1.

Usando los siguientes datos, consumo nacional (

R
( t)

Ct

) y renta nacional

en Espaa para el periodo 1995-2005 a precios corrientes (

10
( 9 euros) , obtenga las estimaciones por MCO, as como las sumas de

cuadrados total, explicada y residual , y el coeficiente de determinacin, para el

Ct = 1 + 2 Rt +u t
modelo de regresin
AO
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
SOLUCIN
Xi=6021
Y =492.90909

Ct
349
368
388
414
444
484
518
550
586
635
686

Yi=5422

Rt
388
408
433
465
498
538
574
614
656
699
748

Xi 2=3443083

XiYi=3104015

1=

XY n xy
X 2n x 2

1=

( 3104015 )(11)(547,36364)( 492,90909)

2
344308311(547,36364)

X =547.36364

Yi 2=2798598

1= 0.9240389525 0.92404

0= y 1 x =( 492.90909 ) ( 0.92404 ) ( 547.036364 )=12.87680791

N=11

Interpretacin:
0
: Se puede estimar que cuando la renta nacional en Espaa es cero el consumo
nacional es -12.87681.
1
: Estimamos que el incremento de la renta nacional es de 0.92404 por unidad.
Yi
=12.87681+ 0.92404 Xi

Y=consumo nacional (t)

X=renta nacional (rt)
310401511 ( 547.36364 )( 492.90909 )=125862.8872
SCR= 1 XiYin X Y =0.92404
SCR=125862.8872
2
SCT =( n1 ) S Y =10 ( 12604.49091 )=126044.4091
SCT= 126044.4091
SCE=SCT SCR=126044.4091125862.8872=182.0218909
SCE=182.0218909
SCR 125862.8872
2
r=
=
=0.9985558965 0.99856
SCT 126044.4091
El modelo de regresin lineal simple explica que el 99.9% de las variables renta nacional
con relacin a la consumo nacional, tienen una relacin muy buena al ser el coeficiente de
determinacin muy cercana a la unidad.
2. Una desea estimar los gastos en alimentacin de una familia Y en base a la
informacin
que
proporcionan
las
variables
regresora
X 1=ingresos mensuales
X 2=nmero de miembros de la familia
y
.Para
ello se recoge una muestra aleatoria simple de 15 familias cuyos resultados son
los de la tabla adjunta (El gasto e ingreso est dado en miles de dlares)
GASTO

0.43 0.31

INGRESO 2.1
TAMAO 3

1.1
4

0.32

0.46

1.25 0.44

0.52

0.29

1.29

0.35

0.35

0.78

0.43

0.47

0.38

0.9
5

1.6
4

6.2
4

1.8
6

1.0
5

8.9
3

2.4
2

1.2
4

4.7
3

3.5
2

2.9
3

1.4
4

2.3
3

a) Encontrar y estimar el modelo.

b) Interpretar los coeficientes
c) Calcular los intervalos de confianza de los parmetros del modelo al 90% , para
2
la

d) Encontrar la varianza de los estimadores del modelo

e) Los intervalos de confianza y pruebas de hiptesis para los coeficientes.

Solucin:

a) Encontrar y estimar el modelo :

=0.16045804+ 0.14872702 x 1+ 0.07691519 x 2
b) Interpretar los coeficientes
0=
b -0.16045804 nos indica los gastos en alimentacin en miles de dlares,
cuando no hay ingresos mensuales y tampoco nmero de miembros de la familia
b1=0.14872702

Nos indica los gastos en alimentacin en miles de dlares por

cada ingreso mensual, sin tener en cuenta el nmero de miembros de la familia.

b2=0.07691519 Es el incremento en los gastos de alimentacin en miles de
dlares por cada miembro de la familia sin tener en cuenta los ingresos mensuales.
c) Calcular los intervalos de confianza de los parmetros del modelo al 90% ,
2
para la

(15 2 1)(0.006008154) (15 2 1)(0.006008154)

,

5.892
22,36

IC

IC (0.01223656619, 0.003224411807)

d) Encontrar la varianza de los estimadores del modelo

b20 0.00817019

 b21 9.94272E-05
b22 0.000404286

e) Los intervalos de confianza y pruebas de hiptesis para los coeficientes.

j t / 2,( n k 1) 2C jj j t / 2,( n k 1) 2C jj
-0.160458043-2.160 0.006008154(0.00817019) 0 -0.160458043+2.160 0.006008154(0.00817019)

-0.357398981 0 0.036482895

0.127001389 1 0.170452656
0.033106092 2 0.120724296

Regresin
Residuos
Total
Ftab 3,89

GL
2
12
14

Se rechaza la

H0

SC
CM
1.359542152 0.679771076
0.072097848 0.006008154
1.43164

F
113.14142

de manera que el modelo en conjunto es bueno para explicar la

varianble dependiente
3. Sadasd
4. La funcin de beneficios de los operadores de telefona mvil en nuestro pas
podra corresponder a una funcin del siguiente tipo:

Yi 0.276 2.091X 2i 0.63 xX 3i

Donde:
Yi
: Beneficios obtenidos en el ltimo trimestre por la compaa i.
X 2i
: Tipos de contratos que ofrece a sus clientes la compaa i.
X 3i
: Precio medio del cose de llamada en la compaa i:
En relacin con el modelo anterior s conoce la siguiente informacin:

 5 11 12

XTX
? 29

32

14

X T Y 35
37

Se completa la matriz de :
0.276

B 2.091
0.63

( X T X ) B X TY
Por frmula sabemos que
5 11 12 0.276

11 27 29 2.091
12 29 32 0.63

14

35

37

Multiplicando matrices:
(11* 0.276) ( a * 2.091) (29* 0.63) 35
3.036 ( a * 2.091) (18.27) 35

( a * 2.091) 56.306
a 26.9278 27

X TY

Entonces
5 11 12

11 27 29
12 29 32

5. Una empresa farmacutica est interesada en retirar del mercado uno de sus
complejos vitamnicos. La decisin adoptada consistir en eliminarlo de su
produccin si los beneficios no se ven afectados y mantenerlo en el caso de que
estos varen de forma significativa. Con el fin de tomar una decisin se ha
elaborado un modelo economtrico para explicar los Beneficios(Y) a partir de
los costes del complejo vitamnico cuya exclusin se est planteando(X2) y los
costes totales de produccin(X3). Acerca de estas variables se conoce la
estimacin del siguiente modelo de regresin.

Yt 1.8 0.32 X 2t 0.5 X 3t

Y la siguiente informacin: n=10

Y 15

(Y Y )

Y X

2.5

2t

Y X

2.8

3t

4.1

Suponga que usted es el asesor econmico del director de la empresa

farmacutica y debe aconsejarle acerca de la produccin para el ao
prximo, para ello debe responder a las siguientes preguntas:
a. Contribuyen globalmente las variables seleccionadas en la
explicacin de la variacin de la variable beneficios?
b. Con la finalidad de analizar la sensibilidad de los beneficios a los
costes del mencionado complejo (X2) se ha estimado un modelo
alternativo en el que se excluye esta variable. De este modelo se
conoce el coeficiente de bondad de ajuste

15

X Y 2.8
4.1

T

1.8

0.32
0.5

X Y 24.054
T

SCT (Yt Y ) 2 2.5

R 2 0.97

1.8 0.32 0.5

15
1.5
10

nY 22.5

SCR 24.054 22.5 1.554

SCE 2.5 1.554 0.946

ANVA:
H 0 : 2 3 0
H1 : 2 3 0

F.V
Regresi
n
Residuos
Total

Grados
de
libertad

Suma de
cuadrado
s

2
7
9

1.554
0.946
2.5

Fcal F(0.05,2,7)

Promedio de los
cuadrados
0.777
0.135142857

Fcal

F(0.05,2,7)

5.749471 4.737414
46
13

H0

Se rechaza
Existe suficiente evidencia estadstica para concluir
que los costes de complejo vitamnico y los costes totales influyen
significativamente en los beneficios.

1.554
0.6216
2.5
R 2 ajust 1 (1 R 2 )*( glT / glE ) 1 (1 0.6216)*(2 / 7)
R2

Al eliminar el efecto de los costes del complejo vitamnico el porcentaje de la

variacin de los beneficios aumenta que son explicados por la variable dependiente.
6. EL Gerente de un polideportivo municipal ubicado en el interior de una
provincia situada en la costa conoce por experiencia de los 5 aos anteriores,
que el nmero de entradas vendidas al da (Y) depende del nmero de
kilmetros de distancia a la playa ms cercana (X2) Y del nmero de piscinas
particulares situadas en la zona (X3).
Dispone adems de la siguiente informacin:
0.5625

-0.6875
1.4375

s y2 2

0.4375
-1.0625
0.8125

R 2 0.95

Dado el modelo:

Yi 1 2 . X 2i 3 . X 3i i

H0 :

3 1 35
2 2 180

a) Contraste la siguiente hiptesis:

Solucin:
Y: N de entradas al da.
X2: n de kilmetros de distancia a la playa ms cercana.
X3: n de piscinas particulares situadas en la zona.

(X^TX)^1

0.5625

-0.6875

0.4375

-0.6875

1.4375

-1.0625

sbb

0.4375

-1.0625

0.8125

20
59
88

(X^TY)

( X T X ) 1

9.1875
-22.4375
17.5625

Entonces el modelo es:

Yi 1 2 . X 2i 3 . X 3i i
Yi 9.1875 22.4375 X 2i 17.5625 X 3i i

Hiptesis general

H0 :

-1
0
1

3 1 35
2 2 180
0
2
0

K^T

35
-180

-1
0

0
2

r=2

1
0

Q [ K T m]T [ K T ( X T X ) 1 K ]1[ K T m]

0 m]T1
[ K-1T
0 2 0

35
-180

9.1875
-22.4375
17.5625

-26.625

[ K T m]T

135.125

-1 0 1
[ K T ( X T X ) 1 K ]1
0 2 0
0.5625 0.6875
0.6875 1.4375
2.4864864 0.3243243
9
2
0.4375 1.0625
0.3243243 0.2162162
2
2
-26.625
135.125

m]
[K T

0
0.4375
1.0625
0.8125
-1
0
2
1
0

[ K T ( X T X ) 1 K ]1

POR LO TANTO

m]T [ K T ( X T X ) 1 K ]1[ K T m]
Q [K T
-26.625 135.125

3376.84291

Fcal

Q S
Q

2
2

S .

Fcal

3376.84291
2* 2

Fcal 844.2107
Ftab 10.13

2.4864864
9
0.3243243
2

26.625
135.125

0.3243243
2
0.2162162
2

Fcal Ftab

H0

Decisin:

; se rechaza la
al 95% de confianza.
H0
Por lo tanto como
se rechaza no se puede construir un cuadro ANVA para el modelo
reducido.

Yt 1 2t 3t ut
8-Para el modelo
n 12

X 'X

SCT 104 '9167

se tiene los siguientes datos:

0.6477 0.041 0.0639

0.041 0.0071 0.0011

0.0639 0.0011 0.0152

91

X ' Y 699
448

Se pide:
a) Ajustar el modelo por el mtodo de MCO
determinacin
2 3 1
b) Contraste de significacin para

y calcular el coeficiente de

0 2.5

0 0.3

c) Intervalo de prediccin para E[Y] sabiendo que

a.

][ ] [ ]

0.6477
0.041 0.0639 91
1.6545
^=( X T X )1 ( X T Y ) = 0.041
=
0.0071 0.0011 699
0.7391
0.06369 0.0011 0.0152 448
0.2258
1=1.6545 2=0.7391 3=0.2258

Interpretacin:
1
: estimamos que la variable dependiente se incrementa en 1.6545 cuando las variables
independientes son cero.
2:
El incremento de Y es de 0.7391 por unidad cuando
3:
b.

El incremento de Y es de 0.2258 por unidad cuando

no se tiene en cuenta

no se tiene en cuenta.

SCR = ^ X Y N Y N=12 Y =
T

Y = 91 =7.58333
N

12

[ ]

91
^ T X T Y = [ 1.6545 0.7391 0.2258 ] 699 =768.3488
448
SCR=768.348812 ( 7.58333 )2=78.26547
Adems como SCT= 104.9167 el coeficiente de determinacin ser:
SCE 78.26547
R2=
=
=0.7459
SCT 104.9167
El modelo de regresin mltiple explica que el ajuste realizado explica aproximadamente
un 74.59% de la variabilidad de la dependiente.
c. Para el contraste de significacin de la restriccin tendremos en cuenta
que se rechaza la hiptesis nula.

H 0 : 2+ 3 =1
2 + 31=0 m=1 K =(0 1 1)
H 1 : 2 + 3 1

[ ]

1.6445
K ^m=[ 0 1 1 ] 0.7391 1=0.0351
0.2258

][ ]

0.6477
0.041 0.0639 0
1
K ( X T X ) K T =[ 0 1 1 ] 0.041
0.0071 0.0011 1
0.06369 0.0011 0.0152 1

[]

0
K ( X X ) K =[ 0.1049 0.006 0.0141 ] 1 =0.0201
1
T

K ( X T X ) K T =0.0201
SCR SCT SCE 104.916778.2654
2
^ =
=
=
=2..962
N K
NK
9

2
^ =2.962

Fcal =

0.0351
=0.0207 F tab =F1,9,0.05 =5.117
2.962 0.0201

Fcal < F tab SE ACEPTA H 0

2+ 3=1

Podemos concluir diciendo que

en el problema.

d.

Intervalos de confianza
E [ Y ] : V 0=2.5 W 0=0.3
Y =1.6545+0.7391 V 1 +0.2458 W 2 + t =3
Y =3.43451
X
T
1
X 0 ( T X ) X 0
Y^ 0= t nk1 , / 2
X
0.6477
0.041 0.0639
1
( T X )1 X 0=[ 1 2.5 0.3 ] 0.041
0.0071 0.0011 2.5 =
0.06369 0.0011 0.0152 0.3
X 0T

][ ]

X
( T X ) X 0=0.52837
X 0T
1

3.43451(2.2622)(1.721)( 0.727)

[ 0.60451; 6.26451 ]

9-En un estudio de los determinantes de la inversin se usaron 20 datos anuales,

correspondientes a las siguientes variables: inversin anual en billones de pesetas (Y),

tipo de inters en porcentaje (

X2

X1

y variacin anual de PIB en billones de pesetas (

.Se dispone de la siguiente informacin:

X 1t =100

X 2t =24

Y t =5

X 1t Y t =255

X 2t Y t =146

X 1t Y 2 t =100

X12t 680

Y Y

X 22t 48 '8

Se pide:

1200

Yt X 1t X 2t u2

a) Obtenga las estimaciones por MCO de modelo

b) Contraste la significacin global del modelo a partir del porcentaje de evolucin
temporal de la inversin que puede explicarse por la influencia lineal del tipo de
inters y la variacin anual del PB.
c) Contraste la hiptesis nula:
1 1

2 2

0.36225 0.03875 0.09875

( T X )1= 0.03875 0.00625
0.00625
0.09875 0.00625
0.05625

][ ] [ ] [ ]

0
0.36225 0.03875 0.09875
5
2.725
^= 0.03875 0.00625
0.00625 255 = 0.875 = 1
0.09875 0.00625
0.05625
146
6.125
2
Y =2.7250.875 X 1+ 6.125 X 2+

Interpretacin:
0
: Inversin anual en billones de pesetas (Y), es de -2.725 cuando tipo de inters en
porcentaje (X1) y variacin anual del PBI en billones de pesetas(X2) es cero.
1:
La inversin anual en billones de pesetas tiene una disminucin de -0.875 por unidad
cuando no se tiene en cuenta la variacin anual del PBI en billones de pesetas sin tener en
2
cuenta
.

2:

Nos indica que la inversin anual en billones de pesetas se incrementa en 6.125 por

unidad cuando no se tiene en cuenta

Para el modelo significativo a partir del coeficiente de determinacin se ha de

verificar:
p 1
* F(0.05, p 1, n p )
n p
2
2
R
Rsig
p 1
1
* F(0.05, p 1, n p )
n p
Puesto que:

X Y 2.725 0.875 6.125 *

T

255 1103.7
146

5
0.25
20

nY 1.25

SCR 1103.7 1.25 1102.45

SCT (Y t Y ) 1200

1102.45
0.0187
1200
2
*3.59
17

0.2969
2
1 *3.59
17

R2

2
Rsig

Entonces:
2
R 2 Rsig

Por tanto como

podemos afirmar que el modelo es significativo.
Finalmente para contrastar la hiptesis:

1 1
2 2

H0 :

Se tiene que

0 1 0
K

0 0 1

1
m
2

s2

En tal caso:

0 1 0
K m

0 0 1

2.725

* 0.875
6.125

1
1.875

2
4.125

 0 1 0
K ( X T X ) 1 * K T

0 0 1

0.8623 0.0388 0.0988

* 0.0388 0.0063 0.0063 *
0.0988 0.0063 0.0562

0 0

0.0063 0.0063
1
0

0.0063 0.0562

01

Adems:

SCE SCT SCR 97.55

97.55
5.7382
17

Por lo tanto:

Fcal

1.875

F(0.05,2.17) 3.59

178.7702 20.0401 1.875

4.125
20.0401 20.0401

111.4597
2*5.7382

4.125

Fcal F(0.05,2.17)

Se rechaza la hiptesis nula.

10-Se desea estudiar la influencia que sobre la demanda de carne de vacuno ha

X
X
tenido el precio de la carne de cerdo ( 1
y de la ternera ( 2 .Para ello
se han tomado datos anuales desde 1979 a 2001 (ambos inclusive), obtenindose
los siguientes resultados:
2
Y^t =2,1+ 0,7 X 2 t 1,5 X 2 t
R =0,9
SCE=126
Se podra afirmar, para un nivel de confianza del 95% que los precios no influyen
sobre la demanda de ternera? Para saber si los precios de la carne de cerdo y de
ternera influyen en la demanda de la carne estudiaremos la significacin conjunta
del modelo. Puesto que:
R2
0,9 / 2
0, 45
Fexp k 12

90 3, 49 F2,20 (0,95) Fk 1,n k (1 )

1 R
0,1/ 20 0, 005
nk
Solucin:
Concluimos que se rechaza la hiptesis nula de que todos los coeficientes de las
variables explicativas son nulos de forma simultnea, por lo que los precios de la
carne influyen sobre la demanda.
Yt 1 2 . X 2t 3 . X 3t ut
11-Para estimar el modelo
se ha obtenido una
muestra de la cual ha resultado:

 14 7 14

X ' X 7 4,5 7
14 7 15

10

X ' Y 6
12

Y ' Y 14

Se pide:
a) Estimar los coeficientes del modelo por MCO
b) Estudiar la significacin del modelo.
2 1 3
c) Contrastar el intervalo de prediccin
d) Calcular

el

intervalo

de

X 2 5, X 3 7

prediccin

Y =10 /14
a.

X X
T

1.7857
1.3214 0.5 1 10

X Y 0.5
1
0 * 6
1
1

0
1
2

12
T

Y 1.7857 X 2t 2 X 3t

Por lo tanto el modelo estimado queda:

b. Estudiar la significacin del modelo:

H 0 : B2=B3 =0
H 1 : almenos un Bi 0i=2,3

10
X T Y 1.7857 1 2 * 6
12.1429
12

T

20
0.7143
24

SCR 12.1429 14(0.7143) 2 4.9998

SCT 14 14(0.7143) 2 6.8569
SCE 6.8569 8074 1.8571

F.V

G.L

S.C

C.M

Fcal

F(0.05,2,11)

Regresin

4.9998

2.499

14.8074

3.98

Y =10

Error

11

Total

13

1.8571

0.188

Fcal F(0.05,2,1)

H0
Se rechaza

. El modelo es significativo.

c. Contrastar la hiptesis

K 0 1 1

B 2+1=B 3

m 1

s 1

1.7857

K m 0 1 1 *
1 1 0

F(0.05,1,11) 4.84

Fcal 0

Fcal F(0.05,1,11)

Por lo tanto no se rechaza a la hiptesis.

d. Intervalo de prediccin:

1

X 0 5
7

X 0T 1 5 7

Y X 0T 17.2143

1.8571
0.1688 0.4109
11

X 0T X T X

X 0 56.3214

Por lo tanto:

17.2143 2.201*0.4109* 56.3214

P 10.3671 2 34.0625 95%

12. Al objeto de determinar si existen o no diferencias en las calificaciones obtenidas

por hombres y mujeres en una determinada asignatura, a partir de 20 observaciones
se estim el modelo:
notat 0 1notamediaBUPt 2 genero ut
Donde la variable genero toma el valor de 1 si se trata de una mujer y 0 para un varn. Los
resultados de la estimacin fueron los siguientes:
t 25 0.75notamediaBUPt 20.5 genero
nota
R 2 0.72

 4.5

7.1

2.3

Puede decirse que los resultados de unos y otros son distintos?

Solucin:
Teniendo en cuenta que la nota esperada para un varn y una mujer son respectivamente:
E notat / generot 0 0 1notamediaBUPt

E notat / generot 1 0 1notamediaBUPt 2

Se tiene que para una misma nota media BUP, la diferencia esperada entre la nota de una
mujer y un hombre viene determinada por:
E notat / generot 1 E notat / generot 0 2
Como el contraste de significacin individual para dicho parmetro es significativo:
20.5
tcal
8.913
2.3
ttab t(0.05,60) 2.0003

tcal ttab
Se tiene que dicho parmetro es distinto de cero. Por tanto, puede afirmarse que los
resultados de unos y otros son distintos.
Adems, como la estimacin de dicho parmetro es positiva, la nota esperada para una
mujer es mayor que la de un hombre (siempre y cuando tengan la misma nota medio en
BUP).
13. Con informacin muestral relativa a 14 observaciones, se pretende estimar el
modelo de regresin:
Yt 0 1 X 1t 2 X 2t 3 X 3t ut
A partir de:
14

85
631
T

X X
532 3126 20666

2094 13132 78683 317950

X TY

Se pide:
a) Calcular las estimaciones de los parmetros de modelo MCO:
- Completamos la matriz:

248

1622
9202

37592

85
532
2094
14

85
631
3126 13132
T

X X
532 3126 20666 78683

2094 13132 78683 317950

-

Hallamos la inversa de la matriz

X X
T

20.164
0.015065
0.23145
0.7617

0.015065
0.013204
0.001194
0.00094

XTX

0.23145 0.7617

0.001194 0.00094
0.003635 0.000575

0.000575 0.000401

1
X t X X tY

Hallamos
20.164
0.015065
0.23145
0.7617

0.015065
0.013204
0.001194
0.00094

32.891

0.80371
0.3982

0.03713

0.23145 0.7617
248

0.001194 0.00094 1622

*
0.003635 0.000575 9202

0.000575 0.000401 37592

1
2
3

El modelo de regresin:

Yt 32.891 0.80371X 1t 0.3982 X 2 t 0.03713 X 3t

Var
b) Estimar
Solucin:

Teniendo en cuenta (por construccin del vector

248
Yt 248 Y 14 17.714
Y que:
t . X t Y 4552.552

X tY

que:

Se tiene que:
2
SC R t . X tY n Y
SCR 4552.552 14 17.714

SCR 159.551
Entonces, puesto que el enunciado nos indica que
SCE SCT SCR

SCT 226.86

, es inmediato que:

SCE 226.86 159.551

SCE 67.309
Y por tanto:
SCE 67.309
2

6.7309
n k 14 4

Var
Luego, la estimacin de

2 . X t X 1
Var

:
1.3575
0.00101
0.0155 0.00512

0.00101 0.000888 0.00008 0.000063

0.0155
0.00008
0.00024 0.000038

0.00512 0.000063 0.000038 0.000027

X 2t

c) Influyen las variaciones de

en la variable dependiente?
X 2t

A partir de ambas estimaciones podremos determinar si las variaciones de

Yt
:
0.3982
tcal
25.704
0.00024

influyen en

ttab t(0.05,10) 2.228

tcal ttab

2 0

X 2t

Se rechaza que
, por lo que
influye en la variable dependiente.
d) Calcular el coeficiente de determinacin corregido
Solucin:
Para calcular el coeficiente de determinacin corregido tendremos en cuenta la siguiente
expresin:

R 2 1 1 R2 .

n 1
nk

Puesto que:
159.551
R2
0.7033
226.86
Entonces:
R 2 1 1 0.7033 .

13
10

R 2 0.6143
Podemos observar que al eliminar la influencia de las variables explicativas el coeficiente
de determinacin ha disminuido alrededor del 9%.
e) Calcular un intervalo de confianza del 95% para la varianza del trmino de perturbacin
Solucin:

n k . 2 n k . 2
IC 2 2
, 2

X
X

k
,1

k
,

10 6.7308 10 6.7308
IC 2
,

20.483
3.247

IC 2 3.286 2 20.73

f) Contrastar la significacin global del modelo al 95%

Para contrastar la significacin del modelo construiremos la tabla ANOVA:
F.V
GL
SC
CM
Fcal
Ftab
Regresin 3
159.551
53.18367 7.9014
3.71
Residuos 10
67.309
6.7309
Total
13
226.86
Ftab F(0.05,3,10) 3.71

Fcal Ftab
Decisin:
se rechaza la hiptesis nula de que todos los coeficientes son nulos de
forma simultnea, por tanto el modelo es significativo en su conjunto.
Yt 1 2 X 2t 3 X 3t 4 X 4 t ut
14. Dado el modelo
, utilizando una muestra de 20
datos, se procedi a su estimacin, obtenindose:

Yt 8.34 0.7 X 2t 0.4 X 3t 0.1 X 4t

R 2 0.96

0.56 0.7 0.5

Se pide:
a) Analice el posible problema de multicolinealidad.
Atendiendo a los contrastes de significacin individual, ningn coeficiente es significativo,
ya que:
0.7
tcal
1.25 2.12 t(0.05,16)
0.56
tcal

0.4
0.5714 2.12 t(0.05,16)
0.7

tcal

0.1
0.2 2.12 t(0.05,16)
0.5

Adems el coeficiente de determinacin es bastante alto y el modelo es conjuntamente

significativo:
R2
0.93
0.32
Fcal k 12 3
128
0.04
1 R
0.0025
16
nk
Ftab F(0.05,3,16) 3.24

Fcal Ftab
Todo esto nos hace pensar en la posible existencia de multicolinealidad en el modelo.
b) si hay algn problema, indique la forma ms adecuada de solucionarlo:
La principal solucin para eliminar la relacin lineal entre las variables independientes
consiste en eliminar del modelo la variable que causa la multicolinealidad.