TRABAJO DE ECONOMETRA (autocorrelacin)

EJERCICIOS
12.1 Eta!l"#cae i la i$uiente a%ir&acione on 'er(a(era o %ala. Juti%i)ue u re*ueta !re'e&ente.
a) Cuan(o +a, *reencia (e autocorrelacin- lo eti&a(ore MCO on e$a(o lo &i&o )ue ine%iciente.
(.)
Es falso porque en presencia de autocorrelacin los estimadores de MCO siguen siendo insesgados pero ya no
tienen varianza mnima, es decir ya no son MELI y por lo tanto ya no son eficientes.
!) /a *rue!a d (e Dur!in01aton u*one )ue la 'arian#a (el t"r&ino (e error ut e +o&oce(2tica. (3)
Es verdadero porque uno de los supuestos de la pruea d de !urin "#atson es que las $ son fi%as o no
estoc&sticas en muestreos repetidos, por lo tanto la varianza es constante a lo largo de la recta regresin.
c) /a tran%or&acin (e *ri&era (i%erencia *ara eli&inar la autocorrelacin u*one )ue el coe%iciente (e
autocorrelacin

e 01. (.)
Es falso porque para la transformacin de primera diferencia para eliminar la autocorrelaci'n supone que el
coeficiente de autocorrelacin

es (), es decir que las perturaciones est&n correlacionadas positivamente.

() /o 'alore R
2
(e (o &o(elo- (e lo cuale uno corre*on(e a una re$rein en %or&a (e *ri&era
(i%erencian , el otro a una re$rein en %or&a (e ni'el- no on (irecta&ente co&*ara!le. (3)
Es verdadero porque para que los
*
R
sean comparales las variales dependientes deen ser las mismas y en este
caso no lo son, deido a que al tomar las primeras diferencias estamos estudiando esencialmente el comportamiento
de variales alrededor de sus valores de tendencia +lineal,.
e) 4na d (e Dur!in01aton i$ni%icati'a no necearia&ente i$ni%ica )ue +a, autocorrelacin (e *ri&er
or(en. (.)
Es falso porque uno de los supuestos de la pruea d de !urin-#atson es que es solamente v&lida para detectar
autocorrelacin que .uiese sido generada por esquemas /0+),.
%) En *reencia (e autocorrelacin la 'arian#a calcula(a con'encional&ente , lo errore et5n(ar (e lo
'alore *ronotica(o on ine%iciente. (3)
Es verdadero porque como di%imos anteriormente las varianzas ya no son mnimas es decir los estimadores de%an de
ser MELI y por lo tanto ya no son eficientes.
$) /a e6cluin (e una o 'aria 'aria!le i&*ortante (e un &o(elo (e re$rein *ue(en *ro(ucir un 'alor
( i$ni%icati'o. (3)
Es verdadero porque cuando se e1cluyen variales que son relevantes en el modelo estas pasan a formar parte del
t2rmino de perturacin, y como el estadstico d nos mide la razn de la suma de las diferencias al cuadrado de
residuos sucesivos sore la suma residual al cuadrado, y por lo tanto d no permitira la ausencia de tales
oservaciones.
+) En el e)ue&a AR (1)- una *rue!a (e +i*tei (e

71 *ue(e +acere &e(iante el eta(8tico $ (e

Beren!lutt01e!!- lo &i&o )ue *or &e(io (el eta(8tico d (e Dur!in01aton. (.)
Es falso porque en la pruea d de !urin-#atson la .iptesis nula es que

34 en camio en la pruea g de
5erenlutt-#e se considera la .iptesis nula de que

3), sin emargo para proar la significancia del

estadstico g se puede utilizar las talas de !urin-#atson.
i) En la re$rein (e *ri&era (i%erencia (e 9 o!re *ri&era (i%erencia (e :- i +a, un t"r&ino contante ,
un t"r&ino (e ten(encia lineal- i$ni%ica )ue en el &o(elo ori$inal +a, un t"r&ino (e ten(encia lineal , uno
(e ten(encia cua(r5tica. (.)
Es falso porque se supone que si en la primera diferencia de 6 sore primeras diferencias de $ e1iste un t2rmino
constante y un t2rmino de tendencia lineal el modelo original no tendr& un t2rmino de tendencia cuadr&tica.
12.2. Da(a una &uetra (e ;< o!er'acione , (e = 'aria!le e6*licati'a- >?u" e *ue(e (ecir o!re
autocorrelacin i a) d 71.<;- !) d 71.=<- c) d 72.;< , () d 7@.ABC
a, n3 74
839
K 3:
d 3 ).47
; 3 4.47
5uscando en las talas d de !urin-#atson otuvimos los siguientes resultados<

l
d
).9*)

u
d
).=>9
4 ).9*) ).=>9 * 9-du 9-dl 9
).47
Con un ?7@ de confianza podemos decir que no .ay suficiente evidencia estadstica para aceptar la .iptesis nula
de que no e1iste autocorrelacin es decir se acepta la .iptesis alternativa de que e1iste autocorrelacin y en este
caso es positiva.
, n3 74
839
K 3:
d 3 ).94
; 3 4.47
5uscando en las talas d de !urin-#atson otuvimos los siguientes resultados<

l
d
).9*)

u
d
).=>9
4 ).9*) ).=>9 * 9-du 9-dl 9

).94
Con un ?7@ de confianza podemos decir que no .ay suficiente evidencia estadstica para aceptar la .iptesis nula
de que no e1iste autocorrelacin es decir se acepta la .iptesis alternativa de que e1iste autocorrelacin y en este
caso es positiva.
c, n3 74
839
K 3:
d 3 *.74
; 3 4.47
5uscando en las talas d de !urin-#atson otuvimos los siguientes resultados<

l
d
).9*) 9- l
d
3 *.7>?

u
d
).=>9 9- u
d
3 *.:*=
4 ).9*) ).=>9 * *.:*= *.7>? 9
*.74
Como el estadstico d de !urin-#atson cae en la zona de indesicin podemos decir que con un ?7@ de confianza
no .ay evidencia estadstica para aceptar la .iptesis nula de que no e1iste autocorrelacin es decir se acepta la
.iptesis alternativa de que e1iste autocorrelacin y en este caso es negativa.
d, n3 74
839
K 3:
d 3 :.?>
; 3 4.47
5uscando en las talas d de !urin-#atson otuvimos los siguientes resultados<

l
d
).9*) 9- l
d
3 *.7>?

u
d
).=>9 9-
u
d
3 *.:*=
4 ).9*) ).=>9 * *.:*= *.7>? 9
:.?>
Como el estadstico d de !urin-#atson cae en la zona de autocorrelacin negativa podemos decir que con un
?7@ de confianza no .ay evidencia estadstica para aceptar la .iptesis nula de que no e1iste autocorrelacin es
decir se acepta la .iptesis alternativa de que e1iste autocorrelacin y en este caso es negativa.
12.=. Deteccin (e la autocorrelacinD *rue!a (e la ra#n (e 'on Neu&ann. Su*onien(o )ue lo rei(uo
t
uA
e o!tienen aleatoria&ente (e una (itri!ucin nor&al- 'on Neu&ann (e&otr )ue *ara n $ran(e- la ra#n

*
*
)
*
*
, A A +
, A A +
u u
u u
s
i
i i

NotaD 4 A u en MCO

/la&a(a ra#n (e 'on Neu&ann- tiene una (itri!ucin a*ro6i&a(a&ente nor&al con &e(ia

E
)
*
*
*

n
n
s

9 'arian#a

'ar
, ) ,+ ) +
*
*
*
+

n n
n
s

a) Si n e u%iciente&ente $ran(e- >C&o e utili#ar5 la ra#n 'on Neu&ann *ara *ro!ar la autocorrelacinC
Bi n es grande la razn von Ceumann se utiliza de la siguiente manera<
Be contrasta la independencia entre la Dt cuando se traa%a con muestras grandes, en este caso con un nE=4 y se
calcula el estadstico v, donde<
( ) ( )
( )

T
t
t
T
t
t t
t
n Z Z
n Z Z
S
v
)
*
*
*
)
*
F
) F

T
t
t
n
Z
Z
)
Hna vez que se .a otenido la variale tipificada comparamos este valor con el nivel crtico que sigue una
distriucin normal con media cero y varianza unitaria, escogiendo un nivel de significancia del 7@ + 47 . 4 , se
aplica el siguiente contraste<
v
s
Ev v
t

Como el ItJ dado es igual a ).?=, por lo tanto si en valores asolutos el ItJ calculado es menor se acepta la .iptesis
de que no e1iste autocorrelacin, es decir se rec.aza la .iptesis alternativa de que e1iste autocorrelacin.
6 si el ItJ calculado es mayor que ).?= se rec.aza la .iptesis nula, es decir e1iste autocorrelacin.
!) >Cu5l e la relacin entre el d (e Dur!in01aton , la ra#n (e 'on Neu&annC
Como la razn d de !urin-#atson es igual a<
( )

n t
t
t
n t
t
t t
u
u u
d
)
*
*
*
)
A
A A
y von Ceumann es igual a<
( )
( )

T
t
t
T
t
t t
n u
n u u
v
)
*
*
*
)
) A
A A
Entonces v va a ser igual a<
( ) ) n
n
d
ya que
( )
d
u
u u
n t
t
t
n t
t
t t

)
*
*
*
)
A
A A
por la tanto la razn entre el d de !urin-#atson y la razn de von Ceumann va a ser igual a<
( )
n
n
dn
d
r
)
)
)

c) El eta(8tico ( e encuentra entre < , =. >Cu5le on lo l8&ite corre*on(iente *ara la ra#n (e 'on
Neu&annC
Los limites correspondientes para la razn de von Ceumann tami2n estaran entre 4 y 9 siempre y cuando n sea
grande deido a que si el 4 4 v d , * * v d y si 9 9 v d .
() Eueto )ue la ra#n (e*en(e (el u*ueto (e )ue lo uA
e o!tienen aleatoria&ente (e una (itri!ucin
nor&al- >?u" tan '5li(o e ete u*ueto *ara lo rei(uo MCOC
!eido a que las perturaciones aleatorias no son oservales y en su sustitucin se utilizan los residuos de la
estimacin de MCO se presenta un prolema deido a que los residuos de estos slo pueden considerarse
representativos en muestras grandes y por lo tanto en el caso de muestras pequeKas los resultados de este contraste
slo pueden ser considerados como una apro1imacin.
e) Su*onien(o )ue en una a*licacin e encontr )ue la ra#n era (e 2.FF con 1<< o!er'acioneG e'alHee la
+i*tei (e )ue no +a, correlacin erial en la in%or&acin.
NotaD B.I.Iart ta!ul lo 'alore cr8tico (e la ra#n 'on Neu&ann *ara ta&aJo (e &uetra (e +ata (e K<
o!er'acione.
( ) ( )
( )

T
t
t
T
t
t t
t
n Z Z
n Z Z
S
v
)
*
*
*
)
*
F
) F

3*.LL n3)44
E
)
*
*
*

n
n
s

7
( )
4*4 . *
??
)44 *

3ar7
( )( )
( ) 49 . 4
?? M )4)
?L
)44 9
) )
*
9
, ) ,+ ) +
*
:
*
:
*
*
*

1
]
1

n n
n
n
n n
n
s

entonces
s3 4.)???.
/ partir de estos resultados se puede encontrar lo siguiente<
v
Ev v
t

por lo tanto<
: . 9
49 . 4
4*4 . * LL . *

t
ICNE0O0EN/CIPC<
Como el ItJ calculado es mayor que el ItJ dado de ).?= se dice que no .ay suficiente evidencia estadstica para
aceptar la .iptesis nula de que no e1iste autocorrelacin.
12.K. Eti&acin (el

(e T+eil0Na$ar !aa(o en el eta(8tico d . T+eil , Na$ar u$irieron )ue en &uetra

*e)ueJa- en lu$ar (e eti&ar

co&o (10 d L2)- e eti&ar5 co&o

* *
* *
, * F ) +
A
k n
k d n

+

Don(e n7nH&ero total (e o!er'acione- d (e Dur!in01aton , M7nN&ero (e coe%iciente )ue 'an a er
eti&a(o (inclu,en(o la intereccin).
Mu"tree )ue *ara un n $ran(e- eta eti&acin (e

e i$ual a la o!teni(a *or la %or&ula &5 i&*le (10

(L2).
Buponiendo que tenemos un d de !urin-#atson igual a ).7 entonces para muestras pequeKas aplicamos la
siguiente frmula y otenemos<
A
7 (10 d L2)
por lo tanto<
*7 . 4
*
7 . )
) A
,
_

/plicando la frmula para muestras pequeKas se otuvo un
A
74.*7, a.ora procedemos a aplicar la frmula
propuesta para muestras grandes.
* *
* *
, * F ) +
A
k n
k d n

+

Buponiendo una muestra de L4 oservaciones y suponiendo un modelo con * variales tenemos<
*7 . 4
* L4
* , * F 7 . ) ) + L4
A
* *
* *

+

Como podemos darnos cuenta con los resultados otenidos aplicando diferentes frmulas otenemos el mismo
resultado de
pA
ya que se tiene el mismo d de !urin-#atson.
12.F Eti&acin (e

D el *roce(i&iento iterati'o Coc+rane0Orcutt (C0O).

Co&o una ilutracin (e ete &"to(o- coni("ree el &o(elo (e (o 'aria!leD
t t t
u X Y + +
* )

(1)
, el e)ue&a AR(1)
+
) t t
u u
Ot -01P

P1 (2)
Coc+rane , Orcutt reco&en(aron lo i$uiente *ara eti&ar

.
1. CalcHlee (1) &e(iante la rutina uual (e MCO , o!t"n$ae lo rei(uo
t
uA
.
A *ro*ito- o!"r'ee )ue *ue(e tenere &5 (e una 'aria!le : en el &o(elo.
2. 4til8cene lo rei(uo calcula(o en el *ao 1- +5$ae la i$uiente re$reinD
t t t
v u u +
)
A A
(@)
?ue e la *arte e&*8rica (e (2).
@. 4til8cee
A
o!teni(a en (@)- calcHlee la ecuacin (e (i%erencia $enerali#a(a (12.A.K).
=. Eueto )ue a *riori no e a!e i la
A
o!teni(a (e (@) e el &eQor eti&a(or (e

- utitH,ane lo
'alore (e ,
A A
M
*
M
)
y o!teni(o en el *ao (@) *ara la re$rein ori$inal (1)- , o!t"n$anelo nue'o rei(uo-
(i$a&o
t u
M
A - co&o

t t
t X Y u
M
*
M
)
M
A A
A (=)

?ue e *ue(en calcular con %acili(a(- ,a )ue e conocen
t
Y
-
t
X
- ,
A A
M
*
M
)
y
;. A+ora calcHlee la i$uiente re$reinD

t
t
t
w u u + )
M M M
A A A (;)
?ue e eti&ar a (@)- , *or tanto *ro*orciona el eti&a(o (e

(e la e$un(a ron(a.
9a )ue e (econoce i (ic+o eti&a(o (e

e el &eQor eti&a(o (e la 'er(a(era

- e calcula el eti&a(o
(e la tercera ron(a- etc. Eor eta ra#n el *roce(i&iento C0O e lla&a &"to(o iteracti'o. Eero- >+ata (n(e
e continHa eta iteracinC
/a reco&en(acin $eneral e )ue e (eten$an la iteracione cuan(o lo eti&a(o ucei'o (e

(i%ieren
*or una *e)ueJa canti(a(- *or eQe&*lo ean &enore )ue <.<1 o <.<<;. En el eQe&*lo (e la re$rein (e lo
alario o!re la *ro(ucti'i(a(- e re)uirieron iete iteracione ante (e (etenere.
a) 4an(o el o%tRare )ue e eliQa- 'eri%8)uee )ue el 'alor (e la

eti&a(a (e <.FA1A *ara la ecuacin

(12.A.1K)- , <.AK1< *ara la ecuacin (12.A.1B) ean a*ro6i&a(a&ente correcta.
M M
774: . 4 )47 . 97
A
t t
X Y +
ee 3 +=.)?4, +4.4=7*, +)*.?.)=,
t 3 +>.*L>, +L.9::,

*
r
4.??7?
Htilizando el BOBB otenemos los siguientes resultados<
Variables introducidas/eliminadas(b,c)
Modelo
Variables
introducidas
Variables
eliminadas Mtodo
1 U_L(a) . Introducir
a Todas las variables solicitadas introducidas
b Variable dependiente: Unstandardized esidual
c e!resi"n lineal a travs del ori!en
Coeficientes(a,b)
Modelo
#oe$icientes no
estandarizados
#oe$icientes
estandarizado
s
t %i!. & 'rror t(p. &eta
1 U_L )**+ ),-. )/,0 11)101 ),,,
a Variable dependiente: Unstandardized esidual
b e!resi"n lineal a travs del ori!en
Como podemos darnos cuenta con los datos de la tala )*.9 primero encontramos los residuos y luego estos
residuos lo rezagamos un perodo y corremos la regresin para encontrar el primer
pA
.
pA
3 4.LL*
Luego se otiene la siguiente regresin<
( ) ( ) ( ) ( )
) ) * ) )
)

+ +
t t t t
Pu u PX X P PY Y
6M 3
)
B M (
*
B M$M (u
Luego de corrida la regresin se otuvo los siguientes resultados
t
X Y + + M 7*= . 4 7=: . 7 M
Variables introducidas/eliminadas(b)
Modelo
Variables
introducidas
Variables
eliminadas Mtodo
1 23%T(a) . Introducir
a Todas las variables solicitadas introducidas
b Variable dependiente: 43%T
Coeficientes(a)
Modelo
#oe$icientes no
estandarizados
#oe$icientes
estandarizado
s
t %i!. & 'rror t(p. &eta
1 (#onstante
)
0)0-1 ).*1 .)1+1 ),,,
23%T
)0+- ),.1 )..5 .)511 ),,,
a Variable dependiente: 43%T
Oara otener el valor de
)
A
B se aplica la formula siguiente<
)9 . 9>
LL* . 4 )
7=: . 7
)
M
A
)
)

Oor lo tanto la regresin anterior nos quedara<

/.ora para encontrar el segundo
pA
de esta regresin sacamos los residuos y luego le rezagamos un perodo para
correr la regresin entre estos.
!espe%ando de la regresin anterior se otiene los residuos<
X Y U 7*= . 4 M
)

!e donde nos quedara<
X Y U 7*= . 4 )9 . 9> M
Variables introducidas/eliminadas(b,c)
Modelo
Variables
introducidas
Variables
eliminadas Mtodo
u X Y + + M 7*= . 4 )9 . 9> M
1 UU_L(a) . Introducir
a Todas las variables solicitadas introducidas
b Variable dependiente: UU
c e!resi"n lineal a travs del ori!en
Coeficientes(a,b)
Modelo
#oe$icientes no
estandarizados
#oe$icientes
estandarizado
s
t %i!. & 'rror t(p. &eta
1 UU_L )**- ),11 )/.. +*)15- ),,,
a Variable dependiente: UU
b e!resi"n lineal a travs del ori!en
En donde
LL= . 4 A
Oara otener el tercer
A
procedemos de la misma manera<
( ) ( ) ( ) ( )
) ) * ) )
)

+ +
t t t t
Pu u PX X P PY Y
6M 3
)
B M (
*
B M$M (u
Luego de corrida la regresin se otuvo los siguientes resultados
Variables introducidas/eliminadas(b)
Modelo
Variables
introducidas
Variables
eliminadas Mtodo
1 UU_L(a) . Introducir
a Todas las variables solicitadas introducidas
b Variable dependiente: UU
Coeficientes(a)
Modelo
#oe$icientes no
estandarizados
#oe$icientes
estandarizado
s
t %i!. & 'rror t(p. &eta
1 (#onstante
)
),11 )1/. ),-- )/5*
UU_L
)**. ),1/ )/-. +1),+5 ),,,
a Variable dependiente: UU
M LL> . 4 4): . 4 M X Y +
Oara otener el valor de
)
A
aplicamos lo siguiente<
))94 . 4
LL= . 4 )
4): . 4
A
)

Luego la regresin quedara de la siguiente manera<
u X Y + + M LL> . 4 )) . 4 M
/.ora para encontrar el tercer
pA
de esta regresin sacamos los residuos y luego le rezagamos un perodo para
correr la regresin entre estos.
!espe%ando de la regresin anterior se otiene los residuos<
X Y U LL> . 4 )) . 4 M
Variables introducidas/eliminadas(b,c)
Modelo
Variables
introducidas
Variables
eliminadas Mtodo
1 UUU_L(a) . Introducir
a Todas las variables solicitadas introducidas
b Variable dependiente: UUU
c e!resi"n lineal a travs del ori!en
Coeficientes(a,b)
Modelo #oe$icientes no
estandarizados
#oe$icientes
estandarizado
s
t %i!.
& 'rror t(p. &eta
1 UUU_L )/*. ),1+ )//. *0)0*5 ),,,
a Variable dependiente: UUU
b e!resi"n lineal a travs del ori!en
?L> . 4 A p
!) >El 'alor o!teni(o (e

&e(iante el *roce(i&iento C0O $aranti#a el &8ni&o $lo!al o lo el &8ni&o

localC
12.1=. Su*n$ae )ue en el &o(elo

t t t
u X Y + +
* )

/o
u
on- en reali(a(- erial&ente in(e*en(iente. ?ue uce(er8a en eta ituacin i- u*onien(o )ue
+
) t t
u u
t- e utili#a la re$rein en (i%erencia $enerali#a(a

+ +
) * * ) )
, ) +
t t t t
X X Y Y
t
Anal8cene en *articular la *ro*ie(a(e (el t"r&ino (e *ertur!acin t.
- Bi las
u
son serialmente independientes entonces

3 4 y por lo tanto no e1istira autocorrelacin es decir la

regresin nos quedara de la siguiente manera<
t t t
X Y + +
* )
0 La variale de perturacin sigue una distriucin normal con media cero y varianza constante.
12.1; En un etu(io (e (eter&inacin (e *recio (e la *ro(uccin %inal a coto (e %actore en el Reino 4ni(o-
e o!tu'ieron lo i$uiente reulta(o con !ae en la in%or&acin anual (urante el *er8o(o 1A;101AKAD

) )
)*) . 4 4*L . 4 *7= . 4 7*) . 4 *>: . 4 4:: . *
A

+ + + +
t t t t t t
PF M M X W F P
ee 7 (<.AA2) (<.12B) (<.<AA) (<.<2=) (<.<@A) (<.11A)
?L9 . 4
*
R 79 . * d
Don(e E.7 *recio (e la *ro(uccin %inal a coto (e %actore- 17 alario *or e&*lea(o- :7 *ro(ucto
interno !ruto *or *erona e&*lea(a- M7 *recio (e i&*ortacin- Mt017 *recio (e i&*ortacin re#a$a(o 1
aJo , E.t017 *recio (e la *ro(uccin %inal a coto (e %actore en el aJo anterior.
SEueto )ue *ara 1F o!er'acione , ; 'aria!le e6*licati'a- al ;T lo 'alore d in%eriore , u*eriore
on <.B1 , 2.<K- el 'alor d eti&a(o (e 2.;= in(ica )ue no +a, autocorrelacin *oiti'aU. Co&"ntee.
Como se puede ver los limites de la pruea d de !urin-#atson no est&n muy definidos es decir no es posile
determinar si e1iste o no autocorrelacin y por lo tanto deera utilizarse otra pruea de deteccin de
autocorrelacin para corroorar esto resultados.
12.2< Eara la re$rein (12.A.A)- lo rei(uo eti&a(o tu'ieron lo i$uiente i$noD
(VVVV)(0)(VVVVVVV)(0)(VVVV)(00)(V)(00)(V)(00)(VV)(0)(V)(000000000)(V)
Con !ae en la *rue!a (e rac+a- >e *ue(e ace*tar la +i*tei nula (e )ue no +a, autocorrelacin en eto
rei(uoC
Como el nQmero de rac.as es grande +)7 rac.as, se dice entonces que e1iste una correlacin negativa es decir no
e1iste suficiente evidencia estadstica para aceptar la .iptesis nula de que no .ay autocorrelacin es decir se acepta
la .iptesis alternativa.
12.21 Erue!a *ara correlacin erial (e or(en u*erior. Su*n$ae )ue e tiene in%or&acin (e erie (e
tie&*o o!re una !ae tri&etral. En lo &o(elo (e re$rein )ue coni(eran in%or&acin tri&etral- en
lu$ar (e utili#ar el e)ue&a AR (1) (a(o en (12.2.1)- *ue(e er &5 a*ro*ia(o u*oner un e)ue&a AR (=)
co&o el i$uiente.
t t t
u u +
9 9
e (ecir- u*oner )ue el t"r&ino (e *ertur!acin actual et5 correlaciona(o con el t"r&ino *ara el &i&o
tri&etre (el aJo anterior- en lu$ar (e etarlo con el (el tri&etre anterior.
Eara *ro!ar la +i*tei (e )ue 4
9
- 1alliW u$iere la i$uiente *rue!a d &o(i%ica(a (e Dur!in01atonD
( )

n
t
t
n
t
t t
u
u u
d
)
*
7
*
9
9
A
A A
El *roce(i&iento (e *rue!a i$ue la rutina (e la *rue!a d uual anali#a(a en el te6to.
1alli +i#o la ta!la
9
d la cuale *ue(en encontrare en u art8culo ori$inal.
Su*n$ae a+ora )ue +a, in%or&acin &enual. >Eo(r8a la *rue!a Dur!in01aton er $enerali#a(a *ara
coni(erar tal in%or&acinC De er a8- ecr8!ae la %r&ula
)*
d a*ro*ia(a.
Buponiendo un esquema /0+)*, tenemos<
t t t
u u +
)* )*
es decir, suponer que el t2rmino de perturacin actual est& correlacionado con el t2rmino para el mismo mes del
aKo anterior, en lugar de estarlo con el del mes anterior, por lo tanto la frmula apropiada d de !urin-#atson es
la siguiente<
( )

n
t
t
n
t
t t
u
u u
d
)
*
):
*
)*
)*
A
A A
12.22 Su*n$ae )ue e eti&a la i$uiente re$reinD
t t t t
u K L produccin + + + ln ln ln
: * )

(on(e 9 e la *ro(uccin- / e el inu&o tra!aQo- X e el inu&o ca*ital , Y e el o*era(or (e *ri&era
(i%erencia.
>C&o e inter*retar8a
)
en ete &o(eloC
)

Este nos estara midiendo el incremento porcentual de la produccin ante incrementos unitarios en el tiempo
+deido a que el tiempo no esta e1presado en logaritmos, siempre y cuando
*
y :

sean iguales a cero.

>Eo(r8a 'ere "te co&o una eti&acin (el ca&!io tecnol$icoC Juti%i)ue la re*ueta.
Bi se podra ver esto como una estimacin del camio tecnolgico ya que la tecnologa camia a lo largo del tiempo
y por lo tanto
)
es el coeficiente de la variale tendencia y este nos estara midiendo el movimiento sostenido ya
sea de crecimiento o disminucin en el comportamiento de la variale tecnologa.
12.2; Se +i#o la re$rein (e lo rei(uo (e la re$rein (e lo alario o!re la *ro(ucti'i(a( (a(o en
(12.;.1)- o!re lo rei(uo re#a$a(o (e ei *erio(o anteriore Ze (ecir- AR (K)[- *ro(uci"n(oe lo
i$uiente reulta(oD
Variable dependiente: '%1
Mtodo: M(nimos cuadrados
Muestra (a6ustada) : 1/-071//*
8bsetvaciones incluidas: 15 despus de a6ustar los estremos
Variable #oe$iciente 'rror estd. 'stad(stico t 9rob.
# 0)0/,5-+ 1)/-1-,1 +)*5.,51 ,),,*0
2 7,),---,0 ,),+15-/ 7+)*1*,0* ,),,*.
'%1(71) ,)*15/.1 ,)+1-+11 1).-*/.* ,),,,/
'%1(7+) 7,)+-*-01 ,)+.1**. 7,)/*,**+ ,)110.
'%1(71) 7,)1,-,1. ,)+.+.* 7,)1**-0+ ,).,,.
'%1(75) ,)1,0-1 ,)+.1+0* 1)11*5-. ,)+.1-
'%1(70) 7,),-51.0 ,)+*,0.. 7,)++/51* ,)*+,1
'%1(7-) ,)+1-10- ,)+++1- ,)/.+/.- ,)11/0
estd. :e :urbin7;atson 1).0*/
L?*4 . 4
*
R
L=*? . 4
*
R
a) De lo reulta(o anteriore- >)u" e *ue(e (ecir re*ecto a la naturale#a (e la autocorrelacin en lo (ato
o!re alario , *ro(ucti'i(a(C
0especto a la naturaleza de la autocorrelacin podemos decir que el t2rmino de perturacin del modelo )*.7.) no
slo depende del aKo actual sino que tami2n depende de los aKos anteriores, es decir esta tiene rezagos, y por tanto
esto determinara que e1iste autocorrelacin.
!) Si e *iena )ue un &ecani&o AR (1) caracteri#a la autocorrelacin en lo (ato- >e utili#ar8a la
tran%or&acin (e la *ri&era (i%erencia *ara eli&inar la autocorrelacinC Juti%i)ue u re*ueta.
Bi. La transformacin de la primera diferencia puede eliminar la autocorrelacin /0+),, sin emargo este puede
causar que una serie de tiempo sea estacionaria deido a que el t2rmino de error +
t
u
, se vuelve estacionaria ya que
es igual a t

, un m2todo apropiado para esta transformacin es que

sea alta o que d sea a%a.

12.2K Re%i"rae a la in%or&acin o!re la in(utria (el co!re (a(a en la ta!la 12.B
Ta!la 12.B
a) Con !ae en eta in%or&acin- et8&ee el i$uiente &o(elo (e re$reinD
t t t t t
u n! n" nLt n n# + + + + +
7 9 : * )

:ependent Variable: L<#T
Met=od: Least %>uares
:ate: ,0?1.?,. Time: ,*:5*
%ample: 1/01 1/*,
Included observations: 1,
Variable #oe$$icient %td. 'rror t7%tatistic 9rob.
# 71.0,,551 1.,,1,+, 71.5/0/+1 ,.15.+
L<I ,.5-.0,/ ,.1-0/*. +.*1-051 ,.,,/1
L<L ,.+./551 ,.115.+- +.510.50 ,.,++1
L<@ 7,.,,010+ ,.15+/5. 7,.,1-,1* ,./.10
L<3 ,.55155/ ,.1,-0,* 5.155.1. ,.,,,1
7s>uared ,./1-,/, Mean dependent var 1..+1150
3d6usted 7s>uared ,./+0*-5 %.:. dependent var ,.55.15/
%.'. o$ re!resi"n ,.1+1.5/ 3AaiAe in$o criterion 71.+++-/+
%um s>uared resid ,.1.,0.1 %c=Barz criterion 7,./*/10/
Lo! liAeli=ood +1.15,1/ C7statistic /1.0511+
:urbin7;atson stat ,./05/5, 9rob(C7statistic) ,.,,,,,,
Inter*r"tee lo reulta(o.
Con los datos dados en la tala )*.> y aplicando el programa EvieRs se otuvo los siguientes resultados.
t t t t
! n " n t L n n # n
A
99 . 4
A
447 . 4
A
*L . 4
A
9> . 4 74 . )
A
+ + +
ee 3 +).44:, +4.)==, +4.))7, +4.)9:, +4.)4>,
t 3 +-).9L, +*.L*, +*.99, +-4.49, +9.)9,

*
R
4.?9

*
R
4.?:
ICNE0O0EN/CIPC<
)
A

Este nos indica el camio porcentual en el promedio de doce meses del precio interno del core en EEHH dados
camios unitarios en el tiempo siempre y cuando las dem&s variales sean igual a cero, es decir es decir Ct
disminuir& en ).7@.
*
A

!ado un incremento porcentual del )@ en el ndice promedio de doce meses de la produccin industrial se estima
que el promedio de doce meses del precio interno del core en EEHH se incrementar& en 4.9>@ manteniendo todo
lo dem&s constante, es decir e1iste una relacin directa entre Ct y Lt si aumenta la una, aumentar& la otra y
viceversa.
:
A

!ado un incremento porcentual del )@ en el precio promedio de doce meses del core en la olsa de metales de
Londres se estima que el promedio de doce meses del precio interno del core en EEHH se incrementar& en 4.*L@
manteniendo todo lo dem&s constante, es decir e1iste una relacin directa entre estas dos variales si aumenta la
una, aumentar& la otra y viceversa.
9
A

!ado un incremento porcentual del )@ en el nQmero de construccin de casas por aKo se estima que el promedio de
doce meses del precio interno del core en EEHH disminuir& en 4.447@, es decir e1iste una relacin inversa entre
estas dos variales si aumenta la una, disminuir& la otra y viceversa.
7
A

!ado un incremento porcentual del )@ precio promedio de doce meses del aluminio se estima que el promedio de
doce meses del precio interno del core en EEHH se incrementar& en 4.99@, es decir e1iste una relacin directa
entre estas dos variales si aumenta la una, aumentar& la otra y viceversa.
*
R
Con un coeficiente de determinacin de 4.?9 se dice que el ?9@ de las variaciones en el promedio de doce meses
del precio interno del core en EEHH est&n e1plicadas por las variales del modelo en su con%unto.
!) O!t"n$ae lo rei(uo , lo rei(uo etan(ari#a(o (e la re$rein anterior , $ra%8)uee. >?u" e *ue(e
o*inar o!re la *reencia (e autocorrelacin en eto rei(ualeC
Rei(uo R. etan(
,.,10*/1 ,.+/5*11
7,.,0.0.5 7,.5.+*/0
7,.+1-+5, 71./5,1**
7,.,/-51* 7,../1/1*
,.10+1,* 1.+0,//*
,.++5*/* 1.*5.++0
,.,0*-11 ,.5*10**
7,.,-*.-. 7,.0-5*+0
,.,115.5 ,.+0*01-
,.,5/++, ,.5,5+.5
,.,+.0+, ,.++-,1/
,.,1/*-5 ,.1+.511
,.,1-*-, ,.1,+.0,
7,.,-*10, 7,.00/.-+
7,.1+*,01 71.,01.*,
7,.1*15,, 71.0,-1.0
7,.,-/5+- 7,.0.,+5,
7,.,*++/, 7,.-.0*/*
7,.,5/*-. 7,.5,/0*.
,.15/5,1 1.++.151
,.1,0,-/ ,.*-+//*
,.,/--5- ,../1*11
,.,*+*,+ ,.-*,1,*
,.1-,*-5 1.1+1+./
,.,.-0*1 ,.-+/,,-
7,.,1,1.5 7,.+5/5..
7,.15.,.. 71.+,*,1*
7,.1*/11/ 71.0001-1
,.,0,1+. ,.511.++
,.,+**15 ,.+1---5
Rei(uo
7.1
7.+
7.1
.,
.1
.+
.1
+.* 1.+ 1.- 5., 5.5 5.*
L<#T

'
%
I
:
'%I: vs. L<#T
Rei(uo etan(ari#a(o
7+
71
,
1
+
+.* 1.+ 1.- 5., 5.5 5.*
L<#T

'
%
I
:
'
%
T
3
<
:
'%I:'%T3<: vs. L<#T
c) Et8&ee el eta(8tico d (e Dur!an01aton , co&"ntee o!re la naturale#a (e la autocorrelacin
*reente en lo (ato.
d
calcula(o7 <.A;=A=<
n3 :4
837
K 39
d 3 4.?79?
; 3 4.47
5uscando en las talas d de !urin-#atson otuvimos los siguientes resultados<

l
d
).)9: 9- l
d
3 *.L7>

u
d
).>:? 9- u
d
3 *.*=)
4 ).)9: ).>:? * *.*=) *.L7> 9
4.?797
ICNE0O0EN/CIPC
Con un ?7@ de confianza podemos decir que no .ay suficiente evidencia estadstica para aceptar la .iptesis nula
de que no e1iste autocorrelacin es decir se acepta la .iptesis alternativa de que e1iste autocorrelacin y en este
caso es positiva.
() E%ectHee la *rue!a (e rac+a , 'ea i u re*ueta (i%iere (e la re*ueta (a(a en c).
Oara e1plicar esta pruea se anotan simplemente los signos Como +( o -, de los residuos de la regresin dados en la
tala )*.>
+(,+---,+(((,+-,+(((((,+------,+((((((,+---,+((,
Es as como .ay ) residuo positivo seguido de< : negativos, : positivos, ) negativo, 7 positivos, = negativos, =
positivos, : negativos y * positivos. Hn total de :4 oservaciones, por lo tanto e1isten ? rac.as.
So< los datos fueron generados por un proceso aleatorio.
Sa< los datos no fueron generados por un proceso aleatorio.
Media< )
*
, +
* )
+
$
$ $
R E
)
:4
, ): ,+ )> + *
, + + R E


>: . )7 , + R E
Tarianza<
( )
( ) ( ) )
* *
*
* ) * ) *

$ $
$ $ $ $ $
R

( ) ( ) ( ) [ ]
( ) ( ) *? :4
:4 ): )> * , ): + )> *
*
*

R

R
*

=.?L
R *.=9
( ) ( ) [ ] ?7 . 4 ?= . ) ?= . ) Or +
R R
R E R R E o%
( ) ( ) [ ] ?7 . 4 =9 . * ?= . ) >: . )7 =9 . * ?= . ) >: . )7 Or + R o%
)4.7= R *4.?4
Como 03? cae fuera del intervalo anterior se dice entonces que con un ?7@ de confianza se rec.aza la .iptesis
nula de que los datos fueron generados por un proceso aleatorio es decir se acepta la alternativa.
Como podemos darnos cuenta este literal con el literal c, la respuesta no difiere ya que aplicando las dos prueas
e1iste autocorrelacin.
e) >C&o e encontrar8a i un *roceo Ar(*) (ecri!e &eQor la autocorrelacin )ue un *roceo Ar(1)C
Como un esquema de primer orden no contiene datos rezagados se puede utilizar el & de !urin-#atson entonces
un esquema de orden p si se puede utilizar ya que este esquema si utiliza datos con rezagos y por lo tanto descrie
me%or la autocorrelacin.
12.2B Se le (a la i$uiente in%or&acinD
4)Dasto de consumo
personal
(miles de millones de
d"lares) 2) tiempo 4)estimado 4E u residuos
+*1)5 1(F1/0-) +-1)5+,* 1/)/./1
+**)1 + +.-)-,+- 11)5/.1
+/, 1 +/1).*55 71).*55
1,.)1 5 1,-)/--1 ,)111*
11-)1 0 1++)15./ 7-),5./
1++)0 - 11.)1+/. 715)*+/.
11*)5 . 10+)0110 715)1110
101)1 * 1-.)-/11 715)1/11
1.1). / 1*+)*.01 7/)1.01
1/.). 1, 1/*),0-/ 7,)10-/
51*)1 11 511)+1*- 5)*-11
51,)1 1+ 5+*)5+,- 1)-./0
50+). 11 551)-,++ ,)//..
5-/)1 15 50*).*5 1,)110/
5.-)/ 10(F1/.,) 5.1)/-0* +)/151
a) 3eri%8)uee )ue el d (e Dur!in01aton e i$ual a <.=1=F.
:ependent Variable: 4
Met=od: Least %>uares
:ate: ,0?1.?,. Time: 1+:1.
%ample: 1 10
Included observations: 10
Variable #oe$$icient %td. 'rror t7%tatistic 9rob.
# +5-.+1/, 0.*5*+/- 5+.1,551 ,.,,,,
2 10.1*1./ ,.-51++. +1.-,+05 ,.,,,,
7s>uared ,./..1/- Mean dependent var 1-..-/11
3d6usted 7s>uared ,./.055+ %.:. dependent var -*.-*+-5
%.'. o$ re!ression 1,..-1+5 3AaiAe in$o criterion ...11.1.
%um s>uared resid 10,-.,1- %c=Barz criterion ..*,*1+5
Lo! liAeli=ood 700.*0+** C7statistic 00..,./*
:urbin7;atson stat ,.515.01 9rob(C7statistic) ,.,,,,,,
Como podemos oservar el d de !urin-#atson es igual a 4.9)9L lo cu&l verifica la respuesta.
!) >Ia, correlacin erial *oiti'a en la *ertur!acioneC
7+,
71,
,
1,
+,
1,
+ 5 - * 1, 1+ 15
'%I:
Como podemos oservar en el gr&fico anterior .ay muc.as series de tiempo que presentan autocorrelacin positiva
ya que la mayor parte de estos se mueven .acia arria o .acia dea%o durante perodos prolongados de tiempo
Oara comproar lo anteriormente dic.o se procede a realizar la pruea d de !urin-#atson .
n3 )7
83*
K 3)
d 3 4.9)9L
; 3 4.47
5uscando en las talas d de !urin-#atson otuvimos los siguientes resultados<

l
d
).4>>

u
d
).:=)
4 ).4>> ).:=) * 9-du 9-dl 9

4.9)9L
Con un ?7@ de confianza podemos decir que no .ay suficiente evidencia estadstica para aceptar la .iptesis nula
de que no e1iste autocorrelacin es decir se acepta la .iptesis alternativa de que e1iste autocorrelacin y en este
caso es positiva.
c) De er a8- et8&ee * &e(iante el
i) &"to(o (e T+eil0Na$ar
( )
* *
* *
* F )
A
K n
K d n

+

( )
L*7) . 4
* )7
* * F 9)9> . 4 ) )7
A
* *
* *

+

Como podemos oservar
A ) y el d 3 4.9)9L que se apro1ima a cero, por lo tanto concluimos diciendo que
e1iste autocorrelacin positiva.
ii) Eroce(i&iento (e (o *ao (e Dur!in
!e la siguiente regresin<
iii) &"to(o (e Coc+rane0Orcutt
() 4til8cee el &"to(o (e T+eil0Na$ar *ara tran%or&ar la in%or&acin , e%ectHee la re$rein con lo (ato
tran%or&a(o.
e) >/a re$rein eti&a(a en () *reenta autocorrelacinC De er a8- >C&o (e+acere (e "taC
12.@K El eta(8tico + (e Dur!inD coni("ree el i$uiente &o(elo (e la (eter&inacin (e alarioD
t t t t
u Y X Y + + +
) : * )

Don(eD
97 alario78n(ice (e co&*enacin real *or +ora
:7*ro(ucti'i(a(78n(ice (e *ro(uccin *or +ora
a) 4tili#an(o lo (ato (e la ta!la 12.=- calcHlee el &o(elo anterior e inter*r"tee lo reulta(o.
:ependent Variable: 4
Met=od: Least %>uares
:ate: ,0?1.?,. Time: 15:1.
%ample(ad6usted): 1/-, 1//*
Included observations: 1/ a$ter ad6ustin! endpoints
Variable #oe$$icient %td. 'rror t7%tatistic 9rob.
# *.+5./+, 1..05050 5..,,*/, ,.,,,,
2 ,.1+5+/. ,.,51,1* 1.,1,+/, ,.,,50
4(71) ,.*,1+0- ,.,00*1, 15.10-*, ,.,,,,
7s>uared ,.//1.*- Mean dependent var *-.151,1
3d6usted 7s>uared ,.//1551 %.:. dependent var 1+.155*-
%.'. o$ re!ression ,.///.*+ 3AaiAe in$o criterion +./11+55
%um s>uared resid 10./*51, %c=Barz criterion 1.,1/+11
Lo! liAeli=ood 701..-/+- C7statistic +*.*..*1
:urbin7;atson stat 1.0+1.*1 9rob(C7statistic) ,.,,,,,,
Con lo (ato (a(o , corrien(o el &o(elo en el *ro$ra&a E'ieR e o!tiene lo i$uiente reulta(oD
)
A
L4) . 4
A
)*9 . 4 *7 . L
A

+
t t t
Y X Y
ee 3 +).>7, +4.49, +4.4=,
t 3 +9.>, +:.4:, +)9.:=,

*
R
4.??
INTERERETACION
)
A

Este nos indica un camio en el ndice de compensacin real por .ora dados camios unitarios en el tiempo siempre
y cuando las dem&s variales sean igual a cero, es decir
t
Y
se incrementar& en L.*7 unidades, ya que estas dos
variales tienen una relacin directa.
*
A

Hn
*
A
3 -4.)*9 nos indica que dado un camio unitario en el ndice de produccin por .ora se estima que el ndice
de compensacin real por .ora disminuir& en 4.)*9 unidades manteniendo todo lo dem&s constante, la relacin que
e1iste entre estas dos variales es inversa.
:
A

4n
:
A
34.L4) nos indica que dado un camio unitario en el ndice de compensacin real por .ora del aKo anterior
se estima que el ndice de compensacin real por .ora del aKo actual se incrementar& en 4.L4) unidades
manteniendo todo lo dem&s constante, la relacin que e1iste entre estas dos variales es directa.

*
R
4.??
4n

*
R
4.?? nos dice que el ??@ de las variaciones en el ndice de compensacin real por .ora est&n e1plicadas
por el modelo en su con%unto.
!) Eueto )ue el &o(elo tiene una re$rea(a re#a$a(a co&o una re$reora- la ( (e Dur!in01aton no reulta
a*ro*ia(a *ara a'eri$uar i e6ite correlacin erial en lo (ato. Eara tale &o(elo- lla&a(o &o(elo auto
re$rei'o- Dur!in (earrollo el a8 lla&a(o eta(8tico + *ara *ro!ar la autocorrelacin (e *ri&er or(en- el
cu5l e (e%ine co&oD
( ) [ ]
:
A
var )
A

n
n
&

Don(e n ta&aJo (e la &uetra- 'ar ( )

:
A
'arian#a (el coe%iciente (e la ) t
Y
re#a$a(a ,
A
el eti&a(o (e
la correlacin erial (e *ri&er or(en.
Eara un ta&aJo (e &uetra $ran(e (t"cnica&ente ainttica)- Dur!in &otr )ue- !aQo la +i*tei nula (e
)ue *7<.
& \N(<-1)
E (ecir- el eta(8tico + i$ue la (itri!ucin nor&al et5n(ar. A *artir (e la *ro*ie(a(e (e la (itri!ucin
nor&al- e a!e )ue la *ro!a!ili(a( (e )ue
&
]1.AK e (e cai ;T. Eor coni$uiente- i en una a*licacin
&
]1.AK- e *ue(e rec+a#ar la +i*tei nula (e )ue *7<G e (ecir e6ite e'i(encia (e )ue e6ite
autocorrelacin (e *ri&er or(en en el &o(elo autorre$rei'o (a(o ante.
Eara a*licar la *rue!a- e *roce(e a8D *ri&ero e eti&a el &o(elo anterior &e(iante (MCO) (en ete
&o&ento no +a, )ue *reocu*are *or *ro!le&a (e eti&acin). Se$un(o. O!"r'ee la 'ar ( )
:
A
en ete
&o(elo- a8 co&o el eta(8tico ( )ue e calcula (e &anera rutinaria. Tercero- utili#an(o el 'alor (- o!t"n$ae
*\(10(L2). Reulta intereante notar )ue a *ear (e )ue no e *ue(e e&*lear el 'alor * *ara *ro!ar la
correlacin erial en ete &o(elo- i e *ue(e uar *ara o!tener un eti&a(o (e *. Cuarto- a+ora e calcula el
eta(itico +. ?uinto- i el ta&aJo (e la nuetra e ra#ona!le&ente $ran(e , i la
&
calcula(a e6ce(e a
1.AK- e *ue(e concluir )ue +a, e'i(encia re%erente a una autocorrelacin (e *ri&er or(en. Eor u*ueto e
*ue(e uar cual)uier ni'el (e i$ni%icancia )ue e (eee.
A*l8)uee la *rue!a + al &o(elo autorre$rei'o (e (eter&inacin (el alario (a(o ante , (e(H#cae la
concluione a*ro*ia(a. Ta&!i"n co&*5rene lo reulta(o con lo o!teni(o &e(iante la re$rein (12.;.1)
Corriendo la regresin el en programa EvieRs se otuvo la d de !urin-#atson igual a ).7*)>L) y con este
resultado podemos otener
A
a partir de la siguiente frmula<
A
7 (10 d L2)
Entonces<
*:?)4?7 . 4
*
7*)>L) . )
) A
( ) [ ]
:
A
var )
A

n
n
&

Oor lo tanto<
[ ] 44:))9 . 4 94 )
94
*9 . 4

&
=* . )
L>799 . 4
94
*9 . 4 &
INTERERETACI^N
Como el
&
calculada es menor que ).?= se dice que con un ?7@ de confianza no .ay evidencia referente a una
autocorrelacin de primer orden.
i, 0egresin )*.7.)
t t
X Y
A
>):= . 4 7)?* . *?
A
+
ee3 +).?9*:, +4.4*9),
t 3 +)7.)?>>, +*?.=4==,

*
r
3 4.?7L9 d 4.)**? =>77 . * A
*

ii, 0egresin con rezagos
)
A
L4) . 4
A
)*9 . 4 *7 . L
A

+
t t t
Y X Y
ee 3 +).>7, +4.49, +4.4=,
t 3 +9.>, +:.4:, +)9.:=,

*
R
4.??
Comparando los resultados de amas regresiones podemos oservar que el coeficiente de determinacin de la
regresin con rezagos es mayor que la regresin )*.7.), por lo tanto podemos decir que el segundo modelo tiene un
a%uste ligeramente me%or.
12.@F 4tili#an(o lo (ato *ara la re$rein (e lo alario o!re la *ro(ucti'i(a( (a(o en la ta!la 12.=-
et8&ee el &o(elo (12.A.F) , co&*5ree lo reulta(o con lo o!teni(o &e(iante la re$rein (12.A.A) >?u"
concluin (e) coli$eC
Con lo (ato *ro*orciona(o en la ta!la 12.= eti&an(o el &o(elo (12.A.F) e o!tienen lo i$uiente
reulta(o- co&o e *ue(e o!er'ar en el ane6o N. 1
t t t
X Y + +
* )
t t
X Y
A
>*) . 4 )4: . *?
A
+
ee 3 +).?=7, +4.4*7,
t 3 +)9.L)4, +*?.)?L,

*
R
4.?=
Con los datos proporcionados en la tala )*.9 estimando el modelo +)*.?.?, se otienen los siguientes resultados,
como se puede oservar en el ane1o C. *
t t
X Y
A
t t
X Y =>L . 4
A

ee 3 +4.4L:,
t 3 +L.)>7,

*
R
4.=:>
Como se puede ver el segundo modelo parece a%ustarse de me%or manera ya que la caracterstica principal de
primeras diferencias es que no tiene rezagos ni la variale tendencial por la tanto parece a%ustarse de me%or manera.
/CE$O C.)
Model Summary(b)
Model %>uare
3d6usted
%>uare
%td. 'rror o$
t=e 'stimate :urbin7;atson

1 )/./(a) )/0* )/0. +)-11+- )151
a 9redictors: (#onstant)) Guno
b :ependent Variable: Huno
Coefficients(a)
Model
Unstandardized
#oe$$icients
%tandardized
#oe$$icients t %i!.
& %td. 'rror &eta
1 (#onstant
)
+/)1,1 1)/-0 15)*1, ),,,
Guno
).+1 ),+0 )/./ +/)1/* ),,,
a :ependent Variable: Huno
/CE$O C.*
Model Summary(c,d)
Model

%>uare(a)
3d6usted
%>uare
%td. 'rror o$
t=e 'stimate :urbin7;atson

1 )./*(b) )-1. )-+* 1),10,+ 1).10
a Cor re!ression t=rou!= t=e ori!in (t=e no7intercept model)) %>uare measures t=e proportion o$ t=e variabilitH in t=e dependent variable
about t=e ori!in eGplained bH re!ression. T=is #3<<8T be compared to %>uare $or models B=ic= include an intercept.
b 9redictors: Gd
c :ependent Variable: Hd
d Linear e!ression t=rou!= t=e 8ri!in
Coeficientes(a,b)
Model
Unstandardized
#oe$$icients
%tandardized
#oe$$icients t %i!.
& %td. 'rror &eta
1 Gd )-.* ),*1 )./* *)1.0 ),,,
a :ependent Variable: Hd
b Linear e!ression t=rou!= t=e 8ri!in