42

UNIVERSIDAD DE GRANMA
FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES
DEPARTAMENTO DE ECONOMÍA
Profesora: MsC Misley Milán Graell. Profesora Auxiliar
Correo electrónico: mmilang@udg.co.cu
Teléfono: 23428334
Guía de ejercicios

1-.Considere el siguiente conjunto de datos hipotéticos

Y X2 X3
-10.00000 1.000000 1.000000
-8.000000 2.000000 3.000000
-6.000000 3.000000 5.000000
-4.000000 4.000000 7.000000
-2.000000 5.000000 9.000000
0.000000 6.000000 11.00000
2.000000 7.000000 13.00000
4.000000 8.000000 15.00000
6.000000 9.000000 17.00000
8.000000 10.00000 19.00000
10.00000 11.00000 21.00000
a) Estime la ecuación de regresión e interprete los parámetros.
b) ¿El modelo es válido?
c) Determine si se cumple el supuesto de no multicolinealidad.
d) Comente el resultado obtenido

2.- Los siguientes datos representan:

Y = Salario mensual(en miles de pesos)

X2 = Tiempo de servicio en la Empresa(en meses)
X3 = Edad del trabajador

Y X2 X3
178.0000 79.00000 28.00000
500.0000 172.0000 62.00000
308.0000 106.0000 38.00000
540.0000 154.0000 56.00000
596.0000 166.0000 60.00000
166.0000 76.00000 27.00000
268.0000 97.00000 35.00000
340.0000 113.0000 41.00000
240.0000 92.00000 33.00000
420.0000 106.0000 38.00000
43

242.0000 90.00000 33.00000

480.0000 168.0000 60.00000
318.0000 108.0000 39.00000
280.0000 100.0000 36.00000
260.0000 89.00000 32.00000
a) El director de personal pretende conocer la relación existente entre el sueldo y el tiempo de
servicios en la empresa y la edad de forma individual. Y a partir del resultado obtenido, quiere
conoce la regresión múltiple.
b) Determine si existe multicolinealidad.
c) Haga una interpretación económica de los resultados obtenidos
d) Compruebe el cumplimiento del Supuesto de Normalidad en los residuos.
tienen por media cero.

3-.A partir del modelo: Donde y = Gasto de consumo personal

per cápita X2= Ingreso personal disponible per cápita. X3= Tiempo .Y con
los siguientes datos:
Y1 X2 X3
1673.000 1839.000 1.000000
1688.000 1844.000 2.000000
1666.000 1831.000 3.000000
1735.000 1881.000 4.000000
1749.000 1883.000 5.000000
1756.000 1910.000 6.000000
1815.000 1969.000 7.000000
1867.000 2016.000 8.000000
1948.000 2126.000 9.000000
2048.000 2239.000 10.00000
2128.000 2336.000 11.00000
2165.000 2404.000 12.00000
2257.000 2487.000 13.00000
2316.000 2535.000 14.00000
2324.000 2595.000 15.00000
Se pide:
a) Estimar la Ecuación de regresión
a.1 Plantee la Ecuación Determinada
b) Determine la existencia de multicolinealidad entre las variables explicatorias
c) Determine si se cumple el supuesto de normalidad en los residuos

Supuesto de no autocorrelación.
4-.Una Empresa que produce botellas de ambientador líquido para pisos, desea analizar la demanda
del producto cuando se envasa en botellas de 650
ml. en el período de 20 semanas. Para ello toma en cuenta en el modelo las siguientes variables:
Y: Demanda en botellas de 650 ml. )cientos de botellas
X2: Precio ( pesos)
 44

X3: Gastos de Publicidad (cientos de pesos)

Y X2 X3
Período DEMANDA PRECIO GPUBLICI
2001:01 6 3.5 4.5
2001:02 8 3.7 5.3
2001:03 7 3.6 5.6
2001:04 9 3.8 6.2
2001:05 9 3.85 5.25
2001:06 8 3.95 6
2001:07 10 3.79 6.52
2001:08 12 3.65 7
2001:09 7 3.65 7.2
2001:10 8 3.75 7.3
2001:11 10 3.6 7.8
2001:12 12 3.65 8.5
2002:01 9 3.8 8.4
2002:02 10 3.65 8.5
2002:03 11 3.5 8.8
2002:04 9 3.55 8.8
2002:05 8 3.95 7.5
2002:06 10 3.7 7.9
2002:07 12 3.55 8.9
2002:08 15 3.45 9

Dependent Variable: DEMANDA

Method: Least Squares
Date: 09/22/02 Time: 17:45
Sample: 2001:01 2002:08
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C 1.146052 1.208794 0.948095 0.3556
GPUBLICI 1.150767 0.175400 6.560798 0.0000
R-squared 0.705131 Mean dependent var 8.725000
Adjusted R-squared 0.688749 S.D. dependent var 2.853599
S.E. of regression 1.592018 Akaike info criterion 3.862521
Sum squared resid 45.62138 Schwarz criterion 3.962095
Log likelihood -36.62521 F-statistic 43.04407
Durbin-Watson stat 1.461010 Prob(F-statistic) 0.000004

Se pide:

A) El modelo adoptado por el especialista es:

Demanda = f(Gastos de Publicidad)
45

Verifique con los datos de la salida de máquina anterior el supuesto de

No Autocorrelación de primer orden con 5% de nivel de significación.

B) Argumente la conclusión que Ud. adopta en el inciso A.

C) Aplicando la Prueba de Breusch Godfrey, verifique el cumplimiento del supuesto de No

Autocorrelación de primer orden( con un 5% de nivel de significación), diga la decisión que Ud.
adopta tomando en cuenta la salida de máquina que a continuación se muestra.

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 0.002869 Probability 0.95790
Obs*R-squared 0.003374 Probability 0.95367
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 09/23/02 Time: 09:41
Variable Coefficient Std. Error t-Statistic Prob.
C -0.000765 1.243816 -0.000615 0.9995
GPUBLICI 0.000834 0.181141 0.004604 0.9964
RESID(-1) 0.019385 0.361918 0.053561 0.9579

D) Compare las decisiones en los incisos A y C. Argumente la respuesta.

5-.Con la siguiente información que se muestra en el período 2012-2014 el comportamiento en Cuba

de las siguientes variables:

Y: PIB
X2: Cpriv: Consumo Privado
X3: Import: Importaciones
X4: Export: Exportaciones

Matriz de Datos
Años PIB Cpriv Import Export
1978 14063.4 5408.5 2952.2 3113.1
1979 14458.3 6102.7 2993.8 2489.6
1980 14772.7 6359.9 3055.2 2530.2
1981 16457.6 6991.6 3264 3137.6
1982 17605.6 6692.4 3966.7 4627
1983 23112.8 8172.5 4933.2 5530.6
1984 24336.9 8666.6 5534.9 6222.1
1985 26052.7 9277.1 5476.5 7227.5
1986 26956.7 9683.3 5991.5 8035
 46

1987 26515.9 10047.8 5321.5 7596.1

1988 25575.9 10133.4 5402.1 7583.7
1989 26349.7 10326.9 5518.3 7579.8
1990 19644.8 10588.5 5414.9 7416.5
1991 16248.1 9650.5 2979.5 4233.8
1992 14904.6 9099.8 1779.4 2314.9
1993 15094.6 9349.7 1156.7 2008.2
1994 19198.3 13046.9 1330.8 2016.8
1995 21737.1 15326.7 1491.6 2882.5
1996 22814.7 16101.1 1865.5 3569
1997 22951.8 16456.7 1819.1 3996

Se pide:
A)Con las siguientes salidas de máquina del EVIEWS, verifique Ud. el supuesto de No
Autocorrelación de primer orden en el modelo:
PIB = 1 + 2 Cpriv + 3 Import + Ui
B) Comente el resultado obtenido en el inciso A.
Salida del EVIEWS
Dependent Variable: PIB
Method: Least Squares
Date: 09/20/02 Time: 15:49
Sample: 1978 1997
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C 1012.754 1914.499 0.528992 0.6037
CPRIV 1.080302 0.136242 7.929309 0.0000
IMPORT 2.425779 0.256092 9.472309 0.0000
R-squared 0.871187 Mean dependent var 20442.61
Adjusted R-squared 0.856033 S.D. dependent var 4699.173
S.E. of regression 1783.009 Akaike info criterion 17.94747
Sum squared resid 54045057 Schwarz criterion 18.09683
Log likelihood -176.4747 F-statistic 57.48715
Durbin-Watson stat 1.350846 Prob(F-statistic) 0.000000

6. Con la información del ejercicio No.1 y considerando el siguiente modelo:

PIB = 1 + 2 Import+ 3 Export + UI
Se pide:
Con la salida de máquina del EVIEWS que a continuación se muestra, verifique Ud. el cumplimiento del
supuesto de No Autocorrelación, aplicando las prueba de Durbin Watson y Breusch Godfrey.
Comente los resultados obtenidos en el modelo propuesto. (5% de nivel de significación)

Dependent Variable: PIB

Method: Least Squares
47

Date: 09/20/02 Time: 16:52

Sample: 1978 1997
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C 12975.06 1368.220 9.483170 0.0000
IMPORT -2.192747 0.880430 -2.490540 0.0234
EXPORT 3.270334 0.675774 4.839388 0.0002
R-squared 0.745451 Mean dependent var 20442.61
Adjusted R-squared 0.715504 S.D. dependent var 4699.173
S.E. of regression 2506.454 Akaike info criterion 18.62861
Sum squared resid 1.07E+08 Schwarz criterion 18.77797
Log likelihood -183.2861 F-statistic 24.89235
Durbin-Watson stat 1.021968 Prob(F-statistic) 0.000009

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 2.602819 Probability 0.10706
Obs*R-squared 5.152659 Probability 0.07605
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 09/20/02 Time: 16:57
Variable Coefficient Std. Error t-Statistic Prob.
C 1259.136 1509.523 0.834128 0.4173
IMPORT 0.379613 0.832862 0.455793 0.6551
EXPORT -0.550541 0.699219 -0.787366 0.4433
RESID(-1) 0.532415 0.255959 2.080080 0.0551
RESID(-2) 0.101271 0.297991 0.339846 0.7387

7. Dada una muestra de tamaño 30 y un modelo con 2 variables explicatorias. Diga considerando un
5% de nivel de significación si:
a) Se cumple el supuesto de No Autocorrelación de primer orden, siendo el estadístico d de Durbin
Watson(se muestran diferentes alternativas de decisión):
a.1) 1.05
a.2) 1.42
a.3) 1.98
a.4) 2.50
a.5) 2.80

b) Comente los resultados en cada alternativa planteada en el inciso a.

8. Un analista construye el siguiente modelo, considerando 40 años:

Consumo = 25.0 + 0.85 Salarios + 0.405 OI + Ui
Donde: OI: Otros Ingresos
 48

Además:
R2 = 0.99 d = 1.10 (Durbin Watson)
A) Verifique si el modelo incumple el supuesto de No Autocorrelación de primer orden. Plantear las
hipótesis de la prueba.
B) Tomando en cuenta la solución del inciso A, diga las consecuencias.
C) Diga otras pruebas de hipótesis que Ud. puede desarrollar para verificar el cumplimiento del
supuesto de No Autocorrelación.
9. Los siguientes datos se refieren a las ventas medias de los últimos cinco años de 25 empresas y el
gasto medio en publicidad realizado por dichas empresas. Se desea investigar si las ventas dependen
de los gastos de publicidad y para ello se sugiere que utilice un modelo lineal que hace depender las
ventas(Y)en miles pesos del gasto de publicidad(X) en miles de pesos. Así como conocer si se cumple
el supuesto de Homocedasticidad en los residuos, a través de las pruebas de Park y White.

obs Y X
1 80.20000 10.00000
2 82.30000 10.00000
3 82.70000 10.00000
4 85.40000 10.00000
5 86.30000 10.00000
6 85.30000 25.00000
7 87.60000 25.00000
8 90.10000 25.00000
9 92.30000 25.00000
10 95.70000 25.00000
11 95.30000 50.00000
12 98.60000 50.00000
13 101.2000 50.00000
14 103.6000 50.00000
15 110.2000 50.00000
16 107.3000 75.00000
17 109.6000 75.00000
18 115.3000 75.00000
19 120.6000 75.00000
20 126.0000 75.00000
21 125.5000 100.0000
22 132.6000 100.0000
23 141.7000 100.0000
24 150.6000 100.0000
25 157.6000 100.0000

10. El Dpto. de personal de una importante Corporación Industrial quiere desarrollar un modelo para
predecir el sueldo semanal(Y) en pesos; en base a la duración del empleo(x2) en meses, y la edad de
sus empleados administrativos(x3) en años. Se seleccionó una muestra aleatoria simple de 16
empleados administrativo con los resultados que se presentan a continuación:
Determine:
49

a) Diga si las variables X2 y X3 de forma conjunta explican el comportamiento de Y al nivel de

significación del 1%.
b) Interprete b2 y b3 .
c) Pronostique el sueldo semanal para un empleado administrativo con antigüedad de 15 años y 47
años de edad.
d) Seleccione el mejor ajuste entre:
Argumente su respuesta.
e) Pruebe si se cumple el supuesto de Homocedasticidad, a partir de la prueba de White.

Empleado Sueldo Duración Edad

Semanal Empleo (Años)
(meses)
Y X2 X3
1 639 330 46
2 746 569 65
3 670 375 57
4 518 113 47
5 602 215 41
6 612 343 59
7 548 252 45
8 591 348 57
9 552 352 55
10 529 256 61
11 456 87 28
12 674 337 51
13 406 42 28
14 529 129 37
15 528 216 46
16 592 327 56