Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
EJERCICIO 1
En el worfile ejercicio1.wf1 se presenta la información sobre la empresa Perez S.A. que se dedica
a la fabricación y ventas de abanicos habiendo obtenido en los últimos años resultados
económicos relativamente aceptables. Los directivos de la empresa consideran que los resultados
habían sido mucho mejores si el absentismo laboral en la empresa no fuera tan elevado. Este
absentismo tiene una significancia que se refleja en los costos de personal y en desajustes en las
operaciones de fabricación y distribución. Por las razones señaladas, la dirección de la empresa
tiene gran interés en conocer cuáles pueden ser los factores más relevantes del absentismo laboral
que sufre la empresa.
El jefe de personal de la empresa facilita información acerca de los días que en el último año han
faltado al trabajo cada uno de los empleados de plantilla, excluidos los directivos (absentismo).
Se recoge también información de cada uno de los empleados sobre las variables cuantitativas:
edad en años (EDAD), años de antigüedad en la empresa (ANTIGUE) y salario mensual en euros
(SALARIO), así como sobre las variables dicotómicas TALLER y SEXO que reflejan aspectos
cualitativos. Concretamente, la variable TALLER toma el valor de 1 si el empleado trabaja en
fabricaciones (taller) y 0 si trabaja en oficinas. La variable SEXO toma el valor 1 si el empleado
es hombre y 0 si es una mujer.
Con esta información se pide lo siguiente:
a) A priori, ¿Cuál es el signo esperando para los coeficientes asociados a las variables
TALLER, ANTIGUEDAD y SALARIO? Explique.
Signo esperado para el trabajo en taller, por la naturaleza de esta variable se puede afirmar
que la misma tendría una tendencia positiva a favor del absentismo en la empresa.
Signo esperado para la antigüedad por la naturaleza de esta variable y el grado de
relacionamiento que se genera mientras la misma va creciendo se pude esperar que sea de
manera desfavorable en cuanto al grado de absentismo en la empresa.
Signo esperado para el salario por la naturaleza de esta variable y el grado de
relacionamiento que se genera mientras la misma va creciendo se pude esperar que sea de
manera desfavorable en cuanto al grado de absentismo en la empresa.
Se consideraría eliminar la variable sexo puesto que existe un gran indicio de rechazo respecto a
la prueba individual realizada.
h) Determine los residuos del modelo ¿Siguen los residuos una distribución normal?
Grafico 2: Residuos
𝐻0 : |𝑅𝑥𝑥 | = 1 𝑂𝑟𝑡𝑜𝑔𝑜𝑛𝑎𝑙𝑖𝑑𝑎𝑑
𝐻𝑎 : |𝑅𝑥𝑥 | ≠ 1 𝑀𝑢𝑙𝑡𝑖𝑐𝑜𝑙𝑖𝑛𝑒𝑎𝑙𝑖𝑑𝑎𝑑
ii. Estadístico calculado
(2 ∗ 𝑘 + 5)
𝐹𝐺 = − [𝑛 − 1 − ∗ ln(𝑅𝑥𝑥 )]
6
Pero:
𝑅𝑥𝑥 = det(𝑀𝑎𝑡𝑟𝑖𝑧 𝑑𝑒 𝐶𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠)
La matriz de correlaciones será:
Reemplazando:
(2 ∗ 5 + 5)
𝐹𝐺 = [48 − 1 − ∗ ln(0.1136)]
6
𝐹𝐺 = 48.8
iii. Estadístico teórico
2 2
𝑋𝑘(𝑘−1) = 𝑋10,0.05 = 3.94
,𝛼
2
iv. Contrastación
Si:
2
FG > 𝑋𝑘(𝑘−1) Se rechaza la hipótesis principal
,𝛼
2
v. Conclusión
A un nivel de confianza del 95% se afirma que existe multicolinealidad en el modelo
econométrico formulado.
k) Determine si se presente el problema de la Heterocedasticidad.
Prueba de White
EJERCICIO 2
En el worfile ejercicio2.wf1 se presenta las series de datos correspondientes al consumo de
manzanas expresadas en decenas de miles de toneladas (Y ); el precio de las mismas en miles de
pesos por kilogramos(X1), el precio de la peras en miles de pesos por kilogramos (X2) y la
renta nacional neta en billones de pesos (X3). Con esta información se pide estimar la función
lineal de la demanda de manzanas.
Yi =α+β1X1i + β2X2i +β3X3i + εi
Con esta información se pide lo siguiente:
NOTA: Se considera que la base de datos manejas las unidades de las variables son homogenas.
a) A priori, ¿Cuál es el signo esperando para los coeficientes? Explique
Signo esperado para precio de las manzanas, por la naturaleza de esta variable se puede
afirmar que la misma tendría, una tendencia que se comportaría a desfavor en cuanto al nivel
de consumo que se tendría.
Signo esperado para el precio de las peras por kilogramo por la naturaleza de esta variable,
tomando que es un producto sustituto y el grado de relacionamiento que se genera mientras
la misma va creciendo se pude esperar que sea de manera favorable en cuanto al grado de
consumo que se tendría.
Signo esperado para la renta nacional, por la naturaleza de esta variable y el grado de
relacionamiento que se genera mientras la misma va creciendo se pude esperar que sea de
manera favorable en cuanto al grado de absentismo en la empresa.
Con los datos del cuadro 6, el coeficiente de terminación es de 0.9431 entonces se puede afirmar
que el grado de ajuste al modelo es significativo pues el mismo se acerca a 1, se consideraría
como un valor de fiabilidad media.
c) Realice una prueba de significancia individual para los coeficientes del modelo y realice
la prueba de significancia global del modelo.
Con los datos del cuadro 9 adjunta se tiene un F-Snedecor de 3513.64 contrastando con el valor
de tablas se afirma que el modelo es significativo.
d) Calcular e interpretar los intervalos de confianza del 95% para cada uno de los
coeficientes del modelo.
Cuadro 10: Reporte 9 Intervalo de Confianza EViews
Con los datos del cuadro 9 adjunta se tiene un F-Snedecor de 352.33 contrastando con el valor
de tablas se afirma que el modelo es significativo.
Se afirma que se toma el primer modelo puesto que existe un coeficiente de determinación más
apto en cuanto al grado de predicción que pueda generar una vez utilizado, cabe recalcar que la
variable precio tendría que ser corregida para la utilización del modelo, no existe
heterocedasticidad pero si multicolinealidad, entonces se debería fusionar o determinar otra
variable que pueda estar sujeta a la variable explicada para generar un modelo mas eficiente.
h) Determine si se presente el problema de la multicolinealidad.
PRUEBA DE FARRAR GLAUBER
i. Planteamiento de hipótesis
𝐻0 : |𝑅𝑥𝑥 | = 1 𝑂𝑟𝑡𝑜𝑔𝑜𝑛𝑎𝑙𝑖𝑑𝑎𝑑
𝐻𝑎 : |𝑅𝑥𝑥 | ≠ 1 𝑀𝑢𝑙𝑡𝑖𝑐𝑜𝑙𝑖𝑛𝑒𝑎𝑙𝑖𝑑𝑎𝑑
ii. Estadístico calculado
(2 ∗ 𝑘 + 5)
𝐹𝐺 = − [𝑛 − 1 − ∗ ln(𝑅𝑥𝑥 )]
6
Pero:
𝑅𝑥𝑥 = det(𝑀𝑎𝑡𝑟𝑖𝑧 𝑑𝑒 𝐶𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠)
La matriz de correlaciones será:
Reemplazando:
(2 ∗ 3 + 5)
𝐹𝐺 = [21 − 1 − ∗ ln(0.013022)]
6
𝐹𝐺 = 26.95
iii. Estadístico teórico
2 2
𝑋𝑘(𝑘−1) = 𝑋3,0.05 = 0.352
,𝛼
2
iv. Contrastación
Si:
2
FG > 𝑋𝑘(𝑘−1) Se rechaza la hipótesis principal
,𝛼
2
v. Conclusión
A un nivel de confianza del 95% se afirma que existe multicolinealidad en el modelo
econométrico formulado.
i) Determine si se presente el problema de la Heterocedasticidad.
Prueba de White
EJERCICIO 3
Estimation Equation:
=========================
GPERSONAL = C(1)*INGRESOS + C(2)*NEGOCIOS + C(3)*OCUPADOS
Substituted Coefficients:
=========================
GPERSONAL = 2.08461*INGRESOS - 1.9523*NEGOCIOS + 0.6911*OCUPADOS
𝐻0 : |𝑅𝑥𝑥 | = 1 𝑂𝑟𝑡𝑜𝑔𝑜𝑛𝑎𝑙𝑖𝑑𝑎𝑑
𝐻𝑎 : |𝑅𝑥𝑥 | ≠ 1 𝑀𝑢𝑙𝑡𝑖𝑐𝑜𝑙𝑖𝑛𝑒𝑎𝑙𝑖𝑑𝑎𝑑
ii. Estadístico calculado
(2 ∗ 𝑘 + 5)
𝐹𝐺 = − [𝑛 − 1 − ∗ ln(𝑅𝑥𝑥 )]
6
Pero:
𝑅𝑥𝑥 = det(𝑀𝑎𝑡𝑟𝑖𝑧 𝑑𝑒 𝐶𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠)
La matriz de correlaciones será:
𝑒 − 𝑅𝑥𝑥 = det(𝑀𝑎𝑡𝑟𝑖𝑧 𝑑𝑒 𝐶𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠) = 2.68 ∗ 10𝐸 − 6
2.68e-5Reemplazando:
(2 ∗ 3 + 5)
𝐹𝐺 = [17 − 1 − ∗ ln(2.68 ∗ 10𝐸 − 6 )]
6
𝐹𝐺 = 39.52
iii. Estadístico teórico
2 2
𝑋𝑘(𝑘−1) = 𝑋3,0.05 = 0.352
,𝛼
2
iv. Contrastación
Si:
2
FG > 𝑋𝑘(𝑘−1) Se rechaza la hipótesis principal
,𝛼
2
v. Conclusión
A un nivel de confianza del 95% se afirma que existe multicolinealidad en el modelo
econométrico formulado.
EJERCICIO 4
En el worfile ejercicio4.wf1se muestra los inventarios y ventas en las empresas manufactureras
de cierto país, en millones de pesos. Utilice los datos para verificar la existencia de
Heterocedasticidad utilizando los siguientes contrastes.
b) Contraste de White.
Cuadro 20: Reporte 19 Contraste de White EViews
a) Contraste de Breusch-Pagan.
c) Contraste de Glesjer
EJERCICIO 6
Refiérase a la información sobre la industria del cobre dada en el worfile ejercicio6.wf1 se pide
a) Con base en esta información, estime el siguiente modelo de regresión:
Estimation Equation:
=========================
A = C(1)*C01 + C(2)*G + C(3)*H + C(4)*I + C(5)*L
Substituted Coefficients:
=========================
A = 0.4418 *C01 + 0.0141 *G + 0.0086 *H - 0.1154 *I - 0.0132 *L
EJERCICIO 7
En el archivo worfile ejercicio7.wf1contiene una variable de nombre SA que representa una
serie de ratios mensuales sobre la producción de una empresa. Con la finalidad de realizar
predicciones de producción futuras se trata de ajustar la serie de ratios a un modelo ARIMA
convenientemente.
Resultados por el simulador:
Contenido
EJERCICIO 1.................................................................................................................................... 1
EJERCICIO 2.................................................................................................................................... 6
EJERCICIO 3.................................................................................................................................. 13
EJERCICIO 4.................................................................................................................................. 15
EJRCICIO 5 ................................................................................................................................... 18
EJERCICIO 6.................................................................................................................................. 20
EJERCICIO 7.................................................................................................................................. 21