Guía de econometría

La guía debe ser resuelta a mano, los ejercicios pueden ser elaborados a computadora pero la interpretación es a
mano.(No será aceptada si está elaborada a computadora)
Debe citar la bibliografía de donde se obtuvo la información.
No usar páginas de internet para resolver la guía.
Puede usar hojas blancas o cuaderno para resolver la guía.
La guía se entrega el día y la hora del examen

I.Defina:
1. Econometría
2. Correlación.
3. Ceteris Paribus
4. Grado de libertad
5. Mejor estimador linealmente insesgado
6. Término de error
7. Suma explicada de cuadrados
8. Línea de regresión
9. Error estándar de β1
10. Error estándar de la regresión
11. Suma residual de cuadrados
12. Suma total de cuadrados
13. Nivel de significancia
14. Desviación estándar de la variable dependiente
15. Hipótesis nula
16. Hipótesis alterna
17. Regla de rechazo
18. Varianza de la regresión
19. Parsimonia
20. Parquedad
21. Defina que es econometría.
22. Exponga la metodología de la econometría
23. Explique los pasos para elaborar una prueba de hipótesis
24. Defina que es regresión
25. Cuál es la interpretación moderna de la regresión
26. Que es un diagrama de dispersión y que expresa
27. Cite un ejemplo de relación estadística y relación determinista
28. Explique regresión y causalidad
29. Explique los tipos de datos de los que hace uso la econometría
30. Qué es la función de regresión muestral
31. Qué es la función de regresión poblacional
32. Explique el significado del término lineal en las variables y en los parámetros
33. Defina el término de perturbación estocástica y cuáles son sus características
34. ¿Cuál es la diferencia entre la función de regresión poblacional y la función de regresión muestral? ¿se trata de
distintos nombres para la misma función?
35. ¿Qué papel desempeña el término de error estocástico en el análisis de regresión?
36. ¿Por qué es necesario el análisis de regresión? ¿Por qué no tan solo utilizar el valor medio de la variable
regresada como su mejor valor?
37. ¿Qué se quiere dar a entender con modelo de regresión lineal?
38. Explique el método de mínimos cuadrados ordinarios
39. Qué es un estimador puntual
40. Qué es un estimador por intervalos
41. Explique los supuestos del modelo de regresión lineal
42. Qué es el error estándar de los mínimos cuadrados
43. Que es un grado de libertad
44. Explique las propiedades de los estimadores de mínimos cuadrados (teorema de Gauss Markov)
45. Qué indica el coeficiente de determinación
46. Qué es la bondad de ajuste
47. Qué indica el coeficiente de correlación
48. Cite las características de la distribución normal
49. Explique el teorema de límite central o teorema central de límite
50. Que es el error tipo I
51. Que es el error tipo II
1
 52. Que es el nivel de confianza
53. Qué es el nivel de significancia
54. Cuál es la regla de decisión que se aplica a las pruebas de hipótesis
55. Características de la distribución t de student
56. Explique el análisis de varianza.
57. Suponga que va a crear un modelo económico de actividades delictivas en el que se considere las horas
invertidas en ellas (por ejemplo, en la venta de drogas). ¿Qué variables tomaría en cuenta para crear dicho
modelo? Vea si su modelo se asemeja al del economista ganador del premio Nobel, Gary Becker.

Ejercicios
1.- Una cooperativa agraria desea estimar cómo afecta la cantidad de fertilizante aplicado por hectárea de cultivo al
volumen de la cosecha anual. Para ello dispone de los datos observados durante los últimos 10 años que se muestran
en la tabla 1.
a.- Calcule la recta de regresión de la cosecha (C), sobre la cantidad de fertilizante (F), utilizando término constante.
b.- Dibuje la recta de regresión anterior junto con los puntos correspondientes a los datos reales. ¿Se ajusta bien dicha
recta a los valores observados? ¿Observa algún dato que no se ajuste bien a la relación? (dato atípico o anómalo).
c.- Se sabe que en el sexto año se produjeron inundaciones en la zona. ¿Cree que este hecho distorsiona los resultados
estimados anteriormente?
d.- Estime el mismo modelo del apartado (a) sin incluir el dato correspondiente al sexto año. Dibuje la nueva recta de
regresión junto con los puntos de los datos observados. ¿Se ajusta ahora mejor la estimación a los valores observados?
Año Fertilizante kg por Ha Cosecha Ton por Ha
1 10 45
2 12 49
3 14 51
4 15 55
5 19 62
6 21 5
7 25 69
8 28 72
9 30 73
10 31 79

2.- ∑ 𝑥𝑦 = 19170 ∑ 𝑥 2 = 49784 ∑ 𝑦 2 = 47928 𝑌̅ = 125 𝑋̅ = 104 ∑(𝑌̂ − 𝑌̅)2 = 7381.67

∑ 𝑋 2 = 266104 n=15

Estimar todo lo visto en clase e incluir prueba de hipótesis para los coeficientes (t) y para la regresión (F).

3.- ∑ 𝑥𝑦 = 20814 ∑ 𝑥 2 = 96428 ∑ 𝑦 2 = 48236 𝑌̅ = 127 𝑋̅ = 124 ∑(𝑌̂ − 𝑌̅)2 = 4492.71

∑ 𝑋 2 = 465452 n=10

Estimar todo lo visto en clase e incluir prueba de hipótesis para los coeficientes (t) y para la regresión (F).

2
4.- Complete los espacios en blanco y elabore las pruebas de hipótesis correspondientes

Dependent Variable: Y
Method: Least Squares
Sample: 1 12
Included observations: 12

Variable Coefficient Std. Error t-Statistic Prob.

C 3.243395 0.915534 3.542628 0.0053

X 0.391231 0.097092 4.029495 0.0024

R-squared 0.618856 Mean dependent var 6.666667

Adjusted R-squared 0.580742 S.D. dependent var 1.825742
S.E. of regression 1.182170
Sum squared resid 13.97527 F-statistic 16.23683

5.- Complete los espacios en blanco y elabore las pruebas de hipótesis correspondientes, elabore la tabla ANOVA.

Dependent Variable: PIB

Method: Least Squares
Sample: 1 25
Included observations: 25

Variable Coefficient Std. Error t-Statistic

C 131.8871 30.04817 4.389187
IMPORTACIONES 0.164264 0.250016 0.657014

R-squared 0.018422 Mean dependent var 150.6

Adjusted R-squared -0.024255 S.D. dependent var 47.30486

S.E. of regression 47.87511 F-statistic 0.431668

Sum squared resid 52716.61
6.- Suponga que la inversión (Inv) es una función de la tasa de interés (i). Para ello considere los siguientes datos en
donde la inversión está expresada en miles de pesos y la tasa de interés en porcentaje.
Observaciones Inv i
1 5 2
2 7 4
3 9 5
4 8 3
5 4 1
Indique la relación esperada (teórica) entre la variable endógena y la variable exógena.
a) Estime el valor de a y b.
b) Escriba la ecuación de regresión e intérprete los valores de a y b; y diga si el signo obtenido cumple con el signo
esperado.
c) Calcule el error estándar de la estimación e interprételo.
d) Calcule el coeficiente de correlación (r) e interprételo en función de las variables.
2
e) Calcule el coeficiente de determinación (R ) e interprételo en función de las variables.
2 2
f) Demuestre que R = (r) .
g) Calcule las bandas de confianza para a y b con un nivel de significación igual al 5% e intérprete sus resultados.
h) Realice pruebas de hipótesis para a y b al 5% de nivel de significación e intérprete sus resultados.
i) Elabore la prueba global e interprete, Construya la tabla ANOVA

3
7.- Considérese los siguientes resultados de regresión para la economía de Estados Unidos durante el período
1968-1987 ( Ŷ = gasto de Estados Unidos en bienes importados y X = ingreso personal disponible, ambos medidos en
miles de millones de dólares de 1982):

Yˆ i   261.09  0.2453 X i
ˆ ˆ i
 (31.327) ( )
t ( ) (16.616) n  20 R 2  0.9388

a) Complétense los números faltantes

b) ¿Cómo se interpreta el coeficiente 0.2453? ¿Y el coeficiente –261.09?
c) ¿Se rechazaría la hipótesis de que el verdadero coeficiente de la pendiente es cero?¿ Cuál prueba se utiliza? y
¿por qué? Use  = 5%.
d) Supóngase que en la regresión recién presentada no fue dado el valor de R 2 .¿Podría obtenerse de los demás
resultados de la regresión?

8. Un economista asegura que el costo promedio de producción de un artículo disminuye conforme aumenta la cantidad
producida de esté, tendiendo de manera asintótica hacia un valor mínimo. La siguiente tabla presenta algunos datos del
proceso de producción:

Cantidad X
Producida
1 5 10 20
Costo Y
Promedio
31 14 12 11

Ajuste mediante el método de mínimos cuadrados un modelo de la forma

1
yt   0   1  
 xt 
en donde y representa el costo promedio de producción y x la cantidad producida.
¿Cuál es el costo mínimo estimado?

9.- Después de conseguir su crédito para abrir su “changarrito”, don Federico observa que el precio de las naranjas varia
mucho durante el año. Fuera de temporada el precio llega a ser hasta de 60 centavos de dólar por unidad, y durante la
temporada los precios son de 10, 20 y 30 centavos por unidad. A continuación se presentan los datos que don “Fede”
recabo para seis semanas con las cantidades de naranjas vendidas (y) y el precio (x).

Naranjas vendidas Precio por naranja

y(cientos) x(centavos)

6 10
4 20
5 30
4 40
3 50
1 60
4.6 25

4
Don “Fede” Acude a los servicios de accesoria que han puesto a su disposición para que le ayude a evaluar la siguiente
función de demanda de las naranjas.

y i   0   1 xi   i para i  1,2,...,6 y  i  N (0,  2)

Después de evaluar dicha función de demanda le proporcional la siguiente información.

yˆ i  6.733  0.08285 xi
(0.7815) (0.0200)

en donde la desviación estándar de cada parámetro estimado (por el método de mínimos cuadrados) esta dada en
paréntesis. Además, le proporcionan la siguiente información:

STC (la suma de cuadrados total) = 14.8333

SEC (la suma de cuadrados de la regresión) = 12.014

Desafortunadamente don Fede no sabe como interpretar estos datos y acude a usted para que le explique.

i) ¿Qué significa el parámetro ̂ 1 ?

ii) ¿Es  1 diferente de cero a un nivel de significancia del 5%?

iii) Don Fede quiere que usted le calcule un intervalo de confianza del 90% para la cantidad de naranjas que venderá la
séptima semana si el precio es de 25 centavos por pieza durante esa semana.

10.- Establezca si las siguientes afirmaciones son ciertas, falsas o inciertas. Explíquese la razón de la respuesta. Sea
preciso.

i) La prueba t de significancia requiere que las distribuciones muestrales de los parámetros estimados ̂ 0 y ̂ 1 sigan
una distribución normal.

ii) Aunque el termino i no esté normalmente distribuido, los estimadores de MCO continúan siendo insesgados.

iii) En el modelo de regresión lineal y i   0   1 xi   i con  i  N (0,  2) , entre mayor sea el valor de  2 , mayor
será la varianza de ̂ 1 .

11. Considere la siguiente función de producción estimada para 100 firmas que se especializan en video juegos.

Ln(Qt )  2.03  0.53Ln( Lt )  0.42Ln( K t )  0.21Ln( E t )

(1.01) (0.21) (0.10) (0.03)

SCR  92.95 R 2  0.21 n  100

En donde Q = Cantidad producida

L = Mano de obra
5
 K = Capital

E = Energía

SCR = Suma Total de Cuadrados

Los valores entre paréntesis son los desviaciones estándar de los parámetros estimados y las covarianzas entre los
parámetros son Cov(L,K) = -0.01, Cov(L,E) = 0.02 y Cov(K,E) =0.01

a) ¿Cómo interpreta los parámetros estimados?

b) El valor de R 2 parece ser muy pequeño. ¿Debería de estar preocupado por esto?
c) Su compañera Clara afirma que existen rendimientos constantes. Usando una prueba apropiada de una sola
cola, apruebe o desapruebe la hipótesis de Clara. Use  = 5%

12.- El gerente de una fábrica piensa que el costo por unidad fabricada (y) depende del salario medio ( x1 ), de los gastos
administrativos ( x2 ), de los gastos generales ( x3 ) y de los gastos en publicidad ( x4 ). Se obtuvieron veinticuatro datos
mensuales y la estimación por el método de mínimos cuadrados dio los siguientes resultados.

yt  0.75  0.24 x1t  0.56 x2t  0.32 x3t  0.23 x4t

(0.07) (0.12) (0.23) (0.05)

R  0.79 D.W  0.85

2

Los datos entre paréntesis, de bajo de los coeficientes estimados, son sus respectivas desviaciones estándar estimadas.
¿Qué hipótesis nula puede ser probada? Llevar a cabo esta prueba en el presente problema, utilizando un nivel de
significacia del 5% n=24 y k=5 gl=n-k=24-5=19

13. La siguiente ecuación fue estimada mediante el método de mínimos cuadrados, usando datos trimestrales desde
1958 hasta 1976:

yˆ t  2.20  0.104 xt1  3.48 xt 2  0.34 xt 3

(3.4) (0.005) (2.2) (0.15)

Los valores en paréntesis son las desviaciones estándar de los parámetros estimados. La Suma de Cuadrados
del Modelo (STC) fue de 109.6, mientras que la Suma de Cuadrados de los Residuales (SrC) fue de 18.48
SRC 18.48
STC 109.6

a) Calcule el coeficiente de determinación R 2

b) Elabore las pruebas de hipotesis individual y global
c) Interprete los coeficientes

6
14.- Complete la siguiente pantalla:
a. Realice las pruebas de hipótesis correspondientes
b. Elabore la tabla ANOVA
c. Intérprete los resultados
Dependent Variable: Cosecha
Method: Least Squares
Sample: 1 30
Included observations: 27

Variable Coefficient Std. Error t-Statistic Prob.

C -1.009951 0.985822 -1.024476 0.3154

Fertilizante 0.618889 0.195571 3.164523 0.0041

R-squared 0.286004 Mean dependent var 2.024999

Adjusted R-squared 0.257444 S.D. dependent var 1.375848
S.E. of regression 1.185591 F-statistic 10.01421
Sum squared resid 35.14065 Prob(F-statistic) 0.004053

15.- La tabla muestra que cada conjunto de datos está formado por once observaciones de dos variables. Si tan sólo
se echa una mirada a estos se comprende poco. Naturalmente que nos preguntaremos para eso contamos con
modernas técnicas estadísticas. Por ejemplo la regresión lineal, por lo tanto se determina la regresión de Y a partir de
X para cada uno de los conjuntos de datos.

Tabla
Y1 X1 Y2 X2 Y3 X3 Y4 X4
8.04 10 9.14 10 7.46 10 6.58 8
6.95 8 8.14 8 6.77 8 5.76 8
7.58 13 8.74 13 12.74 13 7.71 8
8.81 9 8.77 9 7.11 9 8.84 8
8.33 11 9.26 11 7.81 11 8.47 8
9.96 14 8.1 14 8.84 14 7.04 8
7.24 6 6.13 6 6.08 6 5.25 8
4.26 4 3.1 4 5.39 4 12.5 19
10.84 12 9.13 12 8.15 12 5.56 8
4.82 7 7.26 7 6.42 7 7.91 8
5.68 5 4.74 5 5.73 5 6.89 8

16.- Una muestra de 20 observaciones corresponde al siguiente modelo de regresión lineal

y i   0   1 xi   i para i  1,2,...,20 y  i  N (0,  ) arroja los siguientes datos
2

7
 20 20 20

 Y i  21.9
i 1
 X i  21.9
i 1
 (X  X )(Y
i 1
i i  Y )  106.4

20 20

 ( X i  X )  215.4  (Y i Y )
2 2
 86.9
i 1 i 1

∑ 𝑥𝑦 = 106.4

∑ 𝑥 2 = 215.4

∑ 𝑦 2 = 86.9 𝑆𝑇𝐶

a) Encuentre los estimadores de mínimos cuadrados para 0 y 1 y los estimadores de las varianzas de estos
parámetros.
b) ¿Cuál es el valor de R 2 e interprételo?
17.- Lo que se conoce como línea característica del análisis de inversión moderno, es sencillamente la línea de regresión
obtenida del siguiente modelo:
r it   0   1 r mt   i

en donde r it  la tasa de retorno del i-ésimo título-valor en el tiempo t

r mt = la tasa de retorno del portafolio del mercado en el tiempo t

i = el error aleatorio

En este modelo,  1 es conocido como el Coeficiente Beta del i-ésimo título-valor, una medida del riesgo del mercado de
un título-valor.

Con base en 240 tasas de retorno mensuales para el período 1956-1976, Fogler y Ganapathy obtuvieron la siguiente
línea característica para las acciones de IBM en relación con el índice de portafolio del mercado desarrollado en la
Universidad de Chicago.
r it  0.7264  1.0598 r mt   i R  0.4710, gl.  238
2

(0.3001) (0.0728)
la desviación estándar de los parámetros estimados se da entre paréntesis.
Se dice que un título-valor cuyo Coeficiente Beta es mayor que uno es un título-valor volátil o agresivo. ¿Fueron las
acciones de IBM valores volátiles en período bajo estudio?

18.- Para una muestra de 15 observaciones, se estimó la regresión del precio del petróleo (Y) sobre el tipo de
cambio (X). La recta de regresión estimada es Y  653 .50  18 .28 X , además la STC= 7628029.28 y la SRC=
34349.687.

a) Probar si el TC tiene un efecto lineal sobre el precio del petróleo, usar un =5%
b) Construir la tabla ANOVA y probar si el modelo es significativo.
c) Interpretar los coeficientes de determinación y correlación.
d) Si el coeficiente de correlación es cero. ¿Qué se puede concluir?
8
 19.- Un analista cree que el último determinante de los rendimientos sobre el activo (Y) son los préstamos sobre
depósito (X). Para una muestra de 212 bancos se obtuvo la recta de regresión Y  0.376 .78  0.8102 X con un
coeficiente de determinación de 0.850281.

a) Hallar el coeficiente de correlación y de determinación ajustado.

b) Contrastar a un nivel de significancia del 5% la hipótesis nula de que no hay una asociación lineal entre los
rendimientos sobe el activo y los préstamos sobre depósitos.
c) Elaborar una prueba global para el modelo.
d) Encontrar el error estándar del coeficiente asociado a los préstamos sobre depósito. STD. ERROR

20.- Para una muestra aleatoria de 14 semanas el dueño de una licorera está interesado en medir el efecto del precio
de una botella de whiskey escocés sobre la cantidad vendida. Sea Y las ventas por semana (medidas en número de
cajas) y X el precio (dado en miles de pesos). Se dispone de la siguiente información.

 xy  374.8571 x 2
 595.7143 y 2
 1189.4286 e 2
 953.5472 Y  23 .5714
X  31 .1429
a) Estimar la regresión lineal e interpretar los parámetros
b) Probar si el precio de una botella de whiskey ayuda a explicar la variabilidad que hay en las ventas por
semana.
c) Hallar e interpretar el intervalo de confianza del 90% para ̂1
d) Elabore la prueba global del modelo.
e) Construya la tabla ANOVA.
f) Calcule el error estándar de la regresión.

21.- En el estudio de la influencia de las instituciones financieras en los precios de las acciones de un país, se analizan
datos trimestrales a lo largo de un periodo de 12 años

El modelo es Y  ˆ0  ˆ1 X 1  ˆ2 X 2

Donde
Y cambio trimestral de precios por acción
X1 cambio trimestral en la compra de acciones
X2 cambio trimestral en la venta de acciones
Los coeficientes de regresión son:
ˆ0  0, ˆ1  0.057, ˆ2  0.065

Interpretar estas estimaciones

22.-Se ajustó el siguiente modelo de regresión con una muestra de 30 familias para explicar el consumo familiar de
leche

Y  ˆ0  ˆ1 X1  ˆ2 X 2

Donde
Y consumo de leche en litros por semana
X1 ingreso semanal en cientos

9
X2 tamaño de la familia
Los coeficientes de regresión son:
ˆ0  0.75, ˆ1  0.052, ˆ2  1.14 Interpretar estas estimaciones

23.- Determínese si los siguientes modelos son lineales en los parámetros, o en las variables, o en ambos. ¿Cuáles
de estos modelos son de regresión lineal?

Modelo Tipo descriptivo

a) 𝑌𝑖 =𝛽1+𝛽2 (𝑋1 ) + 𝑢𝑖 Reciproco

𝑖
b) 𝛾𝑖 = 𝛽1 + 𝛽2 1𝑛𝑋𝑖 + 𝑢𝑖 Semilogarítmico

c) 1𝑛𝑌𝑖 = 𝛽1 + 𝛽2 𝑋𝑖 + 𝑢𝑖 Semilogarítmico inverso

d) 1𝑛𝑌𝑖 = 1𝑛𝛽1 + 𝛽2 1𝑛𝑋𝑖 + Logarítmico o doble

𝑢𝑖 logarítmico

e) 1𝑛𝑌𝑖 =𝛽1 − 𝛽2 (𝑋1 ) + 𝑢𝑖 Logarítmico reciproco

𝑖

24.- Los datos corresponden a los ingresos y la escolaridad, se obtuvo la siguiente regresión.

Salario medio = 0.7437 + 0.6416 Escolaridad

Errores de coeficientes (0.8355) (0.0664)
t= (( 0.8901) (9.6536)
2
R = 0.8944
n=13
Complete los números faltantes
a) ¿Cómo se interpretaría el coeficiente 0.6416?
b) ¿Se rechazaría la hipótesis de que la educación no tiene efecto alguno sobre los salarios? ¿Cuál prueba
usaría? ¿Por qué?
c) Pruébese la hipótesis global de la regresión

25.- Los siguientes datos corresponden a datos sobre el consumo de café en una cafetería de Ciudad Universitaria Y
medido en tasas diarias por persona y el precio al detal promedio del café X medido en pesos para el periodo
1990-200

Parámetro Estimador Erro estándar

Intercepto 2.69 0.1202
Pendiente -0.98 0.5919

SRC== 0.292975, STC=0.442055, n=11, X  1.01, Y  2.21

a) Escribir el modelo de regresión

b) Interpretar la pendiente estimada
c) Hallar la elasticidad del precio e interpretar

10
 d) Construir la tabla ANOVA y pruebe si el precio del café ayuda a explicar la variación que hay en el consumo
del café.
e) Hallar e interpretar el coeficiente de determinación y correlación.
f) Prueba la hipótesis Ho:=1 es decir, pruebe si existe una relación uno a uno entre el consumo de café y el
precio del mismo.
g) Hallar e interpretar el intervalo de confianza para 1
h) Para el consumo de café y el precio de café también se ajustó el siguiente modelo de regresión:
1
Y  1.98  0.578 
X
¿Cuál es el comportamiento del consumo de café a medida que el precio del café tiende a infinito? Hallar la
elasticidad del precio para este modelo.

26.- La empresa Sanyo ha especificado un modelo de agresión lineal para explicar la función de demanda de sus
aparatos de radio Y expresada en miles de unidades, y en función del precio de los aparatos de radio X en miles de
pesos.

Para su estimación se tiene una muestra de 24 observaciones, con los siguientes resultados

∑ 𝑌 = 2637.25 ∑ 𝑋 = 85.25 ∑ 𝑦 2 = 159.8926

∑ 𝑥 2 = 3.09161 ∑ 𝑥𝑦 = −16.5862

Se pide:

a) Estimar los parámetros del modelo, represente gráficamente e interprete

b) Obtener el coeficiente de determinación y el de determinación ajustado
c) Que indica el coeficiente de correlación respecto al inciso anterior
d) Elabore una prueba de hipótesis para el precio de los aparatos.
e) Obtenga la tabla ANOVA y elabore la prueba global.
f) Elabore el intervalo de confianza para los precios de los aparatos.

27.- Una empresa de telefonía esta interesada en operar en el mercado latinoamericano de llamadas internacionales.
Antes de iniciar este proyecto de inversión desea cuantificar los ingresos del sector en función del precio de dichas
llamadas en América Latina. Para ello plantea el siguiente modelo.

𝑌 = 𝛽0 + 𝐵1 𝑥 + 𝜇

Donde

Y son los ingresos del sector de telefonía internacional en miles de millones de pesos.

X Es el precio medio de las llamadas internacionales en cientos de pesos por paso.

Suponga que usted es consultado por esta empresa, que le facilita la siguiente información:

n=35 ∑ 𝑋 = 17.22 ∑ 𝑌 = 84.945 STC=12.144 R2=0.7378 ∑ 𝑥𝑦 = 4.69

Las cuestiones de interés para el operador de telefonía que usted debe responder son:

11
 a) Estimar el modelo teórico planteado, represente gráficamente e interprete.
b) Construya un intervalo de confianza para los ingresos autónomos del sector. Considere un nivel de confianza
del 95%
c) ¿Considera usted que el precio medio es significativo en la explicación de los ingresos? Considere un nivel de
significación del 5%
d) ¿Qué nivel de ingresos se espera para el año próximo si el precio medio previsto es de 0.52 unidades?.
e) Elabore la prueba global y calcula la tabla ANOVA

28.-Una multinacional de la consultoría quiere estudiar la relación entre los gastos en publicidad que realizan las
empresas y los beneficios netos que obtienen, Para ello, encuesta a cinco empresas y obtiene la siguiente estimación
por MCO.

𝑌̂ = −22 + 5.2𝑋

Donde

Y Son los beneficios netos de las empresas

X Gastos en publicidad
Se dispone de la siguiente información

𝑆𝑦2 = 54.4 𝑆𝑥2 = 1.99 𝑌̅ = 30 𝑋̅ = 10 𝑆𝑥𝑦 = 10.384 ∑ 𝑥𝑦 = 10.384

Se pide:

a) Alguna medida de bondad r, R2 o 𝑅̅ 2

b) Calcular el intervalo de confianza para los gastos en publicidad con un 5%
c) Elabore la prueba global
d) Interprete la pendiente de la estimación
e) Calcule el error estándar de la regresión y de los gastos en publicidad.

SEGUNDA PARTE

1. ¿Porque razón debe formularse el supuesto de normalidad?

2. ¿Qué propiedades presentan los estimadores de mínimos cuadrados bajo el supuesto de normalidad?
3. Explique en que consiste el estadístico Jarque Bera, que parámetros utiliza, contra que valor de tablas es
comparado para tomar una decisión.
4. Explique la prueba de Kolmogorov
5. Comente la prueba Anderson Darling
6. Defina que es la heteroscedasticidad.
7. Explique cuales son las causas por las que las varianzas de i no son constantes.
8. Qué ocurre con los estimadores en presencia de heteroscedasticidad.
9. En que consiste el método de mínimos cuadrados generalizados.
10. Cómo se detecta la heteroscedasticidad
11. Explique los métodos informales para detectar la heteroscedasticidad.
12. Explique la prueba de Park, la de Glejser, la Harvey, Goldfeld-Quant, Breusch-Pagan-Godfrey, White DC y DNC,
ARCH.
13. Cómo se corrige la heteroscedasticidad.
14. Defina que es autocorrelación.
15. Que diferencia existe entre autocorrelación y correlación serial.
16. ¿Por qué existe la correlación serial?
17. Qué le ocurre a los estimadores mínimo cuadráticos en presencia de autocorrelación.
18. Defina que es un esquema autorregresivo.
12
 19. Qué es el coeficiente de autocovarianza.
20. Qué ocurre con los estimadores en presencia de autocorrelación.
21. Explique los métodos para detectar la autocorrelación.
22. Cuáles son los supuestos en los que se basa el estadístico Durbin Watson.
23. En que consiste la prueba Breusch-Godfrey.
24. Explique el método de las primeras diferencias.
25. Explique el método de Cochrane-Orcutt.
26. Cuál es el papel del tiempo o los rezagos en la economía.
27. Qué es el multiplicador de corto plazo.
28. Qué es el multiplicador de rezagos distribuidos de largo plazo.
29. Porque es necesario usar rezagos.
30. Explique el método de Koyck para los modelos de rezagos distribuidos.
31.-Características y finalidad de las series temporales

a) Definición
b) Objetivo
c) Etapas que se necesitan cubrir en el análisis de series temporales
32.- Análisis clásico de las series temporales

a) Componentes de una serie temporal

b) Formas de combinar los componentes
c) Criterios para detectar el modelo
33.- Análisis de tendencia

a) Métodos de estimación
b) Expresión de la tendencia y cambios de base
34.- Análisis de estacionalidad

a) Métodos para estimar estacionalidad

b) La desestacionalización
35.- Análisis del ciclo

a) Modelos naives o ingenuos

b) Modelos de medias móviles
c) Alisado exponencial simple
36.- Métodos aplicables a series con tendencia

a) Modelo de Brown
b) Modelo de Holt
37.- Modelo de Holt Winters

38.- Predicción

a) Método de pronóstico

39. Cuál es el objetivo de las series temporales

40. Explique los componentes de una serie temporal
41. Explique el análisis de tendencia
42. Qué métodos conoce para estimar la estacionalidad, explique
43. Explique el método de medias móviles
44. Ejemplifique el modelo de Brown
13
45. Que diferencias existe entre el Modelo de Holt y el del Modelo de Holt Winters
46. Explique algunos métodos de pronóstico.

14