UNIVERSIDAD NACIONAL AUTNOMA DE MXICO

FACULTAD DE ECONOMA

Introduccin a la Econometra
Segundo Examen Parcial

Clave: 0504 Grupo: EB02 Semestre: 2017-2 Fecha de envo: 02/06/17

Profesora: Esperanza Rojas Villa

Nombre: ________Leon Fernandez Javier Alberto _________________________________________

Calificacin: _____________

Instrucciones: Responda puntualmente a lo que se le solicita.

1.- Cules son los supuestos del Modelo Clsico de Regresin Lineal (se refieren a los supuestos
que permiten que un modelo de regresin sea ideal)? Explica en qu consiste cada uno de los
supuestos. Valor: 1 punto.

R= Para que un modelo clsico de regresin lineal sea ideal tiene que tener los siguientes supuestos

Que sea lineal: esto quiere decir todos los valores tengan coeficiente uno

Homocedasticidad: que la varianza de los errores sea constante y lo ms pequeas posibles

No autocorrelacin: se refiere a la evolucin de errores en el tiempo

No multicolinialidad: se refiere a la relacin entre variables independientes

y sobre todo que sea normal ya que, si este supuesto falla ya los dems, aunque estn presentes ya
no sirven la normalidad se refiere a que el comportamiento de los errores sea conforme a una
distribucin normal.

2.- En cuanto inferencia estadstica se refiere, qu significa que una variable sea estadsticamente
significativa y cuando es estadsticamente no significativa? Cul es la diferencia entre la
significancia econmica y la significancia estadstica de una variable? Valor: 1 punto.

R= Se dice que un estadstico es estadsticamente significativo si el valor del estadstico de

prueba cae en la regin crtica. En este caso, se rechaza la hiptesis nula.

1
De la misma manera, se dice que una prueba no es estadsticamente significativa si el valor
del estadstico de prueba cae en la regin de aceptacin. En esta situacin, no se rechaza la
hiptesis nula.

La diferencia entre la significancia econmica y la significancia estadstica de una variable

radica en que
Cuando se especifica una hiptesis nula, digamos j _ 1, lo que se busca es que j est
cercano a 1, tan cerca que para todos los propsitos prcticos pueda tratarse como si fuera 1.
Pero que 1.1 sea prcticamente lo mismo que 1.0 es un asunto de economa, no de
estadstica. El asunto no se resuelve con una prueba de hiptesis, porque el estadstico de
prueba [t _] (bj 1)/bj mide el coeficiente estimado en unidades de errores estndar, las
cuales no tienen significado para medir el parmetro econmico j 1. Puede ser una buena
idea reservar el trmino significancia para el concepto estadstico, y adoptar la palabra
sustancial para el econmico. Por lo que a medida que el tamao de la muestra se hace
muy grande, la importancia de los temas relacionados con significancia estadstica se reduce
mucho, pero los temas de significancia econmica adquieren importancia crtica.

3.- Cul es el estadstico que permite probar si una determinada variable no tiene efecto parcial sobre
la variable dependiente y cul es el estadstico que se emplea para probar si un grupo de variables
no tiene efecto sobre la variable dependiente? Valor: 0.5 puntos.

R= Coeficiente de correlacin nos permite probar si una determinada variable no tiene efecto parcial
sobre las variables dependiente.

Coeficiente de determinacin se emplea para probar si un grupo de variables no tiene efecto sobre
la variable dependiente

4.- Cules son las distintas formas funcionales que un modelo economtrico puede tomar? Haz una
tabla en donde presentes cada una de ellas y cmo se calcula su pendiente y su elasticidad. Valor:
1 punto.

R= 1. El modelo log-lineal. Una caracterstica atractiva del modelo log-log, que lo ha hecho
muy popular en el trabajo emprico, es que el coeficiente de la pendiente 2 mide la
elasticidad de Y respecto de X, es decir, el cambio porcentual en Y ante un pequeo cambio
porcentual en X.10 As, si Y representa la cantidad demandada de un bien y X su precio
unitario, 2 mide la elasticidad-precio de la demanda, parmetro de gran inters en economa.
Si la relacin entre la cantidad demandada y el precio es como se muestra en la fi gura 6.3a,

2
la transformacin doble-log de la fi gura 6.3b dar entonces la estimacin de la elasticidad-
precio (2).

2. Modelos semilogartmicos. Este modelo es como cualquier otro modelo de regresin

lineal en el sentido de que los parmetros 1 y 2 son lineales. La nica diferencia es que la
variable dependiente o regresada es el logaritmo de Y y la regresar o variable explicativa es
el tiempo, que adquiere valores de 1, 2, 3, etctera.

3. Modelos recprocos. Este modelo tiene las siguientes caractersticas: a medida que X
aumenta indefinidamente, el trmino 2 (1/X) se acerca a cero (nota: 2 es una constante) y Y
se aproxima al valor lmite. o asinttico 1. Por consiguiente, modelos como (6.7.1) contienen
un valor asinttico o lmite que tomar la variable dependiente cuando el valor de la variable
X aumente indefinidamente.

4. logartmico recproco. Este modelo sera apropiado para representar una funcin de
produccin de corto plazo. Recuerde que la microeconoma establece que si el trabajo y el
capital son insumos en una funcin de produccin, y si se mantiene constante el insumo
capital pero se incrementa el insumo mano de obra, la relacin entre producto y mano de obra
de corto plazo.

4.- Los siguientes datos corresponden al consumo de caf en una cafetera (Y), medido en tasas
diarias por persona, y el precio promedio del caf X, medido en pesos para el periodo 1990-2000.
Valor: 3 puntos

3
 SRC = 0.292975, STC = 0.442055, n=11, X =1. 01 , Y =2. 21 (media de X y media de Y).

a) Escribir el modelo de regresin.

R= Y= 2.69+ 0.48xi +u
b) Interpretar la pendiente estimada.
R= La pendiente nos dice que por cada unidad $ del precio promedio del caf el consumo (Y)
disminuir en -0.48 unidades
c) Hallar la elasticidad del precio e interpretar.
d) Construir la tabla ANOVA y pruebe si el precio del caf ayuda a explicar la variacin que hay en
el consumo del caf.
e) Hallar e interpretar el coeficiente de determinacin y correlacin.
f) Prueba la hiptesis Ho: = 1 es decir, pruebe si existe una relacin uno a uno entre el consumo
de caf y el precio del mismo.
g) Hallar e interpretar el intervalo de confianza para 1

5.- De acuerdo a la informacin siguiente: Valor: 1.5 puntos.

a) Calcula la regresin mltiple (agrega la tabla con las columnas correspondientes de acuerdo al
mtodo de MCO) expresando la ecuacin de la regresin.
b) Interpreta los resultados obtenidos de los parmetros 0, 1 y 2. y de la R cuadrada.
c) Incorpora el cuadro de resumen de la regresin en Eviews.

La Bo es el intercept es decir que si el consumo total y las importaciones son cero el PIB valdra
87475.75

B1 son las importaciones y quiere decir que ante un cambio de un peso $ en las importaciones se
disminuye negativamente -0.1857 el PIB
4
B2 es el consumo total y nos expresa que ante una variacin de un peso $ en el consumo el PIB
cambiara positivamente en 1.2702

La variable dependiente es el PIB (Y) y las explicativas son las importaciones (X 1) y el

consumo total (X2).

Mxico: PIB, Importaciones y Consumo trimestral, 1993-2014

Millones de pesos

Periodo PIB Importaciones Consumo Total

1993/01 1,522,840.64 196,847.54 1,176,271.97

1993/02 1,546,496.07 214,697.10 1,219,519.66
1993/03 1,562,258.12 216,960.07 1,240,087.88
1993/04 1,648,991.51 239,746.80 1,331,474.66
1994/01 1,695,821.69 243,826.01 1,299,759.97
1994/02 1,767,910.19 277,573.70 1,368,722.01
1994/03 1,775,164.85 287,436.50 1,391,982.37
1994/04 1,880,117.31 327,401.02 1,496,854.08
1995/01 1,943,934.29 387,340.96 1,456,922.63
1995/02 2,124,121.80 427,694.10 1,656,814.89
1995/03 2,239,478.93 456,728.49 1,789,897.10
1995/04 2,520,238.80 576,603.47 2,013,341.23
1996/01 2,749,376.07 635,834.43 2,152,801.41
1996/02 2,903,902.64 686,508.69 2,296,886.74
1996/03 3,044,154.71 735,284.13 2,439,133.97
1996/04 3,382,698.69 841,065.60 2,731,504.38
1997/01 3,498,437.71 785,653.60 2,749,311.77
1997/02 3,728,952.36 893,998.72 2,969,496.68
1997/03 3,827,130.58 944,218.50 3,070,217.61
1997/04 4,166,567.18 1,042,771.31 3,377,656.06
1998/01 4,308,085.25 1,036,213.76 3,381,429.14
1998/02 4,460,859.91 1,130,079.32 3,574,275.74
1998/03 4,624,146.67 1,222,117.73 3,724,239.79
1998/04 4,952,370.78 1,386,394.13 4,088,731.55
1999/01 5,212,527.20 1,312,848.42 4,119,128.68
1999/02 5,408,820.12 1,385,269.67 4,345,646.08
1999/03 5,610,438.98 1,431,305.14 4,523,728.80
1999/04 5,927,679.05 1,584,884.57 4,895,918.84
2000/01 6,211,207.54 1,553,956.76 4,981,863.57

5
 2000/02 6,385,477.76 1,705,298.43 5,184,934.38
2000/03 6,538,882.34 1,769,600.40 5,336,311.89
2000/04 6,721,639.23 1,914,928.36 5,716,668.55

6.- Gujarati, Ejercicio 5.5 p. 135. En ambos incisos justifica tu respuesta. Valor: 2 puntos.

a) Si se tiene los datos sabemos que la pendiente de la regresin lineal es 1.0598.

1.0598
= =14.55769231
0.0728

Por lo que fueron las acciones de IBM valores voltiles.

b) El incremento ser al 1.45 veces ms que si fuera igual a cero en la tasa de rendimiento, es por
ello de la alta volatilidad mostrada en el inciso a.

6
7