6.1. Considere el modelo de regresión yi = β1 +β2xi +ui donde yi = (Yi –Y´) y xi (Xi – X´).
En este caso, la línea de regresión debe pasar a través del origen. ¿Cierto o falso? Muestre
sus cálculos.
Donde:
x i=¿
Y i=¿
Es cierto que la línea de regresión pasará por el origen. Una línea de regresión pasa por el origen
cuando el intercepto β1 es 0 y el valor de la variable dependiente es 0 siempre que el valor de la
variable independiente es 0.
El cálculo es el siguiente:
´
β 1=Y − β́2 x́
n
∑ yi n
ý= i=1 =∑ ¿ ¿ ¿
n i=1
&
∑ xi n
x́= i=1 =∑ ¿ ¿ ¿
n i=1
^β=0− ^β 0 → 0; La suma de las desviaciones de los valores de su valor medio es cero, por eso,
2
n n
∑ x 1=0∧¿ ∑ y 1=0¿
i=1 i=1
6.2 Con base en datos mensuales de enero de 1978 a diciembre de 1987 se obtuvieron los
siguientes resultados de regresión
Donde Y = tasa mensual de rendimiento de las acciones comunes de Texaco, %, y X = tasa
mensual de rendimiento del mercado, %*
a) ¿Cuál es la diferencia entre los dos modelos de regresión?
La diferencia es en que el modelo (1), tiene los dos parámetros estimados, es decir, el intercepto
^β 1 y el coeficiente de regresión ^β 2 (ambos parámetros están estimados), a diferencia del modelo
(2), en donde se muestra que el intercepto es cero, y solo se muestra ^β 2.
En conclusión el primero es un modelo clásico de regresión lineal, y el segundo es una regresión
a través del origen ya que no está presente en término del intercepto.
b) Con los resultados anteriores, ¿conservaría el término del intercepto en el primer
modelo? ¿Por qué?
Sí, porque es ideal que el modelo de regresión lineal tenga ^β 1 y ^β 2 , para que no se presente un
intercepto igual a cero y así se pueda obtener un mejor análisis de regresión.
c) ¿Cómo interpretaría los coeficientes de la pendiente en los dos modelos?
Por un incremento en un punto porcentual en la tasa de mercado mensual de retorno de plomo,
en promedio se genera un aumento porcentual del 0,76 % en la tasa mensual de rendimiento de
las acciones de Texaco más comunes en el período de la muestra. Dada las equivalencias de los
modelos y similitudes en ^β 2 , la interpretación es idéntica.
d) ¿Cuál es la teoría en los dos modelos?
Este modelo está representando la línea característica de la teoría inversión. El modelo relaciona
la rentabilidad mensual en el stock de Texaco con el retorno mensual del mercado, representado
por un índice de mercado externo.
e) ¿Puede comparar los términos r 2 de los dos modelos? ¿Por qué?
Ambos modelos presentan coeficientes de determinación distintos, pero un resultado igual, ya
que sus r2 se aproximan a cero, por lo tanto, sus ecuaciones de regresión no son muy confiables.
f) El estadístico de normalidad de Jarque-Bera para el primer modelo en este
problema es 1.1167 y para el segundo modelo es 1.1170. ¿Qué conclusiones puede
obtener de estos estadísticos?
Se concluye de acuerdo al test Jarque-Bera que los modelos persiguen una distribución normal,
ya que están por debajo del valor crítico 5.99.
g) El valor t del coeficiente de la pendiente en el modelo con intercepto cero es
aproximadamente 2.95, mientras que con el intercepto presente tiene un valor
aproximado de 2.81. ¿Puede explicar este resultado?
Los resultados se obtuvieron mediante la división del coeficiente de regresión ^β 2 sobre sus
errores estándar respectivos, son valores “t” estimados calculados según la hipótesis nula de que
el verdadero valor poblacional de cada coeficiente de regresión individual es cero.
Los cálculos respectivos para calcular su valor de “t” fueron:
0.75815
Modelo 1: =2.81
0.29005
0.76212
Modelo 2: =2. 95
0.26579
6.3 Considere el siguiente modelo de regresión:
Nota: Ni X ni Y asumen el valor cero.
a) ¿Es un modelo de regresión lineal?
El modelo es lineal en sus parámetros de modo que es un modelo de regresión lineal.
b) ¿Cómo estimaría este modelo?
1 1
Definidos ^y = y ^x = Se hace una regresión de MCO de ^y sobre ^x
Y X
c) ¿Cuál es el comportamiento de Y a medida que X tiende a infinito?
1
X tiende al infinito, el comportamiento de Y tiende a
β1
d) ¿Puede dar un ejemplo de un caso en el cual sea adecuado un modelo de esta clase?
Cuando se quiere explicar el bajo impacto que tiene un bien cuando existe una entrada de
ingresos alta.
6.4 Considere el modelo log-lineal:
ln Yi = β1 + β2 ln Xi + ui
Grafique Y en el eje vertical y X en el horizontal. Trace las curvas que exhiben la relación
entre Y y X cuando β2 = 1, cuando β2 > 1 y cuando β2 < 1.
β2 = 1 β2 > 1 β2 < 1
Y Pendiente = 1 Pendiente > 1 Pendiente < 1
6.5 Considere los siguientes modelos:
Donde Y* y X* son variables estandarizadas. Demuestre que αˆ2 ! βˆ2(Sx/Sy ) y, de allí, establezca que, a pesar de
que los coeficientes de pendiente son independientes de un cambio de origen, no lo son de un cambio de
escala.
Para el Modelo I, se conoce que:
β 2=
∑ X i Y i → X y Y están en forma de desviación.
2
x1
Para el Modelo II, tenemos:
Por lo tanto, la pendiente del coeficiente obtenida no varía dado el cambio de escala.
6.6 Considere los siguientes modelos:
ln Y∗ i ! α1 + α2 ln X∗i + u∗i
ln Yi ! β1 + β2 ln Xi + ui
Donde Y∗ i ! w1Yi y X∗i ! w2Xi, con las w constantes.
a) Establezca las relaciones entre los dos conjuntos de coeficientes de regresión y sus
errores estándar.
Al reescribir el primer modelo se tiene:
1
ln ( W 1 Y i ) =( α 1 Y 1 )=α 1 +α 2 ln ( W 2 Y i ) +u i , que es,
1
ln W 1+ lnY i=α 1+ α 2 +ln w 2+ α 2 ln X i +u i
Como las “w” son constantes, podemos simplificar el modelo, se aprecia que los dos modelos
son los mismos, excepto por los términos del intercepto.
b) ¿Es diferente el r2 en los dos modelos?
No, los coeficientes de determinación llegarán a ser los mismos
6.7 Entre las regresiones (6.6.8) y (6.6.10), ¿qué modelo es preferible? ¿Por qué?
Como se indica en el texto del libro de Gujarati la ecuación (6.6.8) es un modelo de
crecimiento, y la ecuación (6.6.10) es un modelo de tendencia lineal. Entonces el primer modelo
nos muestra el cambio relativo en la variable dependiente, y el segundo muestra el cambio
absoluto. Sin embargo, con fines comparativos, el cambio relativo sería más significativo.
6.8 Para la regresión (6.6.8), pruebe la hipótesis de que el coeficiente de la pendiente
no es significativamente diferente de 0.005.
La hipótesis nula es que el verdadero coeficiente pendiente 0.005 .la hipótesis alternativa podría
ser una o dos caras. Supongamos que se usa las dos caras. Calcular el valor de la pendiente es
0,00743 Mediante la prueba t, obtenemos:
F: 0.00743 0.00017 -0.0005
Esto es muy significativo. Por lo tanto no podemos rechazar la hipótesis nula
6.9 De la curva de Phillips estimada dada en (6.7.3), ¿es posible estimar la tasa natural
de desempleo? ¿Cómo?
Esto se puede obtener aproximadamente como: 18,5508 /3,2514 = 5,7055 , por ciento
6.10 La curva de gasto de Engel relaciona el gasto del consumidor sobre un bien con
su ingreso total. Sea Y = el gasto de consumo sobre un bien y X = ingreso del
consumidor, y considere los siguientes modelos:
¿Cuál(es) de estos modelo(s) escogería para la curva de gasto de Engel y por qué?
(Sugerencia: Interprete los diversos coeficientes de pendiente, encuentre las expresiones
para la elasticidad del gasto respecto del ingreso, etcétera.)
(a) β2( Xi / Yi ) Supone que la elasticidad del ingreso depende de los niveles de ingresos y
gastos de consumo.
(b) -β2 ( 1/ Xi Yi ) Si β 2 > 0, los modelos (b) y (d) dan elasticidades de ingreso negativas.
Por lo tanto, estos modelos pueden ser adecuados para bienes "inferiores", en base a esto
este modelo sería el adecuado
(c) β2, Proporciona una elasticidad constante a todos los niveles de ingresos, lo cual puede no
ser realista para todos los bienes de consumo.
(d) -β2 ( 1/ Xi ),
(e) β2 ( 1/ Y1 ), Sugiere que la elasticidad de ingreso es independiente del ingreso X, pero
depende del nivel de gasto de consumo Y.
