Guia Econometria

NDICE
Gua didctica: Econometra I
PRELIMINARES
MODALIDAD ABIERTA Y A DISTANCIA
BIMESTRE
PRIMER
Econometra I
SEGUNDO
BIMESTRE
Gua didctica
5 crditos
SOLUCIONARIO
Titulacin
Ciclo
6 Economa
UNIVERSIDAD TCNICA PARTICULAR DE LOJA La Universidad Catlica de Loja 1

NDICE
PRELIMINARES
UNIVERSIDAD TCNICA PARTICULAR DE LOJA
La Universidad Catlica de Loja
MODALIDAD ABIERTA Y A DISTANCIA
BIMESTRE
Departamento Economa
PRIMER
Seccin Mtodos Cuantitativos
SEGUNDO
BIMESTRE
Econometra I
SOLUCIONARIO
Gua didctica
5 crditos
Titulacin Ciclo
Economa VI
Autor:
Econ. Oswaldo Francisco Ochoa Ordez
Asesora virtual:
19607 www.utpl.edu.ec
NDICE
PRELIMINARES
BIMESTRE
PRIMER
SEGUNDO
BIMESTRE
SOLUCIONARIO
EconomEtra I
Gua didctica
Oswaldo Francisco Ochoa Ordez
UNIVERSIDAD TCNICA PARTICULAR DE LOJA
cc Ecuador 3.0 By NC ND
Diagramacin, diseo e impresin:
EDILOJA Ca. Ltda.
Telefax: 593-7-2611418
San Cayetano Alto s/n
www.ediloja.com.ec
edilojainfo@ediloja.com.ec
Loja-Ecuador
Tercera edicin
ISBN-978-9942-08-242-8
maquetacin y diseo digital:

EDILOJA Ca. Ltda.
Tercera edicin
ISBN digital 978-9942-04-540-9
Esta versin digital e impresa ha sido acreditada bajo la licencia Creative Commons Ecuador 3.0 de reconocimiento -no comercial- sin obras
derivadas; la cual permite copiar, distribuir y comunicar pblicamente la obra, mientras se reconozca la autora original, no se utilice con fines
comerciales ni se realicen obras derivadas. http://www.creativecommons.org/licences/by-nc-nd/3.0/ec/
Octubre 2017
NDICE
2. ndice
PRELIMINARES
2. ndice......................................................................................................................................... 4
3. Introduccin ......................................................................................................................... 6
4. Bibliografa........................................................................................................................... 7
BIMESTRE
PRIMER
4.1. Bsica................................................................................................................................ 7
4.2. Complementaria................................................................................................................ 7
5. Orientaciones generales para el estudio............................................................. 8

6. Proceso de enseanza-aprendizaje para el logro de competencias... 9
SEGUNDO
BIMESTRE
PRIMER BIMESTRE
6.1. Competencias genricas.................................................................................................... 9

6.2. Planificacin para el trabajo del alumno........................................................................ 10
SOLUCIONARIO
6.3. Sistema de Evaluacin de la asignatura (Primero y segundo bimestres)...................... 13
6.4. Orientaciones especficas para el aprendizaje por competencias................................... 14
UNIDAD 1. INTRODUCCIN A LA ECONOMETRA........................................................................ 14
1.1. Conceptos.......................................................................................................................... 14
1.2. Metodologa de la econometra....................................................................................... 15
1.3. Interpretacin moderna de la regresin.......................................................................... 19
1.4. Relaciones estadsticas vs relaciones determinsticas..................................................... 20
1.5. Regresin vs causalidad................................................................................................... 20
1.6. Regresin vs correlacin................................................................................................... 20
Autoevaluacin 1......................................................................................................................... 21
UNIDAD 2. ANLISIS DE REGRESIN CON DOS VARIABLES....................................................... 22
2.1. Concepto de funcin de regresin poblacional (frp)....................................................... 22
2.2. Significado del trmino lineal.......................................................................................... 22
2.3. Especificacin estocstica ................................................................................................ 23
2.4 Funcin de regresin muestral......................................................................................... 24
Autoevaluacin 2......................................................................................................................... 25
UNIDAD 3. MODELOS DE REGRESIN CON DOS VARIABLES...................................................... 26
3.1. Mtodo de mnimos cuadrados ordinarios (mco)............................................................ 26
3.2. Precisin o errores estndar de los mnimos cuadrados estimados............................... 36
3.3. Coeficiente de determinacin (r2).................................................................................... 40
Autoevaluacin 3......................................................................................................................... 42
UNIDAD 4. SUPUESTO DE NORMALIDAD: MODELO CLSICO DE REGRESIN LINEAL
NORMAL....................................................................................................................................... 43
4.1. Distribucin de probabilidad de las perturbaciones u.8................................................. 43
4.2. Propiedades de los estimadores MCO bajo el supuesto de normalidad......................... 43
Autoevaluacin 4......................................................................................................................... 46
NDICE
PRELIMINARES
SEGUNDO BIMESTRE
6.5. Competencias genricas.................................................................................................... 47

6.6. Planificacin para el trabajo del alumno........................................................................ 48
6.7. Orientaciones especficas para el aprendizaje por competencias................................... 50
BIMESTRE
UNIDAD 5. REGRESIN CON DOS VARIABLES: ESTIMACIN DE INTERVALOS Y PRUEBAS DE
PRIMER
HIPTESIS.................................................................................................................................... 50
5.1. Estimacin de intervalos: ideas bsicas........................................................................... 50
5.2. Prueba de hiptesis: intervalos de confianza.................................................................. 51
5.3. Prueba de hiptesis: nivel de significancia...................................................................... 52
5.4. Prueba de hiptesis: prueba t.......................................................................................... 53
SEGUNDO
BIMESTRE
5.5. Prueba de hiptesis: prueba F.......................................................................................... 53
5.6. Presentacin de resultados............................................................................................... 58
Autoevaluacin 5......................................................................................................................... 63
UNIDAD 6. EXTENSIN DEL MODELO LINEAL DE DOS VARIABLES............................................ 64
SOLUCIONARIO
6.1. Regresin a travs del origen........................................................................................... 64
6.2. Formas funcionales: modelo log lineal........................................................................ 66
6.3. Modelos semilogartmicos................................................................................................ 69
Autoevaluacin 6......................................................................................................................... 75
UNIDAD 7. ANLISIS DE REGRESIN MULTIPLE......................................................................... 76
7.1. Significado de los coeficientes de regresin parcial........................................................ 76
7.2. Estimacin de los coeficientes de regresin parcial........................................................ 77
7.3. Varianzas y errores estndar de los estimadores............................................................ 77
7.4. Coeficiente de determinacin mltiple ........................................................................... 78
7.5. La funcin de produccin de Cobb-Douglas.................................................................... 80
7.6. Modelos de regresin polinomial..................................................................................... 83
7.7. Prueba de igualdad de dos coeficientes de regresin..................................................... 86
Autoevaluacin 7......................................................................................................................... 88
7. Solucionario.......................................................................................................................... 89
8. Recursos educativos multimedia............................................................................... 96
NDICE
3. Introduccin
PRELIMINARES
La asignatura de Econometra I, materia troncal de 5 crditos, corresponde al sexto ciclo de la carrera de
Economa de la Modalidad Abierta y a Distancia de la Universidad Tcnica Particular de Loja.
Esta materia ha sido diseada para que los estudiantes desarrollen habilidades en tcnicas cuantitativas
BIMESTRE
PRIMER
de investigacin emprica, necesaria para el desarrollo y anlisis de eventos econmicos reales en los
sectores macro o microeconmicos de la economa global, en donde las sociedades, empresas, industrias
y gobiernos en general puedan entender cmo evolucionan las economas con la finalidad de enfrentar
dichos cambios.
La econometra se constituye en una materia fundamental para su formacin acadmica, ya que la
SEGUNDO
BIMESTRE
constante evolucin de las economas exige que la sociedad en general pueda cuantificar, interpretar y
pronosticar dichos cambios, con la finalidad de proponer soluciones y generar correctivos en la economa
global. Por tal razn el aprendizaje de esta materia es de vital importancia en su formacin acadmica,
convirtindolo en un excelente asesor tanto para el sector pblico como para el privado.
SOLUCIONARIO
Revisar y aprender esta asignatura le proporcionar una introduccin importante al estudio de esta
ciencia y obtendr una visin clara de la aplicacin de la misma en otras reas como las finanzas, la
administracin, sistemas de informacin entre otras. Lo que usted estudie ser de importancia porque
tendr que interactuar con informacin actual y modelos econmicos reales, adicionalmente reforzar
los conocimientos relacionados con la estadstica, la matemtica y la teora econmica. Le invito, por lo
tanto, a recorrer las pginas de esta gua y del texto con un buen nimo, y sobre todo con ganas aprender.
Con la finalidad de ofrecer un panorama general de la Introduccin a la Econometra, se presentarn estos

la metodologa necesaria a seguir para poder establecer un modelo economtrico adecuado, su clculo
e interpretacin de los resultados obtenidos, as como los distintos modelos que se puedan presentar en
base a la forma ecuacional que adquiera, tambin revisaremos los supuestos detrs de estos modelos y
su aplicacin ya sea con informacin primaria o secundaria en el mbito micro o macroeconmico.
Bienvenidos y muchos xitos!

NDICE
4. Bibliografa
PRELIMINARES
4.1. Bsica
Gujarati, D. & Porter, D. (2010). Econometra. Mxico: McGraw Hill. Quinta edicin.
BIMESTRE
PRIMER
Es un texto actualizado de fcil comprensin, ya que detalla a travs de varios ejercicios el avance de los
distintos temas a analizarse.
Al contrario de otros textos, este libro presenta el desarrollo de la materia a travs de ecuaciones, mientras
que otros lo hacen por medio del algebra matricial lo que dificulta su comprensin.
SEGUNDO
BIMESTRE
Adems se presenta anexos en los cuales se demuestra la obtencin de varias frmulas y ecuaciones que
se utilizarn en el desarrollo de los modelos de regresin.
El autor de este libro adicional a lo anterior, incluye en sus notas de pie de pgina mucha informacin
relacionada con frmulas, conceptos, explicaciones de ejercicios y bibliografa necesaria para
SOLUCIONARIO
complementar la informacin del captulo que se est revisando.
Ochoa, O. (2011). Gua Didctica de Econometra I. Loja-Ecuador: UTPL.
Esta gua tiene como objetivo brindar elementos necesarios para facilitar el estudio de cada tema
planteado en la asignatura. En ella encontrar explicaciones claras y concisas de los temas a estudiarse
as como tambin una serie de ejercicios.
4.2. Complementaria
Wooldridge, J. (2001). Introduccin a la econometra. Mxico: ThomsonLearning.
Texto recomendado para complementar los temas tratados en el presente ciclo. Revise los seis primeros
captulos.
Pindick, R. y Rubinfeld, D. (2000). Econometra modelos y pronsticos. Mxico: McGraw-Hill.
Texto de fcil comprensin para fortalecer los temas relacionados con la introduccin a los modelos
economtricos. Revise los tres primeros captulos.

NDICE
5. Orientaciones generales para el estudio
PRELIMINARES
Para lograr un aprendizaje efectivo es importante que lo haga de manera responsable, ordenada y
secuencial, para ello le propongo las siguientes orientaciones de estudio:
BIMESTRE
PRIMER
1. Compruebe que tiene todos los materiales necesarios: libro bsico y gua de estudio, revselos y
compare sus contenidos.
2. Estudie en un ambiente tranquilo, en donde facilite su relajacin y concentracin, de manera que

pueda aprovechar el tiempo designado por usted a la asignatura.
SEGUNDO
BIMESTRE
3. Dedique al menos una hora a revisar el texto bsico, sealando las partes principales y
simultneamente apoyndose en la gua didctica para facilitar la comprensin del texto.
4. Para no tener dificultad en la comprensin de la materia, se requiere tener presente las materias de
estadstica inferencial, clculo, matemticas para economistas, macroeconoma y microeconoma.
SOLUCIONARIO
5. Lea el texto bsico y la gua de la materia en forma ordenada, si an no comprende un tema no
pase al siguiente.
6. Para desarrollar el trabajo a distancia, previamente debe revisar todo el contenido de la asignatura
del primero o del segundo bimestre segn corresponda, esto facilitar la comprensin y desarrollo
del trabajo.
7. Desarrolle las autoevaluaciones al final de cada captulo sin revisar el texto bsico. Si ha cometido
errores vuelva a revisar los temas en los cuales tuvo dificultades.
8. Tome datos de la economa nacional y trate de aplicarlos en todo lo aprendido en este ciclo.
9. Son importantes las consultas al profesor responsable o de apoyo de la asignatura mediante la

comunicacin telefnica para solventar las inquietudes que vayan surgiendo en el desarrollo de
sus trabajos, en el horario de atencin que consta en el EVA.
10. Tenga en cuenta la fecha de entrega de los trabajos a distancia, ya que son obligatorios y se
constituyen en un prerequisito al momento de presentarse a rendir sus evaluaciones presenciales.

NDICE
6. Proceso de enseanza-aprendizaje para el logro de competencias
PRELIMINARES
PRIMER BIMESTRE
BIMESTRE
PRIMER
6.1. Competencias genricas
Son aquellas capacidades (actitudes, habilidades y conocimientos) comunes a todas las profesiones que
se ofrece en la UTPL. Constituye una parte fundamental del perfil que el estudiante debe desarrollar
durante su formacin.
SEGUNDO
BIMESTRE
Capacidad de abstraccin, anlisis y sntesis.
Capacidad de aplicar los conocimientos en la prctica.
Capacidad para organizar y planificar el tiempo.
SOLUCIONARIO
Conocimiento sobre el rea de estudio y la profesin.
Habilidades en el uso de las tecnologas de la informacin y de la comunicacin.
Capacidad de investigacin.
Habilidades para buscar, procesar y analizar informacin procedente de fuentes diversas.
Capacidad crtica y autocrtica.
Capacidad creativa.
Capacidad para identificar, plantear y resolver problemas.
Capacidad para tomar decisiones.
Habilidades interpersonales.
Compromiso tico.

NDICE
6.2. Planificacin para el trabajo del alumno
PRELIMINARES
CRONOGRAMA
COMPETENCIAS INDICADORES DE CONTENIDOS Unidades/ ACTIVIDADES DE
ORIENTATIVO
ESPECFICAS APRENDIZAJE Tema APRENDIZAJE
(Tiempo Estimado)
Analizar, Conoce la UNIDAD 1: 1. Lectura de SEMANA 1
interpretar y importancia de INTRODUCCIN A LA las pginas
aplicar la teora la econometra, ECONOMETRA introductorias de la 6 horas de
econmica as como los gua. autoestudio.
en el entorno pasos a seguir 1.1. Conceptos
4 horas de interaccin.
BIMESTRE
econmico para establecer 2. Lectura global
PRIMER
1.2. Metodologa de la de la unidad
nacional e modelos de
econometra introductoria y
internacional. regresin simple
con dos variables. 1.3. Interpretacin captulo 1 del texto
bsico.
moderna de la
Desarrollar el regresin 3. Lectura
pensamiento comprensiva
SEGUNDO
1.4. Relaciones
BIMESTRE
lgico para (analtica,
estadsticas
la aplicacin subrayada, etc.) de
vs relaciones
en aspectos la unidad 1.
deterministicas
econmicos y la
interpretacin 4. Elaboracin de
de resultados, ejercicios prcticos.
SOLUCIONARIO
grficas y anlisis 1.5. Regresin vs
5. Desarrollo de
de datos en causalidad
las actividades
modelos reales.
1.6. Regresin vs recomendadas.
correlacin
6. Interaccin en el
EVA.
7. Inicio del desarrollo

de la evaluacin a
distancia.
Analiza el UNIDAD 2: ANLISIS DE 1. Lectura de SEMANA 2 y 3
concepto de REGRESIN CON DOS las pginas
perturbacin VARIABLES introductorias de la 12 horas de
estocstica gua. autoestudio.
y desarrolla 2.1. Concepto de
funcin de regresin 2. Lectura global 8 horas de interaccin.
la funcin
de regresin poblacional de la unidad
muestral (FRM). introductoria y
2.2. Significado del captulo 1 del texto
trmino lineal bsico.
2.3. Especificacin 3. Lectura
estocstica comprensiva
(analtica,
2.4. Funcin de regresin
subrayada, etc.) de
muestral
la unidad 1.
4. Elaboracin de
ejercicios prcticos.
5. Desarrollo de
las actividades
recomendadas.
6. Interaccin en el
EVA.
7. Contina el
desarrollo de
la evaluacin a
distancia.

NDICE
CRONOGRAMA
ORIENTATIVO
PRELIMINARES
(Tiempo Estimado)
Aplica el mtodo UNIDAD 3: MODELO DE 1. Lectura de SEMANA 4 y 5
de mnimos REGRESIN CON DOS las pginas
cuadrados VARIABLES introductorias de la 12 horas de
ordinarios gua. autoestudio.
(MCO) para la 3.1. Mtodo de mnimos
cuadrados ordinarios 2. Lectura global 8 horas de interaccin.
estimacin de
los modelos (MCO) de la unidad
de regresin introductoria y
BIMESTRE
3.2. Precisin o errores
PRIMER
e interpretar captulo 1 del texto
estndar de los bsico.
resultados
mnimos cuadrados
tales como
estimados 3. Lectura
coeficientes
comprensiva
de regresin, 3.3. Coeficiente de (analtica,
errores estndar determinacin subrayada, etc.) de
y coeficiente de
SEGUNDO
la unidad 1.
BIMESTRE
determinacin.
4. Elaboracin de
5. Desarrollo de
las actividades
SOLUCIONARIO
recomendadas.
6. Interaccin en el
EVA.
7. Contina el
desarrollo de
la evaluacin a
distancia.
Aplica y analiza UNIDAD 4: SUPUESTO DE 1. Lectura de SEMANA 6
el concepto de NORMALIDAD: MODELO las pginas
normalidad a CLSICO DE REGRESIN introductorias de la 6 horas de
los modelos de LINEAL NORMAL gua. autoestudio.
regresin con dos
4.1. Distribucin de 2. Lectura global 4 horas de interaccin.
variables.
probabilidad de las de la unidad
perturbaciones u. introductoria y
captulo 1 del texto
4.2. Propiedades de los bsico.
estimadores MCO
bajo supuesto de 3. Lectura
normalidad. comprensiva
(analtica,
subrayada, etc.) de
la unidad 1.
4. Elaboracin de
5. Desarrollo de
las actividades
recomendadas.
6. Interaccin en el
EVA.
7. Contina el
desarrollo de
la evaluacin a
distancia.

NDICE
CRONOGRAMA
ORIENTATIVO
PRELIMINARES
(Tiempo Estimado)
Unidades 1 a la 4 Nueva revisin de Semana 7 y 8
contenidos del
bimestre como 12 horas de
preparacin para autoestudio y 8 horas
la evaluacin de interaccin.
presencial.
BIMESTRE
PRIMER
SEGUNDO
BIMESTRE
SOLUCIONARIO

NDICE
6.3. Sistema de Evaluacin de la asignatura (Primero y segundo bimestres)
PRELIMINARES
Formas de evaluacin 2. Heteroevaluacin
Evaluacin a Evaluacin
1. Autoevaluacin *
distancia ** presencial
3. Coevaluacin
Interaccin en el EVA
Prueba objetiva y de
Parte de ensayo
Parte objetiva
BIMESTRE
PRIMER
ensayo
Competencia: criterio
Comportamiento tico X X X X X
Cumplimiento, puntualidad,
Actitudes
X X X X
SEGUNDO
BIMESTRE
responsabilidad
Esfuerzo e inters en los trabajos X X X X
Respeto a las personas y a las
normas de comunicacin
X X X X
Creatividad e iniciativa X X X X X
SOLUCIONARIO
Habilidades
Contribucin en el trabajo
colaborativo y de equipo
X X X X X
Presentacin, orden y ortografa X X X X X

Emite juicios de valor
argumentadamente
X X X X X
Dominio del contenido X X X X X X

Conocimientos
Investigacin (cita fuentes de

consulta)
X X X X X
Aporta con criterios y soluciones X X X X X

Anlisis y profundidad en el
desarrollo de temas
X X X X X X
Mximo 1 punto
PORCENTAJE 10% 20% 30% 70%

Estrategia de
aprendizaje
presenciales y en el
evaluacin a
(completa la
distancia)
Puntaje 2 4 6 14
Actividades
EVA
TOTAL 20 puntos
Para aprobar la asignatura se requiere obtener un puntaje mnimo de 28/40 puntos, que equivale al 70%.
* Son estrategias de aprendizaje, no tienen calificacin; pero debe responderlas con el fin de autocomprobar su
proceso de aprendizaje.
** Recuerde que la evaluacin a distancia consta de dos partes: una objetiva y otra de ensayo, debe desarrollarla
y entregarla en su respectivo centro universitario.
Seor estudiante:
Tenga presente que la finalidad de la valoracin cualitativa
es principalmente formativa.

NDICE
6.4. Orientaciones especficas para el aprendizaje por competencias
PRELIMINARES
UNIDAD 1. INTRODUCCIN A LA ECONOMETRA
Estimado alumno: empezamos el estudio de esta asignatura revisando la primera parte. Aqu se busca
BIMESTRE
PRIMER
entender el concepto de econometra, as como una descripcin general de la metodologa economtrica.
Desea conocer qu es la econometra y saber cmo plasmar un modelo econmico simple al combinar
variables macro y microeconmicas tal como: el PIB, inflacin, determinar elasticidades, crecimiento
poblacional, niveles de produccin, medicin de riesgo financiero, costos totales, costos marginales,
SEGUNDO
BIMESTRE
costos medios, etc., es decir poder aplicarlo en todos los campos sean estos financieros, ambientales,
econmicos, de salud, industriales entre otros, y conocer a ciencia cierta cules son sus efectos a largo
plazo?
La primera unidad est enfocada a resolver estas interrogantes, buscando desarrollar en el estudiante el
SOLUCIONARIO
sentido de la investigacin y del anlisis de indicadores econmicos.
Iniciamos explicando el concepto de econometra bajo el enfoque de algunos autores, por qu esta
materia es considerada como una disciplina aparte y cul sera el planteamiento general para establecer
modelos de regresin.
1.1. Conceptos
Se presenta una serie de conceptos que nos permitirn tener una clara idea de lo que es la econometra.
A continuacin se detallan algunos:
La econometra se basa en mtodos estadsticos para estimar relaciones econmicas, poner a pruebas
teoras econmicas y evaluar y poner en prctica polticas gubernamentales y comerciales. (Wooldridge,
J. 2001).
La econometra puede ser definida como la ciencia social en la cual las herramientas de la teora
econmica, las matemticas y la inferencia estadstica son aplicadas al anlisis de los fenmenos
econmicos. (Golberger, A. 1964).
En definitiva y destacando lo principal de estos conceptos la econometra se basa en la explicacin

cuantitativa de los fenmenos econmicos de un pas, a travs del uso de las matemticas, la estadstica,
la macro y microeconoma, en fin todas aquellas materias que intervienen en el anlisis de los
fenmenos econmicos. Se la considera como una ciencia aparte, porque busca explicar de manera
numrica o cuantificable las teoras econmicas basadas en el planteo de hiptesis que generalmente
son expresadas en forma cualitativa.
Adicional podemos destacar los tipos de econometra, los mismos que se expresan en la siguiente figura:

NDICE
FIGURA 1
TIPOS DE ECONOMETRA
PRELIMINARES
Econometra
Terica Aplicada
BIMESTRE
PRIMER
Clsica Bayesiana Clsica Bayesiana
Fuente y elaboracin: Gujarati, D. & Porter, D. (2010). Econometra. Mxico: McGraw-Hill. Quinta
edicin.
SEGUNDO
BIMESTRE
1.2. Metodologa de la econometra
Comenzaremos entendiendo cul es el formato general de una ecuacin de regresin simple y los
factores que la componen:
SOLUCIONARIO
Coeficientes de regresin
Y = 1 + 2 X +
Perturbacin estocstica
Variable independiente
Variable dependiente
Intercepto Pendiente
Para realizar el anlisis de un problema econmico se presenta la metodologa tradicional o clsica:

NDICE
FIGURA 2
METODOLOGA ECONOMTRICA
PRELIMINARES
Se establece la relacin entre las variables a intervenir. (Y y X)
Variable Y en funcin de la variable X. (Y = f(x))
Las variables que intervienen en el modelo deben tener sentido y conexin, es decir que la
1. Planteo terico variable considerada como X debe explicar a la variable Y.
Los modelos pueden ser establecidos por usted o aplicar modelos de la teora econmica y
o de hiptesis
replicarlos a casos concretos.
BIMESTRE
PRIMER
Establecer la forma funcional del modelo de manera general.
Este modelo matemtico es fijo para representar cualquier relacin economtrica.
2. Especificacin
Y = B1 + B2X
del modelo
matemtico
SEGUNDO
BIMESTRE
Modelo similar al matemtico.
La variacin se da cuando a este modelo matemtico se le aade el trmino u que es la
variable estocstica y se transforma en un modelo economtrico.
3. Planteo terico
La variable estocstica es aquella que agrupa a todas aquellas variables adicionales que
o de hiptesis podran de alguna manera influir sobre la variable dependiente.
SOLUCIONARIO
Para obtener los resultados de la regresin necesitamos tener datos numricos de las
variables que estamos utilizando para nuestro modelo.
4. Obtencin de La informacin puede estar presentada en series de tiempo, en informacin de corte
datos transversal o mixta.
A trves de una regresin lineal.

5. Estimacin del De manera manual o utilizando el Excel.
modelo
Se plantea hiptesis en base a lo que se quiere determinar.

6. Planteo de Determinar si se cumple lo que se desea investigar o comprobar la teora econmica.
hiptesis
Se realizan tres tipos de verificacin: econmica, estadstica y economtrica sobre los

7. Verificacin resultados de la regresin.
8. Prediccin o Si el modelo escogido confirm las hiptesis planteadas o la teora econmica analizada,
pronstico este modelo sirve para poder hacer predicciones de la variable dependiente (Y).
Fuente: Gujarati, D. & Porter, D. (2010). Econometra. Mxico: McGraw-Hill. Quinta edicin.
Elaboracin: el autor.

NDICE
Para comprender mejor esta primera parte a continuacin se describe paso a paso la metodologa,
mediante los siguientes ejemplos:
PRELIMINARES
EJEMPLO 1
1. Planteamiento de la teora o de la hiptesis
Modelos basados en teoras econmicas ya establecidas
BIMESTRE
PRIMER
Keynes (1936), plantea en su estudio denominado The General Theory of Employment, Interest
and Money, que la ley psicolgica fundamental, consiste en que los hombres (y las mujeres)
como regla general y en promedio, estn dispuestos a incrementar su consumo a medida que su
ingreso aumenta, pero no en la misma cuanta del aumento de su ingreso.
SEGUNDO
BIMESTRE
Consumo = (Ingreso)
C = (Y)
Esta ecuacin significa que el consumo est en funcin del ingreso, es decir, que los cambios o variaciones
que se den en el ingreso repercuten en el consumo, estos pueden ser de manera directa o inversa.
SOLUCIONARIO
Okun (1950), economista norteamericano, establece que el desempleo est en funcin del
producto interno bruto real. Por tal razn el modelo establecido de manera sencilla es:
Este modelo econmico manifiesta la correlacin existente entre los cambios en la tasa de desempleo
y los cambios en elPIBactual (real), la ley manifiesta Que por cada punto porcentual que la tasa de
crecimiento de la produccin efectiva sobrepase a la tasa de crecimiento tendencial de pleno empleo, el
desempleo va a caer enP puntos porcentuales.
Por tanto:
A mayor produccin, menos desempleo; a menor produccin, ms desempleo. El PIB real es la variable
(X) o independiente que explica las variaciones que se dan en el desempleo.
Modelos basados en planteo de hiptesis
Aqu lo que har es probar alguna relacin entre dos variables siempre y cuando estas tengan relacin
con lo que se quiere probar. No se puede poner variables al azar sin que exista alguna relacin o
concordancia con las mismas.
Se pretende conocer la relacin que se dan en los siguientes modelos:
El salario de un trabajador en funcin de las horas de trabajo
Salario = (horas)
w = (horas trabajo)
Este es un modelo planteado que busca conocer cmo se ve afectado el salario de un trabajador ante
una variacin en las horas de trabajo.

NDICE
Promedio de calificaciones de un paralelo en funcin al nmero de estudiantes

Calificaciones = (nmero de estudiantes)
PRELIMINARES
Pc = (# estudiantes)
Estos ejemplos son referencias de modelos ya establecidos o modelos que se puede proponer estudiar,
todo ello basado en la relacin de las variables y en la disponibilidad de la informacin.
2. Especificacin del modelo matemtico
BIMESTRE
PRIMER
La especificacin de cualquier modelo en forma matemtica es la misma para todos, solo variara en el
nmero de variables con las cuales establecemos el modelo. Aqu encontraremos modelos tal como:
los lineales, logartmicos, recprocos y polinomiales. Pero como estamos comenzando el estudio de la
materia de econometra, solo se trabaja con modelos de regresin simple.
SEGUNDO
BIMESTRE
Y = 1 + 2 Xi
Esta es la representacin matemtica en la cual establecemos que Y est en funcin de X, o como lo

vimos en los ejemplos anteriores se tendra:
SOLUCIONARIO
El consumo en funcin del ingreso
El desempleo en funcin del PIB real
El salario en funcin de las horas de trabajo
Promedio de calificaciones en funcin del nmero de estudiantes
3. Especificacin economtrica
Para la especificacin economtrica, simplemente al modelo matemtico se le adiciona el trmino ,

el cual representa a todas aquellas variables que tienen alguna relacin o influencia sobre la variable
dependiente Y. La ecuacin es la misma para cualquier modelo.
Y = 1 + 2 Xi +
4. Obtencin de datos
Aqu se establece la informacin que se va a utilizar, tablas con datos numricos de las variables que se
va a utilizar para un modelo economtrico. Como se lo mencion en el grfico 1, existen varias maneras
de presentarse la informacin.
Informacin de series de tiempo:

Informacin que se da en distintos periodos de tiempo. Esta puede ser diaria, semanal, mensual,
bimestral, trimestral o anual. Para conocer este tipo de informacin revise la tabla T2.9 del CD, as
como tambin la tabla I.1, 1.2, y 1.3 del libro bsico.
Informacin de corte transversal:

Informacin que se genere en un mismo periodo de tiempo, ejemplo de esto son las tablas 1.1,
1.5, 2.6 del libro bsico.
Informacin combinada o datos de panel:

Informacin que combina series de tiempo e informacin de corte transversal, ejemplo de esto
son las tablas 1.4, 6.3, 7.6 del libro bsico.

NDICE
5. Estimacin del modelo
PRELIMINARES
Aqu se presentan los resultados de la aplicacin de la regresin lineal al modelo planteado, el mismo
nos permitir determinar si las variables que utilice son adecuadas o no con respecto a la investigacin
que se realiz, es decir, se podr determinar si la variable independiente (X), es apropiada para explicar
los cambios en la variable dependiente (Y).
6. Planteo de hiptesis
BIMESTRE
PRIMER
Suponiendo que el modelo que se plante es adecuado, lo que se buscara ahora es determinar si los
valores estimados concuerdan con las expectativas de la teora que se est probando.
7. Verificacin
SEGUNDO
BIMESTRE
Para asegurar un modelo bastante adecuado que pueda describir cuantitativamente la relacin de
las variables para explicar cierta investigacin, se debe realizar una serie de verificaciones tal como la
econmica, estadstica y economtrica.
Verificacin econmica: en esta se busca comprobar que los resultados obtenidos de los coeficientes
SOLUCIONARIO
de regresin as como su signo concuerden con la teora planteada.
Verificacin estadstica: aqu se hace un anlisis de los errores estndar, el coeficiente de

determinacin y la comprobacin de hiptesis.
Verificacin economtrica: se determina si el modelo presenta problemas tal como: multicolinealidad,

heteroscedasticidad, autocorrelacin y sesgo de especificacin, para posteriormente proceder a
corregirlos.
8. Prediccin o pronstico
Una vez confirmada la teora o hiptesis, estos valores son utilizables para predecir los valores futuros
de la variable Y, para esto debemos reemplazar el valor de X, y de esta manera obtenemos el valor de la
variable dependiente.
Como puede ver esta ha sido una revisin general de cmo se aplica la metodologa economtrica, por
lo que a lo largo del estudio comprenderemos mejor la aplicacin de cada uno de estos pasos.
1.3. Interpretacin moderna de la regresin
Comenzaremos analizando un concepto bsico de regresin:
El anlisis de regresin trata del estudio de la dependencia de la variable dependiente, respecto a una o
ms variables (las variables explicativas), con el objetivo de estimar y/o predecir la media o valor promedio
poblacional de la primera en trminos de los valores conocidos o fijos (en muestras repetidas) de las ltimas.1
Con los siguientes ejemplos clarificaremos la importancia del concepto de regresin:
Un economista puede estar interesado en estudiar la dependencia del gasto de consumo personal
en el ingreso personal neto disponible (despus de impuestos). Un anlisis de este tipo puede ser
1. Gujarati, D. & Porter, D. (2010). Econometra. Mxico: McGraw Hill. Quinta edicin.

NDICE
til para estimar la propensin marginal a consumir (PMC), esto es, el cambio promedio en el
gasto de consumo ante un cambio de un dlar.2
PRELIMINARES
El ayuntamiento de Madrid quiere construir un modelo de regresin lineal que explique el nmero
de personas que acuden a las piscinas municipales en funcin de la diferencia de temperatura con
respecto al da anterior.3
Se recomienda que se analicen varios casos en los cuales se d la dependencia de una variable con
BIMESTRE
respecto a otra u (otras) variables explicativas.
PRIMER
PUNTOS DE REPASO
Invente algunos modelos de regresin simple que usted cree que puedan ser analizados.
Analice seis variables en las pginas del BCE o del INEC, e indique cmo est presentada esta
SEGUNDO
BIMESTRE
informacin.
Analice otros tres conceptos sobre lo que es el anlisis de regresin lineal.
1.4. Relaciones estadsticas vs relaciones determinsticas
SOLUCIONARIO
Estadsticas: se trata de variables aleatorias o al azar que generalmente presentan errores de medicin
y dan cabida a la incertidumbre de sus resultados, es decir son variables que no se pueden controlar o
medir y obtener respuestas exactas.
Ejemplos: temperatura del ambiente, lluvia, el sol, la oferta y la demanda, etc.
Determinsticas: variables que no estn compuestas por informacin al azar ni que tampoco generan el
principio de incertidumbre, es decir, son variables que no son aleatorias o estocsticas.
Ejemplos: la ley de newton, planificacin de una lnea de produccin, ley de los gases de boyle.
1.5. Regresin vs causalidad
El anlisis de regresin no implica necesariamente que las variables que intervienen en el modelo tengan
una relacin de causalidad, es decir que entre ellas exista una correlacin, por ms necesaria que esta sea
para el modelo.
1.6. Regresin vs correlacin
Correlacin: mide el grado de explicacin o asociacin entre las variables dependiente e independiente.
Regresin: busca obtener el valor medio de la variable dependiente ante una variacin en los valores
fijos de la variable independiente.
Recuerde revisar en el texto bsico, las diferentes terminologas con las cuales se denomina a la variable
dependiente e independiente.
2 Gujarati, D. & Porter, D. (2010). Econometra. Mxico: McGraw-Hill. Quinta edicin.

3 Pena, J; Estavillo, J. (1999). CIEN EJERCICIOS DE ECONOMETRA. Madrid: Ediciones Pirmide.

NDICE
ACTIVIDAD SUGERIDA
PRELIMINARES
Seor estudiante: se le recomienda revisar las pginas que manejan informacin econmica a nivel
nacional. Cules seran las variables micro o macroeconmicas que pueden ser sujetas para armar 5
modelos de regresin simple?
Hemos concluido el estudio de esta primera unidad, le invito a responder por lo tanto, la siguiente
autoevaluacin que le permitir conocer su nivel de conocimientos.
BIMESTRE
PRIMER
Autoevaluacin 1
SEGUNDO
BIMESTRE
A. Escriba dentro del parntesis una V o una F, segn considere verdaderos o falsos los siguientes
literales:
1. ( ) La econometra es la ciencia que analiza los fenmenos econmicos de manera

terica.
SOLUCIONARIO
2. ( ) La metodologa economtrica consta de 10 pasos.
3. ( ) La informacin de corte transversal es la que se da en distintos periodos de tiempo.
4. ( ) El modelo matemtico es aquella ecuacin que no incluye el error estocstico.
5. ( ) Un modelo de regresin es aquel en que la variable independiente est en funcin de
la variable dependiente.
6. ( ) Un modelo economtrico sirve para predecir valores futuros de la variable
dependiente.
B. Realice los siguientes ejercicios:
7. Establezca 10 modelos de regresin simple. Por ejemplo:
Consumo = f (ingreso)
Inflacin = f (salario real)
8. Investigue a lo largo del libro bsico 4 tablas e indique si la informacin presentada ah es de series
de tiempo, de corte transversal o mixta.
Ir a solucionario

NDICE
UNIDAD 2. ANLISIS DE REGRESIN CON DOS VARIABLES
PRELIMINARES
2.1. Concepto de funcin de regresin poblacional (frp)
Conocemos que para establecer un modelo de regresin simple se deben definir las variables, sobre
BIMESTRE
PRIMER
todo, cul es la variable controlada y cul la de control.
Revisando el ejemplo hipottico 2.1 del texto bsico, en el cual nos da una interpretacin prctica de lo
que es la regresin, a travs de una poblacin de 60 familias en la cual el consumo semanal (Y) est en
funcin del ingreso semanal (X).
SEGUNDO
BIMESTRE
La ecuacin aplicada para la funcin de regresin poblacional es: consumo en funcin del ingreso
C = (Y)
La regresin lineal permite obtener los valores esperados o la media poblacional del consumo ante una
SOLUCIONARIO
variacin en los ingresos.
E (y/Xi)= (Xi)
E (y / xi ) = 1 + 2 Xi +
Observe la figura 2.1 del texto bsico en la que la recta de regresin poblacional (RRP) est dada por los
valores esperados o medios de Y, alrededor del cual se encuentran los valores asignados al consumo por
cada nivel de ingreso. La funcin de regresin poblacional (FRP) grficamente tambin est expresada
en la figura 2.2 del texto.
Los resultados obtenidos fueron los promedios de consumo de cada familia ante una variacin en sus
ingresos, los mismos que mantienen una relacin directa con la variable dependiente, que basado en
la teora econmica manifiesta que las personas ante un mayor nivel de ingreso tienden a aumentar su
nivel de consumo.
2.2. Significado del trmino lineal
Linealidad en las variables (X o Y)
Para que un modelo sea considerado como lineal en sus variables, estas no pueden estar elevadas a un
exponente mayor a uno, ni multiplicadas o divididas para otra variable. Para que el modelo sea lineal
este debe darse en todas las variables.
Ejemplos de linealidad: Yi =1 + 2 Xi
Ejemplos de no linealidad: Yi =1 + 2 Xi2 Yi =1 + 2 Xi + 3 Xi2 + 4 Xi3
Yi = e 1 + 2 Xi Yi = 1 + 2 +

ln Yi = 1 + 2 Xi2 +

NDICE
Linealidad en los parmetros (1 , 2)
PRELIMINARES
Aqu se aplica el mismo concepto de linealidad, solo que ahora es para los parmetros.
E (Y|Xi) = 1 + 2 Xi E (Y|Xi) = 1 + 2 Xi2
EJEMPLO 2
BIMESTRE
Aqu algunos ejemplos de distintos tipos de regresiones:
PRIMER
Lineal. Y = 1 + 2 X
Logartmica. Y = 1 + 2 ln X
Inversa. Y = 1 +
SEGUNDO
BIMESTRE
Cuadrtico. Yi =1 + 2 Xi + 3 X2
Cbico. Yi =1 + 2 Xi + 3 X2 + 4 X3
SOLUCIONARIO
Potencia. Y = 1 X 2 o ln Y = ln 1 + 2ln X
Compuesto. Yi =12x o ln Yi = ln 1 + X ln 2
Curva-S. e 1 + o ln Y = 1 +
Crecimiento. e 1 + 2 X o ln Y = ln 1 + 2 X
Exponencial. Y = 1 e 2 X o ln Y = ln 1 + 2 X
ACTIVIDAD SUGERIDA
Seor estudiante: se le recomienda revisar los ejercicios 2.6 y 2.7 que se encuentran al final del captulo 2
del texto bsico para un mejor entendimiento de linealidad en las variables o en los parmetros.
2.3. Especificacin estocstica
El termino u, se lo denomina error estocstico o perturbacin estocstica, el mismo que indica la

dispersin o desviacin de un E individual alrededor de su valor esperado. Estas desviaciones son
causadas por otras variables que afectan a la variable dependiente cuyos efectos en su conjunto son
expresados por el error estocstico4.
i = Yi - E (Y / Xi)
Yi = E (Y / Xi) + i
Para obtener resultados confiables (1 y 2) en la regresin, se debe suponer que no existe ninguna
relacin entre variable X y el valor esperado de la variable u.
E () = 0
E ( / x) = E () = 0
4. Ochoa, O. (2011). Gua de Econometra 1. UTPL.

NDICE
Como u y X son variables aleatorias, podemos definir la distribucin condicional de u dado cualquier
valor de X. En particular para cualquier X, podemos obtener el valor esperado o promedio de u para
PRELIMINARES
aquel sector de la poblacin que describe esa X. La suposicin crucial es que el valor promedio de u no
depende de X.
EJEMPLO 3
Yi = 1 + 2 Xi +
BIMESTRE
PRIMER
cosecha = 1 + 2 fertilizante +
En la que u podra representar variables como: la lluvia, el sol, los aos de vida del terreno, etc., todas
aquellas variables que ejercen algn efecto sobre Y.
SEGUNDO
BIMESTRE
Yi = 1 + 2 Xi +
salario = 1 + 2 fertilizante +
En la que u podra representar variables como: aos de experiencia, nmero de cursos, sexo, religin etc.,
SOLUCIONARIO
todas aquellas variables que ejercen algn efecto sobre Y.
Yi = 1 + 2 Xi +
calificacin = 1 + 2 asistencia +
En la que u podra representar variables como: conducta, participacin, trabajo entregados etc., todas
aquellas variables que ejercen algn efecto sobre Y.5
Como acabamos de revisar el trmino perturbacin estocstica, u es un sustito para todas aquellas
variables que son omitidas en el modelo pero que de manera conjunta ejercen un efecto sobre la variable
dependiente. Para conocer cules son las razones por las que no se desarrolla un modelo con todas estas
variables que agrupa el error estocstico, revise el tema 2.5 de su texto bsico.
2.4 Funcin de regresin muestral
Se conoce que al realizar un estudio de mercado siempre la investigacin busca obtener informacin de
una determinada poblacin, la misma que en su mayor parte se trata de miles de personas que al levantar
una encuesta a cada uno de ellos tomara mucho tiempo y resultara muy costoso. Para solucionar esto,
lo ms adecuado es obtener una muestra de esta poblacin cuyos resultados reflejarn casi de manera
similar lo que se hubiera obtenido al trabajar con la poblacin.
El mismo principio es aplicable dentro de los modelos de regresin, ya que hasta aqu hemos revisado la
teora relacionada a modelos de regresin poblacionales.
Ahora analizaremos la funcin de regresin muestral (FRM), la misma que parte de la ecuacin de
regresin poblacional, es decir estimaremos la funcin de regresin poblacional (FRP), con base en
informacin muestral.
5. Wooldridge, J. (2001). Introduccin a la Econometra. Mxico. Thomson Learning.

NDICE
Yi = 1 + 2 Xi + i FRP
PRELIMINARES
^ ^
i = 1 + 2 Xi + i FRM
Este es el procedimiento normal que se utiliza para la estimacin de un modelo de regresin, en la cual
es importante que las variables que se utilice tenga la informacin necesaria para poder ser aplicadas.
BIMESTRE
Para entender un poco ms este tema revise el ejercicio del literal 2.7 de su texto bsico.
PRIMER
ACTIVIDAD SUGERIDA
Realice los ejercicios: 2.10; 2.11; 2.12 y 2.15, de la parte final del captulo 2 para reforzar los conocimientos
de esta unidad.
SEGUNDO
BIMESTRE
Autoevaluacin 2
SOLUCIONARIO
literales:
1. ( ) El error estocstico tambin es conocido como perturbacin estocstica.

2. ( ) La recta o curva de regresin poblacional es el lugar geomtrico de las medias
condicionales de la variable independiente para los valores fijos de la variable
dependiente.
3. ( ) Es una condicin de que todos los modelos deben ser lineales en las variables.
4. ( ) La variable u puede ser usada como sustituta de aquellas variables que afectan a la
variable dependiente.
5. ( ) Funcin de expectativa condicional es lo mismo que funcin de regresin condicional.
6. ( ) Variables proxy son aquellas variables que reemplazan a aquellas que no pueden ser
medidas u observadas de manera directa.
7. ( ) Una funcin cuadrtica es una funcin lineal en las variables.
8. ( ) La FRM es la que se utiliza para calcular la FRP.
9. ( ) El error estocstico es confiable cuando es menor a la tercera parte del valor del
parmetro.
10. ( ) Se habla de linealidad en el parmetro cuando este se eleva a una potencia distinta
de uno o se multiplica por otro parmetro.
Ir a solucionario

NDICE
UNIDAD 3. MODELOS DE REGRESIN CON DOS VARIABLES
PRELIMINARES
3.1. Mtodo de mnimos cuadrados ordinarios (mco)
En la siguiente unidad estudiaremos el mtodo generalmente utilizado para la estimacin de modelos

de regresin, cabe resaltar que existe una gran variedad de mtodos para realizar regresiones entre ellos
BIMESTRE
tenemos: el de mnimos cuadrados ordinarios, el de mxima verosimilitud (MV), el mtodo de momentos
PRIMER
generalizados, entre otros.
Para el estudio de Econometra 1, utilizaremos el mtodo de mnimos cuadrados ordinarios (MCO), ya

que en base a la teora, proporciona resultados estadsticos significativos y est regido por una serie de
supuestos y propiedades que lo vuelven bastante confiable a la hora de realizar regresiones.
SEGUNDO
BIMESTRE
Adicionalmente revisaremos el clculo de los residuos, los cuales se generan al momento de estimar la
regresin.
En resumen, dentro de esta unidad revisaremos dos puntos importantes: primero, cmo interpretar los
SOLUCIONARIO
resultados de la regresin, y segundo, si los resultados obtenidos son estadsticamente significativos, es
decir, son confiables para ser utilizados en una investigacin.
Dentro de los pasos de la metodologa economtrica el clculo de los coeficientes de regresin

constituye el paso 5, en donde se nos permite realizar la verificacin econmica.
Para entender este tema lo haremos a travs de algunos ejercicios.
EJEMPLO 4.
Ejercicio 4.1. Gasto de consumo en personal6
El siguiente ejercicio muestra informacin sobre Y (gasto de consumo personal) y X (PIB), desde 1982-
1996, en miles de millones de dlares de 1992. Tabla I.1 del texto gua, pgina 6.
Aplicaremos la metodologa economtrica conforme vayamos avanzando en esta unidad, inicialmente

lo haremos con lo siguiente:
1. Planteo terico o de hiptesis. Gasto de consumo de personal= f (PIB) o Y= f (X)

2. Especificacin del modelo matemtico Y= B1+B2X
3. Especificacin modelo economtrico Y= B1+B2X+u
4. Obtencin de datos Tabla I.1
5. Estimacin de la regresin
6. Gujarati, D. & Porter, D. (2010). Econometra. Mxico: McGraw Hill. Quinta edicin.

NDICE
TABLA 1
INFORMACIN DEL GASTO DE PERSONAL Y EL PIB (miles de millones de dlares 1992)
PRELIMINARES
^2 (X)^2 (Y)^2
Obs Y X (X)^2 XY (Y-) (Y-)^2 (X-Xm)^2 (Y-Ym)^2
1982 3081,5 4620,3 21347172,1 14237454,5 3077,01 4,49 20,14 1567236,92 778965,11
1983 3240,6 4803,7 23075533,7 15566870,2 3206,46 34,14 1165,6 1141678 523437,78
1984 3407,6 5140,1 26420628 17515404,8 3443,9 -36,3 1317,41 535960,65 309681,12
BIMESTRE
PRIMER
1985 3566,5 5323,5 28339652,3 18986262,8 3573,34 -6,84 46,83 301064,37 158077,81
1986 3708,7 5487,7 30114851,3 20352233 3689,24 19,46 378,75 147835,12 65224,05
1987 3822,3 5649,5 31916850,3 21594083,9 3803,44 18,86 355,71 49592,32 20104,40
1988 3972,7 5865,2 34400571 23300680 3955,68 17,02 289,52 48,91 74,13
1989 4064,6 6062 36747844 24639605,2 4094,59 -29,99 899,38 36026,57 10102,26
SEGUNDO
BIMESTRE
1990 4132,2 6136,3 37654177,7 25356418,9 4147,03 -14,83 219,98 69752,33 28260,97
1991 4105,8 6079,4 36959104,4 24960800,5 4106,87 -1,07 1,15 42934,6 20081,72
1992 4219,8 6244,4 38992531,4 26350119,1 4223,33 -3,53 12,47 138537,8 65387,60
1993 4343,6 6389,6 40826988,2 27753866,6 4325,82 17,78 316,29 267709,66 144027,84
1994 4486 6610,7 43701354,5 29655600,2 4481,87 4,13 17,04 545392,1 272390,05
SOLUCIONARIO
1995 4595,3 6742,1 45455912,4 30981972,1 4574,62 20,68 427,82 756737,61 398426,06
1996 4714,1 6928,4 48002726,6 32661170,4 4706,11 7,99 63,84 1115572,52 562515,00
59461,3 88082,9 523955898 353912542 59409,31 5531,93 6716079,49 3356755,92
Debemos iniciar calculando las sumatorias de (Y, X, XY, X^2) descritos en la tabla 1. Una vez obtenidos
procedemos al clculo de los coeficientes de la regresin. Para esto utilizamos las siguientes frmulas:
La interpretacin de este parmetro es que si el ingreso o el PIB fueran de cero, el gasto de consumo de
personal sera de -184 mil millones de dlares.

NDICE
La interpretacin de este parmetro indica que si el PIB se incrementa en un dlar, el gasto de consumo
personal promedio aumenta en casi 71 centavos.
PRELIMINARES
Estos valores obtenidos se conocen como estimadores de mnimos cuadrados, en donde representa
el intercepto y la pendiente.
Con los valores de los coeficientes procedemos a establecer los resultados de la ecuacin de regresin.
Como lo dijimos en la unidad anterior debemos utilizar la funcin de regresin muestral.
BIMESTRE
PRIMER
i = -184,08 + 0,71Xi + i
Los residuos se generan por cada uno de los datos de la variable dependiente, pero antes de poder
SEGUNDO
BIMESTRE
calcularlos debemos generar los valores de la Y estimada (), para esto utilizamos la ecuacin de regresin
y reemplazamos el valor de X de la siguiente manera:
1 = -184,08 + 0,71X1
SOLUCIONARIO
1 = -184,08 + 0,71 (4620,30)
1 = 3077,01
2 = -184,08 + 0,71X1
2 = -184,08 + 0,71(4803,70)
2 = 3206,46
De igual manera se procede con los dems datos de X, lo que al final nos permite es obtener los valores
de las Y estimadas y posteriormente la .
Luego de haber obtenido las Y estimadas, procedemos al clculo de los residuos:
=Y-
1 =3081,50 - 3077,01
1 = 4,49
2 =3240,60 - 3206,46
2 =34,14
De igual manera se procede con los dems datos de Y, lo que al final nos permite es obtener los valores
de las u estimadas y posteriormente la .

NDICE
GRFICA 3.1
LINEA DE REGRESIN
PRELIMINARES
4,800
4,400
4,000
BIMESTRE
Y
PRIMER
3,600
3,200
2,800
4,500 5,000 5,500 6,000 6,500 7,000
SEGUNDO
BIMESTRE
X
Fuente: tabla 1.I.

SOLUCIONARIO
Hemos realizado la grfica para determinar a simple vista como los datos se ajustan a la lnea de regresin.
En este ejemplo podemos determinar que el PIB explica en gran medida las variaciones que se dan en
el gasto de consumo de personal.
EJERCICIO 4.2. Gasto en comida
El siguiente ejercicio proporciona los datos de gasto en comida y gasto total (dados en rupias), para una
muestra de 55 familias rurales de la India. Tabla 2.8 texto bsico, pgina 54.

1. Planteo terico o de hiptesis Gasto de comida = f (Gasto total) o Y= f (X)

4. Obtencin de datos Tabla 2.8

NDICE
TABLA 2
GASTO TOTAL Y EN COMIDA (Rupias)
PRELIMINARES
Tabla 2.8 ^2 (X)^2 (Y)^2
Obs
Y X (X)^2 XY (Y-) (Y-)^2 (X-Xm)^2 (Y-Ym)^2
1 217 382 145924 82894 262,29 -45,29 2051,18 66069,56 24445,32
2 196 388 150544 76048 264,93 -68,93 4751,34 63021,08 31453,02
3 303 391 152881 118473 266,25 36,75 1350,56 61523,84 4949,12
BIMESTRE
PRIMER
4 270 415 172225 112050 276,81 -6,81 46,38 50193,92 10681,22
5 325 456 207936 148200 294,85 30,15 909,02 33503,64 2337,72
6 260 460 211600 119600 296,61 -36,61 1340,29 32055,32 12848,22
7 300 472 222784 141600 301,89 -1,89 3,57 27902,36 5380,22
8 325 478 228484 155350 304,53 20,47 419,02 25933,88 2337,72
SEGUNDO
BIMESTRE
9 336 494 244036 165984 311,57 24,43 596,82 21036,60 1395,02
10 345 516 266256 178020 321,25 23,75 564,06 15138,84 803,72
11 325 525 275625 170625 325,21 -0,21 0,04 13005,12 2337,72
12 362 554 306916 200548 337,97 24,03 577,44 7231,80 128,82
13 315 575 330625 181125 347,21 -32,21 1037,48 4101,12 3404,72
SOLUCIONARIO
14 355 579 335241 205545 348,97 6,03 36,36 3604,80 336,72
15 325 585 342225 190125 351,61 -26,61 708,09 2920,32 2337,72
16 370 586 343396 216820 352,05 17,95 322,20 2813,24 11,22
17 390 590 348100 230100 353,81 36,19 1309,72 2404,92 277,22
18 420 608 369664 255360 361,73 58,27 3395,39 963,48 2176,22
19 410 610 372100 250100 362,61 47,39 2245,81 843,32 1343,22
20 383 616 379456 235928 365,25 17,75 315,06 530,84 93,12
21 315 618 381924 194670 366,13 -51,13 2614,28 442,68 3404,72
22 267 623 388129 166341 368,33 -101,33 10267,77 257,28 11310,32
23 420 627 393129 263340 370,09 49,91 2491,01 144,96 2176,22
24 300 630 396900 189000 371,41 -71,41 5099,39 81,72 5380,22
25 410 635 403225 260350 373,61 36,39 1324,23 16,32 1343,22
26 220 640 409600 140800 375,81 -155,81 24276,76 0,92 23516,22
27 403 648 419904 261144 379,33 23,67 560,27 80,28 879,12
28 350 650 422500 227500 380,21 -30,21 912,64 120,12 545,22
29 390 655 429025 255450 382,41 7,59 57,61 254,72 277,22
30 385 662 438244 254870 385,49 -0,49 0,24 527,16 135,72
31 470 663 439569 311610 385,93 84,07 7067,76 574,08 9341,22
32 322 677 458329 217994 392,09 -70,09 4912,61 1440,96 2636,82
33 540 680 462400 367200 393,41 146,59 21488,63 1677,72 27772,22
34 433 690 476100 298770 397,81 35,19 1238,34 2596,92 3558,12
35 295 695 483025 205025 400,01 -105,01 11027,10 3131,52 6138,72
36 340 695 483025 236300 400,01 -60,01 3601,20 3131,52 1112,22
37 500 695 483025 347500 400,01 99,99 9998,00 3131,52 16040,22
38 450 720 518400 324000 411,01 38,99 1520,22 6554,52 5875,22
39 415 721 519841 299215 411,45 3,55 12,60 6717,44 1734,72
40 540 730 532900 394200 415,41 124,59 15522,67 8273,72 27772,22
41 360 731 534361 263160 415,85 -55,85 3119,22 8456,64 178,22

NDICE
42 450 733 537289 329850 416,73 33,27 1106,89 8828,48 5875,22

43 395 745 555025 294275 422,01 -27,01 729,54 11227,52 468,72
PRELIMINARES
44 430 751 564001 322930 424,65 5,35 28,62 12535,04 3209,22
45 332 752 565504 249664 425,09 -93,09 8665,75 12759,96 1709,82
46 397 752 565504 298544 425,09 -28,09 789,05 12759,96 559,32
47 446 769 591361 342974 432,57 13,43 180,36 16889,60 5278,02
48 480 773 597529 371040 434,33 45,67 2085,75 17945,28 11374,22
49 352 773 597529 272096 434,33 -82,33 6778,23 17945,28 455,82
BIMESTRE
PRIMER
50 410 775 600625 317750 435,21 -25,21 635,54 18485,12 1343,22
51 380 785 616225 298300 439,61 -59,61 3553,35 21304,32 44,22
52 610 788 620944 480680 440,93 169,07 28584,66 22189,08 56003,22
53 530 790 624100 418700 441,81 88,19 7777,48 22788,92 24539,22
54 360 795 632025 286200 444,01 -84,01 7057,68 24323,52 178,22
SEGUNDO
BIMESTRE
55 305 801 641601 244305 446,65 -141,65 20064,72 26231,04 4671,72
20534 35147 23188835 13440242 20646,23 -112,23 237130,05 728623,93 375916,44
Fuente: texto bsico.
SOLUCIONARIO
Si el gasto total fuera de cero, el gasto promedio en alimentos sera de aproximadamente 94 rupias.
Si el gasto total se incrementa en una rupia en promedio, el gasto en alimentos aumenta en casi 44
pases (1 rupia=100 pases).
Estos valores obtenidos se conocen como estimadores de mnimos cuadrados, en donde B1 representa
el intercepto y B2 la pendiente.

NDICE
PRELIMINARES
i = 94,21 + 0,44 Xi + i
BIMESTRE
PRIMER
1 = 94,21 + 0, 44X1
1 = 94,21 + 0,44(382)
SEGUNDO
BIMESTRE
1 = 262,29
2 = 94,21 + 0,44 X1
2 = 94,21 + 0,7(388)
2 = 264,93
SOLUCIONARIO
De igual manera se procede con los dems datos de X, lo que al final nos permite es obtener los valores
de las Y estimadas y posteriormente la .
=Y-
1 =217 - 262,29
1 = -45,29
2 = 196 - 264,93
2 = -68,93

NDICE
GRFICA 3.2
LNEA DE REGRESIN
PRELIMINARES
700
600
500
400
BIMESTRE
Y
PRIMER
300
200
100
SEGUNDO
300 400 500 600 700 800 900
BIMESTRE
X
Fuente: tabla 2.8.

SOLUCIONARIO
Hemos realizado la grfica para determinar a simple vista como los datos se ajustan a la lnea de regresin.
En base a esto podremos determinar si la variable X es adecuada para explicar a la variable Y. En este caso
vemos una gran dispersin de los datos alrededor de la lnea de regresin, lo que posiblemente refleja
que la variable gasto total no es adecuada para explicar a la variable gasto personal.
EJERCICIO 4.3. Nivel de ingresos
La tabla 2.6 del libro bsico proporciona informacin respecto al nivel de estudios (medido por el
nmero de aos de escolaridad), el salario por hora devengado por las personas respecto a cada nivel
de escolaridad y el nmero de gente en el nivel de estudios dado. Para este modelo utilizaremos los
ingresos promedio por hora (Y) y la educacin, medida por aos de escolaridad (X).

1. Planteo terico o de hiptesis Ingresos/hora = f (escolaridad) o Y= f (X)


NDICE
TABLA 3
SALARIO PROMEDIO POR HORA SEGN LA ESCOLARIDAD
PRELIMINARES
Tabla 2.6
Mean hourly wage by education ^2 (X)^2 (Y)^2
Obs
(Y- (X-
X Y (X)^2 XY (Y-) (Y-Ym)^2
)^2 Xm)^2
1 6 4,46 3 36 26,74 4,04 0,41 0,17 36 17,75
BIMESTRE
2 7 5,77 5 49 40,39 4,72 1,05 1,10 25 8,41
PRIMER
3 8 5,98 15 64 47,83 5,40 0,58 0,34 16 7,24
4 9 7,33 12 81 65,99 6,07 1,26 1,58 9 1,79
5 10 7,32 17 100 73,18 6,75 0,57 0,32 4 1,83
6 11 6,58 27 121 72,43 7,43 -0,84 0,71 1 4,35
7 12 7,82 218 144 93,82 8,10 -0,28 0,08 0 0,73
SEGUNDO
BIMESTRE
8 13 7,84 37 169 101,86 8,78 -0,94 0,89 1 0,70
9 14 11,02 56 196 154,31 9,46 1,57 2,45 4 5,53
10 15 10,67 13 225 160,11 10,13 0,54 0,29 9 4,02
11 16 10,84 70 256 173,38 10,81 0,03 0,00 16 4,69
SOLUCIONARIO
12 17 13,62 24 289 231,46 11,48 2,13 4,54 25 24,45
13 18 13,53 31 324 243,56 12,16 1,37 1,88 36 23,63
156 112,77 2054 1485,04 105,34 7,44 14,36 182,00 105,12
Fuente: texto bsico.

Si los aos de escolaridad fueran de cero, el ingreso promedio por hora sera de menos 0,01 centavos.

NDICE
PRELIMINARES
BIMESTRE
PRIMER
Por cada ao adicional de escolaridad los ingresos promedio por hora se incrementan en casi 67 centavos
por hora.
SEGUNDO
BIMESTRE
Estos valores obtenidos se conocen como estimadores de mnimos cuadrados, en donde B1 representa
el intercepto y B2 la pendiente.
SOLUCIONARIO
i = -0,0144 + 0,6764 Xi + i
1 = -0,0144 + 0,6764X1
1 = -0,0144 + 0,67(6)
1 = 4,04
2 = -0,0144 + 0,67 X1
2 = -0,0144 + 0,67(7)
2 = 4,72
De igual manera se procede con los dems datos de X, lo que al final nos permite obtener los valores de
las Y estimadas y posteriormente la .
=Y-
1 =4,46 - 4,04
1 = 0,41
2 = 5,77 - 4,72
2 = 1,05

NDICE
PRELIMINARES
GRFICA 3.3
LNEA DE REGRESIN
14
BIMESTRE
12
PRIMER
10
Y
SEGUNDO
BIMESTRE
4
4 6 8 10 12 14 16 18 20
Fuente: tabla 2.6.
SOLUCIONARIO
La grfica nos permite ver con la variable escolaridad es adecuada para explicar el ingreso por hora, ya
que sus datos no estn tan dispersos de la lnea de regresin.
Con estos ejemplos hemos aplicado el mtodo de MCO, el que nos permite obtener los resultados de la
regresin. Inicialmente en las tablas de los ejercicios nos interesa conocer los valores de las sumatorias
de X y Y, y posteriormente los valores u.
Complementado al mtodo de los MCO, estn sus propiedades as como los supuestos aplicables sobre
las variables (X) y el trmino de error, los mismos que son muy crticos para lograr una interpretacin
vlida de los valores estimados de la regresin. Para esto revise la pgina 6 y el literal 3.2 de su libro
bsico.
3.2. Precisin o errores estndar de los mnimos cuadrados estimados
Dentro de los resultados de la ecuacin de regresin se busca alguna medida de confiabilidad o precisin
de los estimadores de 1 y 2. Por lo tanto, en la estadstica la precisin de un valor estimado est dado
por los errores estndar (ee).
Para obtener los ee debemos aplicarlas siguientes frmulas:

NDICE
En donde es la desviacin estndar, Var es la varianza y n es el nmero de datos u observaciones.
PRELIMINARES
Recuerde que K representa el nmero de parmetros estimados, pero para un modelo de regresin
simple este valor ser de dos.
Gujarati, D. & Porter, D. (2010), manifiesta que el error estndar del valor estimado o el error estndar
de la regresin (ee), es simplemente la desviacin estndar de los valores Y alrededor de la recta de
regresin estimada, la cual es utilizada frecuentemente como una medida resumen de la bondad de
ajuste de dicha recta.
BIMESTRE
PRIMER
Adicional los errores estndar nos permiten generar intervalos de confianza para procedimientos
economtricos posteriores.
Para que un modelo sea adecuado debe tener errores mnimos, lo que da confiabilidad a la estimacin.
SEGUNDO
BIMESTRE
Para que un error sea mnimo este debe ser mximo la tercera parte del valor del parmetro, es decir
dividir el valor del parmetro para tres y compararlo con el del error. Si este es menor a la tercera parte
del valor del parmetro es confiable. Caso contrario, no lo es.
Finalizada la revisin del punto 3.2, tendremos toda la informacin necesaria para continuar con el
SOLUCIONARIO
paso 7 de la metodologa economtrica, ya que nos permite ahora realizar la verificacin estadstica.
Para entender este tema de mejor manera continuemos con la revisin de los ejercicios planteados en
la unidad anterior.
EJEMPLO 5
EJERCICIO 5.1. Continuacin del ejercicio 4.1
Aplicando las frmulas anteriormente descritas procedemos a calcular los errores estndar de esta
regresin:

NDICE
Para constatar si los errores estndares calculados son confiables, en primer lugar procedemos a obtener
la tercera parte de los parmetros obtenidos en la regresin.
PRELIMINARES
i = - 184,08 + 0,71 Xi + i
= 184,08 / 3 = 0,71 / 3
= -61,33 = 0,71 / 3
BIMESTRE
PRIMER
ee( ) 47,05 < - 61,33 ee( ) 0,0078 < 0,23
Es confiable Es confiable
i = - 184,08 + 0,71 Xi + i
SEGUNDO
BIMESTRE
ee (47,05) (0,0078)
En base a los resultados podemos concluir que los estimadores de la regresin son confiables ya que sus
SOLUCIONARIO
(ee) han sido menores a la tercera parte del valor del parmetro.
Para realizar las comparaciones entre los valores no se debe tomar en cuenta los signos de los
parmetros.
regresin:

NDICE
Para constatar si los errores estndares calculados son confiables, en primer lugar procedemos a obtener
PRELIMINARES
i = 94,21 + 0,44 Xi + i
= 94,2 / 3 = 0,44 / 3
= 31,40 = 0,15
BIMESTRE
PRIMER
ee( ) 50,88 > 31,40 ee( ) 0,078 < 0,15
No es confiable Es confiable
i = 94,21 + 0,44Xi + i
SEGUNDO
BIMESTRE
ee (50,88) (0,078)
En base a los resultados podemos concluir que el estimador de B1 no es confiable ya que es mayor a la
tercera parte del valor del parmetro, mientras que el estimador B2 si es confiable.
SOLUCIONARIO
regresin:
Para constatar si los errores estndares calculados son confiables, procedemos en primer lugar a obtener

NDICE
i = - 0,0144 + 0,6764 Xi + i
PRELIMINARES
= -0,0144 / 3 = 0,67 / 3
= -0,005 = 0,223
ee( ) 1,064 > 0,005 ee( ) 0,085 < 0,22
BIMESTRE
PRIMER
No es confiable Es confiable
i = -0,0144 + 0,6764Xi + i
ee (1,064) (0,085)
SEGUNDO
BIMESTRE
En base a los resultados podemos concluir que el estimador de B1 no es confiable ya que es mayor a la
tercera parte del valor del parmetro, mientras que el estimador B2 si es confiable.
Adicional a esto, para conocer cmo se comportan las varianzas y los errores estndar, revise las
caractersticas de los mismos que se encuentran en la pgina 71 y 72 de su libro bsico.
SOLUCIONARIO
3.3. Coeficiente de determinacin (r2)
Hasta aqu, no tenemos forma de medir qu tan bien explica la variable independiente, (X), a la variable
dependiente (Y). Por lo tanto, es beneficioso calcular un nmero que indique el grado en que la lnea
de regresin MCO coincide con los datos de las variables. Si los puntos asociados a los datos estn en la
misma lnea, los MCO proporcionan un ajuste perfecto.
Esta medida de bondad de ajuste se mide a travs del coeficiente determinacin (R2). Este indicador
mide el porcentaje en que la variable dependiente est siendo explicada por la variable independiente.
Su valor flucta entre 0 y 1.
Si R2= 1, el ajuste es perfecto.

Si R2= 0, no hay relacin entre la variable dependiente y la variable explicativa.
Se lo puede calcular a travs de la siguiente frmula:
Se dice que un coeficiente de determinacin adecuado para una regresin es aquel que es mayor al 80%
de ajuste.
Adicional al coeficiente de determinacin, tambin tenemos el coeficiente de correlacin (R), el mismo

que permite conocer el grado de relacin entre dos variables. Presenta las siguientes propiedades76:
Su signo puede ser positivo o negativo. Cuando la relacin entre las variables es inversa el signo es
negativo, mientras que cuando la relacin es directa el signo de R es positivo.
7. Lozano, A. (2001). Gua de Econometra I.

NDICE
Su valor flucta entre -1 y 1.

Es simtrico por naturaleza, es decir que el coeficiente de correlacin entre X y Y es el mismo que
PRELIMINARES
entre Y y X.
Es independiente del origen y la escala.
Si X y Y son estadsticamente independientes, entonces R vale cero, pero si vale cero, no
necesariamente significa que no haya correlacin entre las dos variables.
Es una medida de dependencia lineal, por lo tanto, su uso en la descripcin de relaciones no
lineales no tiene significado.
BIMESTRE
Aunque es una medida de dependencia lineal entre dos variables no necesariamente implica una
PRIMER
causaefecto.
Su frmula proviene de la del coeficiente de determinacin, y su resultado es la raz cuadrada de este.
SEGUNDO
BIMESTRE
Para comprender este tema continuemos con la aplicacin de los ejercicios antes realizados.
EJEMPLO 6: Continuacin de los ejercicios 4.1, 4.2 y 4.3
SOLUCIONARIO
Las interpretaciones de los coeficientes de determinacin de los ejercicios planteados son:
El 99% de las variaciones en el GCP se explica por el cambio en el PIB. El ajuste es casi del 100% por
lo que la variable PIB es adecuada para explicar al GCP.
El 36% de la variacin en el gasto alimentario se explica por el gasto total. El ajuste es bastante
bajo, por lo que la variable del gasto total no es la adecuada para explicar las variaciones en el
gasto de alimentos.
El 86% de la variacin en el ingreso promedio por hora se debe a la escolaridad. La variable en gran
parte explica las variaciones que se dan en el ingreso promedio por ahora.
ACTIVIDAD SUGERIDA
Realice un cuadro sinptico del punto 3.9 referente al resumen y conclusiones del captulo estudiado
para reforzar los conocimientos por usted revisados. Adicional realice los ejercicios: 3.12; 3.16; 3.19; 3.20,
de la parte final del captulo 3 para reforzar los conocimientos de esta unidad.

NDICE
Autoevaluacin 3
PRELIMINARES
literales:
1. ( ) El mtodo de los MCO sirve para realizar una regresin lineal.
BIMESTRE
PRIMER
2. ( ) Los estimadores MCO estn expresados en trminos de las cantidades.
3. ( ) Un supuesto de los MCO manifiesta que la linealidad debe darse en las variables.
4. ( ) Al hablar de homoscedasticidad se refiere a desigual varianza.
SEGUNDO
BIMESTRE
5. ( ) La precisin de un estimador est dado por sus residuos.
6. ( ) Un estimador insesgado con varianza mnima es conocido como un estimador

eficiente.
SOLUCIONARIO
7. ( ) Es lo mismo error estndar del valor estimado que error estndar de la regresin.
8. ( ) El coeficiente de determinacin puede ser negativo.
Ir a solucionario

NDICE
UNIDAD 4. SUPUESTO DE NORMALIDAD: MODELO CLSICO DE REGRESIN LINEAL

NORMAL
PRELIMINARES
4.1. Distribucin de probabilidad de las perturbaciones u.87
Si a los supuestos del modelo clsico de regresin lineal (MCRL), se le aade el supuesto de normalidad
para u, tenemos el modelo clsico de regresin lineal normal (MCRLN).
BIMESTRE
PRIMER
Para que un modelo sea considerado como adecuado, es necesario que sus residuos estn normalmente
distribuidos, es decir que:
Media: E(u) = 0
Varianza: E[u - E(u)]2 = E(u2) =
SEGUNDO
BIMESTRE
Covarianza E(ui, uj) = 0
Es decir esta normal e independientemente distribuidas con media 0 y varianza .
Las razones para formular el supuesto de normalidad se exponen en su libro bsico en la pgina 99, es
SOLUCIONARIO
necesario que las revise para un mejor entendimiento.
4.2. Propiedades de los estimadores MCO bajo el supuesto de normalidad
Si se supone que u tiene una distribucin normal, los estimadores MCO tiene las propiedades que se
mencionan a continuacin:
Son insesgados.
Tienen varianza mnima. En combinacin con la primera propiedad, seran insesgados de varianza
mnima o estimadores eficientes.
Presentan consistencia, es decir, que a medida que el tamao de la muestra aumenta, los
estimadores convergen a su verdadero valor.
y estn normalmente distribuidos.
est distribuido como la distribucin (Chi-cuadrado) con n-2 grados de libertad.
y se distribuye de manera independiente respecto a .
y tiene varianza mnima entre todas las clases de estimadores insesgados lineales o no
lineales. Se puede decir que los estimadores de mnimos cuadrados son los mejores estimadores
insesgados.
En base a los siguientes indicadores, si usted tiene acceso a un software economtrico, podr determinar
si los residuos dentro del modelo estn normalmente distribuidos.
Simetra: esta medida nos permite determinar si los datos se distribuyen de manera uniforme
alrededor del valor medio o promedio.
8. Lozano, A. (2001). Gua de Econometra I.

NDICE
Esta medida presenta tres estados:
PRELIMINARES
Asimetra positiva: cuando la mayor parte de los datos estn por encima del valor medio.
Simtrica: cuando los datos se distribuyen en la misma medida en ambos lados de la media.
Asimetra negativa: cuando la mayor parte de los datos estn por debajo del valor medio.
GRFICO 4.1
TIPOS DE ASIMETRAS
BIMESTRE
PRIMER
SEGUNDO
BIMESTRE
SOLUCIONARIO
Fuente y elaboracin: Guisande C., Vaamonde A., y Barreiro A. (2011). Tratamiento de datos con R, Statistica y SPSS. Madrid:
Ediciones De Santos S.A.
Curtosis: determina el grado de concentracin de los datos alrededor de la regin central de la

distribucin.
Al igual que la simetra, esta presenta tambin tres estados:
Leptocrtica: gran concentracin de valores.

Mesocrtica: concentracin normal de valores.
Platicrtica: baja concentracin de valores.
GRFICO 4.2
TIPOS DE CURTOSIS
JarqueBera: Es una prueba asinttica de normalidad para grandes muestras.
Una prueba de normalidad es un proceso estadstico utilizado para determinar si una muestra o cualquier
grupo de datos se ajustan a una distribucin normal.

NDICE
Analiza la relacin entre el coeficiente de asimetra y la curtosis de los residuos de la ecuacin estimada y
los correspondientes de una distribucin normal, de forma tal que si estas relaciones son suficientemente
PRELIMINARES
diferentes se rechazar la hiptesis nula de normalidad.
Se basa en el hecho de que la asimetra y curtosis de la distribucin normal son igual a cero, por lo tanto,
el valor absoluto de estos parmetros podra ser una medida de la desviacin de la distribucin de lo
normal.
BIMESTRE
GRFICO 4.3
PRIMER
SEGUNDO
BIMESTRE
SOLUCIONARIO
He aqu las frmulas para calcular estas medidas:
ACTIVIDAD SUGERIDA
Con las frmulas antes mencionadas, averige y calcule estos indicadores para los ejercicios 4.1, 4.2, y
4.3.

NDICE
Autoevaluacin 4
PRELIMINARES
literales:
BIMESTRE
PRIMER
1. ( ) El estado leptocrtico es aquel que tiene baja concentracin de valores.
2. ( ) La asimetra positiva es aquella cuyos valores estn por encima del valor medio.
3. ( ) Una propiedad de los estimadores bajo el supuesto de normalidad es que son
SEGUNDO
insesgados.
BIMESTRE
4. ( ) Para que un modelo sea considerado como adecuado sus residuos deben tener una
media igual a 1.
5. ( ) Simetra significa uniformidad en la distribucin de los datos alrededor de su valor
SOLUCIONARIO
medio.
6. ( ) El JarqueBera es una prueba de normalidad para muestras pequeas.
7. ( ) El teorema del lmite central es la justificacin terica para el supuesto de normalidad.
8. ( ) Los estimadores bajo el supuesto de normalidad tienen varianza mxima.
Ir a solucionario

NDICE
SEGUNDO BIMESTRE
PRELIMINARES
6.5. Competencias genricas
Son aquellas capacidades (actitudes, habilidades y conocimientos) comunes a todas las profesiones que
se ofrece en la UTPL. Constituye una parte fundamental del perfil que el estudiante debe desarrollar
BIMESTRE
PRIMER
durante su formacin.
Capacidad de abstraccin, anlisis y sntesis.

Capacidad de aplicar los conocimientos en la prctica.
SEGUNDO
Capacidad para organizar y planificar el tiempo.
BIMESTRE
Conocimiento sobre el rea de estudio y la profesin.
Habilidades en el uso de las tecnologas de la informacin y de la comunicacin.
Capacidad de investigacin.
SOLUCIONARIO
Habilidades para buscar, procesar y analizar informacin procedente de fuentes diversas.
Capacidad crtica y autocrtica.
Capacidad creativa.
Capacidad para identificar, plantear y resolver problemas.
Capacidad para tomar decisiones.
Habilidades interpersonales.
Compromiso tico.

NDICE
6.6. Planificacin para el trabajo del alumno
PRELIMINARES
CRONOGRAMA
COMPETENCIAS INDICADORES DE CONTENIDOS ACTIVIDADES DE
ORIENTATIVO
ESPECFICAS APRENDIZAJE Unidades/Tema APRENDIZAJE
(Tiempo estimado)
Analizar, interpretar Estima intervalos UNIDAD 5: REGRESIN 1. Lectura de las pginas SEMANA 1 y 2
y aplicar la teora de confianza para CON DOS VARIABLES: introductorias de la
econmica en el la formulacin de ESTIMACIN gua. 12 horas de
entorno econmico hiptesis dentro DE INTERVALOS autoestudio.
nacional e de los modelos Y PRUEBAS DE 2. Lectura global de la
BIMESTRE
internacional. de regresin. HIPTESIS
PRIMER
unidad introductoria 8 horas de
y captulo 1 del texto interaccin.
Desarrollar el 5.1. Estimacin de bsico.
pensamiento lgico intervalos: ideas
para la aplicacin bsicas. 3. Lectura comprensiva
en aspectos (analtica, subrayada,
econmicos y la 5.2. Prueba de etc.) de la unidad 1.
SEGUNDO
interpretacin de hiptesis:
BIMESTRE
resultados, grficas y intervalos de 4. Elaboracin de
anlisis de datos en confianza ejercicios prcticos.
modelos reales.
5.3. Prueba de 5. Desarrollo de
hiptesis: nivel de las actividades
significancia. recomendadas.
SOLUCIONARIO
5.4. Prueba de 6. Interaccin en el EVA.
hiptesis: prueba t
7. Contina el desarrollo
5.5. Prueba de de la evaluacin a
hiptesis: prueba f distancia.
5.6. Presentacin de
resultados
Analizar, interpretar Conoce y UNIDAD 6: EXTENSIN 1. Lectura global del SEMANA 3 y 4
y aplicar la teora determina las DEL MODELO LINEAL captulo del texto
econmica en el distintas formas DE DOS VARIABLES bsico. 12 horas de
entorno econmico en que se puede autoestudio.
nacional e establecer un 6.1. Regresin a travs 2. Lectura comprensiva
internacional. modelo de del origen (analtica, subrayada, 8 horas de
regresin etc.). interaccin.
Desarrollar el 6.2. Formas
pensamiento lgico funcionales: 3. Elaboracin de
para la aplicacin Modelo Log lineal ejercicios prcticos.
en aspectos
econmicos y la 6.3. Modelos 4. Desarrollo de
interpretacin de semilogartmicos las actividades
resultados, grficas y recomendadas.
anlisis de datos en 6.4. Modelos
modelos reales. recprocos 5. Interaccin en el EVA.
6. Inicio del desarrollo

de la evaluacin a
distancia.

NDICE
CRONOGRAMA
COMPETENCIAS INDICADORES DE CONTENIDOS ACTIVIDADES DE
ORIENTATIVO
ESPECFICAS APRENDIZAJE Unidades/Tema APRENDIZAJE
PRELIMINARES
(Tiempo estimado)
Conoce el UNIDAD 7: ANLISIS 1. Lectura global de la SEMANA 5 y 6
funcionamiento DE REGRESIN unidad introductoria
de los modelos MULTIPLE del texto bsico. 12 horas de
de regresin autoestudio.
mltiple. 7.1. Significado de los 2. Lectura comprensiva
coeficientes de (analtica, subrayada, 8 horas de
Determina e regresin parcial. etc.) de la unidad 7. interaccin.
interpreta los
BIMESTRE
PRIMER
resultados de 7.2. Estimacin de los 3. Elaboracin de
un modelo coeficientes de ejercicios prcticos.
de regresin regresin parcial.
mltiple. 4. Desarrollo de
7.3. Varianzas y las actividades
Determina errores de los recomendadas.
la utilizacin estimadores MCO.
SEGUNDO
BIMESTRE
del modelo de 5. Interaccin en el EVA.
produccin de 7.4. Coeficiente de
Cobb-Douglas determinacin 6. Contina el desarrollo
mltiple. de la evaluacin a
Conoce la distancia.
aplicacin de 7.5. La funcin de
SOLUCIONARIO
los modelos produccin de
polinomiales. Cobb-Douglas
7.6. Modelos de
regresin
polinomial
7.7. Prueba de
igualdad de dos
coeficientes de
regresin.
Unidades 5 a la 7 Nueva revisin de Semana 7 y 8
contenidos del bimestre
como preparacin para la 12 horas de
evaluacin presencial. autoestudio
y 8 horas de
interaccin.

NDICE
6.7. Orientaciones especficas para el aprendizaje por competencias
PRELIMINARES
UNIDAD 5. REGRESIN CON DOS VARIABLES: ESTIMACIN DE INTERVALOS Y
PRUEBAS DE HIPTESIS
BIMESTRE
PRIMER
5.1. Estimacin de intervalos: ideas bsicas
Como parte de la verificacin estadstica que constituye el paso 7 de la metodologa economtrica, a

ms de los errores estndar y del coeficiente de determinacin se incluyen el clculo de los intervalos
de confianza, tema que revisaremos a continuacin.
SEGUNDO
BIMESTRE
Como lo vimos anteriormente, la confiabilidad de un estimador se mide por su error estndar, por lo
tanto, para no depender de un solo indicador, se puede construir un intervalo que tenga la probabilidad
de incluir dentro de sus lmites el verdadero valor del parmetro.
SOLUCIONARIO
Se trata de encontrar qu tan cerca est de 2 para esto buscamos dos nmeros y este ltimo
situado entre 0 y 1.
Para esto utilizamos la siguiente ecuacin tanto para: y
Lmite inferior Lmite superior Nivel de significancia
Pr ( - +)=1-
Coeficiente de confianza
La ecuacin anterior muestra un estimador de intervalo, construido de manera que contenga dentro de
sus lmites el valor verdadero del parmetro.
El estimador de intervalos proporciona entonces un recorrido de valores dentro de los cuales puede
encontrarse el verdadero 2. Adicional a esto el clculo de intervalos nos permiten poder aceptar o
rechazar cualquier hiptesis que se haya planteado con respecto a los resultados del modelo.
Para esto vamos a utilizar cuatro mtodos prcticos para aceptar o rechazar hiptesis:
Intervalo de confianza
Nivel de significancia
Prueba t
Prueba F

NDICE
Las hiptesis planteadas para poder utilizar los cuatro mtodos son las siguientes:
PRELIMINARES
Ho : 1 = 0 No hay intercepto.
H1 : 1 0 Si hay intercepto.
Ho : 2 = 0 No hay relacin lineal entre la variable X y la variable Y.
BIMESTRE
PRIMER
H1 : 2 0 Si hay relacin lineal entre la variable X y la variable Y.
Para esto vamos a continuar con el desarrollo de los ejercicios planteados en un inicio, a cada uno de
ellos les vamos aplicar las distintas pruebas.
SEGUNDO
BIMESTRE
EJEMPLO 7.
5.2. Prueba de hiptesis: intervalos de confianza
SOLUCIONARIO
Esta prueba inicialmente nos permite obtener el intervalo dentro del cual se encuentra el verdadero
valor de los parmetros (1 y 2), adicional a esto nos permite aceptar o rechazar las hiptesis
planteadas para cada parmetro de manera individual.
Ho : 1 = 0
H1 : 1 0
En 95 de cada 100 casos, intervalos como este contendrn el verdadero valor de 1.

En cuanto a la hiptesis planteada el valor de 1 que es de cero no est dentro del intervalo calculado por
tal razn rechazamos Ho y aceptamos que el modelo si tiene intercepto.
Ho : 2 = 0
H1 : 2 0

NDICE
PRELIMINARES
BIMESTRE
PRIMER
En cuanto a la hiptesis planteada el valor de b2que es de cero no est dentro del intervalo calculado por
tal razn rechazamos Ho y aceptamos que el modelo si tiene linealidad.
SEGUNDO
BIMESTRE
5.3. Prueba de hiptesis: nivel de significancia
Es similar a la prueba de intervalo de confianza, con la diferencia que y toman el valor de cero
dentro de la frmula y se los identifica ahora como *1 y *2.
SOLUCIONARIO
Ho : *1 = 0
H1 : *1 0
Como 1= -184,08 cae en la regin de rechazo, se acepta H1 de que existe intercepto en el modelo.
Ho : *2 = 0
H1 : *2 0

NDICE
PRELIMINARES
BIMESTRE
PRIMER
Como 2 = 0,71 cae en la regin de rechazo, se acepta H1 de que existe linealidad en el modelo.
5.4. Prueba de hiptesis: prueba t
SEGUNDO
BIMESTRE
Para esta prueba vamos a utilizar la siguiente frmula, y nos vamos a apoyar del valor t de la tabla.
SOLUCIONARIO
La regla manifiesta que si el tc (t calculada) es mayor al tt (t de la tabla), se rechaza Ho. En este caso los
tc = (-3,9; 91,02) son mayores al tt= +-2,160, por lo tanto, aceptamos que el modelo tiene intercepto y
linealidad.
5.5. Prueba de hiptesis: prueba F
Esta prueba nos permite aceptar o rechazar una hiptesis con el anlisis de las variables independientes
de manera global. En este caso como estamos trabajando con modelos de regresin solo se tiene una
variable independiente.
Como el Fc es mayor al Ft (4,67); rechazo Ho, y acepto la linealidad del modelo.

NDICE
PRELIMINARES
Intervalo de confianza: esta prueba inicialmente nos permite obtener el intervalo dentro del cual se
encuentra el verdadero valor de los parmetros ( y ), adicional a esto nos permite aceptar o
rechazar las hiptesis planteadas para cada parmetro de manera individual.
Ho : 1 = 0
BIMESTRE
H1 : 1 0
PRIMER
SEGUNDO
BIMESTRE
En 95 de cada 100 casos, intervalos como este contendrn el verdadero 1 valor.
SOLUCIONARIO
En cuanto a la hiptesis planteada, el valor de 1 que es de cero est dentro del intervalo calculado por
tal razn aceptamos Ho, es decir el modelo no tiene intercepto.
Ho : 2 = 0
H1 : 2 0
En cuanto a la hiptesis planteada, el valor de 2 que es de cero no est dentro del intervalo calculado
por tal razn rechazamos Ho y aceptamos que el modelo si tiene linealidad.
Nivel de significancia: es similar a la prueba de intervalo de confianza, con la diferencia que y

toman el valor de cero dentro de la frmula y se los identifica ahora como *1 y *2 .
Ho: *1 = 0
H1: *1 0

NDICE
PRELIMINARES
BIMESTRE
PRIMER
Como B1= 94,21 cae en la regin de aceptacin, se acepta Ho de que no existe intercepto en el modelo.
Ho: *2 = 0
SEGUNDO
BIMESTRE
H1: *2 0
SOLUCIONARIO
Como 2 = 0,44 cae en la regin de rechazo, se acepta H1 de que existe linealidad en el modelo.
Prueba t: Para esta prueba vamos a utilizar la siguiente frmula, y nos vamos a apoyar del valor t de la
tabla.
La regla manifiesta que si el tc (t calculada) es mayor al tt (t de la tabla), se rechaza Ho. En este caso el tc
de 1= (1,85) es menor al tt= +-2,006, por lo tanto, aceptamos que el modelo no tiene intercepto, ahora
el tc de 2 = (5,64) es mayor al tt por lo que rechazo Ho y acepto la linealidad del modelo.
Prueba F: esta prueba nos permite aceptar o rechazar una hiptesis con el anlisis de las variables
independientes de manera global. En este caso, como estamos trabajando con modelos de regresin
solo se tiene una variable independiente.

NDICE
PRELIMINARES
BIMESTRE
PRIMER
SEGUNDO
BIMESTRE
Intervalo de confianza: esta prueba inicialmente nos permite obtener el intervalo dentro del cual se
encuentra el verdadero valor de los parmetros y , adicional a esto nos permite aceptar o
rechazar las hiptesis planteadas para cada parmetro de manera individual.
SOLUCIONARIO
Ho : 1 = 0
H1 : 1 0
En cuanto a la hiptesis planteada el valor de 1 que es de cero est dentro del intervalo calculado por
tal razn aceptamos Ho, es decir, el modelo no tiene intercepto.
Ho : 2 = 0
H1 : 2 0

NDICE
PRELIMINARES
BIMESTRE
PRIMER
por tal razn rechazamos Ho y aceptamos que el modelo si tiene linealidad.
SEGUNDO
BIMESTRE
Nivel de significancia: es similar a la prueba de intervalo de confianza, con la diferencia que y
toman el valor de cero dentro de la frmula y se los identifica ahora como *1 y *2 .
Ho: *1 = 0
SOLUCIONARIO
H1: *1 0
Como 1 = 0,0144 cae en la regin de aceptacin, se acepta Ho de que no existe intercepto en el modelo.
Ho: *2 = 0
H1: *2 0
Como 2= 0,6764 cae en la regin de rechazo, se acepta H1 de que existe linealidad en el modelo.
Prueba t: para esta prueba vamos a utilizar la siguiente frmula, y nos vamos a apoyar del valor t de la
tabla.

NDICE
PRELIMINARES
BIMESTRE
PRIMER
La regla manifiesta que si el tc (t calculada) es mayor al tt (t de la tabla), se rechaza Ho. En este caso el tc
de 1= (0,014) es menor al tt= +-2,201, por lo tanto, aceptamos que el modelo no tiene intercepto; ahora
el tc de 2 = (7,95) es mayor al tt por lo que rechazo Ho y acepto la linealidad del modelo.
SEGUNDO
BIMESTRE
Prueba F: esta prueba nos permite aceptar o rechazar una hiptesis con el anlisis de las variables
independientes de manera global. En este caso como estamos trabajando con modelos de regresin
solo se tiene una variable independiente.
SOLUCIONARIO
5.6. Presentacin de resultados
En esta parte lo nico que haremos ser condesar todos los resultados obtenidos en esta unidad, como
una forma de presentar los resultados de un ejercicio economtrico.
EJERCICIO 7.4. Recopilacin ejercicio 4.1
El siguiente ejercicio muestra informacin sobre Y (gasto de consumo personal) y X (PIB), desde 1982-
1996, en miles de millones de dlares de 1992. Tabla I.1 del texto gua, pgina 6.
1. Planteo terico o de hiptesis. Gasto de consumo de personal= f (PIB) o Y= f (X)

4. Obtencin de datos

NDICE
TABLA 4
GASTO DE CONSUMO PERSONAL Y PIB (miles de millones 1992)
PRELIMINARES
Tabla I.1 ^2 (X)^2 (Y)^2
Obs Y X (X)^2 XY (Y- ) (Y-)^2 (X-Xm)^2 (Y-Ym)^2
1982 3081,5 4620,3 21347172,1 14237454,5 3077,01 4,49 20,14 1567236,92 778965,11
1983 3240,6 4803,7 23075533,7 15566870,2 3206,46 34,14 1165,6 1141678 523437,78
1984 3407,6 5140,1 26420628 17515404,8 3443,9 -36,3 1317,41 535960,65 309681,12
1985 3566,5 5323,5 28339652,3 18986262,8 3573,34 -6,84 46,83 301064,37 158077,81
BIMESTRE
PRIMER
1986 3708,7 5487,7 30114851,3 20352233 3689,24 19,46 378,75 147835,12 65224,05
1987 3822,3 5649,5 31916850,3 21594083,9 3803,44 18,86 355,71 49592,32 20104,40
1988 3972,7 5865,2 34400571 23300680 3955,68 17,02 289,52 48,91 74,13
1989 4064,6 6062 36747844 24639605,2 4094,59 -29,99 899,38 36026,57 10102,26
1990 4132,2 6136,3 37654177,7 25356418,9 4147,03 -14,83 219,98 69752,33 28260,97
SEGUNDO
BIMESTRE
1991 4105,8 6079,4 36959104,4 24960800,5 4106,87 -1,07 1,15 42934,6 20081,72
1992 4219,8 6244,4 38992531,4 26350119,1 4223,33 -3,53 12,47 138537,8 65387,60
1993 4343,6 6389,6 40826988,2 27753866,6 4325,82 17,78 316,29 267709,66 144027,84
1994 4486 6610,7 43701354,5 29655600,2 4481,87 4,13 17,04 545392,1 272390,05
1995 4595,3 6742,1 45455912,4 30981972,1 4574,62 20,68 427,82 756737,61 398426,06
SOLUCIONARIO
1996 4714,1 6928,4 48002726,6 32661170,4 4706,11 7,99 63,84 1115572,52 562515,00
59461,3 88082,9 523955898 353912542 59409,31 5531,93 6716079,49 3356755,92
i = - 184,08 + 0,71 Xi + i
ee 47,05 0,078
R2 = 0,998 o 99%
R = 0,999 o 99%
Ho: 1 = 0 No hay intercepto.

H1: 1 0 Si hay intercepto.
Ho: 2 = 0 No hay relacin lineal entre la variable X y la variable Y.
H1: 2 0 Si hay relacin lineal entre la variable X y la variable Y.
8. Verificacin
Verificacin econmica
= -184,08
La interpretacin de este parmetro es que si el ingreso o el PIB fueran constante, el gasto de consumo
de personal sera de -184 mil millones de dlares.
= 0,71

NDICE
La interpretacin de este parmetro indica que si el PIB se incrementa en un dlar, el gasto de consumo
personal promedio aumenta en casi 71 centavos.
PRELIMINARES
Verificacin estadstica
ee ( ) = 47,05: Es confiable porque es menor a la tercera parte del parmetro.

R = 0,998 o 99%:
2
El 99% de las variaciones en el GCP se explica por el cambio en el PIB. El ajuste es
BIMESTRE
casi del 100% por lo que la variable PIB es adecuada para explicar al GCP.
PRIMER
Prueba intervalo de confianza
Ho: 1 = 0
H1: 1 0
SEGUNDO
BIMESTRE
SOLUCIONARIO
por tal razn, rechazamos Ho y aceptamos que el modelo s tiene intercepto.
Ho: 2 = 0
H1: 2 0
por tal razn, rechazamos Ho y aceptamos que el modelo si tiene linealidad.

NDICE
Prueba del nivel de significancia
PRELIMINARES
Ho: *1 = 0
H1: *1 0
BIMESTRE
PRIMER
SEGUNDO
BIMESTRE
SOLUCIONARIO
Como B1=-184,08 cae en la regin de rechazo, se acepta H1 de que existe intercepto en el modelo.
Ho: *2 = 0
H1: *2 0
Como B2= 0,71 cae en la regin de rechazo, se acepta H1 de que existe linealidad en el modelo.
Prueba t
La regla manifiesta que si el tc es mayor al tt (t de la tabla), se rechaza Ho. En este caso los tc = (-3,9; 91,02)
son mayores al tt= +-2,160, por lo tanto, aceptamos que el modelo tiene intercepto y linealidad.

NDICE
Prueba F
PRELIMINARES
BIMESTRE
PRIMER
Con el desarrollo prctico de estos cuatro mtodos, hemos revisado lo ms importante de la unidad 5. Es
SEGUNDO
BIMESTRE
conveniente que revise en su libro gua todo lo relacionado al captulo 5 para reforzar los conocimientos
hasta aqu aprendidos.
ACTIVIDAD SUGERIDA
SOLUCIONARIO
Realice la presentacin de resultados para los dos ejercicios restantes que se realizaron en esta unidad.
Adicionalmente elabore 3 modelos de regresin simple y aplique toda la metodologa economtrica.
Adicional realice los ejercicios: 5.9 (hasta el literal c); 5.10; 5.12 (literal a) y 5.19 (literales a, b y c), de la
parte final del captulo 5 para reforzar los conocimientos de esta unidad.

NDICE
Autoevaluacin 5
PRELIMINARES
literales:
BIMESTRE
1. ( ) Al intervalo de confianza se lo conoce tambin como coeficiente de confianza.
PRIMER
2. ( ) Cuando el t calculado es mayor al t de la tabla se acepta la hiptesis nula.
3. ( ) Para estimar el valor de t en la tabla, al nmero de datos le sumamos el nmero de

parmetros que hay en la regresin.
SEGUNDO
BIMESTRE
4. ( ) La prueba t es un mtodo para probar hiptesis.
5. ( ) En la prueba del nivel de significancia, cuando el valor de parmetro est dentro del
intervalo se rechaza la hiptesis nula.
SOLUCIONARIO
6. ( ) El coeficiente de determinacin mide si los coeficientes de la regresin son
estadsticamente significativos.
7. ( ) El estimador de valores proporciona entonces un recorrido de valores dentro de los

cuales puede encontrarse el verdadero B2.
8. ( ) Un error de tipo 1consiste en rechazar una hiptesis verdadera.
9. ( ) La hiptesis alternativa es siempre probada frente a la hiptesis nula.
10. ( ) Cuando se acepta la hiptesis nula, se dice que el hallazgo es estadsticamente

significativo.
Ir a solucionario

NDICE
UNIDAD 6. EXTENSIN DEL MODELO LINEAL DE DOS VARIABLES
PRELIMINARES
Luego de haber revisado lo concerniente a un modelo de regresin simple, en los cuales se trabaj con
modelos lineales, es decir, que tanto sus variables como parmetros estaban expresadas de manera
lineal, es muy poco probable que la teora econmica siempre se rija a este tipo de modelos.
BIMESTRE
En esta unidad vamos a revisar que muchos fenmenos econmicos no pueden ser expresados a travs
PRIMER
de modelos lineales, sino que la misma determinacin de informacin propondr que estos modelos
sean planteados de diversas formas. Esto es lo que se conoce como formas funcionales de los modelos,
en los cuales las variables dejan de ser lineales pero no los parmetros.
Comenzamos nuestro estudio con el siguiente tipo de regresin.
SEGUNDO
BIMESTRE
6.1. Regresin a travs del origen
Wooldridge, J (2001), la denomina regresin a travs del origen, porque la lnea pasa por el origen x=
-
SOLUCIONARIO
0, = 0.
La ecuacin para este tipo de regresin es:
Esta ecuacin carece del intercepto o este toma el valor de cero, es decir el b1. Para el clculo de b2y su
varianza aplicamos las siguientes frmulas:
Este tipo de modelo presenta ciertas desventajas como: la suma de residuos no siempre es cero, y el
coeficiente de determinacin puede ser negativo. El uso de este modelo solo sera indispensable si
existe expectativa a priori muy fuerte que justifique ser utilizado.
Algunas de las razones que justifican que el intercepto este ausente del modelo, es que la teora
econmica requiere o exige esto, casos como la elasticidad-oferta unitaria, puede llevarnos a excluirlo.
Nota: para la realizacin de todos los ejercicios del segundo bimestre se utiliz un software economtrico
denominado EViews, pero usted deber seguir realizando los ejercicios con la aplicacin de las frmulas
correspondientes.
A continuacin vamos a realizar un ejercicio:

NDICE
EJEMPLO 8.
PRELIMINARES
La tabla 6.9 presenta informacin sobre los deflactores del PIB para los bienes domsticos y para los bienes
importados de Singapur durante el periodo 1968-1982. El deflactor del PIB es utilizado frecuentemente
como un indicador de la inflacin en lugar del IPC. Singapur es una economa pequea, abierta y muy
dependiente del comercio exterior para su supervivencia.
Para estudiar la relacin entre los precios domsticos y los mundiales, se dan los siguientes modelos:
BIMESTRE
PRIMER
Yt = 1 + 2 Xt + t Primer modelo
Yt = 2 Xt + t
a) Cmo se escogera a priori, entre los dos modelos?
SEGUNDO
BIMESTRE
A priori se escogera el primer modelo, ya que este posee intercepto, por lo tanto, la confiabilidad de sus
coeficientes sera mayor.
b) Ajstese ambos modelos a los datos y decida cul se ajusta mejor.
SOLUCIONARIO
Y= Deflactor PIB bienes domsticos
X= Deflactor PIB para importaciones
Primer modelo (sin intercepto).
Aplicando las frmulas obtenemos los datos de la regresin:
Y = 0,794 X +
ee = 0,0225
R2 = 0,71 o 71%
t = 31,17
B2= 0,79: Si el deflactor del PIB para importaciones vara en 1%, el deflactor del PIB para
bienes domsticos sera del 0,79%.
eeB2 (0.0225): Es confiable, porque es menor a la tercera parte del valor del parmetro.
R2 = 0,71: El deflactor del PIB para importaciones explica en un 71% las variaciones en el
PIB para bienes domsticos.
Segundo modelo (con intercepto)
Y = 516.0898305 + 0.5339692583X+u

NDICE
Variable Coefficient Std. Error t-Statistic Prob.

C 516.0898 40.56311 12.72313 0.0000
PRELIMINARES
X 0.533969 0.021745 24.55642 0.0000
R-squared 0.978897 Mean dependent var 1455.733
Adjusted R-squared 0.977273 S.D. dependent var 345.8076
S.E. of regression 52.13170 Akaike info criterion 10.86899
Sum squared resid 35330.29 Schwarz criterion 10.96340
Log likelihood -79.51742 F-statistic 603.0180
BIMESTRE
PRIMER
Durbin-Watson stat 0.854173 Prob(F-statistic) 0.000000
B1= 516,08: si el deflactor del PIB para importaciones estuviera constante, el deflactor del PIB para
bienes domsticos sera del 516,08%.
SEGUNDO
B2= 0,53: si el deflactor del PIB para importaciones vara en 1%, el deflactor del PIB para bienes
BIMESTRE
domsticos sera del 0,53%.
eeB1 (40,56): es confiable, porque es menor a la tercera parte del valor del parmetro.
eeB2 (0,021): es confiable, porque es menor a la tercera parte del valor del parmetro.
SOLUCIONARIO
R2 = 0,98: el deflactor del PIB para importaciones explica en un 98% las variaciones en el PIB para
bienes domsticos.
Segn los resultados el modelo que mejor se ajusta es el segundo, ya que sus resultados son
estadsticamente ms significativos que el primer modelo.
6.2. Formas funcionales: modelo log lineal
Conocido como modelo de regresin exponencial, se lo puede linealizar a travs de logaritmos

naturales. A estos modelos tambin se los conoce como modelos de elasticidad constante. La ecuacin
de regresin es la siguiente:
y = 1 X 2 e ln y = ln 1 + 2 ln x +
Lineal en los parmetros.

Lineal en los logaritmos de las variables Y y X, y debido a estos se denominan modelos log-log;
doble log o log-lineales.
El modelo log-log es importante, ya que el coeficiente de la pendiente B2 mide la elasticidad de Y
con respecto a X, es decir el cambio porcentual en Y ante un pequeo cambio porcentual en X.
EJEMPLO 9
El siguiente ejercicio presenta informacin del consumo de caf en Estados Unidos (Y) en relacin con
el precio observado al detalle promedio (X), para el periodo 1970-1980. Se desea conocer la elasticidad
precio con respecto al consumo.

NDICE
TABLA 5
CONSUMO DE CAF EN USA
PRELIMINARES
Aos Y X Lny LnX
1970 2,57 0,77 0,943905899 -0,26136476
1971 2,5 0,74 0,916290732 -0,30110509
1972 2,35 0,72 0,854415328 -0,32850407
1973 2,3 0,73 0,832909123 -0,31471074
1974 2,25 0,76 0,810930216 -0,27443685
BIMESTRE
PRIMER
1975 2,2 0,75 0,78845736 -0,28768207
1976 2,11 1,08 0,746687947 0,07696104
1977 1,94 1,81 0,662687973 0,59332685
1978 1,97 1,39 0,678033543 0,32930375
1979 2,06 1,2 0,722705983 0,18232156
SEGUNDO
BIMESTRE
1980 2,02 1,17 0,703097511 0,15700375
24,27 11,12 8,660121616 -0,42888665
Fuente: Lozano, A.(2001). Gua de Econometra I, ejercicio #18.
SOLUCIONARIO
Metodologa tradicional98
1. Planteo terico o de hiptesis Consumo = f (Precio) o Y= f (X)

3. Especificacin modelo economtrico LnY= B1+B2LnX+u
4. Obtencin de datos Tabla 5
Dependent Variable: LNY

Included observations: 11

C 0.777418 0.015242 51.00455 0.0000
LNX -0.253046 0.049374 -5.125086 0.0006
S.E. of regression 0.050148 Akaike info criterion -2.984727
Sum squared resid 0.022633 Schwarz criterion -2.912383
Log likelihood 18.41600 F-statistic 26.26651
LNY = 0.777417592 - 0.253046125LNX+u
9. Se enuncia la metodologa tradicional, nicamente para fines didcticos.

NDICE
PRELIMINARES
H1: 1 0 S hay intercepto.
Ho: 2 = 0 No hay relacin lineal entre la variable LnX y la variable LnY.
H1: 2 0 S hay relacin lineal entre la variable LnX y la variable LnY.
7. Verificacin
BIMESTRE
PRIMER
= 0,77
Es el valor medio de consuno de caf cuando el precio es de cero.
SEGUNDO
BIMESTRE
= -0,253
Significa que ante un incremento del 1% en el precio, el consumo de caf disminuye en un 0,25%. Es
decir el caf es un bien inelstico.
SOLUCIONARIO
R2 = 0,744 o 74% : El 74% de las variaciones en el consumo de caf se explica por el cambio en el
precio.
Para la comprobacin de hiptesis utilizaremos la prueba t. Pero usted podr hacerlo con los tres
mtodos revisados.
Prueba t
tc ( ) = 51
tc ( ) = -5,1
La regla manifiesta que si el tc es mayor al tt (t de la tabla), se rechaza Ho. En este caso los tc son mayores
al tt= +-2,26; por lo tanto, aceptamos que el modelo tiene intercepto y linealidad entre sus variables.
Verificacin economtrica
Multicolinealidad
Heteroscedasticidad
Autocorrelacin
Sesgo de especificacin

NDICE
6.3. Modelos semilogartmicos
PRELIMINARES
En este tipo de modelos tenemos dos variaciones:
Modelo Log Lin
ln Yt= 1 + 2 t+ t
BIMESTRE
Generalmente utilizado para medir tasas de crecimiento instantnea o compuesta. Este modelo es
PRIMER
logartmico en la variable dependiente, pero lineal en la variable independiente que adems est dada
por el tiempo.
En este modelo el coeficiente de la pendiente mide el cambio proporcional constante o relativo en (Y),
para un cambio absoluto dado en el valor de (X). Al multiplicar por 100 (2), da como resultado la tasa de
SEGUNDO
BIMESTRE
crecimiento en (Y).
EJEMPLO 10
Tomaremos informacin de la tabla 8.9 de su texto bsico, para el desarrollo del siguiente ejercicio.
SOLUCIONARIO
La tabla presenta informacin de los ahorros e ingreso personal disponible (miles de millones), para
Estados Unidos, 1970-1995.
Metodologa tradicional:
1. Planteo terico o de hiptesis Ahorro = f (tiempo) o Y= f (X)

3. Especificacin modelo economtrico LnY= B1+B2t+u
5. Estimacin de la regresin.
A la variable X la tomamos como el tiempo, numeramos los datos desde el 1 hasta el 26, y realizamos la
regresin.

C 4.280070 0.080682 53.04876 0.0000
X 0.053300 0.005224 10.20218 0.0000
LNY = 4.280069757 + 0.05329966467t+u

NDICE
PRELIMINARES
Ho: 1 = 0 No hay intercepto
H1: 1 0 Si hay intercepto
Ho: 2 = 0 No hay relacin lineal entre la variable t y la variable LnY
H1: 2 0 Si hay relacin lineal entre la variable t y la variable LnY
7. Verificacin
BIMESTRE
PRIMER
= 4,28
Para interpretar B1 debemos calcular el antilogaritmo que sera 72,24. Cuando estamos en el ao cero
SEGUNDO
BIMESTRE
(1969), el ahorro ser de 74,24 miles de millones de dlares.
= 0,053
Significa que cuando los aos se incrementan en uno, el ahorro se incrementar en un 5,3%. Esta es la
SOLUCIONARIO
tasa de crecimiento instantnea en un determinado ao. Si a esta respuesta le aplicamos lo siguiente:
(antilogaritmo B2-1) = 1,054 1= 0,054 (100%) = 5,4%. Esta es la tasa de crecimiento compuesta anual
entre 1970 y 1991, es decir el promedio.

R2 = 0,81 o 81% : El 81% de las variaciones en el ahorro son explicadas por las variaciones en el tiempo.
Para la comprobacin de hiptesis utilizaremos la prueba t,. pero usted podr hacerlo con los tres
mtodos revisados.
Prueba t
tc ( ) = 53
tc ( ) = 10,2
Multicolinealidad
Heteroscedasticidad
Autocorrelacin

NDICE
Modelo lin log
PRELIMINARES
Yi = 1 + 2 lnXi + i
A diferencia del modelo anterior, lo que se trata de conocer ahora es el cambio absoluto en Y, debido a
un cambio porcentual en X. Esta ecuacin plantea que el cambio absoluto en (Y), es igual a B2 veces el
cambio relativo en (X). As, si X cambia en 0,01 unidades o 1%, el cambio absoluto en Y es (0,01)*B2 o lo
mismo si divido 100/B2.
BIMESTRE
PRIMER
EJEMPLO 11
En la siguiente tabla se presenta informacin sobre el producto nacional bruto (PNB) y cuatro definiciones
de oferta monetaria (M) de Estados Unidos durante el periodo 1970-1983. Para este ejercicio escogemos
la variable oferta monetaria M2.
SEGUNDO
BIMESTRE
1. Planteo terico o de hiptesis PNB = f (M2) o Y= f (X)

SOLUCIONARIO
3. Especificacin modelo economtrico Y= B1+B2LnX+u
Dependent Variable: PNB

C -11884.97 744.1602 -15.97098 0.0000
LNM2 1958.190 104.9353 18.66093 0.0000
PNB = -11884.9688 + 1958.189946LnM2+u

Ho: 2 = 0 No hay relacin lineal entre la variable Ln X y la variable Y.
H1: 2 0 S hay relacin lineal entre la variable Ln X y la variable Y.

NDICE
7. Verificacin
PRELIMINARES
= -11884,96
Cuando la oferta monetaria es de cero el PNB disminuye en 11884,96 miles de millones de dlares.
= 1958,183
BIMESTRE
PRIMER
Significa que ante un incremento de la oferta monetaria en un 1%, el PNB se incrementa en 19,58 mil
millones de dlares.
SEGUNDO
BIMESTRE
R2 = 0,966 o 97% : El 97% de las variaciones en el ahorro son explicadas por las variaciones en el
tiempo.
SOLUCIONARIO
Para la comprobacin de hiptesis utilizaremos la prueba t, pero usted podr hacerlo con los tres
mtodos revisados.
Prueba t
tc ( ) = -15,97
tc ( ) = 18,66
Multicolinealidad
Heteroscedasticidad
Autocorrelacin
6.4 Modelos Recprocos
Este modelo es generalmente utilizado cuando al graficar X y Y, el grfico determina una hiprbola.
Adicionalmente este modelo est relacionado con la curva de Engel.
EJEMPLO 12.
Incremento anual en las tasas salariales (tas) y en la tasa desempleo (tasd) en el Reino Unido para el
periodo 1950-1966

NDICE
TABLA 6
TASAS SALARIALES Y DE DESEMPLEO
PRELIMINARES
1950 1.8 1.4
1951 8.5 1.1
1952 8.4 1.5
1953 4.5 1.5
1954 4.3 1.2
BIMESTRE
PRIMER
1955 6.9 1
1956 8 1.1
1957 5 1.3
1958 3.6 1.8
1959 2.6 1.9
SEGUNDO
BIMESTRE
1960 2.6 1.5
1961 4.2 1.4
1962 3.6 1.8
1963 3.7 2.1
1964 4.8 1.5
SOLUCIONARIO
1965 4.3 1.3
1966 4.6 1.4
Fuente: Lozano, A.(2001). Gua de Econometra 1. UTPL.
1. Planteo terico o de hiptesis Tas = f (Tasd) o Y= f (X)

3. Especificacin modelo economtrico Y= B1+B2(1/X)+u
4. Obtencin de datos Tabla 6
Dependent Variable: Tas

C -1.428177 2.067478 -0.690782 0.5003
Tasd 8.724344 2.847779 3.063561 0.0079
Tas = -1.428177059 + 8.724344226 (1/Tasd)+u

NDICE
PRELIMINARES
Ho: 2 = 0 No hay relacin lineal entre la variable (1/X) y la variable Y.
H1: 2 0 S hay relacin lineal entre la variable (1/X) y la variable Y.
7. Verificacin
BIMESTRE
PRIMER
= -1,428
Cuando la tasa de desempleo tiende al infinito, la disminucin de los salarios tendera a su valor asinttico
SEGUNDO
BIMESTRE
de -1.42%.
= 8,7243
Si el desempleo se incrementa en 1%, el incremento en las tasas salariales aumentar en 8,72%.
SOLUCIONARIO
ee ( ) = 2,067 No es confiable porque es mayor a la tercera parte del parmetro.

ee ( ) = 2,848 Es confiable porque es menor a la tercera parte del parmetro.
R2 = 0,38 o 38% : El 38% de las variaciones en el ahorro son explicadas por las variaciones en el tiempo.
Grado de asociacin relativamente bajo.
mtodos revisados.
Prueba t
tc ( ) = -0,69
tc ( ) = 3,06
La regla manifiesta que si el tc es mayor al tt (t de la tabla), se rechaza Ho. En este caso el tc (B1) es menor
al tt= +-2,13; por lo tanto aceptamos que el modelo no tiene intercepto. El tc (B2) es mayor al tt, por lo
tanto, se acepta la linealidad entre sus variables.
Multicolinealidad
Heteroscedasticidad
Autocorrelacin

NDICE
ACTIVIDAD SUGERIDA
PRELIMINARES
Realice un cuadro sinptico de los puntos revisados en esta unidad en base al resumen de la pgina 186
de su texto gua. Adicional revise cada uno de los ejercicios desarrollados para cada forma funcional de
los modelos de regresin.
Realice los ejercicios: 6.2; 6.3; 6.18, de la parte final del captulo 6 para reforzar los conocimientos de esta
unidad.
BIMESTRE
PRIMER
Autoevaluacin 6
SEGUNDO
BIMESTRE
literales:
1 ( ) En un modelo de regresin a travs del origen el coeficiente de determinacin puede
SOLUCIONARIO
ser negativo.
2 ( ) En la regresin a travs del origen los grados de libertad se calculan con (n-2).
3 ( ) El modelo log-lin es aquel cuya variable (Y) est en funcin del logaritmo de (X).
4 ( ) Un modelo para determinar elasticidades es el modelo recproco.
5 ( ) El modelo recproco es aquel cuya variable X est expresada como 1/X.
6 ( ) El modelo lin-log es aquel en que su variable (Y) est como logaritmo y su variable (X)
de manera lineal.
7 ( ) Un modelo log-lineal es lo mismo que un modelo log-lin.
8 ( ) Un modelo log-lin permite medir tasa de crecimiento.
9 ( ) Un modelo de regresin a travs del origen toma en cuenta el intercepto.
10 ( ) El modelo lin-log puede ser aplicable a los modelos de gastos de Engel.
Ir a solucionario

NDICE
UNIDAD 7. ANLISIS DE REGRESIN MULTIPLE
PRELIMINARES
No es muy comn que dentro de la anlisis economtrico se de modelos de regresin simple, por lo
tanto, es necesario ampliar este modelo a modelos de regresin con varias variables explicativas.
El modelo de regresin con tres variables se puede expresar as: Y = 1 + 2X2+ 3X3+
BIMESTRE
PRIMER
Al incluirse ms de dos variables explicativas se debe trabajar con la suposicin de que no exista relacin
lineal exacta entre X2, X3
Igual que el modelo de regresin lineal se sigue trabajando bajo los supuestos del modelo clsico de
regresin (MCRL). Adicionalmente partimos de una regresin muestral.
SEGUNDO
BIMESTRE
Todas las frmulas aqu utilizadas son tomadas de su texto gua.
SOLUCIONARIO
7.1. Significado de los coeficientes de regresin parcial
Ahora en el estudio de los modelos de regresin mltiple tenemos varias variables que intervienen en
los modelos, por tal razn, un anlisis de la relacin que existe entre estas variables es importante para
que el modelo pueda presentar resultados con mayor confiabilidad.
El coeficiente de correlacin parcial es aquel que mide la correlacin neta entre la variable dependiente
y una variable explicativa.
La interpretacin general de los coeficientes de regresin parcial son las siguientes:
1 = Es el trmino del intercepto, es el valor medio de Y cuando X2 y X3, son iguales a cero.
2 = Mide las variaciones de Y ante el incremento de 1 unidad en X2, manteniendo constante X3.
3 = Mide las variaciones de Y ante el incremento de 1 unidad en X3 , manteniendo constante X2.

NDICE
7.2. Estimacin de los coeficientes de regresin parcial
PRELIMINARES
BIMESTRE
PRIMER
SEGUNDO
BIMESTRE
7.3. Varianzas y errores estndar de los estimadores
Una vez obtenidos los coeficientes de regresin parcial, se procede con el clculo de las varianzas y de
los errores estndar de los estimadores.
SOLUCIONARIO
En esta frmula el (n-3) se refiere a los 3 parmetros que hay en este modelo. Si el modelo tiene ms
variables sera un parmetro adicional y el valor restado a n variar.

NDICE
7.4. Coeficiente de determinacin mltiple
PRELIMINARES
Una vez determinados los errores estndar, procedemos al clculo del coeficiente de determinacin y de
los coeficientes de regresin parcial.
Al igual que los modelos de regresin simple, el coeficiente de determinacin mide cunto explican las
BIMESTRE
variables independientes a la variable dependiente. As mismo, su valor est entre 0 y 1.
PRIMER
Para entender mejor este tema realicemos el siguiente ejercicio:
EJEMPLO 13
SEGUNDO
BIMESTRE
Desembolsos del presupuesto de defensa de Estados Unidos, 1962-1981. Con el fin de explicar el
presupuesto de defensa de este pas, considere las siguientes variables:
Y= desembolsos del presupuesto de defensa durante el ao t, US$ miles de millones.

X2=PNB durante el ao t, US$ miles de millones.
SOLUCIONARIO
X3= Ventas militares de los Estados Unidos/ayuda en el ao t, US$ miles de millones.
1. Planteo terico o de hiptesis Y= f (X1,X2)
2. Especificacin del modelo matemtico Y= B1+B2X2+B3X3
3. Especificacin modelo economtrico Y= B1+B2X2+B3X3+u
Dependent Variable: Y
C 26.76726 5.184740 5.162702 0.0001
X2 0.047740 0.006182 7.722521 0.0000
X3 -1.231819 0.711558 -1.731157 0.1015

Ho: 2 = 0 No hay relacin lineal entre la variable (X2) y la variable Y.
H1: 2 0 S hay relacin lineal entre la variable (X2) y la variable Y.
Ho: 3 = 0 No hay relacin lineal entre la variable (X3) y la variable Y.
H1: 3 0 S hay relacin lineal entre la variable (X3) y la variable Y.

NDICE
Hiptesis global
PRELIMINARES
H0 : 2 = 3 = 0 No existe relacin lineal simultnea y conjunta entre el PNB y las ventas militares en el ao t.
2 3 0 Existe relacin lineal simultnea y conjunta entre el PNB y las ventas militares en el ao t.
7. Verificacin
BIMESTRE
PRIMER
= 26,76
Cuando el PNB y las ventas militares en Estados Unidos son de cero, el presupuesto de la defensa es de
26,76 miles de millones en el ao t.
SEGUNDO
BIMESTRE
= 0,0477
Si el PNB se incrementa en mil millones, manteniendo constante las ventas militares, el presupuesto de
defensa se incrementa en 0.04 miles de millones.
SOLUCIONARIO
= - 1,2318
Si las ventas militares se incrementa en mil millones, manteniendo constante el PNB, el presupuesto de
defensa disminuye en 1,23 miles de millones.
ee( ) = 5,18: Es confiable porque es menor a la tercera parte del parmetro.
ee( ) = 0,0061: Es confiable porque es menor a la tercera parte del parmetro.
ee( ) = 0,71: No es confiable porque es mayor a la tercera parte del parmetro.
Posiblemente la variable X3 no es aconsejable para explicar las variaciones en el presupuesto de defensa.
R2 = 0,92 o 92%: El 92% de las variaciones en el presupuesto de defensa son explicadas por las variaciones
en el PNB y por las ventas militares. El grado de asociacin es bastante bueno.
mtodos revisados.
Prueba t
tc( ) = 5,16
tc( ) = 7,72
tc( ) = -1,23
La regla manifiesta que si el tc es mayor al tt (t de la tabla), se rechaza Ho. En este caso el tc (B1) es mayor
al tt= +-2,11; por lo tanto, aceptamos que el modelo tiene intercepto.

NDICE
El tc (B2) es mayor al tt, por lo tanto, hay una relacin lineal entre X2 y Y, manteniendo constante X3.
PRELIMINARES
El tc (B3) es mayor al tt, por lo tanto, hay una relacin lineal entre X3 y Y, manteniendo constante X2.
Prueba F
La regla manifiesta que si el Fc es mayor al Ft, se rechaza Ho. En este caso el Fc = 98,52 es mayor al Ft =
3,59, por lo tanto, rechazo Ho y acepto que hay relacin lineal simultnea y conjunta entre el PNB y las
BIMESTRE
ventas militares en el ao t.
PRIMER
Multicolinealidad
Heteroscedasticidad
SEGUNDO
BIMESTRE
Autocorrelacin
7.5. La funcin de produccin de Cobb-Douglas
SOLUCIONARIO
Es una extensin del modelo log-lineal o doble log, en el cual se parte de una funcin exponencial a una
logartmica.
La funcin estudiada a continuacin nos permite determinar elasticidades a travs de sus coeficientes de
regresin parcial, adicionalmente nos permite el clculo de los rendimientos a escala dentro del modelo
de produccin.
Para entender mejor este tema realicemos el siguiente ejercicio:
EJEMPLO 14
Se presenta informacin de la referente al sector agrcola de Taiwn durante 1958-1972.

La tabla 7.3, fue tomada de Gujarati, D. Econometra (2003). Cuarta edicin.
Y= Producto bruto real (P)

X2= Das laborales (L)
X3= Insumo capital real (K)
1. Planteo terico o de hiptesis Y= f (X1,X2) o P= f(L,K)

2. Especificacin del modelo matemtico Y= B1+B2X2+B3X3
3. Especificacin modelo economtrico Y= lnB1+lnB2X2+lnB3X3+u

NDICE

PRELIMINARES
C -3.337389 2.453107 -1.360474 0.1987
LNX2 1.498783 0.540596 2.772465 0.0169
LNX3 0.489751 0.102193 4.792391 0.0004
BIMESTRE
PRIMER
SEGUNDO
BIMESTRE
LNY = -3.337388853 + 1.498782694LNX2 + 0.4897508377LNX3
SOLUCIONARIO
Ho: 2 = 0 No hay relacin lineal entre lnP y el lnL, manteniendo constante lnK.
H1: 2 0 S hay relacin lineal entre lnP y el lnL, manteniendo constante lnK.
Ho: 3 = 0 No hay relacin lineal entre lnP y el lnK, manteniendo constante lnL.
H1: 3 0 S hay relacin lineal entre lnP y el lnK, manteniendo constante lnL.
Hiptesis global
H0 : 2 = 3 = 0 No existe relacin lineal simultnea y conjunta entre la produccin con el capital y el

trabajo.
H1 : 2 3 0 Existe relacin lineal simultnea y conjunta entre la produccin con el capital y el trabajo.
7. Verificacin
= -3,33
Cuando los das laborales y el insumo capital real son de cero, el producto bruto real es de -3,33 millones
de nuevos dlares taiwaneses.
= 1,49
Significa que ante un incremento del 1% en el insumo trabajo condujo en promedio a un incremento de
cerca del 1,5% en el producto, manteniendo constante el insumo capital. Adicionalmente este valor me
da la elasticidad del trabajo con respecto al producto o elasticidad producto-trabajo.
= 0,49
Significa que ante un incremento del 1% en el insumo capital condujo en promedio a un incremento de
cerca del 0,5% en el producto, manteniendo constante el insumo trabajo.

NDICE
Adicionalmente este valor me da la elasticidad del capital con respecto al producto o la elasticidad
producto-capital.
PRELIMINARES
La sumatoria de las dos elasticidades del producto me permite determinar los rendimientos a escala. Si este
valor es mayor a uno los rendimientos son crecientes, si es menor a uno son decrecientes y si es igual a uno
estos son constantes.
En nuestro ejercicio la sumatoria de las dos elasticidades nos da 1,9887, lo que nos muestra que el sector
BIMESTRE
agrcola en Taiwn desde 1958 hasta 1972 ha tenido rendimientos crecientes.
PRIMER
ee( ) = 2,45 No es confiable porque es mayor a la tercera parte del parmetro.
SEGUNDO
BIMESTRE
ee( ) = 0,54 Es confiable porque es menor a la tercera parte del parmetro.
Posiblemente la variable das laborables no es aconsejable para explicar las variaciones en el producto
SOLUCIONARIO
bruto real.
R2 = 0,888 o 89% : El 89% de las variaciones en el producto bruto real son explicadas por las variaciones
en el trabajo y en el capital. El grado de asociacin es bastante bueno.
Para la comprobacin de hiptesis de manera individual utilizaremos la prueba t.
Prueba t
tc( ) = -1,36
tc( ) = 2,77
tc( ) = 4,79
La regla manifiesta que si el tc es mayor al tt (t de la tabla), se rechaza Ho. En este caso el tc (B1) es menor
al tt= +-2,17; por lo tanto, aceptamos que el modelo no tiene intercepto.
El tc (B2) es mayor al tt, por lo tanto, hay una relacin lineal entre el insumo trabajo y el producto,
manteniendo constante el insumo capital.
El tc (B3) es mayor al tt, por lo tanto, hay una relacin lineal entre el insumo capital y el producto,
manteniendo constante el insumo trabajo.
Prueba F
3,89, por lo tanto, rechazo Ho y acepto que hay relacin lineal simultnea y conjunta entre el producto y
el insumo trabajo y capital.

NDICE
PRELIMINARES
Multicolinealidad
Heteroscedasticidad
Autocorrelacin
7.6. Modelos de regresin polinomial
BIMESTRE
PRIMER
Estos modelos son generalmente utilizados en la investigacin economtrica en las funciones de costo
y de produccin.
Se plantean desde una regresin simple y al convertirse en un modelo polinomial se transforma en una
regresin mltiple.
SEGUNDO
BIMESTRE
Al dibujar en un plano cartesiano las variables (Y y X), obtenemos un grfico, si este es una parbola, nos
demuestra que el modelo de regresin para estas variables es un modelo polinomial y su ecuacin sera:
Y = ax2 + bx + c
SOLUCIONARIO
El modelo economtrico planteado sera el siguiente:
Y = 0 + 1 Xi + 2Xi2 + u
Este es un polinomio de segundo grado, ya que X esta elevado al cuadrado, si X estuviera elevado al
cubo, este polinomio sera ahora de tercer grado.
Tenga en cuenta que en este tipo de regresiones polinomiales, solamente hay una variable explicativa al
lado derecho, pero aparece elevada a distintas potencias.
Revisemos el siguiente ejercicio:
EJEMPLO 15
Tenemos la informacin sobre la produccin de un bien y su costo de produccin total en el corto plazo.
Este es el ejemplo 7.4 que se encuentra en su libro gua.
Ct = costo total
P = produccin
Iniciamos dibujando las variables Y y X.

NDICE
GRFICO 7.1
PRELIMINARES
440
400
360
320
Y
280
240
BIMESTRE
200
PRIMER
160
0 2 4 6 8 10 12
X
El grfico muestra una curva en s alargada, lo que nos permite establecer el modelo de regresin a
utilizar.
SEGUNDO
BIMESTRE
1. Planteo terico o de hiptesis Y= f (X) o Ct= f(P)

2. Especificacin del modelo matemtico Y = 0 + 1 Xi + 2Xi2 + 3Xi3
SOLUCIONARIO
3. Especificacin modelo economtrico Y = 0 + 1 Xi + 2Xi2 + 3Xi3 + u
C 141.7667 6.375322 22.23678 0.0000
X 63.47766 4.778607 13.28372 0.0000
X2 -12.96154 0.985665 -13.15005 0.0000
X3 0.939588 0.059106 15.89677 0.0000
Y = 141.7666667 + 63.47766123X - 12.96153846X2 + 0.9395881896X3

Ho: 2 = 0 No hay relacin lineal entre Y y X, manteniendo constante X2 , X3.
H1: 2 0 S hay relacin lineal entre Y y X, manteniendo constante X2 , X3.
Ho: 3 = 0 No hay relacin lineal entre Y y X2 , manteniendo constante X , X3.
H1: 3 0 S hay relacin lineal entre Y y X2, manteniendo constante X , X3
Ho: 4 = 0 No hay relacin lineal entre Y y X3, manteniendo constante X , X2.
H1: 4 0 S hay relacin lineal entre Y y X3, manteniendo constante X , X2.

NDICE
Hiptesis global
PRELIMINARES
H0: 2 = 3 = 4 = 0 No existe relacin lineal simultnea y conjunta entre Y y X , X2, X3.
H0: 2 3 4 0 Existe relacin lineal simultnea y conjunta entre Y y X, X2, X3.
7. Verificacin
BIMESTRE
PRIMER
= 141,76
Cuando el costo es de cero, la produccin es de 141,76 unidades.
= 63,47
SEGUNDO
BIMESTRE
A medida que se incrementa la produccin en una unidad, el costo medio aumenta en 63,47 unidades
monetarias hasta cierto punto.
= -12,96
SOLUCIONARIO
A medida que se incrementa la produccin en una unidad, el costo medio comienza a disminuir en 12,96
unidades monetarias hasta cierto punto.
= 0,94
A medida que se incrementa la produccin en una unidad, el costo medio vuelve a incrementarse en
12,96 unidades monetarias hasta cierto punto.
ee( ) = 6,37 No es confiable porque es mayor a la tercera parte del parmetro.
Posiblemente la variable das laborables no es aconsejable para explicar las variaciones en el producto
bruto real.
R2= 0,99 o 99%: El 99% de las variaciones en produccin son explicadas por el costo total. El grado de
asociacin es bastante bueno.
Para la comprobacin de hiptesis de manera individual utilizaremos la prueba t.

NDICE
Prueba t
PRELIMINARES
tc( ) = 13,2
tc( ) = -13,1
tc( ) = 15,8
BIMESTRE
PRIMER
La regla manifiesta que si el tc es mayor al tt (t de la tabla), se rechaza Ho. En este caso el tc (B1) es mayor
al tt= +-2,47; por lo tanto, aceptamos que el modelo si tiene intercepto.
El tc (B2) es mayor al tt, por lo tanto, hay una relacin lineal entre la produccin y el costo. Lo mismo sera
para las dos variables restantes.
SEGUNDO
BIMESTRE
Prueba F
4,76, por lo tanto rechazo Ho y acepto que hay relacin lineal simultanea y conjunta entre la produccin
SOLUCIONARIO
y el costo.
Multicolinealidad
Heteroscedasticidad
Autocorrelacin
7.7. Prueba de igualdad de dos coeficientes de regresin
Cabe resaltar que en muchas investigaciones econmicas, se presentan variables que pueden tener
similitud, tal es el caso de la funcin de demanda de un bien, el cual plantea que Y= cantidad de
demanda del bien, est en funcin de X2= precio del bien, X3= ingreso del consumidor y X4= riqueza del
consumidor. Se puede presentar la duda de que si existe una relacin entre la variable ingreso y riqueza.
El planteo de la hiptesis sujeta a comprobacin en este caso sera que los coeficientes del ingreso y la
riqueza son los mismos. Entonces tendramos lo siguiente:
H0: 3 = 4 o (3 - 4 ) = 0
H1: 3 4 o (3 - 4 ) 0
Para poder aceptar o rechazar el Ho planteado nos fijamos en los valores t de estas variables (X3, X4), si
estos t calculados son mayores a los t de las tablas rechazamos Ho, es decir, los dos coeficientes no son
iguales. Caso contrario si el tc es menor al tt aceptamos que los coeficientes son iguales.
EJEMPLO 16
Para entender este tema regresemos al ejercicio 22, y tomemos los resultados que obtuvimos.

NDICE
PRELIMINARES
C 141.7667 6.375322 22.23678 0.0000
X 63.47766 4.778607 13.28372 0.0000
X2 -12.96154 0.985665 -13.15005 0.0000
X3 0.939588 0.059106 15.89677 0.0000
BIMESTRE
PRIMER
Adjusted
R-squared 0.997509 S.D. dependent var 65.81363
Sum squared
resid 64.74382 Schwarz criterion 5.626764
SEGUNDO
BIMESTRE
Durbin-Watson
stat 2.700212 Prob(F-statistic) 0.000000
En estos resultados revisemos los valores t de X2 y X3, adicional a esto determinamos el valor de t de la
SOLUCIONARIO
tabla para poder hacer las respectivas comparaciones.
El valor de t de la tabla con 6 grados de libertad al 0,05 es de: +- 2,47; al compararlo con los t de X2 y X3
sin tomar en cuenta el signo, podemos determinar que son mayores y por tanto, rechazamos la Ho y
definimos que X2 y X3 no son iguales y que estas variables no ocasionan problemas al modelo.
ACTIVIDAD SUGERIDA
Realice los ejercicios: 7.16, 7.17, y 7.18 de la parte final del captulo 7 para reforzar los conocimientos de
esta unidad.

NDICE
Autoevaluacin 7
PRELIMINARES
literales:
BIMESTRE
1. ( ) El modelo de produccin de Cobb-Douglas, es utilizado para calcular tasas de
PRIMER
crecimiento.
2. ( ) Un modelo polinomial est en relacin con los modelos de produccin.
3. ( ) El modelo de regresin mltiple es aquel que cuenta con una sola variable
SEGUNDO
independiente y varias variables dependientes.
BIMESTRE
4. ( ) Los rendimientos a escala son determinados por la suma de las elasticidades.
5. ( ) Los rendimientos a escala crecientes son aquellos que son iguales a 1.
SOLUCIONARIO
6. ( ) El modelo de Cobb-Douglas parte de una funcin exponencial.
Ir a solucionario

NDICE
7. Solucionario
PRELIMINARES
PRIMER BIMESTRE
AUTOEVALUACIN 1
BIMESTRE
PRIMER
Pregunta Respuesta
1 F
2 F
SEGUNDO
BIMESTRE
3 F
4 V
5 F
SOLUCIONARIO
6 V
Ir a autoevaluacin

NDICE
AUTOEVALUACIN 2
PRELIMINARES
Pregunta Respuesta
1 V
2 F
3 F
BIMESTRE
PRIMER
4 V
5 V
6 V
SEGUNDO
BIMESTRE
7 F
8 V
SOLUCIONARIO
9 V
10 F
Ir a autoevaluacin

NDICE
AUTOEVALUACIN 3
PRELIMINARES
Pregunta Respuesta
1 V
2 V
3 F
BIMESTRE
PRIMER
4 F
5 F
6 V
SEGUNDO
BIMESTRE
7 V
8 F
SOLUCIONARIO
Ir a autoevaluacin

NDICE
AUTOEVALUACIN 4
PRELIMINARES
Pregunta Respuesta
1 F
2 V
3 V
BIMESTRE
PRIMER
4 F
5 V
6 F
SEGUNDO
BIMESTRE
7 V
8 F
SOLUCIONARIO
Ir a autoevaluacin

NDICE
SEGUNDO BIMESTRE
PRELIMINARES
AUTOEVALUACIN 5
Pregunta Respuesta
1 V
BIMESTRE
PRIMER
2 F
3 F
4 V
SEGUNDO
BIMESTRE
5 F
6 V
7 V
SOLUCIONARIO
8 V
9 F
10 F
Ir a autoevaluacin

NDICE
AUTOEVALUACIN 6
PRELIMINARES
Pregunta Respuesta
1 V
2 F
3 F
BIMESTRE
PRIMER
4 F
5 V
6 V
SEGUNDO
BIMESTRE
7 F
8 V
SOLUCIONARIO
9 F
10 V
Ir a autoevaluacin

NDICE
AUTOEVALUACIN 7
PRELIMINARES
Pregunta Respuesta
1 F
2 V
3 F
BIMESTRE
PRIMER
4 V
5 F
6 V
SEGUNDO
BIMESTRE
SOLUCIONARIO
Ir a autoevaluacin
FOO/gnpr/2012-01-18/88
vtc/2013-02-1

Diseo e impresin:
Imgenes: Shutterstock.com/Ediloja
19607
Asesora virtual:
www.utpl.edu.ec

Guia Econometria

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Guia Econometria

Загружено:

Авторское право:

Доступные форматы

NDICE

Gua didctica: Econometra I

UNIVERSIDAD TCNICA PARTICULAR DE LOJA La Universidad Catlica de Loja 1

MODALIDAD ABIERTA Y A DISTANCIA

UNIVERSIDAD TCNICA PARTICULAR DE LOJA

maquetacin y diseo digital:

ISBN digital 978-9942-04-540-9

5. Orientaciones generales para el estudio............................................................. 8

6.1. Competencias genricas.................................................................................................... 9

6.5. Competencias genricas.................................................................................................... 47

La econometra se constituye en una materia fundamental para su formacin acadmica, ya que la

Con la finalidad de ofrecer un panorama general de la Introduccin a la Econometra, se presentarn estos

Bienvenidos y muchos xitos!

UNIVERSIDAD TCNICA PARTICULAR DE LOJA La Universidad Catlica de Loja 6

Ochoa, O. (2011). Gua Didctica de Econometra I. Loja-Ecuador: UTPL.

Wooldridge, J. (2001). Introduccin a la econometra. Mxico: ThomsonLearning.

Pindick, R. y Rubinfeld, D. (2000). Econometra modelos y pronsticos. Mxico: McGraw-Hill.

UNIVERSIDAD TCNICA PARTICULAR DE LOJA La Universidad Catlica de Loja 7

5. Orientaciones generales para el estudio

2. Estudie en un ambiente tranquilo, en donde facilite su relajacin y concentracin, de manera que

9. Son importantes las consultas al profesor responsable o de apoyo de la asignatura mediante la

UNIVERSIDAD TCNICA PARTICULAR DE LOJA La Universidad Catlica de Loja 8

6. Proceso de enseanza-aprendizaje para el logro de competencias

UNIVERSIDAD TCNICA PARTICULAR DE LOJA La Universidad Catlica de Loja 9

6.2. Planificacin para el trabajo del alumno

7. Inicio del desarrollo

UNIVERSIDAD TCNICA PARTICULAR DE LOJA La Universidad Catlica de Loja 10

UNIVERSIDAD TCNICA PARTICULAR DE LOJA La Universidad Catlica de Loja 11

UNIVERSIDAD TCNICA PARTICULAR DE LOJA La Universidad Catlica de Loja 12

6.3. Sistema de Evaluacin de la asignatura (Primero y segundo bimestres)

Presentacin, orden y ortografa X X X X X

Dominio del contenido X X X X X X

Investigacin (cita fuentes de

Aporta con criterios y soluciones X X X X X

PORCENTAJE 10% 20% 30% 70%

UNIVERSIDAD TCNICA PARTICULAR DE LOJA La Universidad Catlica de Loja 13

6.4. Orientaciones especficas para el aprendizaje por competencias

En definitiva y destacando lo principal de estos conceptos la econometra se basa en la explicacin

UNIVERSIDAD TCNICA PARTICULAR DE LOJA La Universidad Catlica de Loja 14

Para realizar el anlisis de un problema econmico se presenta la metodologa tradicional o clsica:

UNIVERSIDAD TCNICA PARTICULAR DE LOJA La Universidad Catlica de Loja 15

A trves de una regresin lineal.

Se plantea hiptesis en base a lo que se quiere determinar.

Se realizan tres tipos de verificacin: econmica, estadstica y economtrica sobre los

UNIVERSIDAD TCNICA PARTICULAR DE LOJA La Universidad Catlica de Loja 16

1. Planteamiento de la teora o de la hiptesis

Modelos basados en teoras econmicas ya establecidas

Modelos basados en planteo de hiptesis

Se pretende conocer la relacin que se dan en los siguientes modelos:

El salario de un trabajador en funcin de las horas de trabajo

UNIVERSIDAD TCNICA PARTICULAR DE LOJA La Universidad Catlica de Loja 17

Promedio de calificaciones de un paralelo en funcin al nmero de estudiantes

2. Especificacin del modelo matemtico

Esta es la representacin matemtica en la cual establecemos que Y est en funcin de X, o como lo

Para la especificacin economtrica, simplemente al modelo matemtico se le adiciona el trmino ,

Informacin de series de tiempo:

Informacin de corte transversal:

Informacin combinada o datos de panel:

UNIVERSIDAD TCNICA PARTICULAR DE LOJA La Universidad Catlica de Loja 18

5. Estimacin del modelo

Verificacin estadstica: aqu se hace un anlisis de los errores estndar, el coeficiente de

Verificacin economtrica: se determina si el modelo presenta problemas tal como: multicolinealidad,

1.3. Interpretacin moderna de la regresin

Comenzaremos analizando un concepto bsico de regresin: