Planteamiento, solución de problemas y análisis de resultados.

Se requiere que elabore una

respuesta que argumente; o bien, que realice un desarrollo algebraico que de respuesta al
planteamiento que se le presenta. El conjunto de preguntas se ha seleccionado por considerarlas
esenciales en el proceso de formación econométrica de nuestros alumnos. Adicionalmente,
permiten que los alumnos establezcan relaciones teóricas y analíticas entre categorías de la
econometría que se han presentado de forma aislada en su momento.

1. Una empresa de fabricación de vehículos quiere analizar si su función de costos medios tiene forma
de “U”, tal como postula la teoría económica tradicional. Para el análisis cuenta con los datos de los
últimos quince semestres donde:

Y = Costos totales en 105 unidades monetarias constantes.

2
X = Unidades producidas.

Y X

101.0000 10.0000

287.0000 30.0000

196.0000 20.0000

330.0000 40.0000

525.0000 60.0000

425.0000 50.0000

630.0000 70.0000

864.0000 90.0000

742.0000 80.0000

1001.0000 100.0000

1340.0000 120.0000

1158.0000 110.0000

1549.0000 130.0000

1788.0000 140.0000

2032.0000 150.0000

2. Se ha estimado el siguiente modelo para explicar el comportamiento de la demanda de una revista

de difusión internacional con datos referidos a 50 países:
 𝑌𝑌�= 220 + 0.31 X1i + 0.006 X2i – 0.10 X3i

(0.14) (0.002) (0.02)

R2 = 0.78

Nota: Entre paréntesis están los errores estándar de los estimadores.

Donde:
Y = Número de revistas vendidas
X1 = Población del país
X2 = Renta disponible per cápita
X3 = Precio de venta equivalente en cada país 3

3. El análisis de residuos sugiere un posible problema de heteroscedasticidad, relacionado con la

variable renta. Ordenadas las observaciones de menor a mayor según la renta, se estimaron dos
modelos con las 20 primeras observaciones y las 20 últimas, dando como resultado de la suma de
cuadrados de residuos 186.2 y 285.3, respectivamente. Aplicar un test de detección de
heteroscedasticidad.

Si se rechaza la hipótesis nula de homoscedasticidad, ¿qué efectos tiene sobre la estimación mínimo
cuadrática? Sugiera un método para solucionarlo.

4. Un empleado del departamento de contabilidad de la compañía Electra está interesado en realizar

predicciones de los gastos anuales en electricidad que el edificio central de su empresa tendrá en el
futuro, para poder realizar una mejor y más rápida planificación. Para ello, estima por MCO el
siguiente modelo:

Yi = β0 + β1 X1i + β2 X2i + ui

Donde Yi es el recibo anual de electricidad en unidades monetarias, X1i es el precio de la electricidad y X2i el
número de oficinas que tiene el edificio central. Con una muestra de observaciones de los últimos 25 años
ha obtenido los siguientes resultados:

LS // Dependent Variable is Y

Number of observations: 25

VARIABLE COEFFICIENT STD. ERROR T-STAT. 2-TAIL SIG.

C 10.604066 0.2502810 43.5672540 0.000

X1 -0.043343 0.0071982 -6.0213665 0.000

X2 10.000562 0.0437500 -22.8584270 0.000

R – squared 0.932011 Mean of dependent var 100.18527

Adjusted R – squared 0.927354 S.D. of dependent var 15.54971
S.E. of regression 7.280983 Sum of squared resid 167.46261
Durbin-Watson stat 1.025059 F-statistic 322.071200
a) ¿Qué problema encuentra el empleado en la regresión con los datos de la tabla? ¿Cómo le ayudaría a
corregirlo?

b) ¿Tendría problemas si pretendiera efectuar mediciones con los resultados obtenidos en la estimación por
MCO?

5. Con los siguientes datos, verifique la hipótesis de no autocorrelación:

• n = 20, k = 3, d = 1.85
• n = 30, k = 2, d = 1.46
• n = 25, k = 4, d = 3.21
• n = 15, k = 2, d = 1.65
• n = 37, k = 5, d = 3.81 4

6. Suponga que pretende estimar una ecuación de demanda de servicios educativos con datos
correspondientes a un corte transversal que incluye todos los países del mundo. Como variables
explicativas dispone de la renta media de cada país y el número de personas en edad escolar.

a. ¿Esperaría encontrar problemas de heteroscedasticidad?

b. ¿Esperaría encontrar problemas de autocorrelación?
c. ¿Cómo usaría el test de Goldfeld-Quandt para detectar la presencia de
heteroscedasticidad?

7. La siguiente ecuación estimada se obtuvo mediante una regresión MCO utilizando datos
trimestrales de 1970 a 1988, ambos inclusive:

Yt = 0.86 + 0.71 X1t – 1.52 X2t + 0.81 X3t

(2.1) (0.002) (1.6) (0.4)

Nota: Entre paréntesis se dan los errores estándar.

La suma de cuadrados explicada fue de 89.3 y la suma de cuadrados de residuos de 9.2.

a. Verificar la significación de cada uno de los coeficientes.

b. Calcular el coeficiente de determinación R2.
c. Cuando se incluyen tres variables ficticias estacionales y se vuelve a estimar la ecuación, la suma de
cuadrados explicada se eleva a 94.8. Verificar la existencia de estacionalidad.
d. Basándose en la especificación original, se calcularon dos regresiones adicionales para los
subperíodos que van desde el primer trimestre de 1970 al cuarto de 1980 y desde el primero de
1981 al cuarto de 1988, dando como suma de cuadrados de los residuos 3.32 y 4.46
respectivamente. Verificar las siguientes hipótesis:

- Las varianzas de los errores en los dos subperíodos son idénticas.

- Los coeficientes son idénticos en los dos subperíodos.

 8. Los datos de la siguiente tabla corresponden a los residuos y las predicciones obtenidas en una
regresión entre los gastos en alimentación y la renta (más una constante), correspondiente a 30
familias.

(alimentos)

X1 = 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 30, 52, 34, 58, 42, 46, 40, 55, 48, 60, 40, 75, 75, 50, 70, 60,
50, 50.

(renta)

Y = 20, 22, 24, 26, 29, 32, 36, 40, 44, 46, 48, 50, 100, 120, 125, 160, 175, 170, 210, 240, 280, 300, 360, 420, 5
250, 260, 400, 200, 450, 480.

Predicciones y residuos

�𝒊𝒊
𝒙𝒙 � 𝒊𝒊
𝒖𝒖
19.80819 -9.808191
20.04142 -9.041423
20.27465 -8.274654
20.50789 -7.507887
20.85773 -6.857735
21.20758 -6.207582
21.67405 -5.674047
22.14051 -5.14051
22.60697 -4.606974
22.84021 -3.840206
23.07344 -3.073438
23.30667 -2.30667
29.13747 0.862532
31.46979 20.53021
32.05287 1.947134
36.13443 21.86558
37.88366 4.116336
37.30058 8.699416
41.96522 -1.965222
45.4637 9.536299
50.12834 -2.128339
52.46066 7.539341
59.45761 -19.45761
66.45457 8.545427
46.62986 28.37014
47.79602 2.20398
64.12225 5.877746
40.79906 19.20094
69.95305 -19.95305
73.45153 -23.45153

Con estos datos, contraste la presencia de heteroscedasticidad mediante el procedimiento de White.

 9. Una muestra está formada por 200 observaciones y queremos detectar si existe
heteroscedasticidad en el modelo de regresión entre X e Y. Se forman dos submuestras de 100
observaciones de las variables X e Y (además de una constante) y de las mismas se tienen los
siguientes momentos (X también es constante):

Muestra 1 Muestra 2

X’X = 100 500 100 500

500 2200 500 2200

y’X = 500 2000 500 2400 6

y’y = 2200 3000

Se pide:

a. Detectar si existe heteroscedasticidad.

b. Proponer un método para su corrección.

10. Con la información proporcionada en la tabla del ejercicio 8 realice un contraste de autocorrelación
serial de los residuos.

11. Explique de forma intuitiva y con la ayuda de ejemplos, los conceptos de heteroscedasticidad y
autocorrelación.

¿Por qué el procedimiento de MCO no proporciona estimadores eficientes cuando en un modelo se

presenta alguno de dichos problemas?

¿Por qué el procedimiento de los mínimos cuadrados generalizados (MCG) restablece la eficiencia de los
estimadores?

12. El estudio mediante el análisis de regresión de la influencia del precio (X2) y los gastos en publicidad
(X3) en las ventas del “coche del año” de una determinada marca (Y), con datos correspondientes a
30 de sus concesionarios, arroja los siguientes resultados:

Y = 116.16 – 1.31 X2 + 11.24 X3 + û

(11.5) (-9.6) (4.7)

R2 = 0.96 F* = 10.96

(Entre paréntesis figuran los estadísticos t correspondientes a cada coeficiente).

Se pide:

Analizar la significación estadística y económica de los coeficientes del modelo, tanto conjunta como
individualmente, y la bondad del ajuste.
 a. ¿Qué utilidad tienen los resultados de esta regresión para la dirección de la empresa?
b. ¿Cómo reformularía el modelo para recoger la posible interacción entre precio y gastos en
publicidad?
c. ¿Cómo verificaría en este nuevo modelo la hipótesis de que las ventas no están influidas por los
gastos en publicidad?

13. Se desea especificar un modelo del comportamiento del gasto de las familias en un determinado
grupo de bienes, haciéndolo depender de los ingresos y del tamaño familiar. El modelo debe
recoger que la elasticidad demanda-renta no es constante, sino que depende del tamaño de la
familia y que, a su vez, la elasticidad demanda-tamaño familiar es función del nivel de ingreso. 7
a. Especifique el modelo.
b. Si desea, además, que la elasticidad-renta dependa del nivel de renta. Especifique el modelo.

14. Una función de producción tipo Cobb-Douglas: Q = A Lβ2 Kβ3 u , donde Q es la producción, L es el
factor trabajo y K el factor capital. Los coeficientes β2 y β3 son las elasticidades de la producción
respecto al trabajo y al capital, respectivamente. Los resultados de la estimación se muestran en la
siguiente tabla:

LS // Dependent Variable is LNQ

SMPL range: 1 - 12

Number of observations: 12

VARIABLE COEFFICIENT STD. ERROR T-STAT. 2-TAIL SIG.

C 3.4202522 4.4296310 0.7721303 0.460

LNL 0.4256658 0.6352997 0.6700236 0.520

LNK 0.2497068 0.1246899 2.0026214 0.076

R – squared 0.965608 Mean of dependent var 9.069167

Adjusted R – squared 0.957965 S.D. of dependent var 0.072169
S.E. of regression 0.014796 Sum of squared resid 0.001970
F – statistic 126.3433

El modelo que se estimó fue linealizado: ln(Q) = β1 + β2 ln(L) + β3 ln(K) + ln(u)

La función de producción resultado de la estimación es:

𝑄𝑄� = 30.58 L0.43 K0.25

Donde el coeficiente A se obtuvo tomando el antilogaritmo de β1.

A la vista de estos resultados, analizar la posible existencia de multicolinealidad. En caso de que exista,
podría solucionarse imponiendo algún tipo de restricción, tal como el de la presencia de rendimientos
constantes a escala ( β1 + β2 = 1). Verificar esta restricción y una vez no rechazada dicha hipótesis, estime la
elasticidad producción-trabajo y producción-capital.

15. Suponiendo que la variable Y es una función no lineal de X, tal que se aproxima por un polinomio,
¿cómo verificaría la hipótesis de linealidad? Si se acepta la hipótesis de una función parabólica,
¿cuál es la expresión de la elasticidad?, ¿qué implicaciones tiene su medida?

16. Suponga que el verdadero modelo de regresión es:

Yi = β1 + β2 X2i + β3 X22i + ui

pero que se estima:

Yi = γ1 + γ2 X2i + vi

¿Qué puede decir acerca de la dirección del sesgo en el coeficiente de X2i?

17. Con los datos de la siguiente tabla:

a. Estimar un modelo de demanda de Q en Y.

b. Estimar un modelo de demanda de Z = ln(Q) en W = ln(Y).
c. ¿Qué diferencias encuentra entre ambos modelos?
d. Incluya al modelo estimado en el inciso b, la variable X = W2. Calcule las elasticidades-renta con los
tres modelos. ¿Qué modelo elige? Explique intuitivamente las razones para su elección.

Litros de whisky: (Q)

Ingreso: (Y)

Q Y Q Y Q Y

6 247 13 170 18 210

7 239 13 160 19 210

8 236 13 150 20 220

9 225 14 150 21 230

10 220 15 160 22 235

10 210 16 180 24 241

 Q Y Q Y Q Y

11 190 16 180 27 256

11 180 16 190 28 276

12 180 17 190 29 284

12 170 18 200 33 300

Suponga que tanto la cantidad demandada de whisky como la renta están medidas con error:

e. ¿Proporcionan los estimadores MCO estimadores insesgados?

Si la respuesta es negativa, ¿cómo se podrían estimar consistentemente los parámetros del modelo? Nota:
utilice cualquiera de las especificaciones del ejercicio anterior.
18. Con los datos de la siguiente tabla, verifique si existe una relación diferente a la lineal entre el
salario y la edad.
a. ¿Qué forma funcional considera adecuada?

SALARIO EDAD SERVICIOS EN LA EMPRESA

178 28 79

500 62 172

308 38 106 10

540 56 154

596 60 166

166 27 76

268 35 97

340 41 113

240 33 92

420 38 106

242 33 90

480 60 168

318 39 108

280 36 100

260 32 89

19. Solución con base en GRETL / E – Views / STATA

20.

11

21. Solución con base en E-Views

22. Solución con base en E-Views