ECONOMETRÍA

“TALLER 2”

INTEGRANTES

DAYANA VIZCAINO
ANDRES JARAMILLO
MARIA F. PÉREZ

Tutor: JAIME ANDRES RUEDA CHACON

NRC 15-1820

CORPORACIÓN UNIVERSITARIA MINUTO DE DIOS

FACULTAD DE CIENCIAS EMPRESARIALES

PROGRAMA DE ADMINISTRACIÓN FINANCIERA

IX SEMESTRE
2024
 Econometría
Actividad 3 (reemplazo)
Recuerde que esta información es tomada de las Actividades 1 y 2 de la primera unidad del curso,
aunque se hacen pequeñas modificaciones.
Con la base de datos ya organizada, tal como se indicó en el taller alternativo de la primera unidad,
emplee Python (en Google Colab: https://colab.research.google.com/?hl=es) para estimar por
mínimos cuadrados ordinarios el modelo econométrico (lógico y funcional) propuesto. Una vez
tengan la salida econométrica, cópienla y péguenla en un documento Word, y desarrolle los
siguientes puntos:

1. Identifiquen e interpreten cada estimador de mínimos cuadrados ordinarios y expliquen la

posible causalidad en la realidad.

Cuando el índice de Gini decrece de el PIB percapita se vera afectado a negativamente a razón del
valor mostrado en el modelo
Cuando la tasa de desempleo medida porcentualmente decrece el PIB percapita tiende a decrecer a
razón del valor mostrado en el modelo para la tasa de desempleo
El índice de precios al consumidor afecta el PIB percapita positivamente cuando se presenta una
disminución de los precios del consumo sobre la misma producción de recursos

2. Expliquen si los signos esperados del modelo fueron los obtenidos.

Para el caso de la variable de IPC son es el signos esperado ya que se entiende que ante un aumento
de los indices de precios en los vienes y servicios y si se mantiene la produccion constante el valor
de riqueza promedio de cada habitante disminuya.

3. Identifiquen e interpreten la bondad de ajuste del modelo.

El modelo solo explica el 25% de los posibles valores para el caso del PIB de cada pais, en
referencia a los valores de las 3 variables explicativas

4. Expliquen, mediante la prueba de significancia individual, los estimadores significativos al

90% 95% y 99% de confianza.

VARIABLE p value 90% 95% 99%

B1 0,047 Significante Significante No Significante
B2 0,685 No Significante No No Significante
 Significante
B3 0,005 Significante Significante Significante

La variable de B1 es significante al 90% y 95%, por loque no se puede descartar la

hipótesis nula en esos casos
La variable de B2 no es significante al 90% y 95% ni al 99%
La variable de B3 es significante al 90% y 95% y al 99%

5. Expliquen, con la prueba de significancia conjunta, los estimadores significativos al 90%,

95% y 99% de confianza.

SINGIFICANCIA
CONJUNTA 90% 95% 99%
F statistic 0,00257 Significante Significante Significante

El valor de prob F Statistic es significante al 99%, por lo que se espera que por lo menos una de las
variables sea no igual a 0
6. Expliquen los supuestos del modelo clásico de regresión lineal.
El modelo clásico de regresión lineal tiene varios supuestos que deben cumplirse para garantizar la
validez de los resultados. Estos incluyen: linealidad en la relación entre las variables, independencia
de los errores, homogeneidad de la varianza, normalidad de los errores, independencia de las
variables explicativas y la ausencia de colinearidad. Estos supuestos son fundamentales para
obtener estimaciones precisas y fiables de los parámetros del modelo y para realizar inferencias
válidas sobre la relación entre las variables. Deben comprobarse en su totalidad antes de interpretar
los resultados del modelo y, si no se cumplen, corregirse.