Você está na página 1de 9

ICN 312 – ECONOMETRÍA – ICIPEV / ICV

Certamen 1 / 2 de abril de 2007


Santiago, Trimestre 1
Prof. Paralelo 3: Pedro Fernández de la Reguera B. ( PFR )
Prof. Paralelo 6: María Angélica Malhue G. ( MAM )

NOMBRE:

Cómo responder al certamen:

1. IMPORTANTE: Coloque su nombre al inicio de cada hoja del


certamen. HÁGALO AHORA, YA!.

2. Revise el certamen por entero antes de empezar a contestar

3. Determine su estrategia para completar el máximo de respuestas


correctas en el mínimo de tiempo (por ejemplo, intente todas las
preguntas; una letra, al menos, por pregunta),

4. Son 140 puntos a responder en 120 minutos.

Pregunta Ptos. Preg. Ptos. Obten Obs


1 40
2 30
3 50
4 20
Total: 140

Nota = 100*(Ptos. obtenidos) / 140


ICN 312 / CERTAMEN 1 / ICIPEV+ICV / SANTIAGO / 2 ABRIL 2007 2

NOMBRE: Prof.:

Pregunta 1: Se pide responder brevemente a las siguientes preguntas:

a) Escriba los tres modelos econométricos correspondientes a una variable


endógena Y más tres exógenas.

E[Y | x] = x´β y = x´β + ε ˆ i = bo + b1X1i + b2X2i + b3X3i


Y

b) Una de las limitaciones del modelo de regresión lineal es que se puede aplicar
MCO solamente a modelos intrínsecamente lineales y no a los otros modelos.
¿Por qué no puede utilizar el modelo de regresión en el caso de modelos no
lineales?.

En el caso de parámetros no lineales, se trata de un problema de cálculo. Tanto en


MCO como en MV el óptimo se encuentra a través de derivadas; y, las derivadas
requieren incrementos que son (recti)lineales.

c) Si la dócima F del ANOVA da un resultado significativo para un modelo con p


= 6 variables predictoras y si las dócimas individuales para cada pendiente
resultan en 4 no significativas y 2 significativas, ¿qué puede estar ocurriendo en
el modelo?, ¿cómo continuaría Ud. su análisis?

Puede ser que variables exógenas X esté relacionadas entre sí (colinealidad) y


continuaría con el método de todas las regresiones posibles. Si no, revisar
correlaciones parciales para eliminar alguna variable.

d) Planteado el modelo muestral Yi = β0 + β1X1i + β2X2i + β3X3i + εi , se lo estima


por MCO obteniendo el modelo estimado Ŷ i = b0 + b1X1i + b2X2i + b3X3i. ¿Qué
cosa está siendo estimada por Ŷ i ?

Ŷ i es un número que representa dos cosas: a) Una estimación del valor poblacional
µY|x=xi (o sea, del promedio E[ Y | Xi ] en el modelo poblacional) o bien, b) Un
valor específico, Yi , en el modelo muestral.
ICN 312 / CERTAMEN 1 / ICIPEV+ICV / SANTIAGO / 2 ABRIL 2007 3

NOMBRE: Prof.:

Pregunta 2. Se investiga la variabilidad de la cantidad de conversión de cierta


materia prima en un producto, Y, en una planta química. Naturalmente, el resultado
depende de la temperatura de la reacción, X1 y del tiempo de la reacción, X2. El
investigador estima dos modelos de regresión:

(1) Ŷ = 100 + 2,0X1 + 4X2 0,5 ≤ X2 ≤ 10.


(2) Ŷ = 95 + 1,5X1 + 3X2 + 2X1X2 0,5 ≤ X2 ≤ 10.

a) En un mismo conjunto de ejes coordenados, dibuje los modelos estimados


para X2 = 2. Comente sobre el término X1X2 que aparece en el modelo (2).

Perfiles para X2 = 2

170
160
150
140
130
120
110
100
90
80
0 1 2 3 4 5 6 7 8 9 10 11 12

Mod-1 Mod-2

El término en X1X2 que hay en el modelo (2) representa la interacción entre la


temperatura y el tiempo de reacción. Es lógico que esté presente y el coeficiente
estimado que le acompaña debiera ser significativo. En la figura se aprecia que
sí lo es, pues la pendiente cambia evidentemente.

b) Usando el modelo (1) se le pide encontrar el cambio esperado en la cantidad


de conversión promedia para un cambio unitario en la temperatura X1 cuando
el tiempo X2 es 5. Este cambio en el promedio, ¿depende del valor específico
del tiempo de reacción seleccionado?, ¿por qué?.
ICN 312 / CERTAMEN 1 / ICIPEV+ICV / SANTIAGO / 2 ABRIL 2007 4

NOMBRE: Prof.:

El cambio esperado es el coeficiente de X1, que vale 2. En este modelo, no


depende del tiempo de reacción pues el coeficiente no cambia al cambiar X2.

c) Usando el modelo (2) se le pide encontrar el cambio esperado en la cantidad


de conversión promedia para un cambio unitario en la temperatura X1 cuando
el tiempo X2 es 8. Este cambio en el promedio, ¿depende del valor específico
del tiempo de reacción seleccionado?, ¿por qué?.

El cambio esperado es el coeficiente de X1, que vale (1,5 + 2X2). En este


modelo, sí depende del tiempo de reacción pues el coeficiente cambia al
cambiar X2.

Pregunta 3: Se desea analizar las entradas de 17 embarques de productos chilenos


de exportación, en contenedores, al Puerto de Valparaíso. Sea Y el número de
minutos que lleva operar el embarque, X1 es el peso total del embarque, D1 vale 1
si el embarque es pesado, 0 en otro caso y D2 vale 1 si el destino es América y 0 en
otro caso. Considerando la siguiente información:

Matriz X´X inv = 1,9635 -0,0769 0,1265 0,0611


-0,0769 0,0032 -0,0105 -0,0078
0,1265 -0,0105 0,3261 0,1505
0,0611 -0,0078 0,1505 0,4772
Nota: Filas y columnas corresponden a Xo y las tres variables exógenas

ˆ i = 8,157 + 0,560 X i + 0,876 D1i + 2,825 D2i


Y i = 1, 2, ..., 17

ANOVA g.l. sc cm F calc. Valor-p


Regresión 3 145,0671600 48,3557 12,755 0,00036
Residuos 13 49,284997 3,7912
Total 16 194,3521500

Se le pide:

a) Efectuar la dócima del ANOVA (incluya hipótesis, decisiones)

Ho: β 1 = β2 = β3 = 0 Ha: Al menos un β j es diferente de cero α = 5%


Estadígrafo E = 12,755 con valor-p 0,00036 < α, por lo que se declara falsa a Ho.
Esto quiere decir que el modelo tiene fundamento, así como está.
ICN 312 / CERTAMEN 1 / ICIPEV+ICV / SANTIAGO / 2 ABRIL 2007 5

NOMBRE: Prof.:

b) Efectuar las dócimas individuales para cada coeficiente estimado (incluya


hipótesis, decisión estadística y económica)

Coef. β Varianza Estadígrafo Valor-p


8,157 3,7912*1,9635 = 7,444 2,9897 0,01044
0,560 3,7912*0,0032 = 0,01213 5,0842 0,00021
0,876 3,7912*0,3261 = 1,2363 0,7878 0,44492
2,825 3,7912*0,4772 = 1,8092 2,1003 0,05578

Las hipótesis son de la forma Ho: βj = 0; Ha: βj ≠ 0.

Las decisiones estadísticas se toman según el valor-p o bien según el valor crítico,
que en este caso, es t(13; 0,975) = 2,16.
Si el estadígrafo, en valor absoluto, es mayor a 2,16, se rechaza la hipótesis.
Si el valor-p es menor que 5%, se rechaza la hipótesis

Las hipótesis se rechazan para el intercepto y para el peso total del embarque. No
se rechaza para el peso del embarque y es dudosa para el lugar de destino.

Es extraño que ser un embarque pesado no influya sobre el tiempo del proceso y es
natural que el destino no influya en el tiempo del proceso. Parecería que las
variables están cambiadas entre sí.

c) Interpretar el modelo estimado

El peso del embarque es tal, que por unidad de aumento de peso, el tiempo de
proceso aumenta en 0,56 minutos, en promedio.
La variable dicotómica de embarque pesado/no pesado no es significativa.
Considerando que el modelo ya posee una variable sobre el peso del embarque
(X1), es natural que ambas sean colineales y debe eliminarse D1 del modelo.
Después se verá ( confirmará que no lo es ) si el lugar de destino es relevante.

d) Determinar el coeficiente de correlación múltiple y los coeficientes de


correlación parcial.
ICN 312 / CERTAMEN 1 / ICIPEV+ICV / SANTIAGO / 2 ABRIL 2007 6

NOMBRE: Prof.:

El coeficiente de correlación múltiple es la raíz cuadrada del coeficiente de


determinación. En este caso, R2 = 145,06716 / 194,35215 = 0,7464 y R = 0,864

Para los coeficientes de correlación parcial, se tiene que

rYj.resto = (signo de bj) * raíz de ( Ej2 / (Ej2 + n-p-1) ). Entonces:

Coef. β Estadígrafo R Yj.resto


2
rYj.resto
8,157 2,9897 0,40742918 0,638
0,56 5,0842 0,66537182 0,816
0,876 0,7878 0,04556536 0,213
2,825 2,1003 0,25335674 0,503

e) La gerencia desea estimar el tiempo que llevará procesar un embarque liviano


de 30,1 toneladas con destino a América. Justifique y analice su respuesta con
un intervalo al 95% de confianza.

ˆ ) = S2*( x´ (X´X) -1 x ) = 3,7912 *


Var( Y i i

1 30,1 0 1 1,9635 -0,0769 0,1265 0,0611 1


-0,0769 0,0032 -0,0105 -0,0078 30,1
0,1265 -0,0105 0,3261 0,1505 0
0,0611 -0,0078 0,1505 0,4772 1

ˆ ) = 3,7912 * 0,363192 = 1,3769 = ( 1,1734 )2


Var( Y t* = t(13, 0,975) = 2,16

Intervalo al 95% de confianza para la media:

E[ Y | x = (1; 30,1; 0; 1)´ ] = 27,8280 ± 2,16 * 1,1734 = 27,828 ± 2,535


O sea,
25,293 ≤ µY ≤ 30,363
ICN 312 / CERTAMEN 1 / ICIPEV+ICV / SANTIAGO / 2 ABRIL 2007 7

NOMBRE: Prof.:

Pregunta 4. A objeto de diseñar la ruta, horarios y salida de vehículos, se realiza


un modelo de regresión para relacionar la cantidad de tiempo, Y, en minutos, que
requiere un reponedor de máquinas vendedoras de refrescos en términos del
volumen suministrado (X1, en número de envases), la distancia que debe recorrer
el vehículo (X2, en km), el número de máquinas que tiene el distribuidor (X3) y el
número de ubicaciones o localidades donde éstas se encuentran (X4, en códigos 1,
2, 3 y 4)

Usando los datos de la tabla siguiente, donde p* es el número total de variables


predictoras en el modelo respectivo,

Vars en
modelo R2 SCR(p*) SCE(p*) CME(p*) R2 ajust Cp*
X1 0,963954 5885,8521 220,0926 9,5692 0,962 50,46
X2 0,242917 1483,2406 4622,7041 200,9871 0,210 1479,93
X3 0,398310 4263,8404 1842,1043 80,0915 0,685 577,11
X4 0,560075 3419,7865 2686,1582 116,7895 0,541 851,16
X1, X2 0,981137 5990,7712 115,1735 5,2352 0,979 18,40
X1, X3 0,972202 5936,2139 169,7308 7,7150 0,970 36,11
X1, X4 0,983030 6002,3246 103,6201 4,7100 0,982 14,64
X2, X3 0,721625 4406,1999 1699,7448 77,2611 0,696 532,88
X2, X4 0,571581 3490,0434 2615,9013 118,9046 0,533 830,35
X3, X4 0,722327 4410,4877 1695,4570 77,0662 0,697 531,49
X1, X2, X3 0,985175 6015,4245 90,5203 4,3105 0,983 12,39
X1, X2, X4 0,989615 6042,5340 63,4107 3,0196 0,988 3,59
X1, X3, X4 0,983279 6003,8469 102,0978 4,8618 0,981 16,15
X2, X3, X4 0,732991 4475,6010 1630,3437 77,6354 0,695 512,35
X1, X2, X3, X4 0,989912 6044,3477 61,5970 3,0799 0,988 5

se le pide:

a) Obtener un modelo adecuado por el método de todas las regresiones posibles


Criterio es SCR alto, SCE bajo, CME bajo, R2 ajust alto y Cp aprox. a p.

Entonces, la tabla queda como sigue:

Vars en
modelo R2 SCR(p*) SCE(p*) CME(p*) R2 ajust Cp*
X1 0,963954 5885,8521 220,0926 9,5692 0,962 50,46
X2 0,242917 1483,2406 4622,7041 200,9871 0,210 1479,93
ICN 312 / CERTAMEN 1 / ICIPEV+ICV / SANTIAGO / 2 ABRIL 2007 8

NOMBRE: Prof.:

X3 0,398310 4263,8404 1842,1043 80,0915 0,685 577,11


X4 0,560075 3419,7865 2686,1582 116,7895 0,541 851,16
X1, X2 0,981137 5990,7712 115,1735 5,2352 0,979 18,40
X1, X3 0,972202 5936,2139 169,7308 7,7150 0,970 36,11
X1, X4 0,983030 6002,3246 103,6201 4,7100 0,982 14,64
X2, X3 0,721625 4406,1999 1699,7448 77,2611 0,696 532,88
X2, X4 0,571581 3490,0434 2615,9013 118,9046 0,533 830,35
X3, X4 0,722327 4410,4877 1695,4570 77,0662 0,697 531,49
X1, X2, X3 0,985175 6015,4245 90,5203 4,3105 0,983 12,39
X1, X2, X4 0,989615 6042,5340 63,4107 3,0196 0,988 3,59
X1, X3, X4 0,983279 6003,8469 102,0978 4,8618 0,981 16,15
X2, X3, X4 0,732991 4475,6010 1630,3437 77,6354 0,695 512,35
X1, X2, X3, X4 0,989912 6044,3477 61,5970 3,0799 0,988 5

Sólo dos modelos son elegibles: {X1, X2, X4} y { X1, X2, X3, X4}. Por
parsimonia (más económico) se elige a {X1, X2, X4}.

b) Suponiendo que tiene las variables X1 y X2 en el modelo, realice una


iteración del método paso a paso mixto (estándard o stepwise).

Etapa 1: Buscar si entra una de las variables X3 ó X4.

Usando las dócimas F parciales, se tiene:

E3 = [ SCR(1,2,3) – SCR(1,2) ] / CME(1,2,3)


= [ 6015,4245 – 5990,7712 ] / 4,3105 = 5,719

E4 = [ SCR(1,2,4) – SCR(1,2) ] / CME(1,2,4)


= [ 6042,5340 – 5990,7712 ] / 3,0196 = 17,142 ∼ F1,21 = 4,325

Como E4 es el mayor valor, X4 es candidata a entrar.


Como E4 es significativo respecto a una F con 1 y 21 grados de libertad, X4 entra
al modelo.
Nuevo modelo: Y = f( X1, X2, X4)

Etapa 2: Buscar si sale una de las variables:

E1 = [ SCR(1,2,4) – SCR(2,4) ] / CME(1,2,4)


= [ 6042,5340 – 3490,0434 ] / 3,0196 = 845,3075
ICN 312 / CERTAMEN 1 / ICIPEV+ICV / SANTIAGO / 2 ABRIL 2007 9

NOMBRE: Prof.:

E2 = [ SCR(1,2,4) – SCR(1,4) ] / CME(1,2,4)


= [ 6042,5340 – 6002,3246 ] / 3,0196 = 13,316

E4 = [ SCR(1,2,4) – SCR(1,2) ] / CME(1,2,4)


= [ 6042,5340 – 5990,7712 ] / 3,0196 = 17,1423

El menor valor corresponde a E2, el cual, comparado a una F con 1 y 21 grados de


libertad, que vale 4,325, es altamente significativo. Entonces, el peor candidato,
que es X2, no sale del modelo.

Modelo final: Y = f( X1, X2, X4)

Você também pode gostar