Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Dayanara Como Puedes Ser Tan Tonta de Haber Cerrado Tu Deber Sin Guardar
Dayanara Como Puedes Ser Tan Tonta de Haber Cerrado Tu Deber Sin Guardar
ECONOMETRÍA I
Ejercicio 6.2. Con base en datos mensuales de enero de 1978 a diciembre de 1987 se
obtuvieron los siguientes resultados de regresión:
Primer modelo
Yˆt = 0.00681 + 0.75815Xt
ee = (0.02596) (0.27009)
t = (0.26229) (2.80700)
valor p = (0.7984) (0.0186) r2 = 0.4406
Segundo modelo
Yˆt = 0.76214Xt
ee = (0.265799)
t = (2.95408)
valor p = (0.0131) r2 = 0.43684
Donde Y = tasa mensual de rendimiento de las acciones comunes de Texaco, %, y X = tasa
mensual de rendimiento del mercado, %.
1
Yi
= β1 + β 2
1
Xi ( )
+ui
β 1+ β 2 X i
e
Y i= β +β Xi
1+e 1 2
Tal como se presenta, ¿es un modelo de regresión lineal? Si no es así, ¿qué “truco” podría
utilizar, si acaso, para convertirlo en un modelo de regresión lineal? ¿Cómo interpretaría
el modelo resultante? ¿En qué circunstancias sería adecuado dicho modelo?
No es un modelo de regresión lineal, porque en el segundo miembro los términos se representan
como un cociente y los parámetros son los exponentes de estos.
Se puede aplicar logaritmo natural para transformar este modelo en un modelo de regresión
lineal.
El modelo lo interpretaría de la siguiente forma:
¿ Y i=β 1 + β 2 X i
Este modelo es conocido como log-lineal. Podría ser utilizado para medir la elasticidad entre
dos variables.
Ejercicio 6.15. Para estudiar la relación entre tasa de inversión (el gasto en inversión como
razón del PNB) y la tasa de ahorro (el ahorro como razón del PNB), Martin Feldstein y
Charles Horioka recopilaron datos para una muestra de 21 países. (Véase la tabla 6.8.) La
tasa de inversión de cada país es la tasa promedio correspondiente al periodo 1960-1974, y
la tasa de ahorro es la tasa de ahorro promedio para el periodo 1960-1974. La variable
TASINV representa la tasa de inversión, y la variable TASAHO, la tasa de ahorro.
b) Con base en esta gráfica, ¿considera que los siguientes modelos puedan ajustarse a
los datos igualmente bien?
Tasinvi = β1 + β2 Tasahoi + ui
ln Tasinvi = α1 + α2 ln Tasahoi + ui
Es bastante probable que ambos modelos puedan ajustarse a los datos visto que son
lineales en los parámetros, pero en especial el primer modelo en el que se puede estimar
una regresión lineal basándonos en las tasas de crecimiento de las variables y
correlacionándolas.
e) ¿Cómo interpretaría los interceptos de los dos modelos? ¿Hay alguna diferencia en
la interpretación?
El intercepto del primer modelo es positivo (0,436); en tanto que el del segundo es
negativo (- 0,215).
La interpretación del intercepto varia en el primer modelo porque se expresa que este es
el punto donde la curva de la regresión cortara al eje y.
En el segundo modelo el valor del intercepto α1 permite calcular el cambio porcentual y
dado un pequeño cambio en x, es decir la pendiente.
h) Con los resultados de los dos modelos de regresión, ¿qué modelo preferiría? ¿Por
qué?
El modelo de regresión lineal ya que se ajusta de mejor manera a los datos y los
representa en el gráfico de dispersión lo más cercano a la curva de regresión.