1.taller 1 Econometría 1 2018

ECONOMETRÍA 1
TALLER # 1
MODELO DE REGRESIÓN SIMPLE
PRESENTADO POR:
JUAN SEBASTIÁN URIBE RESTREPO
DOCENTE:
GUSTAVO GONZALEZ
UNIVERSIDAD DE SUCRE
FACULTAD DE CIENCIAS ECONOMICAS Y ADMINISTRATIVAS
PROGRAMA DE ECONOMIA
2 DE ABRIL DE 2018
SINCELEJO-SUCRE
1. La tabla 3.7 (anexa) presenta los datos sobre el precio del oro, el índice de precios al
consumidor (IPC) y el índice de la Bolsa de Valores de Nueva York (BVNY) de Estados
Unidos de 1974 a 2006. El índice de la BVNY incluye la mayor parte de las acciones
registradas, las cuales ascienden a más de 1 500.
a. En el mismo diagrama de dispersión, grafica que los precios del oro, el IPC y el índice
de la BVNY.
9000 700.00
8000
600.00
7000
500.00
6000
5000 400.00
4000 300.00
3000
200.00
2000
100.00
1000
0 0.00
0 5 10 15 20 25 30 35 40
NYSE Goldprice CPI
b. Se supone que una inversión es una protección contra la inflación si su precio o la tasa
de rendimiento se mantiene por lo menos al ritmo de la inflación. Para probar esta
hipótesis, suponga que se decide ajustar el siguiente modelo, suponiendo que el gráfico
de los puntos dispersos en a) indica que esto es lo apropiado:
Índice BVNY = ꞵ 1 + ꞵ 2 IPCt + ut

Precio del oro = ꞵ 1 + ꞵ 2 IPCt + ut
Base su respuesta en relación al soporte teórico y práctico.
La inflación es en sí una variación de precios. Si no se modifica, no significa que no

haya cambiado, sino que la tasa de crecimiento se mantiene invariante. Cuando sube,
cada unidad monetaria que uno posee será capaz de comprar una menor cantidad de
un producto o servicio en particular, con lo que se reducirá el poder adquisitivo de la
población. La inversión es un factor o mecanismo de protección contra la inflación, ya
que, las acciones ofrecen la mejor protección posible contra un proceso inflacionario
alto. Por ejemplo, sí tenemos una empresa que vende determinado producto o servicio,
la venta se verá afectada por el proceso de inflación lo cual se traducirá en una
disminución de las ventas lo cual determinará una menor proporción de bienes o
servicios adquiridos por la población en comparación con un periodo donde se haya
presentado un proceso inflacionario bajo. Por ende, el valor de las acciones se ve
afectado por el rendimiento de la empresa y crea un ambiente favorable para realizar
inversiones en bolsa. Sin embargo, esta situación puede ser contraproducente en
algunos casos, ya que no siempre es provechoso invertir a una alta tasa de inflación.
c. A los modelos plateados realice un análisis a priori y posteriori con sus estimaciones.
Análisis a-priori:
Es necesario aclarar que los modelos usados e interpretados, contribuyen ampliamente
al desarrollo del análisis que se quiere establecer como a priori, los modelos que se
usarán conciernen a los modelos económicos que hablan acerca del índice de precios
al consumidor (IPC) y el índice de la Bolsa de Valores de Nueva York (BVNY) de
Estados Unidos. A través de estos se estudiarán los comportamientos que tienen éstas
variables generadas en esta economía. Los precios de las acciones que vemos todos
los días tienen que ver con multitud de factores, desde acontecimientos geopolíticos, a
decisiones gubernamentales pasando por la propia gestión de las empresas o la
coyuntura económica, o simplemente a la especulación. Por tanto, no hay una única
teoría que explique el funcionamiento de las bolsas, por eso, desde mediados del siglo
pasado, han surgido una serie de teorías que intentan explicar la mecánica de las
bolsas. Juan B. Serrano García habla de ello en su obra "El inversor tranquilo",
publicada el 20 de junio de 2013 por la editorial Díaz Santos. En los índices se reflejan
todos los factores que pueden tener influencia en la cotización de los títulos, por
ejemplo, los eventos importantes, las noticias, datos e incluso fenómenos naturales
como huracán o sismo.
Juan B. Serrano – El inversor tranquilo.
Por otro lado, una de las teorías más antiguas, fue formulada por Charles Dow, creador
del también famoso índice Dow Jones de la Bolsa de Nueva York. Dow opinaba que los
precios de las acciones se mueven por tendencias, las cuales pueden ser alcistas
cuando máximos y mínimos son cada vez más altos, y bajistas cuando ocurre lo
contrario. Dentro de la tendencia, los precios se mueven en tres direcciones, pero para
Serrano con esta teoría resultaría imposible saber cuál será la tendencia futura y sacar
el máximo provecho de la misma. Los análisis propuestos por esta teoría están sujetos
a un análisis de antecedentes para tratar de comprender el pasado y establecer
redicciones en base a este.
Marx - Teoría cuantitativa.
Por otra parte, la caída del dólar y un alza de la inflación podrían impulsar la demanda de
oro. El oro sigue siendo un activo monetario, y que el valor de la moneda mantiene una
relación estrecha con el oro. El oro sigue siendo la encarnación pura del valor, de la
riqueza, y del poder social, y el activo último que respalda al billete. Por esta razón Marx
sostiene también que el oro se retiene como “dinero”. Lo cual quiere decir que se lo
demanda en cuanto equivalente general, por su existencia económica como dinero
mercancía, su valor de uso conserva valor y por esta razón cuando hay desconfianza en
la moneda aparece el oro. Un claro ejemplo de esto, es la crisis bancaria y financiera de
1931, situación en la que se decreta la inconvertibilidad de la moneda y otras monedas,
se produce una corrida hacia el oro, pasando de un nivel de reservas en monedas
extranjeras por parte de los bancos centrales del 37% al 11% después de la crisis. A fines
de los sesenta, y comienzos de los setenta, cuando hay desconfianza en la convertibilidad
del dólar, también asistimos a la corrida al oro, a pesar de lo que decía la ley jurídica, el
valor del dólar tendió a imponerse en la realidad de su paridad con el oro. En las décadas
siguientes, cada vez que hubo temores importantes, la caída del dólar tuvo como
contrapartida la realidad de que el oro volvió a actuar como refugio dinerario.
La inflación es un fenómeno que se manifiesta en varios niveles y por causas como el

incremento de la demanda, el aumento del circulante, el aumento de los precios de
productos importados. Por esta razón los inversionistas protegen sus valores a través de
la compra de activos financieros o metales de alto valor comercial, con el objetivo de
generar un margen de rentabilidad para conservar el valor real del dinero en el tiempo. La
principal preocupación de los inversores es la deuda que se va acumulando para muchos
países industrializados. La inflación es necesaria para la supervivencia de la economía
mundial
Por lo tanto, la inflación parece inevitable. Por inflación debe comprenderse una
producción de moneda importante con el fin de aumentar artificialmente el consumo, pero,
asimismo, reembolsar total o parcialmente deudas acumuladas con el tiempo. Así pues,
una inflación es necesaria para la supervivencia de la economía mundial. Por esta razón,
los mercados financieros parecen estar indecisos y se generan algunas incertidumbres
en cuanto a los valores sobre los que sería conveniente invertir. Por consiguiente, es
natural que los inversores privados se orienten hacia valores refugios como las materias
primas y los metales preciosos como el oro.
Es importante precisar que históricamente, el oro siempre ha tenido un estatuto de valor-

refugio y basta con analizar rápidamente las cotizaciones históricas para darse cuenta de
que la cotización del oro tiende a aumentar en período de crisis. Existe una correlación
entre el precio del metal amarillo y el grado de inflación internacional. Esta comprobación
puede parecer sorprendente, pero se explica muy simplemente con un razonamiento
lógico. En efecto, en período de inflación, la producción de la moneda aumenta
considerablemente, lo que implica un desplome de las cotizaciones en el mercado de los
cambios. Por lo tanto, el oro, cuyo valor no depende de las divisas sino completamente
de la oferta y la demanda no está influenciado y pasa a ser más barato. En estas
circunstancias, el oro lo compran en masa los inversores que desean beneficiarse de esta
oportunidad. Como cada uno sabe, el aumento de las compras de oro en los mercados
bursátiles implica automáticamente un aumento más o menos importante del valor del
oro.
En conclusión, se tiene que en cuanto más importantes son los riesgos de inflación, más
interesante resulta invertir en el oro. Esta inversión es a la vez segura es muy raro que la
cotización del oro baje de manera significativa y, sobre todo, mucho más rentable que los
otros tipos de especulación sobre las acciones, en particular, puesto que su valor puede
duplicar, e incluso triplicar en solamente unos años.
Bordo y Eichengreen 1998.
Análisis a posteriori.
Partiendo del establecimiento de los modelos anteriormente mencionados y de los datos
suministrados a través de la tabla 3.7 anexada, se desarrollará o abordará su
correspondiente análisis, concerniendo a ellos:
IPC = índice de precios al consumidor.

BVNY = Índice de la bolsa de valores de Nueva York.
Se establecen los modelos, y se hacen las estimaciones de las regresiones con el

software econométrico Eviews.
Índice BVNY = -3444.992 + 50.29719 * IPC + ut
Ya conocidos los valores de β1 como variable dependiente y β2 como variable

independiente, manteniendo las demás variables constantes, podemos observar que
hay consistencia teórica con lo anteriormente planteado en el análisis a priori, y se
evidencia que la variable que acompaña a β2 en este caso el IPC es de signo positivo,
apuntando a que existe una relación directa, es decir que en la medida que aumentan
los niveles de inflación, la bolsa actúa como refugio y el nivel de esta también tiende a
aumentar.
Precio del oro = 215. 2856 + 1.038430 * IPC + ut
Ya conocidos los valores de β1 y β2, manteniendo las demás variables constantes,

podemos observar que los coeficientes arrojados por el software de estimación
econométrica Eviews nos muestra que ambos son positivos, y que el coeficiente de β1,
siendo esta la variable dependiente, no está estrechamente relacionado con la
pendiente siendo esta β2, aunque también se observa un valor positivo en esta pero en
menor medida, lo cual indica que las variaciones en el IPC no afectan en gran medida al
precio del oro ya que este no es un bien de la canasta básica familiar para el caso
específico de esta economía.
d. Realice también a los modelos análisis de significancia y aleatoriedad de los errores.
Análisis de significancia individual:

Primer modelo.
Índice BVNY = -3444.992 + 50.29719 * IPC + ut
Para β1:
t(n – k) ∝ = 0.05
t(33 – 2) ∝ = 0.05
t(31) ∝ = 0.05
𝐻0 = β1 = 0
𝐻𝐴 = β1 ≠ 0
β1 −3444.992
Tcal = 𝜎𝛽 , por lo tanto, Tcal = 533.9663
= - 6.45
1
Ho
Ha Ha
Tcal = -6.45 -Tcrit Tcrit
Regla de decisión:
│Tcal│> │Tcrit│∴ Se rechaza 𝐻0 al haber suficiente evidencia estadística, β1 es
│-6.45│< │-Tcrit│significativo a un nivel del 5%. En este caso el intercepto arroja un
valor negativo lo cual establece un precio mínimo en la bolsa para entrar en vigor el
juego de oferta y demanda en esa economía.
Para β2:
t(n – k) g.l ∝ = 0.05
t(33 – 2) g.l ∝ = 0.05
t(31) g.l ∝ = 0.05
𝐻0 = β2 = 0
𝐻𝐴 = β2 ≠ 0
𝜷 50.29719
Tcal = 𝝈𝜷𝟐 , por lo tanto, Tcal = 3.958363 = 12.70
𝟐
Ho
Ha Ha
-Tcrit Tcrit Tcal = 12.70

Regla de decisión:
│12.70│< │Tcrit│significativo a un nivel del 5%. La pendiente es significativa dentro del
modelo, es decir, para ese período en esa economía, las variaciones de los precios de
las acciones de la bolsa de Nueva York están explicados por el IPC.
Análisis de significancia global:

Prueba F de Fisher.
𝐻0 = β1 = β2 = 0
𝐻𝐴 = βi ≠ 0 Para algún i ≥ 1
Tenemos:
(𝑅 2 )
(𝑘 − 1)
𝑭=
(1 − 𝑅 2 )
(𝑛 − 𝑘)
Por lo tanto:
(0.838925)
(2 − 1) 0.838925 0.838925
𝐹= = =
(1 − 0.838925) (0.161075) 0.0051959
(33 − 2) (31)
𝐹 = 161.459
Ho
Ha
0 1 𝐹𝐶𝑟𝑖𝑡 𝐹𝐶𝑎𝑙= 161.459
Regla de decisión:
│ 𝐹𝐶𝑎𝑙 │> │ 𝐹𝐶𝑟𝑖𝑡 │∴ Se rechaza 𝐻0 al haber suficiente evidencia estadística, es decir, β2 es
significativo en su pendiente a un nivel del 5%, por lo cual el modelo es significativo globalmente.
Test de normalidad.
Test de Jarque - Bera.
𝐻0 : Normalidad de los errores
𝐻1 : No Normalidad de los errores
𝐴2 (𝐾 − 3)2
𝐽𝐵 = 𝑛 ∗ [ + ]
6 24
(0.292259)2 (1.621171 − 3)2
𝐽𝐵 = 33 ∗ [ + ] = 3.0838
6 24
Ho
Ha
0 1 𝑥 2 𝐶𝑎𝑙 = 3.08 𝑥 2 𝐶𝑟𝑖𝑡
Regla de decisión:
│𝑥 2 𝐶𝑎𝑙│< │𝑥 2 𝐶𝑟𝑖𝑡│∴ No hay evidencia suficiente para rechazar 𝐻0 , es decir hay normalidad en
los errores del modelo y se cumple la condición de aleatoriedad.
Prueba 𝑥 2 de bondad de ajuste.
𝐻𝑎 : No Normalidad de los errores
(𝑂𝑖−𝐸𝑖)2
𝑥 2 =∑ 𝐸𝑖
2 ∑(𝐸−0)2
𝑥 (6-1) g.l α=0.1
𝑛
Valores estimados en los intervalos:
I n(33) x 34.16% 11.2728
II n(33) x 34.16% 11.2728
III n(33) x 13.6% 4.488
IV n(33) x 13.6% 4.488
V n(33) x 2.1% 0.693
VI n(33) x 2.1% 0.693

Categorización:
I 0 1010.442 8
II -1010.442 0 12
III 1010.442 2020.884 7
IV -2020.884 -1010.442 6
V 2020.884 3031.326 0
VI -3031.326 -2020.884 0
(8-11.2728)2 + (12-11.2728)2 + (7-4.488)2 + (6-4.488)2 + (0-0.693)2 + (0-0.693)2

𝑥 2 𝐶𝑎𝑙 =
33
𝑥 2 𝐶𝑎𝑙 = 0.63
Ho
Ha
0 𝑥 2 𝐶𝑎𝑙 = 0.63 1 𝑥 2 𝐶𝑟𝑖𝑡
Regla de decisión:
los errores del modelo y cumplen la condición de aleatoriedad.
Segundo modelo.
Precio del oro = 215. 2856 + 1.038430 * IPC + ut
Para β1:
t(n – k) ∝ = 0.05
t(33 – 2) ∝ = 0.05
t(31) ∝ = 0.05
𝐻0 = β1 = 0
𝐻𝐴 = β1 ≠ 0
β1 215.2856
Tcal = 𝜎𝛽 , por lo tanto, Tcal = 54.46850 = 3.95
1
Ho
Ha Ha
Regla de decisión:
│3.95│> │Tcrit│ significativo a un nivel del 5%. El intercepto es significativo dentro del modelo,
es decir, para esa economía existe un precio mínimo del oro que no está influenciado por la
inflación.
Para β2:
t(n – k) g.l ∝ = 0.05
t(33 – 2) g.l ∝ = 0.05
t(31) g.l ∝ = 0.05
𝐻0 = β2 = 0
𝐻𝐴 = β2 ≠ 0
𝜷 1.038430
Tcal = 𝝈𝜷𝟐 , por lo tanto, Tcal = 0.403782 = 2.57
𝟐
Ho
Ha Ha
Tcal = 2.57
0
-Tcrit Tcrit
Regla de decisión:
│Tcal│> │Tcrit│∴ Se rechaza 𝐻0 al haber evidencia estadística que lo demuestra, β2 es
│2.57│< │Tcrit│ significativo a un nivel del 5%. La pendiente es significativa dentro del
modelo, es decir, la inflación para ese período en esa economía, tiene un poder explicativo
sobre el precio del oro.

Prueba F de Fisher.
𝐻0 = β1 = β2 = 0
Tenemos:
(𝑅 2 )
(𝑘 − 1)
𝑭=
(1 − 𝑅 2 )
(𝑛 − 𝑘)
Por lo tanto:
(0.175837)
(2 − 1) 0.175837 0.175837
𝑭= = =
(1 − 0.175837) (0.824163) 0.026585903
(33 − 2) (31)
𝑭 = 6.6140
Ho
Ha
0 1 𝐹𝐶𝑟𝑖𝑡 𝐹𝐶𝑎𝑙 = 6.6140
Regla de decisión:
significativo en su pendiente a un nivel del 5%, por lo cual el modelo es significativo
globalmente.
Test de normalidad.
𝐴2 (𝐾 − 3)2
𝐽𝐵 = 𝑛 ∗ [ + ]
6 24
(0.852524)2 (4.024022 − 3)2
𝐽𝐵 = 33 ∗ [ + ] = 5.439239
6 24
Ho
Ha
0 1 𝑥 2 𝐶𝑎𝑙 = 5.43 𝑥 2 𝐶𝑟𝑖𝑡

Regla de decisión:
│𝑥 2 𝐶𝑎𝑙│< │𝑥 2 𝐶𝑟𝑖𝑡│∴ No hay evidencia suficiente para rechazar 𝐻0 , como el valor obtenido
para el estadístico es menor que el valor crítico, esto quiere decir que hay normalidad en los
errores del modelo y se cumple la condición de aleatoriedad.
𝑥 2 =∑ 𝐸𝑖
2 ∑(𝐸−0)2
𝑥 (6-1) g.l α=0.1 𝑛
I n(33) x 34.16% 11.2728

II n(33) x 34.16% 11.2728
III n(33) x 13.6% 4.488
I n(33) x 13.6% 4.488
V n(33) x 2.1% 0.693
VI n(33) x 2.1% 0.693
Categorización:
I 0 103.0726 12
II -103.0726 0 9
III 103.0726 206.1452 4
IV -206.1452 -103.0726 7
V 206.1452 309.2178 1
VI -309.2178 -206.1452 0
(12-11.2728)2 + (9-11.2728)2 + (4-4.488)2 + (7-4.488)2 + (1-0.693)2 + (0-0.693)2

𝑋𝑐𝑎𝑙2 =
33
𝑋𝑐𝑎𝑙2 = 0.38
Ho
Ha
0 𝑥 2 𝐶𝑎𝑙 = 0.38 1 𝑥 2 𝐶𝑟𝑖𝑡
Regla de decisión:
2. La tabla 3.8 proporciona datos sobre el producto interno bruto (PIB) de Estados Unidos de
1959 a 2005.
a) Grafique los datos del PIB en dólares actuales y constantes (es decir, de 2000) respecto
del tiempo.
14000.00
12000.00
10000.00
8000.00
6000.00
4000.00
2000.00
.00
NGDP RGDP
b) Sea Y el PIB y X el tiempo (medido cronológicamente, empezando con 1 para 1959, 2 para
1960, hasta 47 para 2005), observe si el siguiente modelo se ajusta a los datos del PIB:
Yt =β1 + β2 Xt + ut
Estime este modelo para el PIB en dólares constantes y actuales.
Se realiza el ajuste de los dos modelos los cuales son:
NGDP = β1 + β2 Xt + ut
RGDP = β1 + β2 Xt + ut
Se procede a hacer las estimaciones y se obtienen los siguientes resultados para cada
modelo:
Primer modelo: NGDP = β1 + β2 Xt + ut

NGDP = -1723.198612 + 252.576272 Xt + ut
Segundo modelo: RGDP = β1 + β2 Xt + ut

RGDP = 1620.424422 + 180.2630782 Xt + ut
c. ¿Cómo interpretaría β2?
β2 al ser la pendiente se puede interpretar como el tiempo, siendo esta la variable que influye
en el crecimiento del PIB a lo largo de los años, expresado en una tasa de crecimiento de
bienes y servicios para el modelo de PIB real, y para el modelo del PIB nominal denota un
crecimiento en términos monetarios (Dinero) influenciado por el IPC directamente en el precio
de los bienes y servicios, por eso se denota un coeficiente alto de β2 en ambos modelos siendo
esta la variable explicativa.
d. Si existiera una diferencia entre el valor estimado de β2 para el PIB en dólares actuales y el
estimado para el PIB en dólares constantes, ¿qué la explicaría?
Si existe una diferencia entre el valor estimado de β2 para el PIB en dólares actuales y el
estimado para el PIB en dólares constantes, el PIB en dólares actuales es mayor que el PIB en
dólares constantes por influencia de la variación que presenta el índice de precios (IPC) a
través de los años (el tiempo), es decir, la inflación. Sin embargo, en períodos inflacionarios
altos, un aumento de los precios puede dar la falsa impresión de un aumento del PIB, y por
tanto una falsa sensación de crecimiento económico sin que la producción real haya umentado.
Para ajustar el PIB según los efectos de la inflación se utiliza el PIB real (el valor de todos los
bienes y servicios producidos en dólares constantes).
e. Con base en sus resultados, ¿qué puede decir sobre la naturaleza de la inflación en Estados
Unidos en el periodo de muestra?
Los resultados muestran una naturaleza creciente en la inflación para la economía de los
Estados Unidos en el período de tiempo analizado, debido al incremento de los precios en uno
de los modelos del PIB (NGDP) a través del tiempo, al haber un aumento en el PIB se entiende
que aumenta el valor de los bienes y servicios, así como también aumenta la producción de los
mismos, esto influenciado por el IPC a través de lo cual se determina el comportamiento de la
inflación.
f. Realice también a los modelos análisis de significancia y aleatoriedad de los errores, y con los
resultados estadísticos vuelva a contestar la pregunta d)
Primer modelo:
NGDP = β1 + β2 Xt + ut
NGDP = -1723.198612 + 252.576272 Xt + ut
Para β1:
t(n – k) ∝ = 0.05
t(47 – 2) ∝ = 0.05
t(45) ∝ = 0.05
𝐻0 = β1 = 0
𝐻𝐴 = β1 ≠ 0
β1 −1723.198612
= - 5.87
1
Ho
Tcal = -5.87 -Tcrit Tcrit
Regla de decisión:
│-5.87│> │-Tcrit│significativo a un nivel del 5%. El intercepto es negativo, lo cual explica que
para esa economía en ese período de tiempo hubo un valor mínimo del PIB que fue
aumentando con el paso del tiempo.
Para β2:
t(n – k) g.l ∝ = 0.05
t(47 – 2) g.l ∝ = 0.05
t(45) g.l ∝ = 0.05
𝐻0 = β2 = 0
𝐻𝐴 = β2 ≠ 0
𝜷 252.576272
Tcal = 𝝈𝜷𝟐 , por lo tanto, Tcal = 10.64006
= 23.73
𝟐
Ho
Ha Ha
Tcal=23.73
-Tcrit Tcrit
Regla de decisión:
│23.73│> │Tcrit│ significativo a un nivel del 5%. La pendiente es significativa, es decir,
para ese período de tiempo en esa economía se evidencia un crecimiento en el PIB
explicado a través del tiempo.

Prueba F de Fisher.
𝐻0 = β1 = β2 = 0
Tenemos:
(𝑅 2 )
(𝑘 − 1)
𝑭=
(1 − 𝑅 2 )
(𝑛 − 𝑘)
Por lo tanto:
(0.926048)
(2 − 1) 0.926048 0.926048
𝑭= = =
(1 − 0.926048) (0.073952) 0.0016433777777778
(47 − 2) (45)
𝑭 = 563.5035
Ho
Ha
0 1 𝐹𝐶𝑟𝑖𝑡 𝐹𝐶𝑎𝑙= 563.5035
Regla de decisión:
significativo a un nivel del 5%, por lo cual el modelo es significativo globalmente.
Test de normalidad.
𝐴2 (𝐾 − 3)2
𝐽𝐵 = 𝑛 ∗ [ + ]
6 24
(0.706473)2 (2.281724−3)2
𝐽𝐵 = 47 ∗ [ + ] = 4.91
6 24
Ho
Ha
0 1 𝑥 2 𝐶𝑎𝑙 = 4.91 𝑥 2 𝐶𝑟𝑖𝑡
Regla de decisión:
𝑥 2 =∑
𝐸𝑖
2 ∑(𝐸−0)2
𝑥 (6-1) g.l α=0.1 𝑛
I N(47)*34.16% 16.0552
II N(47)*34.16% 16.0552
III N(47)*13.6% 6.392
IV N(47)*13.6% 6.392
V N(47)*2.1% 0.987
VI N(47)*2.1% 0.987
Categorización:
I 0 989.4687 9
II -989.4687 0 21
III 989.4687 1978.93 9
IV -1978.93 -989.4687 7
V 1978.93 2968.40 1
VI -2968.40 1978.93 0
(9-16.0552)2 (21-16.0552)2 (9-6.392)2 (7-6.392)2 (1-0,987)2(0-0,987)2

47
𝑥 2 𝐶𝑎𝑙 = 1.75
Ho
Ha
0 1 𝑥 2 𝐶𝑎𝑙 = 1.75 𝑥 2 𝐶𝑟𝑖𝑡
Regla de decisión:
Segundo modelo:
RGDP = β1 + β2 Xt + ut
RGDP = 1620.424422 + 180.2630782 Xt + ut
Para β1:
t(n – k) ∝ = 0.05
t(47 – 2) ∝ = 0.05
t(45) ∝ = 0.05
𝐻0 = β1 = 0
𝐻𝐴 = β1 ≠ 0
β1 1620.424
Tcal = 𝜎𝛽 , por lo tanto, Tcal = = 12.84
1 126.1553
Ho
Ha Ha
Tcal = 12.84
-Tcrit Tcrit
Regla de decisión:
│12.84│> │Tcrit│ significativo a un nivel del 5%. El intercepto es positivo, lo cual explica que
para esa economía en ese período de tiempo hubo un valor del PIB que fue no está explicado a
lo largo del tiempo.
Para β2:
t(n – k) g.l ∝ = 0.05
t(47 – 2) g.l ∝ = 0.05
t(45) g.l ∝ = 0.05
𝐻0 = β2 = 0
𝐻𝐴 = β2 ≠ 0
𝜷 180.2631
Tcal = 𝝈𝜷𝟐 , por lo tanto, Tcal = = 39.39
𝟐 4.576133
Ho
Ha Ha
Tcal = 39.39
-Tcrit Tcrit
Regla de decisión:
│39.39│> │Tcrit│ significativo a un nivel del 5%. La pendiente es significativa, es decir, para
ese período de tiempo en esa economía se evidencia un crecimiento en el PIB explicado a
través del tiempo.

Prueba F de Fisher.
𝐻0 = β1 = β2 = 0
Tenemos:
(𝑅 2 )
(𝑘 − 1)
𝑭=
(1 − 𝑅 2 )
(𝑛 − 𝑘)
Por lo tanto:
(0.971817)
(2 − 1) 0.971817 0.971817
𝑭= = =
(1 − 0.971817) (0.028183) 0.0006262888
(47 − 2) (45)
𝑭 = 1551.70
Ho
Ha
0 1 𝐹𝐶𝑟𝑖𝑡 𝐹𝐶𝑎𝑙= 1551.70
Regla de decisión:
Test de normalidad.
𝐴2 (𝐾 − 3)2
𝐽𝐵 = 𝑛 ∗ [ + ]
6 24
(0.319679)2 (2.100017−3)2
𝐽𝐵 = 47 ∗ [ + ] = 2.38
6 24
Ho
Ha
0 1 𝑥 2 𝐶𝑎𝑙 = 2.38 𝑥 2 𝐶𝑟𝑖𝑡
Regla de decisión:
𝑥 2 =∑ 𝐸𝑖
2 ∑(𝐸−0)2
𝑥 (6-1) g.l α=0.1 𝑛
I n(47) x 34.16% 16.0552

II n(47) x 34.16% 16.0552
III n(47) x 13.6% 6.392
IV n(47) x 13.6% 6.392
V n(47) x 2.1% 0.987
VI n(47) x 2.1% 0.987
Categorización:
I 0 425.5558 12
II -425.5558 0 20
III 425.5558 851.1116 8
IV -851.1116 -425.5558 6
V 851.1116 1276.6674 1
VI -1276.6674 -851.1116 0
(12-16.0552)2 +(20-16.0552)2 +(8-6.392)2 +(6-6.392)2 + (1-0.987)2 + (0-0,987)2

47
𝑥 2 𝐶𝑎𝑙 = 0.75
Ho
Ha
0 𝑥 2 𝐶𝑎𝑙 = 0.75 1 𝑥 2 𝐶𝑟𝑖𝑡
Regla de decisión:
3. La tabla 2.9 presenta datos sobre el promedio de calificaciones del examen de aptitud
académica SAT de los estudiantes que solicitaron admisión a licenciatura de 1972 a 2007.Estos
datos representan las calificaciones en el examen de lectura crítica y matemáticas de hombres y
mujeres. La categoría de redacción se introdujo en 2006. Por tanto, estos datos no se incluyen.
a. Con el eje horizontal para los años y el vertical para las calificaciones del examen SAT,
grafique las calificaciones de lectura crítica y matemáticas de hombres y mujeres por separado.
Hombres:
Lectura crítica Hombres

535
530
525
520
515
510
505
500
495
490
485
Matemáticas Hombres
540
535
530
525
520
515
510
505
500
Mujeres:
Lectura crítica Mujeres

540
530
520
510
500
490
480
470
Matemáticas Mujeres
510
505
500
495
490
485
480
475
470
465
460
455
b. ¿Qué conclusiones generales se obtienen?

Se comparan los rendimientos en el área de Lectura Crítica y se hace lo mismo en
Matemáticas, observando los gráficos, se denota una diferencia mínima en para el caso de
Lectura Crítica, pero en el caso de Matemáticas, sí se denota una diferencia bastante amplia
respecto al rendimiento de los hombres comparado con las mujeres, en ambos casos el
rendimiento de los hombres. Para ambos casos se notan tendencias diferentes, en algunos
años como por ejemplo en 1982 los rendimientos generales en Lectura crítica tuvieron una
tendencia a la baja, seguidos de procesos inestables donde había repuntes y caídas, pero en el
caso de las matemáticas, la tendencia fue al alza, en algunos puntos hubo caídas en los
rendimientos, pero fueron mínimas y en general el rendimiento de matemáticas fue más
estable.
c. Al conocer las calificaciones de lectura crítica de hombres y mujeres, ¿cómo haría para
predecir las calificaciones de matemáticas?
Podemos basar el análisis en aspectos críticos cómo lo son el rendimiento en lectura crítica para
establecer sí hay una relación directa entre este proceso de aprendizaje con el aprendizaje de
matemáticas, para esto se abordarán algunas teorías sobre el desarrollo cognitivo, como la de
Jean Piaget, así como también algunos otros aportes realizados por varios autores como
Kemmis, Popkewitz, y Walkerdine. La relación de todos estos estudios podría indicarnos el
camino a seguir para intentar predecir el comportamiento de una actividad en base a otra que
pueda generar un complemento para el desarrollo de la misma, partiendo de un supuesto
indicado por los gráficos, donde se denota que al haber mayor rendimiento en lectura crítica
puede suponerse un mejoramiento en el entendimiento de las matemáticas.
Por otro lado se puede plantear una regresión para hacer un análisis profundo acerca de los
coeficientes planteados por el modelo y ver sí tiene congruencia con el soporte teórico, la
regresión se plantearía de la siguiente manera:
MTTotal = β1 + β2 LCTotal + ut
MT = f (LC)
d. Grafique las calificaciones de matemáticas de las mujeres contra las calificaciones de

matemáticas de los hombres. ¿Qué observa?
Matemáticas: Hombres vs Mujeres:
MT hombres y mujeres
560
540
520
500
480
460
440
Male Female Linear (Male) Linear (Female)

Las calificaciones en este gráfico, indican que las mujeres poseen un mejor rendimiento en
lectura crítica respecto a las matemáticas, pero también se observa una tendencia positiva que
denota una gran diferencia en cuanto a la lectura crítica donde se presentaron algunas
perturbaciones, pero que la diferencia entre los rendimientos era muy pequeña en comparación
con las matemáticas. El soporte teórico también podría tratar de dar una explicación en cuanto
al por qué las mujeres presentan un mejor rendimiento en lectura crítica y esto viene explicado
a través del análisis de los hemisferios del cerebro de la mujer que indican que desarrolla mejor
el hemisferio que tiene que ver respecto a la lectura y en los hombres se da el caso contrario
donde el desarrollo es mejor en el área que tiene que ver respecto a las matemáticas o
números.
e. Grafique la calificación del examen de lectura crítica de mujeres contra la calificación del
examen de lectura crítica de hombres.
Lectura crítica: Hombres vs Mujeres:
LC Hombres y Mujeres
540
530
520
510
500
490
480
470
Male Female Linear (Male) Linear (Female)

f. Si el diagrama de dispersión indica que parece apropiado establecer una relación lineal entre
los dos, obtenga la regresión de la calificación del examen de lectura de mujeres sobre la
calificación del examen de lectura crítica de hombres.
Gráfico de dispersión: LC Hombres vs Mujeres.
Gráfico de dispersión
LC Hombres y Mujeres.
535
530
525
520
515
510
505
500
495
490
495 500 505 510 515 520 525 530 535
Se plantea la regresión de la siguiente manera:

LCMujeres = β1 + β2 LCHombres + ut
LCMujeres = -31.76318 + 1.048498 * LCHombres + ut
g. De haber una relación entre las dos calificaciones de lectura, ¿dicha relación sería causal?
Según los cálculos analizados a través del software econométrico Eviews, podemos observar un
R2 alto lo cual indica un alto grado de correlación que nos puede decir que ésta relación sí es
causal, explicada por un comportamiento que tiene tendencias similares para este modelo en
cuanto competen las calificaciones de hombres y mujeres, es decir, sí hay una diferencia en una
ésta se ve reflejada en el otro sexo también y esto lo indica el software. La teoría indica que no
siempre esta relación puede ser causal y que los rendimientos en un sexo respecto a otro no
pueden estar supeditados por los comportamientos que tenga uno y el otro no, ya que el
desarrollo cognitivo se da en las distintas etapas del crecimiento y se maneja de maneras
específicas para cada individuo.
h. Realice también a los modelos análisis de significancia y aleatoriedad de los errores, y con los
resultados las demás preguntas
Análisis de significancia individual.
Primer modelo:
FEMALELC = β1 + β2 * MALELC + ut
FEMALELC = -31.76318 + 1.048498 * MALELC + ut
Para β1:
t(n – k) ∝ = 0.05
t(36 – 2) ∝ = 0.05
t(34) ∝ = 0.05
𝐻0 = β1 = 0
𝐻𝐴 = β1 ≠ 0
β1 −31.76318
= -0.66
1
Ho
Ha Ha
-Tcrit Tcal = -0.66 Tcrit
Regla de decisión:
│Tcal│< │Tcrit│∴ No hay evidencia estadística suficiente para rechazar 𝐻0 β1 no es
│-0.66│< │Tcrit│ significativo a un nivel del 5%. El intercepto es negativo, lo cual determina
que para este modelo no hay una variación mínima en las calificaciones de lectura crítica de las
mujeres que estén explicadas por las calificaciones de lectura crítica de los hombres.
Para β2:
t(n – k) g.l ∝ = 0.05
t(36 – 2) g.l ∝ = 0.05
t(34) g.l ∝ = 0.05
𝐻0 = β2 = 0
𝐻𝐴 = β2 ≠ 0
𝜷 1.048498
𝟐 0.093722
Ho
Ha Ha
Tcal = 11.18
-Tcrit Tcrit
Regla de decisión:
│11.18│> │Tcrit│ significativo a un nivel del 5%. La pendiente es significativa, es decir, para
ese período de tiempo en ese modelo, las calificaciones de lectura crítica de los hombres
tienen capacidad explicativa dentro del modelo.

Prueba F de Fisher.
𝐻0 = β1 = β2 = 0
Tenemos:
(𝑅 2 )
(𝑘 − 1)
𝑭=
(1 − 𝑅 2 )
(𝑛 − 𝑘)
Por lo tanto:
(0.786374)
(2 − 1) 0.786374 0.786374
𝑭= = =
(1 − 0.786374) (0.213626) 0.006283126
(36 − 2) (34)
𝑭 = 125.15
Ho
Ha
0 1 𝐹𝐶𝑟𝑖𝑡 𝐹𝐶𝑎𝑙= 125.15
Regla de decisión:
Test de normalidad.
𝐴2 (𝐾 − 3)2
𝐽𝐵 = 𝑛 ∗ [ + ]
6 24
(0.139661)2 (1.941164 − 3)2

𝐽𝐵 = 36 ∗ [ + ] = 𝑥 2 𝐶𝑎𝑙 = 1.78
6 24
Ho
Ha
0 1 𝑥 2 𝐶𝑎𝑙 = 1.78 𝑥 2 𝐶𝑟𝑖𝑡
Regla de decisión:
𝑥 2 =∑
𝐸𝑖
2 ∑(𝐸−0)2
𝑥 (6-1) g.l α=0.1 𝑛
I n(36) x 34.16% 12.2976

II n(36) x 34.16% 12.2976
III n(36) x 13.6% 4.896
IV n(36) x 13.6% 4.896
V n(36) x 2.1% 0.756
VI n(36) x 2.1% 0.756
Categorización:
I 0 3.351751 10
II -3.351751 0 12
III 3.351751 6.703502 8
IV -6.703502 -3.351751 6
V 6.703502 10.05525 0
VI -10.05525 -6.703502 0
𝑃𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜, 𝑥 2 𝐶𝑎𝑙:

(10 − 12.2976)2 +(12 − 12.2976)2 + (8 − 4.896)2 + (6 − 4.896)2 + (0 − 0.756)2 + (0 − 0.756)2
36
𝑥 2 𝐶𝑎𝑙 = 0.48
Ho
Ha
0 𝑥 2 𝐶𝑎𝑙 = 0.48 1 𝑥 2 𝐶𝑟𝑖𝑡
Regla de decisión:

Segundo modelo:
MALEMT = β1 + β2 * MALELC + ut
MALEMT = 511.6071 + 0.025932 * MALELC + ut
Para β1:
t(n – k) ∝ = 0.05
t(36 – 2) ∝ = 0.05
t(34) ∝ = 0.05
𝐻0 = β1 = 0
𝐻𝐴 = β1 ≠ 0
β1 511.6071
1 100.5576
Ho
Ha Ha
Regla de decisión:
para ese período de tiempo hubo un valor en las calificaciones de Matemáticas en los hombres
que no está explicado por la lectura crítica.
Para β2:
t(n – k) g.l ∝ = 0.05
t(36 – 2) g.l ∝ = 0.05
t(34) g.l ∝ = 0.05
𝐻0 = β2 = 0
𝐻𝐴 = β2 ≠ 0
𝜷 0.025932
𝟐 0.197148
Ho
Ha Ha
-Tcrit Tcal = 0.13 Tcrit

Regla de decisión:
│Tcal│< │Tcrit│∴ No se rechaza 𝐻0 al no haber suficiente evidencia estadística, β2 no es
│0.13│< │Tcrit│ significativo a un nivel del 5%. La pendiente para ese período de tiempo en
ese modelo, no explica las calificaciones en matemáticas de los hombres es decir no hay
relación entre calificaciones de matemáticas y lectura crítica en los hombres.

Prueba F de Fisher.
𝐻0 = β1 = β2 = 0
Tenemos:
(𝑅 2 )
(𝑘 − 1)
𝐹=
(1 − 𝑅 2 )
(𝑛 − 𝑘)
Por lo tanto:
(0.000509)
(2 − 1) 0.000509 0.000509
𝐹= = =
(1 − 0.000509) (0.999491) 0.029396
(36 − 2) (34)
𝐹 = 0.01
Ho
Ha
0 1 𝐹𝐶𝑟𝑖𝑡
𝐹𝐶𝑎𝑙=0.01
Regla de decisión:
│ 𝐹𝐶𝑎𝑙 │> │ 𝐹𝐶𝑟𝑖𝑡 │∴ No se rechaza 𝐻0 al no haber suficiente evidencia estadística, es decir,
β2 no es significativo a un nivel del 5%, por lo cual el modelo no es significativo globalmente.
Test de normalidad.
𝐴2 (𝐾 − 3)2
𝐽𝐵 = 𝑛 ∗ [ + ]
6 24
(0.434345)2 (1.981554 − 3)2

𝐽𝐵 = 36 ∗ [ + ] = 𝑥 2 𝐶𝑎𝑙 = 2.68
6 24
Ho
Ha
0 1 𝑥 2 𝐶𝑎𝑙 = 2.68 𝑥 2 𝐶𝑟𝑖𝑡
Regla de decisión:
𝑥 2 =∑ 𝐸𝑖
2 ∑(𝐸−0)2
𝑥 (6-1) g.l α=0.1
𝑛
I n(36) x 34.16% 12.2976

II n(36) x 34.16% 12.2976
III n(36) x 13.6% 4.896
IV n(36) x 13.6% 4.896
V n(36) x 2.1% 0.756
VI n(36) x 2.1% 0.756
Categorización:
I O 7.050532 6
II -7.050532 0 16
III 7.050532 14.101 8
IV -14.101 -7.050532 6
V 14.101 21.1515 0
VI -21.1515 -14101 0
(6-12.2976)2 + (16-12.2976)2 + (8-4.896)2 + (6-4.896)2 + (0-0.756)2 (0-0.756)2

36
𝑥 2 𝐶𝑎𝑙 = 1.81
Ho
Ha
0 1 𝑥 2 𝐶𝑎𝑙 = 1.81 𝑥 2 𝐶𝑟𝑖𝑡
Regla de decisión:

Tercer modelo:
FEMALEMT = β1 + β2 * FEMALELC + ut
FEMALEMT = 354.9847 + 0.261186 * FEMALELC + ut
Para β1:
t(n – k) ∝ = 0.05
t(36 – 2) ∝ = 0.05
t(34) ∝ = 0.05
𝐻0 = β1 = 0
𝐻𝐴 = β1 ≠ 0
β1 354.9847
1 119.8444
Ho
Ha Ha
Regla de decisión:
para ese período de tiempo hubo un valor en las calificaciones de Matemáticas en las mujeres
que no está explicado por la lectura crítica.
Para β2:
t(n – k) g.l ∝ = 0.05
t(36 – 2) g.l ∝ = 0.05
t(34) g.l ∝ = 0.05
𝐻0 = β2 = 0
𝐻𝐴 = β2 ≠ 0
𝜷 0.261186
𝟐 0.238236
Ho
Ha Ha

Regla de decisión:
ese modelo, no explica las calificaciones en matemáticas de las mujeres es decir no hay
relación entre calificaciones de matemáticas y lectura crítica en las mujeres.

Prueba F de Fisher.
𝐻0 = β1 = β2 = 0
Tenemos:
(𝑅 2 )
(𝑘 − 1)
𝐹=
(1 − 𝑅 2 )
(𝑛 − 𝑘)
Por lo tanto:
(0.034144)
(2 − 1) 0.034144 0.034144
𝐹= = =
(1 − 0.034144) (0.965856) 0.028407
(36 − 2) (34)
𝐹 = 1.20
Ho
Ha
0 1 𝐹𝐶𝑎𝑙=1.20 𝐹𝐶𝑟𝑖𝑡
Regla de decisión:
Test de normalidad.
𝐴2 (𝐾 − 3)2
𝐽𝐵 = 𝑛 ∗ [ + ]
6 24
(0.303084)2 (1.775488 − 3)2

𝐽𝐵 = 36 ∗ [ + ] = 𝑥 2 𝐶𝑎𝑙 = 2.80
6 24
Ho
Ha
0 1 𝑥 2 𝐶𝑎𝑙 = 2.80 𝑥 2 𝐶𝑟𝑖𝑡
Regla de decisión:
𝑥 2 =∑ 𝐸𝑖
2 ∑(𝐸−0)2
𝑥 (6-1) g.l α=0.1
𝑛
I n(36) x 34.16% 12.2976

II n(36) x 34.16% 12.2976
III n(36) x 13.6% 4.896
IV n(36) x 13.6% 4.896
V n(36) x 2.1% 0.756
VI n(36) x 2.1% 0.756
Categorización:
I O 10.07375 6
II -10.07375 0 14
III 10.07375 20.1475 8
IV -20.1475 -10.07375 8
V 20.1475 30.22125 0
VI -30.22125 -20.1475 0
(6-12.2976)2 (14-12.2976)2 (8-4.896)2 (8-4.896)2 (0-0.756)2 (0-0.756)2

36
𝑋𝑐𝑎𝑙2 = 1.74
Ho
Ha
0 1 𝑥 2 𝐶𝑎𝑙 = 1.74 𝑥 2 𝐶𝑟𝑖𝑡
Regla de decisión:

Cuarto modelo:
TOTALMT = β1 + β2 * TOTALLC + ut
TOTALMT = 422.5110 + 0.161872 * TOTALLC + ut
Para β1:
t(n – k) ∝ = 0.05
t(36 – 2) ∝ = 0.05
t(34) ∝ = 0.05
𝐻0 = β1 = 0
𝐻𝐴 = β1 ≠ 0
β1 422.5110
Tcal = 𝜎𝛽 , por lo tanto, Tcal = 114.1082 = 3.70
1
Ho
Ha Ha
Regla de decisión:
para ese período de tiempo hubo un valor en las calificaciones de Matemáticas totales que no
está explicado por las calificaciones en lectura crítica total.
Para β2:
t(n – k) g.l ∝ = 0.05
t(36 – 2) g.l ∝ = 0.05
t(34) g.l ∝ = 0.05
𝐻0 = β2 = 0
𝐻𝐴 = β2 ≠ 0
𝜷 0.161872
𝟐 0.225344
Ho
Ha Ha

Regla de decisión:
ese modelo, no explica las calificaciones en matemáticas totales es decir no hay relación entre
calificaciones de matemáticas y lectura crítica totales.

Prueba F de Fisher.
𝐻0 = β1 = β2 = 0
Tenemos:
(𝑅 2 )
(𝑘 − 1)
𝐹=
(1 − 𝑅 2 )
(𝑛 − 𝑘)
Por lo tanto:
(0.014950)
(2 − 1) 0.014950 0.014950
𝐹= = =
(1 − 0.014950) (0.98505) 0.028972
(36 − 2) (34)
𝐹 = 0.51
Ho
Ha
0 𝐹𝐶𝑎𝑙=0.51 1 𝐹𝐶𝑟𝑖𝑡
Regla de decisión:
Test de normalidad.
𝐴2 (𝐾 − 3)2
𝐽𝐵 = 𝑛 ∗ [ + ]
6 24
(0.341756)2 (1.910591 − 3)2

𝐽𝐵 = 36 ∗ [ + ] = 𝑥 2 𝐶𝑎𝑙 = 2.48
6 24
Ho
Ha
0 1 𝑥 2 𝐶𝑎𝑙 = 2.48 𝑥 2 𝐶𝑟𝑖𝑡
Regla de decisión:
𝑥 2 =∑
𝐸𝑖
2 ∑(𝐸−0)2
𝑥 (6-1) g.l α=0.1 𝑛
I n(36) x 34.16% 12.2976

II n(36) x 34.16% 12.2976
III n(36) x 13.6% 4.896
IV n(36) x 13.6% 4.896
V n(36) x 2.1% 0.756
VI n(36) x 2.1% 0.756
Categorización:
I 0 8.610384 7
II -8.610384 0 15
III 8.610384 17.2207 8
IV -17.2207 -8.610384 6
V 17.2207 25.8311 0
VI -25.8311 -17.2207 0
(7-12.2976)2 + (15-12.2976)2 + (8-4.896)2 + (6-4.896)2 + (0-0.756)2 + (1-0.756)2

36
𝑥 2 𝐶𝑎𝑙 = 1.30
Ho
Ha
0 1 𝑥 2 𝐶𝑎𝑙 = 1.30 𝑥 2 𝐶𝑟𝑖𝑡
Regla de decisión:
4. La tabla 3.6 proporciona datos sobre los índices de producción por hora (X) y la
compensación real por hora (Y) de los negocios y sectores no agrícolas de la economía de
Estados Unidos de 1960 a 2005. El año base para los índices es 1992 = 100; además, los
índices se ajustan por estacionalidad.
a. Grafique por separado Y respecto de X para los dos sectores.
Sector empresarial:
180.00
160.00
140.00
120.00
100.00
80.00
60.00
40.00
20.00
.00
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45
Productividad1 Compensación1
Sector empresarial no agrícola:
180.00
160.00
140.00
120.00
100.00
80.00
60.00
40.00
20.00
.00
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45
Productividad2 Compensación2
b. ¿En qué teoría económica se basa la relación entre ambas variables? ¿El diagrama de
dispersión apoya esta teoría?
La relación entre ambas variables puede estar explicada por la teoría de la productividad
marginal. La cual establece como la productividad marginal o producto marginal de un factor
productivo es la variación en la cantidad producida de un bien motivado por el empleo de una
unidad adicional de ese factor productivo, permaneciendo constante la utilización de los demás
factores.
Efectivamente, el diagrama de dispersión de ambos modelos, en este caso, del sector
empresarial, y del sector empresarial no agrícola, soporta lo que plantea el enfoque teórico,
donde se evidencia que al emplear unidades adicionales de factor productivo, en este caso
aumenta la compensación o el nivel salarial.
c. Estime la regresión MCO de Y sobre X. y realice un análisis de significancia y aleatoriedad
de los errores.
Se procede a plantear las regresiones que se van a estimar a través del software econométrico
Eviews:
Primer modelo:
COMPENSACIÓN1 = β1+ β2 * PRODUCTIVIDAD1 + ut
COMPENSACIÓN1 = -102.3662 + 1.992435 *PRODUCTIVIDAD1 + ut
Segundo modelo:
COMPENSACIÓN2 = -111.6407+ 2.075734 * PRODUCTIVIDAD2 + ut
Primer modelo:
COMPENSACIÓN1 = -102.3662 + 1.992435 *PRODUCTIVIDAD1 + ut
Para β1:
t(n – k) ∝ = 0.05
t(46 – 2) ∝ = 0.05
t(44) ∝ = 0.05
𝐻0 = β1 = 0
𝐻𝐴 = β1 ≠ 0
β1 −102.3662
Tcal = 𝜎𝛽 , por lo tanto, Tcal = = -22.73
1 4.503487
Ho
Ha Ha
Tcal = -22.73
-Tcrit Tcrit
Regla de decisión:
│-22.73│> │Tcrit│ significativo a un nivel del 5%. El intercepto tiene un valor negativo, lo cual
indica que dentro del modelo, para esa economía en ese período, se necesita un valor mínimo
de productividad para que exista una compensación real o un salario real en los trabajadores.
Para β2:
t(n – k) g.l ∝ = 0.05
t(46 – 2) g.l ∝ = 0.05
t(44) g.l ∝ = 0.05
𝐻0 = β2 = 0
𝐻𝐴 = β2 ≠ 0
𝜷 1.992435
𝟐 0.050625
Ho
Ha Ha
Tcal = 39.35
-Tcrit Tcrit
Regla de decisión:
│39.35│> │Tcrit│ significativo a un nivel del 5%. La pendiente, en esa economía, para ese
período de tiempo, indica que sí debería existir un incremento en la compensación real por
unidad de producción adicional.

Prueba F de Fisher.
𝐻0 = β1 = β2 = 0
Tenemos:
(𝑅 2 )
(𝑘 − 1)
𝐹=
(1 − 𝑅 2 )
(𝑛 − 𝑘)
Por lo tanto:
(0.972379)
(2 − 1) 0.972379 0.972379
𝐹= = =
(1 − 0.972379) (0.027621) 0.00062775
(46 − 2) (44)
𝐹 = 1548.99
Ho
Ha
0 1 𝐹𝐶𝑟𝑖𝑡 𝐹𝐶𝑎𝑙= 1548.99

Regla de decisión:
significativo a un nivel del 5%, por lo cual el modelo es significativo globalmente. Esto indica
que el modelo es significativo para el sector empresarial y que efectivamente como lo dice el
soporte teórico hay una relación positiva entre las variables. La compensación está explicada
para el modelo en ese período de tiempo por la productividad y que un aumento en la
productividad marginal genera un aumento en la compensación o salarios reales.
Test de normalidad.
𝐴2 (𝐾 − 3)2
𝐽𝐵 = 𝑛 ∗ [ + ]
6 24
(−0.062066)2 (2.865725 − 3)2
𝐽𝐵 = 46 ∗ [ + ] = 𝑥 2 𝐶𝑎𝑙 = 0.06
6 24
Ho
Ha
0 𝑥 2 𝐶𝑎𝑙 = 0.06 1 𝑥 2 𝐶𝑟𝑖𝑡

Regla de decisión:
𝑥 2 =∑
𝐸𝑖
2 ∑(𝐸−0)2
𝑥 (6-1) g.l α=0.1
𝑛
I n(46) x 34.16% 15.7136

II n(46) x 34.16% 15.7136
III n(46) x 13.6% 6.256
IV n(46) x 13.6% 6.256
V n(46) x 2.1% 0.966
VI n(46) x 2.1% 0.966
Categorización:
I 0 7.703189 23
II -7.703189 0 11
III 7.703189 15.406378 2
IV -7.703189 -5.406378 8
V 15.406378 23.109567 2
VI -15.406378 -23.109567 0
(23 − 15.7136)2 +(11 − 15.7136)2 + (2 − 6.256)2 + (8 − 6.256)2 + (2 − 0.966)2 + (0 − 0.966)2

46
𝑥 2 𝐶𝑎𝑙 = 2.14
Ho
Ha
0 1 𝑥 2 𝐶𝑎𝑙 = 2.14 𝑥 2 𝐶𝑟𝑖𝑡
Regla de decisión:

Segundo modelo:
Segundo modelo:
COMPENSACIÓN2 = -111.6407+ 2.075734 * PRODUCTIVIDAD2 + ut
Para β1:
t(n – k) ∝ = 0.05 𝐻0 = β1 = 0 𝐻𝐴 = β1 ≠ 0
t(46 – 2) ∝ = 0.05
t(44) ∝ = 0.05
β1 −111.6407
Tcal = 𝜎𝛽 , por lo tanto, Tcal = = -22.94
1 4.866239
Ho
Ha Ha
Tcal = -22.94
-Tcrit Tcrit
Regla de decisión:
│-22.73│> │Tcrit│ significativo a un nivel del 5%. El intercepto tiene un valor negativo, lo cual
indica que dentro del modelo del sector empresarial no agrícola, para esa economía en ese
período, se necesita un valor mínimo de productividad para que exista una compensación real
o un salario real en los trabajadores.
Para β2:
t(n – k) g.l ∝ = 0.05
t(46 – 2) g.l ∝ = 0.05
t(44) g.l ∝ = 0.05
𝐻0 = β2 = 0
𝐻𝐴 = β2 ≠ 0
𝜷 2.075734
𝟐 0.054257
Ho
Ha Ha
Tcal = 38.25
-Tcrit Tcrit
Regla de decisión:
│38.25│> │Tcrit│ significativo a un nivel del 5%. La pendiente, en ese modelo del sector
empresarial no agrícola, en esa economía, para ese período de tiempo, indica que sí debería
existir un incremento en la compensación real por unidad de producción adicional.
Prueba F de Fisher.
𝐻0 = β1 = β2 = 0
Tenemos:
(𝑅 2 )
(𝑘 − 1)
𝐹=
(1 − 𝑅 2 )
(𝑛 − 𝑘)
Por lo tanto:
(0.970815)
(2 − 1) 0.970815 0.970815
𝐹= = =
(1 − 0.970815) (0.029185) 0.000632954545
(46 − 2) (44)
𝐹 = 1533.78
Ho
Ha
0 1 𝐹𝐶𝑟𝑖𝑡 𝐹𝐶𝑎𝑙= 1533.78
Regla de decisión:
significativo a un nivel del 5%, por lo cual el modelo es significativo globalmente. Esto indica
que el modelo es significativo para el sector empresarial no agrícola y que efectivamente como
lo dice el soporte teórico hay una relación positiva entre las variables. La compensación está
explicada para el modelo en ese período de tiempo por la productividad y que un aumento en la
productividad marginal genera un aumento en la compensación o salarios reales.
Test de normalidad.
𝐴2 (𝐾 − 3)2
𝐽𝐵 = 𝑛 ∗ [ + ]
6 24
(−0.157567)2 (2.665651 − 3)2
𝐽𝐵 = 46 ∗ [ + ] = 𝑥 2 𝐶𝑎𝑙 = 0.40
6 24
Ho
Ha
0 𝑥 2 𝐶𝑎𝑙 = 0.40 1 𝑥 2 𝐶𝑟𝑖𝑡
Regla de decisión:
𝑥 2 =∑
𝐸𝑖
2 ∑(𝐸−0)2
𝑥 (6-1) g.l α=0.1 𝑛
I n(46) x 34.16% 15.7136

II n(46) x 34.16% 15.7136
III n(46) x 13.6% 6.256
IV n(46) x 13.6% 6.256
V n(46) x 2.1% 0.966
VI n(46) x 2.1% 0.966
Categorización:
I 0 7.854881 24
II -7.854881 0 11
III 7.854881 15.709762 2
IV -7.854881 -15.709762 8
V 15.709762 23.564643 1
VI -15.709762 -23.564643 0
(24 − 15.7136)2 +(11 − 15.7136)2 + (2 − 6.256)2 + (8 − 6.256)2 + (1 − 0.966)2 + (0 − 0.966)2

46
𝑥 2 𝐶𝑎𝑙 = 2.45
Ho
Ha
0 1 𝑥 2 𝐶𝑎𝑙 = 2.45 𝑥 2 𝐶𝑟𝑖𝑡
Regla de decisión:

1.taller 1 Econometría 1 2018

Загружено:

Сведения о документе

Оригинальное название

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

1.taller 1 Econometría 1 2018

Загружено:

Авторское право:

Доступные форматы

ECONOMETRÍA 1

NYSE Goldprice CPI

Índice BVNY = ꞵ 1 + ꞵ 2 IPCt + ut

La inflación es en sí una variación de precios. Si no se modifica, no significa que no

La inflación es un fenómeno que se manifiesta en varios niveles y por causas como el

Es importante precisar que históricamente, el oro siempre ha tenido un estatuto de valor-

Bordo y Eichengreen 1998.

IPC = índice de precios al consumidor.

Se establecen los modelos, y se hacen las estimaciones de las regresiones con el

Ya conocidos los valores de β1 como variable dependiente y β2 como variable

Ya conocidos los valores de β1 y β2, manteniendo las demás variables constantes,

d. Realice también a los modelos análisis de significancia y aleatoriedad de los errores.

Análisis de significancia individual:

Tcal = -6.45 -Tcrit Tcrit

-Tcrit Tcrit Tcal = 12.70

Análisis de significancia global:

0 1 𝐹𝐶𝑟𝑖𝑡 𝐹𝐶𝑎𝑙= 161.459

𝐻0 : Normalidad de los errores

𝐻1 : No Normalidad de los errores

0 1 𝑥 2 𝐶𝑎𝑙 = 3.08 𝑥 2 𝐶𝑟𝑖𝑡

Prueba 𝑥 2 de bondad de ajuste.

𝐻0 : Normalidad de los errores

𝐻𝑎 : No Normalidad de los errores

Valores estimados en los intervalos:

I n(33) x 34.16% 11.2728

II n(33) x 34.16% 11.2728

III n(33) x 13.6% 4.488

IV n(33) x 13.6% 4.488

V n(33) x 2.1% 0.693

VI n(33) x 2.1% 0.693

III 1010.442 2020.884 7

(8-11.2728)2 + (12-11.2728)2 + (7-4.488)2 + (6-4.488)2 + (0-0.693)2 + (0-0.693)2

0 𝑥 2 𝐶𝑎𝑙 = 0.63 1 𝑥 2 𝐶𝑟𝑖𝑡

-Tcrit Tcrit Tcal = 3.95

Análisis de significancia global:

0 1 𝐹𝐶𝑟𝑖𝑡 𝐹𝐶𝑎𝑙 = 6.6140

𝐻0 : Normalidad de los errores

𝐻1 : No Normalidad de los errores

0 1 𝑥 2 𝐶𝑎𝑙 = 5.43 𝑥 2 𝐶𝑟𝑖𝑡

Prueba 𝑥 2 de bondad de ajuste.

𝐻0 : Normalidad de los errores

𝐻𝑎 : No Normalidad de los errores

Valores estimados en los intervalos:

I n(33) x 34.16% 11.2728

(12-11.2728)2 + (9-11.2728)2 + (4-4.488)2 + (7-4.488)2 + (1-0.693)2 + (0-0.693)2

0 𝑥 2 𝐶𝑎𝑙 = 0.38 1 𝑥 2 𝐶𝑟𝑖𝑡

Primer modelo: NGDP = β1 + β2 Xt + ut

Segundo modelo: RGDP = β1 + β2 Xt + ut

Tcal = -5.87 -Tcrit Tcrit

Análisis de significancia global:

0 1 𝐹𝐶𝑟𝑖𝑡 𝐹𝐶𝑎𝑙= 563.5035

𝐻0 : Normalidad de los errores

𝐻1 : No Normalidad de los errores

0 1 𝑥 2 𝐶𝑎𝑙 = 4.91 𝑥 2 𝐶𝑟𝑖𝑡

Prueba 𝑥 2 de bondad de ajuste.

𝐻0 : Normalidad de los errores

𝐻𝑎 : No Normalidad de los errores

Valores estimados en los intervalos:

(9-16.0552)2 (21-16.0552)2 (9-6.392)2 (7-6.392)2 (1-0,987)2(0-0,987)2

0 1 𝑥 2 𝐶𝑎𝑙 = 1.75 𝑥 2 𝐶𝑟𝑖𝑡

RGDP = 1620.424422 + 180.2630782 Xt + ut

Análisis de significancia global:

0 1 𝐹𝐶𝑟𝑖𝑡 𝐹𝐶𝑎𝑙= 1551.70