Ejercicio2.

A. Con la informacin proporcionada, obtenga, analice e interprete:

a) Para cada variable independiente: Modelo de regresin lineal
simple, intervalos de confianza de la pendiente, la varianza del
modelo, anlisis de varianza, evale la adecuacin del modelo
usando anlisis residual, coeficiente de determinacin.
Para Y, X1:
MRLS e Intervalo de confianza

Varianza del modelo

Anlisis de varianza

Anlisis residual

Coeficiente de determinacin

Para Y, X2:

MRLS e Intervalo de confianza

Varianza del modelo

Anlisis de varianza

Anlisis residual

Coeficiente de determinacin

Para Y, X3
MRLS e Intervalo de confianza

Varianza del modelo

Anlisis de varianza

Anlisis residual

Coeficiente de determinacin

Para Y, X4
MRLS e Intervalo de confianza

Varianza del modelo

Anlisis de varianza

Anlisis residual

Coeficiente de determinacin

Para Y, X5
MRLS e Intervalo de confianza

Varianza del modelo

Anlisis de varianza

Anlisis residual

Coeficiente de determinacin

Para Y, X6
MRLS e Intervalo de confianza

Varianza del modelo

Anlisis de varianza

Anlisis residual

Coeficiente de determinacin

Para y, X7
MRLS e Intervalo de confianza

Varianza del modelo

Anlisis de varianza

Anlisis residual

Frecuencia
18
16
14
12
10
8
6
4
2
0

Coeficiente de determinacin

b) Con las siete variables independientes: Modelo de regresin lineal

mltiple, estimar los parmetros, varianza del modelo, anlisis de
varianza.
MRLM y estimacin de parmetros

Varianza del modelo

Anlisis de varianza

B. Realice las pruebas de subconjunto de coeficientes

a) Ho: B1=0, donde B1=(B1, B2)

Se acepta la hiptesis nula.

b) Ho: B1=0, donde B1=(B1, B3, B5)

Se rechaza la hiptesis nula.

c) Ho: B1=0, donde B1=(B3, B5, B7)

Se rechaza la hiptesis nula.

d) Ho: B1=0, donde B1=(B7, B2, B4)

Se rechaza la hiptesis nula.

C. Obtenga modelos de regresin e identifique el modelo que parece ser
el mejor. Justifique su respuesta.

Ejercicio 2. La tabla proporciona informacin sobre los automviles de

pasajeros nuevos vendidos en EE. UU. como funcin de diversas variables.
a) Desarrolle un modelo lineal o log lineal apropiado para estimar una
funcin de demanda de automviles en EE. UU.
b) Si decide incluir todas las regresoras dadas en la tabla como variables
explicativas, espera encontrar el problema de multicolineadlidad?
Por qu?
c) Si espera lo anterior, cmo resolvera el problema? Plantee los
supuestos claramente y muestre todos los clculos de manera
explcita.
Desarrollo
a)

El modelo es:

Y =2933.91+50.54X 1103.5X 2+6.12X 3105.98X 4 +0.12X 5

b)

La colinealidad es moderada.
c) No hay multicolinealidad grave, por lo tanto no se emplear algn
mtodo para corregirla.

Ejercicio 6. La tabla presenta informacin acerca de los precios de acciones

(Y) y los precios al consumidor (X) expresados en cambios porcentuales
anuales para un corte transversal de 20 pases.

a) Grafique los datos en un diagrama de dispersin.

b) Efecte la regresin de Y sobre X y examine los residuos de esta
regresin. Qu observa?
c) Como los datos de Chile parecen atpicos, repita la regresin en b) sin
la informacin sobre Chile. Ahora examine los residuos de esta
regresin. Qu observa?
d) Si, con base en los resultados de b), concluye que hubo
heteroscedasticidad en la varianza del error, pero con base en los
resultados de c) modifica este resultado, qu conclusiones generales
obtiene?
Desarrollo
a)

b)

Como el valor obtenido al multiplicar n*R^2 es menor que el valor

tabular, se concluye que no hay hetroscedasticidad.

c)

Como el valor obtenido al multiplicar n*R^2 es menor que el valor

tabular, se concluye que no hay hetroscedasticidad.
d) Basndonos en el anlisis empleado, tanto en c) como en b), se lleg
a la conclusin de que no hay heteroscedasticidad, por lo tanto puedo
afirmar que la informacin de Chile no es relevante o dicho de otra
manera no afecta al modelo.
Por otra parte, si inicialmente se detecta heteroscedasticidad y al
eliminar esa informacin deja de existir dicho fenmeno, entonces la
conclusin es que la heteroscedasticidad ha sido provocada por un
dato outlier.

Ejercicio 10. Tiene la siguiente informacin:

SCR1 basado en las 30 primeras observaciones = 55, gl = 25

SCR2 basado en las 30 primeras observaciones = 140, gl = 25
Realice la prueba de Goldfeld-Quandt en el nivel de significancia de 5%.

Como podemos observar, el valor de lambda excede al F tabular, por lo

tanto es probable la existencia de hetroscedasticidad.