Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
TALLER # 1
MODELO DE REGRESIÓN SIMPLE
PRESENTADO POR:
JUAN SEBASTIÁN URIBE RESTREPO
DOCENTE:
GUSTAVO GONZALEZ
UNIVERSIDAD DE SUCRE
FACULTAD DE CIENCIAS ECONOMICAS Y ADMINISTRATIVAS
PROGRAMA DE ECONOMIA
2 DE ABRIL DE 2018
SINCELEJO-SUCRE
1. La tabla 3.7 (anexa) presenta los datos sobre el precio del oro, el índice de precios al
consumidor (IPC) y el índice de la Bolsa de Valores de Nueva York (BVNY) de Estados
Unidos de 1974 a 2006. El índice de la BVNY incluye la mayor parte de las acciones
registradas, las cuales ascienden a más de 1 500.
a. En el mismo diagrama de dispersión, grafica que los precios del oro, el IPC y el índice
de la BVNY.
9000 700.00
8000
600.00
7000
500.00
6000
5000 400.00
4000 300.00
3000
200.00
2000
100.00
1000
0 0.00
0 5 10 15 20 25 30 35 40
b. Se supone que una inversión es una protección contra la inflación si su precio o la tasa
de rendimiento se mantiene por lo menos al ritmo de la inflación. Para probar esta
hipótesis, suponga que se decide ajustar el siguiente modelo, suponiendo que el gráfico
de los puntos dispersos en a) indica que esto es lo apropiado:
c. A los modelos plateados realice un análisis a priori y posteriori con sus estimaciones.
Análisis a-priori:
Es necesario aclarar que los modelos usados e interpretados, contribuyen ampliamente
al desarrollo del análisis que se quiere establecer como a priori, los modelos que se
usarán conciernen a los modelos económicos que hablan acerca del índice de precios
al consumidor (IPC) y el índice de la Bolsa de Valores de Nueva York (BVNY) de
Estados Unidos. A través de estos se estudiarán los comportamientos que tienen éstas
variables generadas en esta economía. Los precios de las acciones que vemos todos
los días tienen que ver con multitud de factores, desde acontecimientos geopolíticos, a
decisiones gubernamentales pasando por la propia gestión de las empresas o la
coyuntura económica, o simplemente a la especulación. Por tanto, no hay una única
teoría que explique el funcionamiento de las bolsas, por eso, desde mediados del siglo
pasado, han surgido una serie de teorías que intentan explicar la mecánica de las
bolsas. Juan B. Serrano García habla de ello en su obra "El inversor tranquilo",
publicada el 20 de junio de 2013 por la editorial Díaz Santos. En los índices se reflejan
todos los factores que pueden tener influencia en la cotización de los títulos, por
ejemplo, los eventos importantes, las noticias, datos e incluso fenómenos naturales
como huracán o sismo.
Juan B. Serrano – El inversor tranquilo.
Por otro lado, una de las teorías más antiguas, fue formulada por Charles Dow, creador
del también famoso índice Dow Jones de la Bolsa de Nueva York. Dow opinaba que los
precios de las acciones se mueven por tendencias, las cuales pueden ser alcistas
cuando máximos y mínimos son cada vez más altos, y bajistas cuando ocurre lo
contrario. Dentro de la tendencia, los precios se mueven en tres direcciones, pero para
Serrano con esta teoría resultaría imposible saber cuál será la tendencia futura y sacar
el máximo provecho de la misma. Los análisis propuestos por esta teoría están sujetos
a un análisis de antecedentes para tratar de comprender el pasado y establecer
redicciones en base a este.
Marx - Teoría cuantitativa.
Por otra parte, la caída del dólar y un alza de la inflación podrían impulsar la demanda de
oro. El oro sigue siendo un activo monetario, y que el valor de la moneda mantiene una
relación estrecha con el oro. El oro sigue siendo la encarnación pura del valor, de la
riqueza, y del poder social, y el activo último que respalda al billete. Por esta razón Marx
sostiene también que el oro se retiene como “dinero”. Lo cual quiere decir que se lo
demanda en cuanto equivalente general, por su existencia económica como dinero
mercancía, su valor de uso conserva valor y por esta razón cuando hay desconfianza en
la moneda aparece el oro. Un claro ejemplo de esto, es la crisis bancaria y financiera de
1931, situación en la que se decreta la inconvertibilidad de la moneda y otras monedas,
se produce una corrida hacia el oro, pasando de un nivel de reservas en monedas
extranjeras por parte de los bancos centrales del 37% al 11% después de la crisis. A fines
de los sesenta, y comienzos de los setenta, cuando hay desconfianza en la convertibilidad
del dólar, también asistimos a la corrida al oro, a pesar de lo que decía la ley jurídica, el
valor del dólar tendió a imponerse en la realidad de su paridad con el oro. En las décadas
siguientes, cada vez que hubo temores importantes, la caída del dólar tuvo como
contrapartida la realidad de que el oro volvió a actuar como refugio dinerario.
Por lo tanto, la inflación parece inevitable. Por inflación debe comprenderse una
producción de moneda importante con el fin de aumentar artificialmente el consumo, pero,
asimismo, reembolsar total o parcialmente deudas acumuladas con el tiempo. Así pues,
una inflación es necesaria para la supervivencia de la economía mundial. Por esta razón,
los mercados financieros parecen estar indecisos y se generan algunas incertidumbres
en cuanto a los valores sobre los que sería conveniente invertir. Por consiguiente, es
natural que los inversores privados se orienten hacia valores refugios como las materias
primas y los metales preciosos como el oro.
En conclusión, se tiene que en cuanto más importantes son los riesgos de inflación, más
interesante resulta invertir en el oro. Esta inversión es a la vez segura es muy raro que la
cotización del oro baje de manera significativa y, sobre todo, mucho más rentable que los
otros tipos de especulación sobre las acciones, en particular, puesto que su valor puede
duplicar, e incluso triplicar en solamente unos años.
Análisis a posteriori.
Partiendo del establecimiento de los modelos anteriormente mencionados y de los datos
suministrados a través de la tabla 3.7 anexada, se desarrollará o abordará su
correspondiente análisis, concerniendo a ellos:
𝐻0 = β1 = 0
𝐻𝐴 = β1 ≠ 0
β1 −3444.992
Tcal = 𝜎𝛽 , por lo tanto, Tcal = 533.9663
= - 6.45
1
Ho
Ha Ha
Regla de decisión:
│Tcal│> │Tcrit│∴ Se rechaza 𝐻0 al haber suficiente evidencia estadística, β1 es
│-6.45│< │-Tcrit│significativo a un nivel del 5%. En este caso el intercepto arroja un
valor negativo lo cual establece un precio mínimo en la bolsa para entrar en vigor el
juego de oferta y demanda en esa economía.
Para β2:
t(n – k) g.l ∝ = 0.05
t(33 – 2) g.l ∝ = 0.05
t(31) g.l ∝ = 0.05
𝐻0 = β2 = 0
𝐻𝐴 = β2 ≠ 0
𝜷 50.29719
Tcal = 𝝈𝜷𝟐 , por lo tanto, Tcal = 3.958363 = 12.70
𝟐
Ho
Ha Ha
Tenemos:
(𝑅 2 )
(𝑘 − 1)
𝑭=
(1 − 𝑅 2 )
(𝑛 − 𝑘)
Por lo tanto:
(0.838925)
(2 − 1) 0.838925 0.838925
𝐹= = =
(1 − 0.838925) (0.161075) 0.0051959
(33 − 2) (31)
𝐹 = 161.459
Ho
Ha
Regla de decisión:
│ 𝐹𝐶𝑎𝑙 │> │ 𝐹𝐶𝑟𝑖𝑡 │∴ Se rechaza 𝐻0 al haber suficiente evidencia estadística, es decir, β2 es
significativo en su pendiente a un nivel del 5%, por lo cual el modelo es significativo globalmente.
Test de normalidad.
Test de Jarque - Bera.
𝐴2 (𝐾 − 3)2
𝐽𝐵 = 𝑛 ∗ [ + ]
6 24
(0.292259)2 (1.621171 − 3)2
𝐽𝐵 = 33 ∗ [ + ] = 3.0838
6 24
Ho
Ha
Regla de decisión:
│𝑥 2 𝐶𝑎𝑙│< │𝑥 2 𝐶𝑟𝑖𝑡│∴ No hay evidencia suficiente para rechazar 𝐻0 , es decir hay normalidad en
los errores del modelo y se cumple la condición de aleatoriedad.
(𝑂𝑖−𝐸𝑖)2
𝑥 2 =∑ 𝐸𝑖
2 ∑(𝐸−0)2
𝑥 (6-1) g.l α=0.1
𝑛
I 0 1010.442 8
II -1010.442 0 12
IV -2020.884 -1010.442 6
V 2020.884 3031.326 0
VI -3031.326 -2020.884 0
𝑥 2 𝐶𝑎𝑙 = 0.63
Ho
Ha
Regla de decisión:
│𝑥 2 𝐶𝑎𝑙│< │𝑥 2 𝐶𝑟𝑖𝑡│∴ No hay evidencia suficiente para rechazar 𝐻0 , es decir hay normalidad en
los errores del modelo y cumplen la condición de aleatoriedad.
Análisis de significancia individual:
Segundo modelo.
Precio del oro = ꞵ 1 + ꞵ 2 IPCt + ut
Precio del oro = 215. 2856 + 1.038430 * IPC + ut
Para β1:
t(n – k) ∝ = 0.05
t(33 – 2) ∝ = 0.05
t(31) ∝ = 0.05
𝐻0 = β1 = 0
𝐻𝐴 = β1 ≠ 0
β1 215.2856
Tcal = 𝜎𝛽 , por lo tanto, Tcal = 54.46850 = 3.95
1
Ho
Ha Ha
Regla de decisión:
│Tcal│> │Tcrit│∴ Se rechaza 𝐻0 al haber suficiente evidencia estadística, β1 es
│3.95│> │Tcrit│ significativo a un nivel del 5%. El intercepto es significativo dentro del modelo,
es decir, para esa economía existe un precio mínimo del oro que no está influenciado por la
inflación.
Para β2:
t(n – k) g.l ∝ = 0.05
t(33 – 2) g.l ∝ = 0.05
t(31) g.l ∝ = 0.05
𝐻0 = β2 = 0
𝐻𝐴 = β2 ≠ 0
𝜷 1.038430
Tcal = 𝝈𝜷𝟐 , por lo tanto, Tcal = 0.403782 = 2.57
𝟐
Ho
Ha Ha
Tcal = 2.57
0
-Tcrit Tcrit
Regla de decisión:
│Tcal│> │Tcrit│∴ Se rechaza 𝐻0 al haber evidencia estadística que lo demuestra, β2 es
│2.57│< │Tcrit│ significativo a un nivel del 5%. La pendiente es significativa dentro del
modelo, es decir, la inflación para ese período en esa economía, tiene un poder explicativo
sobre el precio del oro.
Tenemos:
(𝑅 2 )
(𝑘 − 1)
𝑭=
(1 − 𝑅 2 )
(𝑛 − 𝑘)
Por lo tanto:
(0.175837)
(2 − 1) 0.175837 0.175837
𝑭= = =
(1 − 0.175837) (0.824163) 0.026585903
(33 − 2) (31)
𝑭 = 6.6140
Ho
Ha
Regla de decisión:
│ 𝐹𝐶𝑎𝑙 │> │ 𝐹𝐶𝑟𝑖𝑡 │∴ Se rechaza 𝐻0 al haber suficiente evidencia estadística, es decir, β2 es
significativo en su pendiente a un nivel del 5%, por lo cual el modelo es significativo
globalmente.
Test de normalidad.
Test de Jarque - Bera.
𝐴2 (𝐾 − 3)2
𝐽𝐵 = 𝑛 ∗ [ + ]
6 24
(0.852524)2 (4.024022 − 3)2
𝐽𝐵 = 33 ∗ [ + ] = 5.439239
6 24
Ho
Ha
(𝑂𝑖−𝐸𝑖)2
𝑥 2 =∑ 𝐸𝑖
2 ∑(𝐸−0)2
𝑥 (6-1) g.l α=0.1 𝑛
Categorización:
I 0 103.0726 12
II -103.0726 0 9
III 103.0726 206.1452 4
IV -206.1452 -103.0726 7
V 206.1452 309.2178 1
VI -309.2178 -206.1452 0
𝑋𝑐𝑎𝑙2 = 0.38
Ho
Ha
Regla de decisión:
│𝑥 2 𝐶𝑎𝑙│< │𝑥 2 𝐶𝑟𝑖𝑡│∴ No hay evidencia suficiente para rechazar 𝐻0 , es decir hay normalidad en
los errores del modelo y cumplen la condición de aleatoriedad.
2. La tabla 3.8 proporciona datos sobre el producto interno bruto (PIB) de Estados Unidos de
1959 a 2005.
a) Grafique los datos del PIB en dólares actuales y constantes (es decir, de 2000) respecto
del tiempo.
14000.00
12000.00
10000.00
8000.00
6000.00
4000.00
2000.00
.00
NGDP RGDP
b) Sea Y el PIB y X el tiempo (medido cronológicamente, empezando con 1 para 1959, 2 para
1960, hasta 47 para 2005), observe si el siguiente modelo se ajusta a los datos del PIB:
Yt =β1 + β2 Xt + ut
Estime este modelo para el PIB en dólares constantes y actuales.
Se realiza el ajuste de los dos modelos los cuales son:
NGDP = β1 + β2 Xt + ut
RGDP = β1 + β2 Xt + ut
Se procede a hacer las estimaciones y se obtienen los siguientes resultados para cada
modelo:
β2 al ser la pendiente se puede interpretar como el tiempo, siendo esta la variable que influye
en el crecimiento del PIB a lo largo de los años, expresado en una tasa de crecimiento de
bienes y servicios para el modelo de PIB real, y para el modelo del PIB nominal denota un
crecimiento en términos monetarios (Dinero) influenciado por el IPC directamente en el precio
de los bienes y servicios, por eso se denota un coeficiente alto de β2 en ambos modelos siendo
esta la variable explicativa.
d. Si existiera una diferencia entre el valor estimado de β2 para el PIB en dólares actuales y el
estimado para el PIB en dólares constantes, ¿qué la explicaría?
Si existe una diferencia entre el valor estimado de β2 para el PIB en dólares actuales y el
estimado para el PIB en dólares constantes, el PIB en dólares actuales es mayor que el PIB en
dólares constantes por influencia de la variación que presenta el índice de precios (IPC) a
través de los años (el tiempo), es decir, la inflación. Sin embargo, en períodos inflacionarios
altos, un aumento de los precios puede dar la falsa impresión de un aumento del PIB, y por
tanto una falsa sensación de crecimiento económico sin que la producción real haya umentado.
Para ajustar el PIB según los efectos de la inflación se utiliza el PIB real (el valor de todos los
bienes y servicios producidos en dólares constantes).
e. Con base en sus resultados, ¿qué puede decir sobre la naturaleza de la inflación en Estados
Unidos en el periodo de muestra?
Los resultados muestran una naturaleza creciente en la inflación para la economía de los
Estados Unidos en el período de tiempo analizado, debido al incremento de los precios en uno
de los modelos del PIB (NGDP) a través del tiempo, al haber un aumento en el PIB se entiende
que aumenta el valor de los bienes y servicios, así como también aumenta la producción de los
mismos, esto influenciado por el IPC a través de lo cual se determina el comportamiento de la
inflación.
f. Realice también a los modelos análisis de significancia y aleatoriedad de los errores, y con los
resultados estadísticos vuelva a contestar la pregunta d)
Análisis de significancia individual:
Primer modelo:
NGDP = β1 + β2 Xt + ut
NGDP = -1723.198612 + 252.576272 Xt + ut
Para β1:
t(n – k) ∝ = 0.05
t(47 – 2) ∝ = 0.05
t(45) ∝ = 0.05
𝐻0 = β1 = 0
𝐻𝐴 = β1 ≠ 0
β1 −1723.198612
Tcal = 𝜎𝛽 , por lo tanto, Tcal = 293.3263
= - 5.87
1
Ho
Regla de decisión:
│Tcal│> │Tcrit│∴ Se rechaza 𝐻0 al haber suficiente evidencia estadística, β1 es
│-5.87│> │-Tcrit│significativo a un nivel del 5%. El intercepto es negativo, lo cual explica que
para esa economía en ese período de tiempo hubo un valor mínimo del PIB que fue
aumentando con el paso del tiempo.
Para β2:
t(n – k) g.l ∝ = 0.05
t(47 – 2) g.l ∝ = 0.05
t(45) g.l ∝ = 0.05
𝐻0 = β2 = 0
𝐻𝐴 = β2 ≠ 0
𝜷 252.576272
Tcal = 𝝈𝜷𝟐 , por lo tanto, Tcal = 10.64006
= 23.73
𝟐
Ho
Ha Ha
Tcal=23.73
-Tcrit Tcrit
Regla de decisión:
│Tcal│> │Tcrit│∴ Se rechaza 𝐻0 al haber suficiente evidencia estadística, β2 es
│23.73│> │Tcrit│ significativo a un nivel del 5%. La pendiente es significativa, es decir,
para ese período de tiempo en esa economía se evidencia un crecimiento en el PIB
explicado a través del tiempo.
Tenemos:
(𝑅 2 )
(𝑘 − 1)
𝑭=
(1 − 𝑅 2 )
(𝑛 − 𝑘)
Por lo tanto:
(0.926048)
(2 − 1) 0.926048 0.926048
𝑭= = =
(1 − 0.926048) (0.073952) 0.0016433777777778
(47 − 2) (45)
𝑭 = 563.5035
Ho
Ha
Regla de decisión:
│ 𝐹𝐶𝑎𝑙 │> │ 𝐹𝐶𝑟𝑖𝑡 │∴ Se rechaza 𝐻0 al haber suficiente evidencia estadística, es decir, β2 es
significativo a un nivel del 5%, por lo cual el modelo es significativo globalmente.
Test de normalidad.
Test de Jarque - Bera.
𝐴2 (𝐾 − 3)2
𝐽𝐵 = 𝑛 ∗ [ + ]
6 24
(0.706473)2 (2.281724−3)2
𝐽𝐵 = 47 ∗ [ + ] = 4.91
6 24
Ho
Ha
Regla de decisión:
│𝑥 2 𝐶𝑎𝑙│< │𝑥 2 𝐶𝑟𝑖𝑡│∴ No hay evidencia suficiente para rechazar 𝐻0 , es decir hay normalidad en
los errores del modelo y cumplen la condición de aleatoriedad.
(𝑂𝑖−𝐸𝑖)2
𝑥 2 =∑
𝐸𝑖
2 ∑(𝐸−0)2
𝑥 (6-1) g.l α=0.1 𝑛
I N(47)*34.16% 16.0552
II N(47)*34.16% 16.0552
III N(47)*13.6% 6.392
IV N(47)*13.6% 6.392
V N(47)*2.1% 0.987
VI N(47)*2.1% 0.987
Categorización:
I 0 989.4687 9
II -989.4687 0 21
III 989.4687 1978.93 9
IV -1978.93 -989.4687 7
V 1978.93 2968.40 1
VI -2968.40 1978.93 0
𝑥 2 𝐶𝑎𝑙 = 1.75
Ho
Ha
Regla de decisión:
│𝑥 2 𝐶𝑎𝑙│< │𝑥 2 𝐶𝑟𝑖𝑡│∴ No hay evidencia suficiente para rechazar 𝐻0 , es decir hay normalidad en
los errores del modelo y cumplen la condición de aleatoriedad.
Análisis de significancia individual:
Segundo modelo:
RGDP = β1 + β2 Xt + ut
Para β1:
t(n – k) ∝ = 0.05
t(47 – 2) ∝ = 0.05
t(45) ∝ = 0.05
𝐻0 = β1 = 0
𝐻𝐴 = β1 ≠ 0
β1 1620.424
Tcal = 𝜎𝛽 , por lo tanto, Tcal = = 12.84
1 126.1553
Ho
Ha Ha
Tcal = 12.84
-Tcrit Tcrit
Regla de decisión:
│Tcal│> │Tcrit│∴ Se rechaza 𝐻0 al haber suficiente evidencia estadística, β1 es
│12.84│> │Tcrit│ significativo a un nivel del 5%. El intercepto es positivo, lo cual explica que
para esa economía en ese período de tiempo hubo un valor del PIB que fue no está explicado a
lo largo del tiempo.
Para β2:
t(n – k) g.l ∝ = 0.05
t(47 – 2) g.l ∝ = 0.05
t(45) g.l ∝ = 0.05
𝐻0 = β2 = 0
𝐻𝐴 = β2 ≠ 0
𝜷 180.2631
Tcal = 𝝈𝜷𝟐 , por lo tanto, Tcal = = 39.39
𝟐 4.576133
Ho
Ha Ha
Tcal = 39.39
-Tcrit Tcrit
Regla de decisión:
│Tcal│> │Tcrit│∴ Se rechaza 𝐻0 al haber suficiente evidencia estadística, β2 es
│39.39│> │Tcrit│ significativo a un nivel del 5%. La pendiente es significativa, es decir, para
ese período de tiempo en esa economía se evidencia un crecimiento en el PIB explicado a
través del tiempo.
Tenemos:
(𝑅 2 )
(𝑘 − 1)
𝑭=
(1 − 𝑅 2 )
(𝑛 − 𝑘)
Por lo tanto:
(0.971817)
(2 − 1) 0.971817 0.971817
𝑭= = =
(1 − 0.971817) (0.028183) 0.0006262888
(47 − 2) (45)
𝑭 = 1551.70
Ho
Ha
Regla de decisión:
│ 𝐹𝐶𝑎𝑙 │> │ 𝐹𝐶𝑟𝑖𝑡 │∴ Se rechaza 𝐻0 al haber suficiente evidencia estadística, es decir, β2 es
significativo a un nivel del 5%, por lo cual el modelo es significativo globalmente.
Test de normalidad.
Test de Jarque - Bera.
𝐴2 (𝐾 − 3)2
𝐽𝐵 = 𝑛 ∗ [ + ]
6 24
(0.319679)2 (2.100017−3)2
𝐽𝐵 = 47 ∗ [ + ] = 2.38
6 24
Ho
Ha
Regla de decisión:
│𝑥 2 𝐶𝑎𝑙│< │𝑥 2 𝐶𝑟𝑖𝑡│∴ No hay evidencia suficiente para rechazar 𝐻0 , es decir hay normalidad en
los errores del modelo y cumplen la condición de aleatoriedad.
(𝑂𝑖−𝐸𝑖)2
𝑥 2 =∑ 𝐸𝑖
2 ∑(𝐸−0)2
𝑥 (6-1) g.l α=0.1 𝑛
I 0 425.5558 12
II -425.5558 0 20
III 425.5558 851.1116 8
IV -851.1116 -425.5558 6
V 851.1116 1276.6674 1
VI -1276.6674 -851.1116 0
𝑥 2 𝐶𝑎𝑙 = 0.75
Ho
Ha
Regla de decisión:
│𝑥 2 𝐶𝑎𝑙│< │𝑥 2 𝐶𝑟𝑖𝑡│∴ No hay evidencia suficiente para rechazar 𝐻0 , es decir hay normalidad en
los errores del modelo y cumplen la condición de aleatoriedad.
3. La tabla 2.9 presenta datos sobre el promedio de calificaciones del examen de aptitud
académica SAT de los estudiantes que solicitaron admisión a licenciatura de 1972 a 2007.Estos
datos representan las calificaciones en el examen de lectura crítica y matemáticas de hombres y
mujeres. La categoría de redacción se introdujo en 2006. Por tanto, estos datos no se incluyen.
a. Con el eje horizontal para los años y el vertical para las calificaciones del examen SAT,
grafique las calificaciones de lectura crítica y matemáticas de hombres y mujeres por separado.
Hombres:
Matemáticas Hombres
540
535
530
525
520
515
510
505
500
Mujeres:
530
520
510
500
490
480
470
Matemáticas Mujeres
510
505
500
495
490
485
480
475
470
465
460
455
Por otro lado se puede plantear una regresión para hacer un análisis profundo acerca de los
coeficientes planteados por el modelo y ver sí tiene congruencia con el soporte teórico, la
regresión se plantearía de la siguiente manera:
MTTotal = β1 + β2 LCTotal + ut
MT = f (LC)
MT hombres y mujeres
560
540
520
500
480
460
440
e. Grafique la calificación del examen de lectura crítica de mujeres contra la calificación del
examen de lectura crítica de hombres.
LC Hombres y Mujeres
540
530
520
510
500
490
480
470
Gráfico de dispersión
LC Hombres y Mujeres.
535
530
525
520
515
510
505
500
495
490
495 500 505 510 515 520 525 530 535
g. De haber una relación entre las dos calificaciones de lectura, ¿dicha relación sería causal?
Según los cálculos analizados a través del software econométrico Eviews, podemos observar un
R2 alto lo cual indica un alto grado de correlación que nos puede decir que ésta relación sí es
causal, explicada por un comportamiento que tiene tendencias similares para este modelo en
cuanto competen las calificaciones de hombres y mujeres, es decir, sí hay una diferencia en una
ésta se ve reflejada en el otro sexo también y esto lo indica el software. La teoría indica que no
siempre esta relación puede ser causal y que los rendimientos en un sexo respecto a otro no
pueden estar supeditados por los comportamientos que tenga uno y el otro no, ya que el
desarrollo cognitivo se da en las distintas etapas del crecimiento y se maneja de maneras
específicas para cada individuo.
h. Realice también a los modelos análisis de significancia y aleatoriedad de los errores, y con los
resultados las demás preguntas
Análisis de significancia individual.
Primer modelo:
FEMALELC = β1 + β2 * MALELC + ut
FEMALELC = -31.76318 + 1.048498 * MALELC + ut
Para β1:
t(n – k) ∝ = 0.05
t(36 – 2) ∝ = 0.05
t(34) ∝ = 0.05
𝐻0 = β1 = 0
𝐻𝐴 = β1 ≠ 0
β1 −31.76318
Tcal = 𝜎𝛽 , por lo tanto, Tcal = 47.80405
= -0.66
1
Ho
Ha Ha
Regla de decisión:
│Tcal│< │Tcrit│∴ No hay evidencia estadística suficiente para rechazar 𝐻0 β1 no es
│-0.66│< │Tcrit│ significativo a un nivel del 5%. El intercepto es negativo, lo cual determina
que para este modelo no hay una variación mínima en las calificaciones de lectura crítica de las
mujeres que estén explicadas por las calificaciones de lectura crítica de los hombres.
Para β2:
t(n – k) g.l ∝ = 0.05
t(36 – 2) g.l ∝ = 0.05
t(34) g.l ∝ = 0.05
𝐻0 = β2 = 0
𝐻𝐴 = β2 ≠ 0
𝜷 1.048498
Tcal = 𝝈𝜷𝟐 , por lo tanto, Tcal = = 11.18
𝟐 0.093722
Ho
Ha Ha
Tcal = 11.18
-Tcrit Tcrit
Regla de decisión:
│Tcal│> │Tcrit│∴ Se rechaza 𝐻0 al haber suficiente evidencia estadística, β2 es
│11.18│> │Tcrit│ significativo a un nivel del 5%. La pendiente es significativa, es decir, para
ese período de tiempo en ese modelo, las calificaciones de lectura crítica de los hombres
tienen capacidad explicativa dentro del modelo.
Tenemos:
(𝑅 2 )
(𝑘 − 1)
𝑭=
(1 − 𝑅 2 )
(𝑛 − 𝑘)
Por lo tanto:
(0.786374)
(2 − 1) 0.786374 0.786374
𝑭= = =
(1 − 0.786374) (0.213626) 0.006283126
(36 − 2) (34)
𝑭 = 125.15
Ho
Ha
Regla de decisión:
│ 𝐹𝐶𝑎𝑙 │> │ 𝐹𝐶𝑟𝑖𝑡 │∴ Se rechaza 𝐻0 al haber suficiente evidencia estadística, es decir, β2 es
significativo a un nivel del 5%, por lo cual el modelo es significativo globalmente.
Test de normalidad.
Test de Jarque - Bera.
𝐴2 (𝐾 − 3)2
𝐽𝐵 = 𝑛 ∗ [ + ]
6 24
Ha
Regla de decisión:
│𝑥 2 𝐶𝑎𝑙│< │𝑥 2 𝐶𝑟𝑖𝑡│∴ No hay evidencia suficiente para rechazar 𝐻0 , es decir hay normalidad en
los errores del modelo y cumplen la condición de aleatoriedad.
(𝑂𝑖−𝐸𝑖)2
𝑥 2 =∑
𝐸𝑖
2 ∑(𝐸−0)2
𝑥 (6-1) g.l α=0.1 𝑛
I 0 3.351751 10
II -3.351751 0 12
III 3.351751 6.703502 8
IV -6.703502 -3.351751 6
V 6.703502 10.05525 0
VI -10.05525 -6.703502 0
𝑥 2 𝐶𝑎𝑙 = 0.48
Ho
Ha
Regla de decisión:
│𝑥 2 𝐶𝑎𝑙│< │𝑥 2 𝐶𝑟𝑖𝑡│∴ No hay evidencia suficiente para rechazar 𝐻0 , es decir hay normalidad en
los errores del modelo y cumplen la condición de aleatoriedad.
β1 511.6071
Tcal = 𝜎𝛽 , por lo tanto, Tcal = = 5.08
1 100.5576
Ho
Ha Ha
Regla de decisión:
│Tcal│> │Tcrit│∴ Se rechaza 𝐻0 al haber suficiente evidencia estadística, β1 es
│5.08│> │Tcrit│ significativo a un nivel del 5%. El intercepto es positivo, lo cual explica que
para ese período de tiempo hubo un valor en las calificaciones de Matemáticas en los hombres
que no está explicado por la lectura crítica.
Para β2:
t(n – k) g.l ∝ = 0.05
t(36 – 2) g.l ∝ = 0.05
t(34) g.l ∝ = 0.05
𝐻0 = β2 = 0
𝐻𝐴 = β2 ≠ 0
𝜷 0.025932
Tcal = 𝝈𝜷𝟐 , por lo tanto, Tcal = = 0.13
𝟐 0.197148
Ho
Ha Ha
Tenemos:
(𝑅 2 )
(𝑘 − 1)
𝐹=
(1 − 𝑅 2 )
(𝑛 − 𝑘)
Por lo tanto:
(0.000509)
(2 − 1) 0.000509 0.000509
𝐹= = =
(1 − 0.000509) (0.999491) 0.029396
(36 − 2) (34)
𝐹 = 0.01
Ho
Ha
0 1 𝐹𝐶𝑟𝑖𝑡
𝐹𝐶𝑎𝑙=0.01
Regla de decisión:
│ 𝐹𝐶𝑎𝑙 │> │ 𝐹𝐶𝑟𝑖𝑡 │∴ No se rechaza 𝐻0 al no haber suficiente evidencia estadística, es decir,
β2 no es significativo a un nivel del 5%, por lo cual el modelo no es significativo globalmente.
Test de normalidad.
Test de Jarque - Bera.
𝐴2 (𝐾 − 3)2
𝐽𝐵 = 𝑛 ∗ [ + ]
6 24
Ha
Regla de decisión:
│𝑥 2 𝐶𝑎𝑙│< │𝑥 2 𝐶𝑟𝑖𝑡│∴ No hay evidencia suficiente para rechazar 𝐻0 , es decir hay normalidad en
los errores del modelo y cumplen la condición de aleatoriedad.
(𝑂𝑖−𝐸𝑖)2
𝑥 2 =∑ 𝐸𝑖
2 ∑(𝐸−0)2
𝑥 (6-1) g.l α=0.1
𝑛
I O 7.050532 6
II -7.050532 0 16
III 7.050532 14.101 8
IV -14.101 -7.050532 6
V 14.101 21.1515 0
VI -21.1515 -14101 0
Ho
Ha
Regla de decisión:
│𝑥 2 𝐶𝑎𝑙│< │𝑥 2 𝐶𝑟𝑖𝑡│∴ No hay evidencia suficiente para rechazar 𝐻0 , es decir hay normalidad en
los errores del modelo y cumplen la condición de aleatoriedad.
β1 354.9847
Tcal = 𝜎𝛽 , por lo tanto, Tcal = = 2.96
1 119.8444
Ho
Ha Ha
Regla de decisión:
│Tcal│> │Tcrit│∴ Se rechaza 𝐻0 al haber suficiente evidencia estadística, β1 es
│2.96│> │Tcrit│ significativo a un nivel del 5%. El intercepto es positivo, lo cual explica que
para ese período de tiempo hubo un valor en las calificaciones de Matemáticas en las mujeres
que no está explicado por la lectura crítica.
Para β2:
t(n – k) g.l ∝ = 0.05
t(36 – 2) g.l ∝ = 0.05
t(34) g.l ∝ = 0.05
𝐻0 = β2 = 0
𝐻𝐴 = β2 ≠ 0
𝜷 0.261186
Tcal = 𝝈𝜷𝟐 , por lo tanto, Tcal = = 1.09
𝟐 0.238236
Ho
Ha Ha
Tenemos:
(𝑅 2 )
(𝑘 − 1)
𝐹=
(1 − 𝑅 2 )
(𝑛 − 𝑘)
Por lo tanto:
(0.034144)
(2 − 1) 0.034144 0.034144
𝐹= = =
(1 − 0.034144) (0.965856) 0.028407
(36 − 2) (34)
𝐹 = 1.20
Ho
Ha
0 1 𝐹𝐶𝑎𝑙=1.20 𝐹𝐶𝑟𝑖𝑡
Regla de decisión:
│ 𝐹𝐶𝑎𝑙 │> │ 𝐹𝐶𝑟𝑖𝑡 │∴ No se rechaza 𝐻0 al no haber suficiente evidencia estadística, es decir,
β2 no es significativo a un nivel del 5%, por lo cual el modelo no es significativo globalmente.
Test de normalidad.
Test de Jarque - Bera.
𝐴2 (𝐾 − 3)2
𝐽𝐵 = 𝑛 ∗ [ + ]
6 24
Ha
Regla de decisión:
│𝑥 2 𝐶𝑎𝑙│< │𝑥 2 𝐶𝑟𝑖𝑡│∴ No hay evidencia suficiente para rechazar 𝐻0 , es decir hay normalidad en
los errores del modelo y cumplen la condición de aleatoriedad.
(𝑂𝑖−𝐸𝑖)2
𝑥 2 =∑ 𝐸𝑖
2 ∑(𝐸−0)2
𝑥 (6-1) g.l α=0.1
𝑛
I O 10.07375 6
II -10.07375 0 14
III 10.07375 20.1475 8
IV -20.1475 -10.07375 8
V 20.1475 30.22125 0
VI -30.22125 -20.1475 0
𝑋𝑐𝑎𝑙2 = 1.74
Ho
Ha
Regla de decisión:
│𝑥 2 𝐶𝑎𝑙│< │𝑥 2 𝐶𝑟𝑖𝑡│∴ No hay evidencia suficiente para rechazar 𝐻0 , es decir hay normalidad en
los errores del modelo y cumplen la condición de aleatoriedad.
β1 422.5110
Tcal = 𝜎𝛽 , por lo tanto, Tcal = 114.1082 = 3.70
1
Ho
Ha Ha
Regla de decisión:
│Tcal│> │Tcrit│∴ Se rechaza 𝐻0 al haber suficiente evidencia estadística, β1 es
│3.70│> │Tcrit│ significativo a un nivel del 5%. El intercepto es positivo, lo cual explica que
para ese período de tiempo hubo un valor en las calificaciones de Matemáticas totales que no
está explicado por las calificaciones en lectura crítica total.
Para β2:
t(n – k) g.l ∝ = 0.05
t(36 – 2) g.l ∝ = 0.05
t(34) g.l ∝ = 0.05
𝐻0 = β2 = 0
𝐻𝐴 = β2 ≠ 0
𝜷 0.161872
Tcal = 𝝈𝜷𝟐 , por lo tanto, Tcal = = 0.71
𝟐 0.225344
Ho
Ha Ha
Tenemos:
(𝑅 2 )
(𝑘 − 1)
𝐹=
(1 − 𝑅 2 )
(𝑛 − 𝑘)
Por lo tanto:
(0.014950)
(2 − 1) 0.014950 0.014950
𝐹= = =
(1 − 0.014950) (0.98505) 0.028972
(36 − 2) (34)
𝐹 = 0.51
Ho
Ha
0 𝐹𝐶𝑎𝑙=0.51 1 𝐹𝐶𝑟𝑖𝑡
Regla de decisión:
│ 𝐹𝐶𝑎𝑙 │> │ 𝐹𝐶𝑟𝑖𝑡 │∴ No se rechaza 𝐻0 al no haber suficiente evidencia estadística, es decir,
β2 no es significativo a un nivel del 5%, por lo cual el modelo no es significativo globalmente.
Test de normalidad.
Test de Jarque - Bera.
𝐴2 (𝐾 − 3)2
𝐽𝐵 = 𝑛 ∗ [ + ]
6 24
Ha
Regla de decisión:
│𝑥 2 𝐶𝑎𝑙│< │𝑥 2 𝐶𝑟𝑖𝑡│∴ No hay evidencia suficiente para rechazar 𝐻0 , es decir hay normalidad en
los errores del modelo y cumplen la condición de aleatoriedad.
(𝑂𝑖−𝐸𝑖)2
𝑥 2 =∑
𝐸𝑖
2 ∑(𝐸−0)2
𝑥 (6-1) g.l α=0.1 𝑛
I 0 8.610384 7
II -8.610384 0 15
III 8.610384 17.2207 8
IV -17.2207 -8.610384 6
V 17.2207 25.8311 0
VI -25.8311 -17.2207 0
𝑥 2 𝐶𝑎𝑙 = 1.30
Ho
Ha
Regla de decisión:
│𝑥 2 𝐶𝑎𝑙│< │𝑥 2 𝐶𝑟𝑖𝑡│∴ No hay evidencia suficiente para rechazar 𝐻0 , es decir hay normalidad en
los errores del modelo y cumplen la condición de aleatoriedad.
4. La tabla 3.6 proporciona datos sobre los índices de producción por hora (X) y la
compensación real por hora (Y) de los negocios y sectores no agrícolas de la economía de
Estados Unidos de 1960 a 2005. El año base para los índices es 1992 = 100; además, los
índices se ajustan por estacionalidad.
a. Grafique por separado Y respecto de X para los dos sectores.
Sector empresarial:
180.00
160.00
140.00
120.00
100.00
80.00
60.00
40.00
20.00
.00
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45
Productividad1 Compensación1
180.00
160.00
140.00
120.00
100.00
80.00
60.00
40.00
20.00
.00
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45
Productividad2 Compensación2
b. ¿En qué teoría económica se basa la relación entre ambas variables? ¿El diagrama de
dispersión apoya esta teoría?
La relación entre ambas variables puede estar explicada por la teoría de la productividad
marginal. La cual establece como la productividad marginal o producto marginal de un factor
productivo es la variación en la cantidad producida de un bien motivado por el empleo de una
unidad adicional de ese factor productivo, permaneciendo constante la utilización de los demás
factores.
Efectivamente, el diagrama de dispersión de ambos modelos, en este caso, del sector
empresarial, y del sector empresarial no agrícola, soporta lo que plantea el enfoque teórico,
donde se evidencia que al emplear unidades adicionales de factor productivo, en este caso
aumenta la compensación o el nivel salarial.
c. Estime la regresión MCO de Y sobre X. y realice un análisis de significancia y aleatoriedad
de los errores.
Se procede a plantear las regresiones que se van a estimar a través del software econométrico
Eviews:
Primer modelo:
COMPENSACIÓN1 = β1+ β2 * PRODUCTIVIDAD1 + ut
COMPENSACIÓN1 = -102.3662 + 1.992435 *PRODUCTIVIDAD1 + ut
Segundo modelo:
COMPENSACIÓN2 = β1+ β2 * PRODUCTIVIDAD2 + ut
COMPENSACIÓN2 = -111.6407+ 2.075734 * PRODUCTIVIDAD2 + ut
Análisis de significancia individual.
Primer modelo:
COMPENSACIÓN1 = β1+ β2 * PRODUCTIVIDAD1 + ut
COMPENSACIÓN1 = -102.3662 + 1.992435 *PRODUCTIVIDAD1 + ut
Para β1:
t(n – k) ∝ = 0.05
t(46 – 2) ∝ = 0.05
t(44) ∝ = 0.05
𝐻0 = β1 = 0
𝐻𝐴 = β1 ≠ 0
β1 −102.3662
Tcal = 𝜎𝛽 , por lo tanto, Tcal = = -22.73
1 4.503487
Ho
Ha Ha
Tcal = -22.73
-Tcrit Tcrit
Regla de decisión:
│Tcal│> │Tcrit│∴ Se rechaza 𝐻0 al haber suficiente evidencia estadística, β1 es
│-22.73│> │Tcrit│ significativo a un nivel del 5%. El intercepto tiene un valor negativo, lo cual
indica que dentro del modelo, para esa economía en ese período, se necesita un valor mínimo
de productividad para que exista una compensación real o un salario real en los trabajadores.
Para β2:
t(n – k) g.l ∝ = 0.05
t(46 – 2) g.l ∝ = 0.05
t(44) g.l ∝ = 0.05
𝐻0 = β2 = 0
𝐻𝐴 = β2 ≠ 0
𝜷 1.992435
Tcal = 𝝈𝜷𝟐 , por lo tanto, Tcal = = 39.35
𝟐 0.050625
Ho
Ha Ha
Tcal = 39.35
-Tcrit Tcrit
Regla de decisión:
│Tcal│> │Tcrit│∴ Se rechaza 𝐻0 al haber suficiente evidencia estadística, β2 es
│39.35│> │Tcrit│ significativo a un nivel del 5%. La pendiente, en esa economía, para ese
período de tiempo, indica que sí debería existir un incremento en la compensación real por
unidad de producción adicional.
Tenemos:
(𝑅 2 )
(𝑘 − 1)
𝐹=
(1 − 𝑅 2 )
(𝑛 − 𝑘)
Por lo tanto:
(0.972379)
(2 − 1) 0.972379 0.972379
𝐹= = =
(1 − 0.972379) (0.027621) 0.00062775
(46 − 2) (44)
𝐹 = 1548.99
Ho
Ha
Test de normalidad.
Test de Jarque - Bera.
𝐴2 (𝐾 − 3)2
𝐽𝐵 = 𝑛 ∗ [ + ]
6 24
(−0.062066)2 (2.865725 − 3)2
𝐽𝐵 = 46 ∗ [ + ] = 𝑥 2 𝐶𝑎𝑙 = 0.06
6 24
Ho
Ha
(𝑂𝑖−𝐸𝑖)2
𝑥 2 =∑
𝐸𝑖
2 ∑(𝐸−0)2
𝑥 (6-1) g.l α=0.1
𝑛
Categorización:
I 0 7.703189 23
II -7.703189 0 11
IV -7.703189 -5.406378 8
V 15.406378 23.109567 2
VI -15.406378 -23.109567 0
Ha
Regla de decisión:
│𝑥 2 𝐶𝑎𝑙│< │𝑥 2 𝐶𝑟𝑖𝑡│∴ No hay evidencia suficiente para rechazar 𝐻0 , es decir hay normalidad en
los errores del modelo y cumplen la condición de aleatoriedad.
β1 −111.6407
Tcal = 𝜎𝛽 , por lo tanto, Tcal = = -22.94
1 4.866239
Ho
Ha Ha
Tcal = -22.94
-Tcrit Tcrit
Regla de decisión:
│Tcal│> │Tcrit│∴ Se rechaza 𝐻0 al haber suficiente evidencia estadística, β1 es
│-22.73│> │Tcrit│ significativo a un nivel del 5%. El intercepto tiene un valor negativo, lo cual
indica que dentro del modelo del sector empresarial no agrícola, para esa economía en ese
período, se necesita un valor mínimo de productividad para que exista una compensación real
o un salario real en los trabajadores.
Para β2:
t(n – k) g.l ∝ = 0.05
t(46 – 2) g.l ∝ = 0.05
t(44) g.l ∝ = 0.05
𝐻0 = β2 = 0
𝐻𝐴 = β2 ≠ 0
𝜷 2.075734
Tcal = 𝝈𝜷𝟐 , por lo tanto, Tcal = = 38.25
𝟐 0.054257
Ho
Ha Ha
Tcal = 38.25
-Tcrit Tcrit
Regla de decisión:
│Tcal│> │Tcrit│∴ Se rechaza 𝐻0 al haber suficiente evidencia estadística, β2 es
│38.25│> │Tcrit│ significativo a un nivel del 5%. La pendiente, en ese modelo del sector
empresarial no agrícola, en esa economía, para ese período de tiempo, indica que sí debería
existir un incremento en la compensación real por unidad de producción adicional.
Análisis de significancia global:
Prueba F de Fisher.
𝐻0 = β1 = β2 = 0
𝐻𝐴 = βi ≠ 0 Para algún i ≥ 1
Tenemos:
(𝑅 2 )
(𝑘 − 1)
𝐹=
(1 − 𝑅 2 )
(𝑛 − 𝑘)
Por lo tanto:
(0.970815)
(2 − 1) 0.970815 0.970815
𝐹= = =
(1 − 0.970815) (0.029185) 0.000632954545
(46 − 2) (44)
𝐹 = 1533.78
Ho
Ha
Regla de decisión:
│ 𝐹𝐶𝑎𝑙 │> │ 𝐹𝐶𝑟𝑖𝑡 │∴ Se rechaza 𝐻0 al haber suficiente evidencia estadística, es decir, β2 es
significativo a un nivel del 5%, por lo cual el modelo es significativo globalmente. Esto indica
que el modelo es significativo para el sector empresarial no agrícola y que efectivamente como
lo dice el soporte teórico hay una relación positiva entre las variables. La compensación está
explicada para el modelo en ese período de tiempo por la productividad y que un aumento en la
productividad marginal genera un aumento en la compensación o salarios reales.
Test de normalidad.
Test de Jarque - Bera.
𝐴2 (𝐾 − 3)2
𝐽𝐵 = 𝑛 ∗ [ + ]
6 24
(−0.157567)2 (2.665651 − 3)2
𝐽𝐵 = 46 ∗ [ + ] = 𝑥 2 𝐶𝑎𝑙 = 0.40
6 24
Ho
Ha
Regla de decisión:
│𝑥 2 𝐶𝑎𝑙│< │𝑥 2 𝐶𝑟𝑖𝑡│∴ No hay evidencia suficiente para rechazar 𝐻0 , es decir hay normalidad en
los errores del modelo y cumplen la condición de aleatoriedad.
Prueba 𝑥 2 de bondad de ajuste.
(𝑂𝑖−𝐸𝑖)2
𝑥 2 =∑
𝐸𝑖
2 ∑(𝐸−0)2
𝑥 (6-1) g.l α=0.1 𝑛
Categorización:
I 0 7.854881 24
II -7.854881 0 11
III 7.854881 15.709762 2
IV -7.854881 -15.709762 8
V 15.709762 23.564643 1
VI -15.709762 -23.564643 0
Ha
Regla de decisión:
│𝑥 2 𝐶𝑎𝑙│< │𝑥 2 𝐶𝑟𝑖𝑡│∴ No hay evidencia suficiente para rechazar 𝐻0 , es decir hay normalidad en
los errores del modelo y cumplen la condición de aleatoriedad.