Ingeniería Comercial Universidad Diego Portales.

Pauta 1

Ayudantía N°6

Profesor: Rodrigo Montero

Ayudante: Carlos Soto

2. Ejercicio I

Considere los siguientes datos de utilidades e inversión en investigación y desarrollo (I+D) para un
empresa en particular (ambas variables medidas en millones de dólares):

Año Inversión en I+D Utilidades

2006 2 20
2007 3 25
2008 5 34
2009 4 30
2010 11 40
2011 5 31
2012 6 -

En base a esta información, responda las siguientes preguntas:

(vi) Haga un test para evaluar si es que los residuos de MCO se distribuyen de manera normal.
Respuesta
Un test para ver si los residuos se distribuyen de manera normal es el denominado Test de Jarque
Bera, en donde la hipótesis nula es que los errores se distribuyen de manera normal. La fórmula del
test es:
  2 
 Ŝ 2 K̂ − 3
2
JB = n  +  ∼ χ2

6 24

donde Ŝ es la simetría, es decir, el tercer momento de la distribución:

P
û/n 0/6
Ŝ = 3/2
= 3/2
=0
(σ̃ 2 ) (10,5)

y K̂ es la curtosis, es decir, el cuarto momento de la distribución:

û4 /n
P
546/6
K̂ = 2 = 2 = 0,83
(σ̃ 2 ) (10,5)

por lo tanto:
1 Solo los ejercicios no realizados en la ayudantía.

1
Ingeniería Comercial Universidad Diego Portales.

 
0 4,73
JB = 6 + = 1,18
6 24

al 5 %, el χ22 cr´tico viene dado por 5.99. Por lo tanto, dado que JB < χ22 , entonces, no se rechaza la
hipótesis nula, es decir, los errores se distribuyen de manera normal.

3. Ejercicio II

Con la estimación disponible de Homecenter entre los años 1994 y 2004 sobre número de tiendas
(N ) y tamaño de la tienda (T AM ) , se quiere estimar el valor promedio del ingreso total en millones
de dólares (IN GT ) . Se estima el siguiente modelo de regresión lineal:

IN GT = β0 + β1 N + β2 T AM + u

A continuación se presenta la estimación realizada en Eviews:

donde:
 S.E. dependent var (sy ) es la desviación estándar de la variable dependiente, la que se construye
de la siguiente forma:

s
PN 2
i=1 (yi − ȳ)
sy =
N −1
rP !
u2i
 S.E. of regression es el error estándar de la regresión σ = N −k .

2
Ingeniería Comercial Universidad Diego Portales.

 Sum squared resid corresponde a la suma de los errores al cuadrado.

Con esta información se le pide a ud. que interprete el modelo, testee la signicancia individual de
cada uno de los parámetros y testee la signicancia global del modelo.
Respuesta

ttn−k = 2,306

De la información de la tabla tenemos que c (1) y c (3) caen en la zona de rechazo si testeamos la
hipótesis nula que los parámetros son iguales a cero. Por lo tanto, la constante y el tamaño de la
empresa son variables signicativas para explicar el ingreso total.

Para ver la signicancia del número de tiendas debemos calcular el test t asociado a esta hipótesis
nula.

β̂1 − 0 51, 42
tc = r   = = 14, 06
3, 66
V̂ β̂1

Con lo cual se rechaza H0 de que β̂1 = 0, ya que tc > tt = 2,306. Por lo tanto, el parámetro es
signicativo. Para ver la signicancia global del modelo se puede utilizar la siguiente denición del
estadístico de Fischer:
R2
k−1
Fq,n−k = (1−R2 )
∼ Fk−1,n−k
n−k

como no conocemos R2 , tenemos que calcularlo:

SCE SRC û0 û

R2 = =1− =1− P
2
ST C ST C Yi − Ȳ

sabemos que:
s
P
2
Yi − Ȳ X
2
Sy = = 3933,725 =⇒ Yi − Ȳ = 154741923,76
n−1

y:
r
û0 û X
σ= = 276,5529 =⇒ û2 = 611852, 052
n−k

Ahora podemos calcular R2 :

611852,05
R2 = 1 − = 0,996
154741923,76

3
Ingeniería Comercial Universidad Diego Portales.

0,996
Fc = 2
1−0,996 ' 996
8

t
F2,8 = 5,32

Por lo tanto, se rechaza la hipótesis de que todas las pendientes del modelo son iguales a cero. El
modelo es globalmente signicativo.

Propuesto
Con la información proporcionada por una muestra de 5 datos, se ha estimado el siguiente modelo
(MCO):

Yi = 4 + 2,5X1i − 1,5X2i

El R2 del modelo es de 0,95 y yi2 = 28. Se cuenta además con la siguiente información:
P

 
26,7 4,5 −8
−1
(X 0 X) =  4,5 1 −1,5 
 

−8 −1,5 2,5

Construya un intervalo de conanza para β̂0 , β̂1 y β̂2 al 95 % (asuma un t∗ crítico igual a 1,96). ¾Son
los coecientes estadísticamente signicativos?