UNIVERSIDAD TÉCNICA ESTATAL DE QUEVEDO

FACULTAD DE CIENCIAS SOCIALES, ECONÓMICAS Y FINANCIERAS

LICENCIATURA EN FINANZAS

INTEGRANTES: Lisbeth Sánchez, Luis Álvarez, Adriana Alcívar

CURSO: 3er Semestre “B” Finanzas
MATERIA: Econometría Aplicada a las Finanzas
FECHA: Martes/05/Diciembre/2023
TALLER EN CLASES
EJERCICIO 1

Análisis: El diagrama de dispersión muestra que hay una correlación positiva entre las estaturas y pesos de las nadadoras,
es decir, que a mas estatura tengan mas peso obtendrán. Ya que dada la correlación positiva es casi perfecta por que las
dos variables aumentan en el mismo sentido, esto quiere decir que a mayor estatura tenga cada nadadora el peso puede
aumentar ya sea que agrande bastante como poco no siempre se va a exceder en el aumento.
 Correlaciones
ESTATURA PESO
ESTATURA Correlación de Pearson 1 ,960**
Sig. (bilateral) ,009
N 5 5
**
PESO Correlación de Pearson ,960 1
Sig. (bilateral) ,009
N 5 5
**. La correlación es significativa en el nivel 0,01 (bilateral).
Análisis: El coeficiente de correlación de Pearson es de 0,960, lo que significa que es una correlación extremadamente
fuerte tanto en la estatura como en el peso.
En la significancia bilateral se obtuvo un resultado de 0,009, indica una correlación muy baja entre las variables
analizadas. Esto sugiere que no hay relación fuerte o significativa entre ellas en el contexto de análisis.

Variables entradas/eliminadasa
Variables
Modelo Variables entradas eliminadas Método
1 Estatura . Introducir
a. Variable dependiente: PESO
b. Todas las variables solicitadas introducidas.
Análisis:
El modelo de regresión tiene la siguiente representación:
Peso=B0
Estatura=B1 + error (ϵ)
Donde B0 es la constante, B1 es el coeficiente de la variable independiente y ϵ es el término de error.
Los valores estimados de estos parámetros son:
B0=35,588
B1=0,960

REGRESIÓN:
Resumen del modelo
R cuadrado Error estándar de
Modelo R R cuadrado ajustado la estimación
a
1 ,960 ,922 ,896 4,12311
a. Predictores: (Constante), ESTATURA
 ANOVAa
Suma de
Modelo cuadrados gl Media cuadrática F Sig.
1 Regresión 605,000 1 605,000 35,588 ,009b
Residuo 51,000 3 17,000
Total 656,000 4
a. Variable dependiente: PESO
b. Predictores: (Constante), ESTATURA

Coeficientesa
Coeficientes
Coeficientes no estandarizados estandarizados
Modelo B Desv. Error Beta t Sig.
1 (Constante) -240,500 59,955 -4,011 ,028
ESTATURA 5,500 ,922 ,960 5,966 ,009
a. Variable dependiente: PESO

Análisis: El coeficiente de determinación (R2) es de 0,922, indica que el modelo explica aproximadamente el 92,2% de la
variabilidad en los datos. Es un indicador de cuanto se ajustan los valores predichos por el modelo a los valores observados. En
general, un (R2) alto sugiere un buen ajuste de modelo a los datos, pero es importante considerar otros factores y validar el modelo
para asegurar su utilidad y validez.
Análisis Final: Con estos resultados concluimos que se ha podido analizar la relación entre las estaturas y pesos de las nadadoras.
Se ha manejado el método de correlación y regresión lineal para estimar el grado y la dirección de la asociación entre las dos
variables. Los resultados han mostrado que existe una correlación positivamente fuerte entre las dos variables, lo que significa que a
medida que la estatura aumenta el peso también aumenta.
Como resultado de la ecuación de regresión se obtiene como respuesta y= -240,5 + 5,5x, y por ende sabemos que el coeficiente de
determinación es (R2) = 0,922.
Para saber cuál es el peso estimado de una nadadora con estatura de 63 pulgadas vamos a utilizar la ecuación de regresión donde se
reemplaza x (63).
y= -240,5 + 5,5x
y= -240,5 + 5,5(63)
y= -240,5 + 346,5
y= 106 r//
Como resultado obtenemos que el peso estimado para una nadadora con estatura de 63 pulgadas seria de 106.
 EJERCICIO 2

Análisis: El diagrama de dispersión muestra que en ambas variables presentan una relación positiva entre la edad y el
salario de los 15 ejecutivos de las empresas que dirigen, es decir, a medida que aumenta la edad de la variable esta
aumenta también el valor del salario.

Correlaciones
AGE SALARY
AGE Correlación de Pearson 1 ,951**
Sig. (bilateral) <,001
N 15 15
**
SALAR Correlación de Pearson ,951 1
Y Sig. (bilateral) <,001
N 15 15
**. La correlación es significativa en el nivel 0,01
(bilateral).

Análisis: El coeficiente de correlación de Pearson es de 0,951, lo que significa que es una correlación extremadamente
fuerte entre las variables analizadas. Este valor cercano a 1 sugiere que a medida que una variable aumenta, la otra tiende
a aumentar de manera consistente.
En la significancia bilateral se obtuvo un resultado de <0,001, indica que la relación entre las variables es estadísticamente
significativa a un nivel muy alto de confianza. En términos simples, es poco probable que la asociación observada sea el
resultado al alzar.
 Variables entradas/eliminadasa
Variables Variables
Modelo entradas eliminadas Método
b
1 AGE . Introducir
a. Variable dependiente: SALARY
b. Todas las variables solicitadas introducidas.
Análisis:
El modelo de regresión tiene la siguiente representación:
SALARY=B0
AGE=B1 + error (ϵ)
Donde B0 es la constante, B1 es el coeficiente de la variable independiente y ϵ es el término de error.
Los valores estimados de estos parámetros son:
B0=122,239
B1=0,951

REGRESIÓN:

Resumen del modelo

R cuadrado Error estándar
Modelo R R cuadrado ajustado de la estimación
a
1 ,951 ,904 ,896 462,654
a. Predictores: (Constante), AGE

ANOVAa
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 26165093,888 1 26165093,888 122,239 <,001b
Residuo 2782629,712 13 214048,439
Total 28947723,600 14
a. Variable dependiente: SALARY
b. Predictores: (Constante), AGE

Análisis: El coeficiente de determinación (R2) es de 0,904, indica que el modelo explica aproximadamente el 90.4% de la
variabilidad en los datos. En general, el (R2) es un indicativo de un buen ajuste de modelo, pero siempre es esencial considerar otras
métricas y el contexto particular del problema para una evaluación completa.

Coeficientesa
Modelo Coeficientes no estandarizados Coeficientes t Sig.
estandarizados
 B Desv. Error Beta
1 (Constante) -6745,437 805,568 -8,374 <,001
AGE 149,289 13,503 ,951 11,056 <,001
a. Variable dependiente: SALARY