TABLA DE CONTENIDO

TABLA DE CONTENIDO ................................................................................................... 1

INTRODUCCIÓN ............................................................................................................... 2
OBJETIVOS ...................................................................................................................... 3
Objetivo General ............................................................................................................ 3
Objetivos Específicos ..................................................................................................... 3
CONCLUSIONES ............................................................... Error! Bookmark not defined.
BIBLIOGRAFÍA ................................................................................................................ 12
 2

INTRODUCCIÓN

Con este trabajo queremos realizar la interpretación de la regresión lineal

simple, de forma específica para analizar la correlación y la regresión de los datos

muestrales relacionados entre dos variables.

Dicho así; la regresión lineal simple está diseñada para explicar una variable de

carácter cuantitativo conocida como variable independiente, variable regresora o

variable predictora. Por esta razón se desarrollará una actividad con los ejercicios

propuestos en el aula por el tutor, con el propósito de comprender de manera

práctica y sistemática con el programa Gretl en que consiste este tema de la

econometría.
 3

OBJETIVOS

Objetivo General

Aprender a realizar análisis de los datos muestrales entre dos variables de la

regresión Lineal simple.

Objetivos Específicos

 Identificar la variable independiente o regresora entre las dos variables.

 Identificar la variable dependiente de la variable explicativa para realizar de
forma correcta el estudio estadístico y analizarlos.
 Analizar e interpretar los resultados de los ejercicios propuestos por el tutor.
4
 5

Ejercicios de Regresión Lineal Simple.

A partir de las bases de datos de Gujarati que descargó con Gretl, desarrolle los
siguientes ejercicios y organice sus respuestas en un único archivo Word
respetando el orden de las preguntas. Incluya su nombre y apellido en la primera
página. Tenga presente que los números de las tablas no necesariamente coinciden
con los del libro, por tratarse de ediciones diferentes. Siga cuidadosamente las
instrucciones.

Con el archivo Table_3.7.gdt del fichero de datos de Gujarati desarrolle el ejercicio

3.22 del libro base Econometría (pág. 88). No requiere actualizar los datos según
se muestran en el libro; limite el estudio a la información disponible en Gretl.
Ayuda parte a: utilice diagrama de dispersión VER/ GRAFICOS/ SCATTER y la
matriz de correlaciones VER/ MATRIZ DE CORRELACIONES. Comente los
resultados.

Ayuda parte b: Utilice la opción MODELO/ MÍNIMOS CUADRADOS ORDINARIOS.

Comente los resultados.

Con el archivo Table_3.8.gdt del fichero de datos de Gujarati, desarrolle el ejercicio

3.23 (a,b,c,d) del libro base Econometría (pág. 90). En cada caso, comente los
resultados.
Solución

3.22. La tabla 3.7 presenta los datos sobre el precio del oro, el índice de precios al
consumidor (IPC) y el índice de la Bolsa de Valores de Nueva York (BVNY) de
Estados Unidos de 1974 a 2006. El índice de la BVNY incluye la mayor parte de las
acciones registradas, las cuales ascienden a más de 1 500.
 6

PRICE CPI NYSE time

1977 147,98 60,6 53,69 1
1978 193,44 65,2 53,70 2
1979 307,62 72,6 58,32 3
1980 612,51 82,4 68,10 4
1981 459,61 90,9 74,02 5
1982 376,01 96,5 68,93 6
1983 423,83 99,6 92,63 7
1984 360,29 103,9 92,46 8
1985 317,30 107,6 108,90 9
1986 367,87 109,6 136,00 10
1987 446,50 113,6 161,70 11
1988 436,93 118,3 149,91 12
1989 381,28 124,0 180,02 13
1990 384,08 130,7 183,46 14
1991 362,04 136,2 206,33 15

a) En el mismo diagrama de dispersión, grafique los precios del oro, el IPC y el

índice de la BVNY.
 7

Coeficientes de correlación, usando las observaciones 1977 - 1991

Valor crítico al 5% (a dos colas) = 0,5140 para n = 15

PRICE CPI NYSE

1,0000 0,3876 0,2342 PRICE
1,0000 0,9317 CPI
1,0000 NYSE

Análisis:
Existe cierta asociación entre la variable independiente con respecto a las
dependientes; y la que más presenta asociación es la de la Bolsa de Valores de
Nueva York con respecto al precio del Oro.
En el coeficiente de correlación el precio del oro vs el IPC; con estos datos podemos
evidenciar que el precio del oro con el IPC tiene una relación positiva; aunque el IPC es de
0.3876 muestra que hay una baja relación entre estas dos variables.

b) Se supone que una inversión es una protección contra la inflación si su precio o

la tasa de rendimiento se mantiene por lo menos al ritmo de la inflación. Para
probar esta hipótesis, suponga que se decide ajustar el siguiente modelo,
suponiendo que el gráfico de los puntos dispersos en a) indica que esto es lo
apropiado:

Precio del Orot = β1 + β2 IPCt + ut

Índice BVNYt =β1 + β2 IPCt + ut
 8

Precio del Orot = β1 + β2 IPCt + ut

Modelo 5: MCO, usando las observaciones 1977-1991 (T = 15)

Variable dependiente: PRICE

Coeficiente Desv. Típica Estadístico t valor p

const 186,183 125,404 1,485 0,1615
CPI 1,84199 1,21508 1,516 0,1535

Media de la vble. dep. 371,8193 D.T. de la vble. dep. 109,4400

Suma de cuad. residuos 142490,7 D.T. de la regresión 104,6939
R-cuadrado 0,150220 R-cuadrado corregido 0,084853
F(1, 13) 2,298085 Valor p (de F) 0,153467
Log-verosimilitud −89,97644 Criterio de Akaike 183,9529
Criterio de Schwarz 185,3690 Crit. de Hannan-Quinn 183,9378
rho 0,377926 Durbin-Watson 1,076961

PO= 186 + 1,84IPC + U R2 = 0,15

Índice BVNYt =β1 + β2 IPCt + ut

Modelo 6: MCO, usando las observaciones 1977-1991 (T = 15)

Variable dependiente: NYSE

Coeficiente Desv. Típica Estadístico t valor p

const −102,061 23,7668 −4,294 0,0009 ***
CPI 2,12944 0,230284 9,247 <0,0001 ***

Media de la vble. dep. 112,5447 D.T. de la vble. dep. 52,63217

Suma de cuad. residuos 5118,059 D.T. de la regresión 19,84180
R-cuadrado 0,868030 R-cuadrado corregido 0,857879
F(1, 13) 85,50734 Valor p (de F) 4,43e-07
Log-verosimilitud −65,02768 Criterio de Akaike 134,0554
Criterio de Schwarz 135,4715 Crit. de Hannan-Quinn 134,0403
rho 0,637495 Durbin-Watson 0,603767

BVNY = -102 +2,1IPC + U R2 = 0,86

 9

Análisis:
Reconociendo dicha hipótesis podemos concluir que se define una mayor
protección Vs la inflación en el modelo IBVNY esto dado a que su R2 se acerca más
a 1 con un 86.80 a cambios en la inflación lo que no podemos ver en el caso del oro
donde está más lejos su R2 es 0,15; Finalmente quien nos da mayor seguridad y
mas asociación es la opción 2.

3.23. La tabla 3.8 proporciona datos sobre el producto interno bruto (PIB) de
Estados Unidos de 1959 a 2005.

a) Grafique los datos del PIB en dólares actuales y constantes (es decir, de
2000) respecto del tiempo.

b) Sea Y el PIB y X el tiempo (medido cronológicamente, empezando con 1 para

1959, 2 para 1960, hasta 47 para 2005), observe si el siguiente modelo se ajusta a
los datos del PIB:
Yt = β1 + β2 Xt + ut
 10

Estime este modelo para el PIB en dólares constantes y actuales.

Modelo 3: MCO, usando las observaciones 1959-1997 (T = 39)

Variable dependiente: NGDP

Coeficiente Desv. Típica Estadístico t valor p

const −986,332 212,682 −4,638 <0,0001 ***
time 201,977 9,26749 21,79 <0,0001 ***

Media de la vble. dep. 3053,213 D.T. de la vble. dep. 2390,907

Suma de cuad. residuos 15698308 D.T. de la regresión 651,3667
R-cuadrado 0,927732 R-cuadrado corregido 0,925779
F(1, 37) 474,9858 Valor p (de F) 1,05e-22
Log-verosimilitud −306,9959 Criterio de Akaike 617,9918
Criterio de Schwarz 621,3189 Crit. de Hannan-Quinn 619,1855
rho 0,971535 Durbin-Watson 0,040102

Yt = -986 + 201,9NGDP + U R2 =0,9277

Modelo 2: MCO, usando las observaciones 1959-1997 (T = 39)

Variable dependiente: RGDP

Coeficiente Desv. Típica Estadístico t valor p

const 1907,71 45,1330 42,27 <0,0001 ***
time 128,782 1,96665 65,48 <0,0001 ***

Media de la vble. dep. 4483,354 D.T. de la vble. dep. 1474,662

Suma de cuad. residuos 706937,3 D.T. de la regresión 138,2259
R-cuadrado 0,991445 R-cuadrado corregido 0,991214
F(1, 37) 4288,031 Valor p (de F) 7,29e-40
Log-verosimilitud −246,5387 Criterio de Akaike 497,0775
Criterio de Schwarz 500,4046 Crit. de Hannan-Quinn 498,2712
rho 0,790990 Durbin-Watson 0,470276

Yt = 1907 + 128RGDP + U R2 =0,9914

 11

Análisis
La variable que está siendo mejor explicada de acuerdo al R2 es la que maneja el
PIB real ya que nos muestra un R2 de 0,99 y este es quien más se acerca al 1 y de
allí podemos decir que el PIB real explica al nominal y estos están directamente
correlacionado.

b) ¿Cómo interpretaría β2?

En este caso B2 es la pendiente donde el PIB Nominal por cada periodo de tiempo
genera un incremento de 202 miles de millones de dólares y a su vez este es
coherente con el modelo escrito pues tiene una relación positiva en el tiempo;
también para B2 en el caso del PIB Real por cada periodo de tiempo genera un
incremento de 128 miles de millones de dólares y a su vez este es coherente con el
modelo escrito el cual tiene una relación positiva en el tiempo.

d) Si existiera una diferencia entre el valor estimado de β2 para el PIB en

dólares actuales y el estimado para el PIB en dólares constantes, ¿qué la
explicaría?

Lo que podríamos explicar si existiera una diferencia; es que uno tiene inflación y
otro no, de esta manera entendemos que unos están a precios constantes y otros a
precios corrientes.
 12

BIBLIOGRAFÍA

Guajarati, D. & Porter, D. (2010), Econometría. Mc Graw Hill, (Quinta Edición).

Introducción a la Econometría (pp. 88 - 90) México. Recuperado de:
https://201915.aulasuniminuto.edu.co/mod/resource/view.php?id=175738
13