Time: 12:29
Sample: 1987 2016
37 PRACTICUM 3.2
C -1.74E+09 4.10E+08 -4.251911 0.0002
CONSUMO 1.258633 0.034203 36.79854 0.0000
EXPORTACIONES 0.296692 0.087215 3.401828 0.0021

Ramsey RESET Test

Equation: UNTITLED
Specification: PIB C CONSUMO EXPORTACIONES
Omitted Variables: Squares of fitted values
Value df Probability
t-statistic 6.978594 26 0.0000
F-statistic 48.70077 (1, 26) 0.0000
Likelihood ratio 31.66182 1 0.0000
F-test summary:
Mean
Sum of Sq. df Squares
Test SSR 2.46E+19 1 2.46E+19
Restricted SSR 3.77E+19 27 1.39E+18
Unrestricted SSR 1.31E+19 26 5.04E+17
LR test summary:
Value
Restricted LogL -667.6764
Unrestricted LogL -651.8455
Unrestricted Test Equation:

Date: 06/28/18 Time: 12:18
Sample: 1987 2016
C 1.59E+09 5.37E+08 2.952114 0.0066

CONSUMO 1.015840 0.040414 25.13612 0.0000
EXPORTACIONES 0.361060 0.053239 6.781868 0.0000
FITTED^2 1.46E-12 2.09E-13 6.978594 0.0000

38 PRACTICUM 3.2
4.5.2. CRITERIOS PARA LA SELECCIÓN DE MODELOS.
A manera de ejemplo vamos hacer la comparación entre dos modelos con distinta forma
funcional, para nuestro ejemplo revisaremos los valores de los indicadores de AKAIKE Y
SCHWARZ.

Date: 06/28/18 Time: 12:27
Sample: 1987 2016
C -1.82E+09 3.77E+08 -4.839456 0.0001

CONSUMO 1.285136 0.033014 38.92674 0.0000
EXPORTACIONES 0.805011 0.217824 3.695689 0.0010
IMPORTACIONES -0.546170 0.217792 -2.507755 0.0187


Date: 06/28/18 Time: 12:28
Sample: 1987 2016
C -1.85E+09 4.56E+08 -4.051578 0.0004

CONSUMO 1.289238 0.039989 32.23990 0.0000
IMPORTACIONES 0.202832 0.096643 2.098785 0.0453

39 PRACTICUM 3.2

Date: 06/28/18 Time: 12:29
Sample: 1987 2016
C -1.74E+09 4.10E+08 -4.251911 0.0002

CONSUMO 1.258633 0.034203 36.79854 0.0000
EXPORTACIONES 0.296692 0.087215 3.401828 0.0021

Para los 3 modelos analizamos estos indicadores y como se puede ver en esta comparación
en la cual tenemos el modelo original, luego tenemos el modelo donde eliminamos la
variable de exportaciones y por ultimo tenemos el modelo donde eliminamos la variable de
importaciones, que es aquel con el que hemos trabajado, podemos ver que los valores más
bajos se dan en el tercer modelo, por lo tanto podemos afirmar que es el mejor.
5. CONCLUSIONES.
 Al finalizar este trabajo nos hemos podido dar cuenta que para que existe
normalidad los residuos tienen que ajustarce sobre la línea de regresión, tiene que
existir una muy buena relación entre las variables.
 Con referente a la Multicolinealidad en cambio se dice que es una relación lineal
perfecta entre sus variables explicativas de un modelo de regresión, aunque también
afirman que al momento de calcular un modelo ante la presencia de
multicolinealidad, los estimadores dejan de ser confiables.
 En el caso de la heteroscedasticidad para que no exista tiene que ser mayor al 5% y
se acepta H0 caso contrario si es menor al 5% se rechaza H0 y existe
 La autocorrelación se da cuando las barras laterales sobre pasan los límites y cuando
la probabilidad es menor al 5% de lo contrario al ser mayor al 5% dejaría de haber
autocorrelación.
40 PRACTICUM 3.2
 Con referente al mejor modelo hemos llegado a concluir que la que se le ha
eliminado importaciones es la mejor opción para poder trabajar.
6. BIBLIOGRAFÍA.
Gujarati, Damodar y Porter, Dawn. (2009) “Econometría”. Mc Graw Hill, Quinta Edición.
Lozano Bravo, Aníbal Econ. (2011) “Econometría I”, Guía Didáctica, Editorial de la
Universidad Técnica Particular de Loja, Segunda Edición, Loja – Ecuador.
Ochoa Ordóñez, Oswaldo Francisco Econ. (2013) “Econometría II”, Guía Didáctica,
EDILOJA Cía. Ltda., Universidad Técnica Particular de Loja, Segunda Edición, Loja –
Ecuador.
41 PRACTICUM 3.2

Tarea de Practicum 3.2 Primer Bimestre

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tarea de Practicum 3.2 Primer Bimestre

Cargado por

Copyright:

Formatos disponibles

MODALIDAD ABIERTA Y A DISTANCIA

DATOS DEL ESTUDIANTE:

Apellidos y Nombres del Alumno(a): Dany Alexander Loaiza Rodas.

Número de Cédula: 0704030683.

Centro Universitario: Piñas.

Carrera o Especialidad: Economía.

MODELO ECONOMÉTRICO DE COYUNTURA NACIONAL

Período: Abril 2018 – Agosto 2018.

Lugar y Fecha: Piñas, 3 de Julio del 2018.

La diferencia entre un país desarrollado y subdesarrollado es que siempre van a mantener

 PIB (PRODUCTO INTERNO BRUTO), en este caso del modelo va a representar

3.1. ANALISIS CONTEXTUAL DE LAS VARIABLES.

A veces estos problemas suceden es por falta de coordinación, de dialogo, de

3.2. PRESENTACIÓN DE LOS DATOS A UTILIZAR.

La siguiente tabla muestra el crecimiento o disminución del PIB y cuyos resultados se

Producto Interno Bruto = f (consumo, exportaciones, importaciones)

PIB = f(C, X, M) Modelo Teórico.

PIB = β₁ + β₂C + β₃X + β₄M Modelo Matemático.

3.4. RECOPILACIÓN DE INFORMACIÓN.

PRODUCTO INTERNO BRUTO: PIB = VARIABLE DEPENDIENTE

CONSUMO: C = VARIABLE EXPLICATIVA

EXPORTACIONES: X = VARIABLE EXPLICATIVA

IMPORTACIONES: M = VARIABLE EXPLICATIVA

3.5. PLANTEO DE HIPÓTESIS.

3.5.1. PLANTEO DE HIPÓTESIS INDIVIDUAL.

H₀: β₁ = 0 No existe intercepto.

H₁: β₄ ≠ 0 Si existe relación lineal entre PIB y M,

3.5.2. PLANTEO DE HIPÓTESIS GLOBAL.

H₀: β₂ = β₃ = β₄ = 0 No existe relación lineal simultánea y

H₀: β₂ ≠ β₃ ≠ β₄ = 0 Si existe relación lineal simultánea y

Dependent Variable: PIB

Variable Coefficient Std. Error t-Statistic Prob.

C -1.82E+09 3.77E+08 -4.839456 0.0001

R-squared 0.998829 Mean dependent var 4.31E+10

3.6.1. COEFICIENTE DE CORRELACIÓN.

PIB CONSUMO EXPORTACIONES IMPORTACIONES

β₁ = - 1,82. Es el valor del Producto Interno Bruto

3.7.2. VERIFICACIÓN ESTADÍSTICA.

Ṝ² = 0,9987. Aceptamos el valor de Ṝ² ajustado puesto

3.8. PRUEBA DE HIPÓTESIS.

3.8.1. PRUEBA DE HIPÓTESIS INDIVIDUALES.

Prueba de hipótesis para β₂.

Enfoque del intervalo de confianza.

Pr [β̂₂ - tα ̷ ₂ ee (β̂₂) ≤ β₂ ≤ β̂₂ + tα ̷ ₂ ee (β̂₂)] = 1 – α

Pr [1,29 – (2,056) (0,03) ≤ β₂ ≤ 1,29 + (2,056) (0,03)] = 95%

En donde 2,056 es el valor de t con 26 grados de libertad, a un nivel de significancia del

Pr [1,22832 ≤ β₂ ≤ 1,35168] = 95%

Enfoque de la prueba de significancia.

Pr [β₂* - tα ̷ ₂ ee (β̂₂) ≤ β̂₂ ≤ β₂* + tα ̷ ₂ ee (β̂₂)] = 1 – α

Pr [0 – (2,056) (0,03) ≤ β̂₂ ≤ 0 + (2,056) (0,03)] = 95%

Pr [- 0,06168 ≤ β̂₂ ≤ 0,06168] = 95%

t = β̂₂ - β₂* / ee (β̂₂)

El valor de t con 26 grados de libertad a un nivel de significancia del 5% es de 2,056 en un

Prueba de hipótesis para β₃.

Enfoque del intervalo de confianza.

Pr [β̂₃ - tα ̷ ₂ ee (β̂₃) ≤ β₃ ≤ β̂₃ + tα ̷ ₂ ee (β̂₃)] = 1 – α

Pr [0,81 – (2,056) (0,22) ≤ β₃ ≤ 0,81 + (2,056) (0,22)] = 95%

En donde 2,056 es el valor de t con 26 grados de libertad, a un nivel de significancia del

Pr [0,35768 ≤ β₃ ≤ 1,26232] = 95%

Enfoque de la prueba de significancia.

Pr [β₃* - tα ̷ ₂ ee (β̂₃) ≤ β₃ ≤ β₃* + tα ̷ ₂ ee (β̂₃)] = 1 – α

Pr [0 – (2,056) (0,22) ≤ β₃ ≤ 0 + (2,056) (0,22)] = 95%

Pr [- 0,45232 ≤ β₃ ≤ 0,45232] = 95%