1

UNIVERSIDAD DEL AZUAY

FACULTAD DE CIENCIAS DE LA ADMINISTRACIÓN
ESCUELA DE ECONOMÍA EMPRESARIAL.

“Análisis de la situación financiera de la red bancaria ecuatoriana y su fomento a los

índices de producción en el ecuador”.

Trabajo de titulación previo a la obtención del título de Economista.

AUTOR:
OSCAR IVÁN VISÑAY CARCHIPULLA.

DIRECTORA:

ECO. SILVIA RAQUEL MEJIA MATUTE

CUENCA – ECUADOR
2018
OSCAR IVAN VISÑAY CARCHIPULLA ECONOMETRÍA

Ejercicios de la base de datos

1. Consulte los datos de bienes raíces, donde se reporta información sobre casas vendidas en Goodyear,
Arizona, el año pasado.
a) Sea el precio de venta la variable dependiente, y el tamaño de la casa, la variable independiente.
Determine la ecuación de regresión. Estime el precio de venta de una casa con un área de 2 200 pies
cuadrados. Determine el intervalo de confianza de 95% y el intervalo de predicción de 95% del precio
de venta de una casa con área de 2 200 pies cuadrados.
Gráfico de la línea de regresión.
Paso. 1

Diagrama de dispersión.  La línea roja es la recta de regresión

Consiste en observar si entre las variables obtenida.
existe una relación lineal, misma que se Conclusión.
hace de la siguiente tabla:  Hay dispersión en los datos ya que
hay algunos datos atípicos.
 Podemos intuir que el coeficiente
de determinación y el coeficiente de
correlación será bastante bajo.
 Hay que tomar la decisión de
continuar o no

Necesitamos cuantificar a través de la

bondad del ajuste o coeficiente de
determinación (que tanto se ajusta la línea
de regresión a los datos observados),
mientras más alto es el coeficiente de
Donde: determinación significa que la bondad del
 Los valores en azul son los valores ajuste es buena.
observados

Paso. 2
Los siguientes cálculos se basarán a partir de la siguiente tabla:
OSCAR IVAN VISÑAY CARCHIPULLA ECONOMETRÍA

Obtener la ecuación de regresión. T = (ˆβ 2 – 0)/ee

T = 1.958650/0.483005

Prueba de hipótesis. T = 4.055134005

I.) Planteamiento de la hipótesis. IV.) Formular la regla de decisión. (Valor P)

Ho: β2 = 0
P > (α) No rechazo la Ho
H1: β2 ≠ 0 P < (α) Rechazo la Ho
Como me interesa saber si hay una relación entre
Entonces rechazamos la hipótesis nula
el tamaño y el precio β2 ≠ 0
lo que significa que con un nivel de
II.) Nivel de significancia. significancia de 0.05 si existe una
relación lineal del tamaño de la casa
Alfa (α) = 0.05 con los precios.
III.) Estadístico de prueba.

Paso. 3
Bondad de ajuste.
 Lo determinamos con el coeficiente de determinación.
 R^2 = 0.137672 (13.7672%)
El precio de la casa explica a la variación del tamaño en un 13.76% (es un ajuste malo)
Paso. 4
Los siguientes cálculos se basan en la siguiente tabla:
OSCAR IVAN VISÑAY CARCHIPULLA ECONOMETRÍA

Prueba de auto correlación. H1: Si existe auto correlación.

 El coeficiente de Durbing-watson sirve (α) = 0.05
para identificar la auto correlación de los
El estadístico de prueba es F con un
residuos
valor P = 0.4140 y como es mayor al
 Si el estadístico se acerca a dos
nivel de significancia 0.05, entonces no
posiblemente no haya auto correlación.
rechazo la Ho
 Durbing-watson = 1.834822
Con el nivel de significancia del 5%
Análisis de los estadísticos.
no hay auto correlación entre estas dos
Ho: No existe auto correlación variables.
Paso. 5
Normalidad
Gráfico de los residuos.

Nos fijamos en el valor de Jarque – Bera

(2,094420) ya que es una prueba de normalidad.
Ho: Ui siguen una distribución normal

Gráfico de una distribución de probabilidad H1: Ui no siguen una distribución

normal. normal
(α) = 0.05
Estadistico de prueba: Jarque – Bera
(2,094420)
Valor P = 0.350915 (Mayor que el nivel
de significancia)

No se rechaza la Ho

Los residuos siguen una distribución

normal.
OSCAR IVAN VISÑAY CARCHIPULLA ECONOMETRÍA

Paso. 6
Heteroscedasticidad.

Vamos a trabajar con la prueba F

Ho: Ui son homoscedasticos
H1: Ui no son homoscedasticos
(α) = 0.05

F = 0.8849 Como es mayor que el nivel de significancia de 5% no rechazo la Ho, los residuos son
homoscedasticos.

Conclusión general del modelo.

El modelo cumple los supuestos del modelo clásico de regresión lineal, es decir que no existe autocorrelación
entre los residuos, los residuos están distribuidos normalmente, los residuos son homoscedasticos, con la
prueba de bondad de ajuste que existe un nivel de explicación entre las variables muy bajo.
Estime el precio de venta de una casa con un área de 2 200 pies cuadrados.
ŷ = 1790.746 + 1.958650(2200)
ŷ = 6099.776
El precio de venta de una casa con área de 2200 pies cuadrados es 6099.776
b) Sea el precio de venta la variable dependiente, y la distancia desde el centro de la ciudad, la variable
independiente. Determine la ecuación de regresión. Estime el precio de venta de una casa a 20 millas
del centro de la ciudad. Encuentre el intervalo de confianza de 95% y el intervalo de predicción de
95% de las casas a 20 millas del centro de la ciudad.
Paso. 1
Diagrama de dispersión.
Consiste en observar si entre las variables
existe una relación lineal, misma que se
hace de la siguiente tabla:
OSCAR IVAN VISÑAY CARCHIPULLA ECONOMETRÍA

Donde:  Hay que tomar la decisión de

 Los valores en azul son los valores continuar o no
observados
 La línea roja es la recta de regresión Necesitamos cuantificar a través de la
obtenida. bondad del ajuste o coeficiente de
Conclusión. determinación (que tanto se ajusta la línea
 Hay dispersión en los datos ya que de regresión a los datos observados),
hay algunos datos atípicos. mientras más alto es el coeficiente de
 Podemos intuir que el coeficiente determinación significa que la bondad del
de determinación y el coeficiente de ajuste es buena.
correlación será bastante bajo.

Paso. 2
Los siguientes cálculos se basarán a partir de la siguiente tabla:

Obtener la ecuación de regresión. Alfa (α) = 0.05

Ŷ = 22.56763 – 0.035907 β
VII.) Formular la regla de decisión. (Valor P)

Prueba de hipótesis. P > (α) No rechazo la Ho

V.) Planteamiento de la hipótesis. P < (α) Rechazo la Ho

Ho: β2 = 0 Entonces rechazamos la hipótesis nula

H1: β2 ≠ 0 lo que significa que con un nivel de
significancia de 0.05 si existe una
Como me interesa saber si hay una relación entre relación lineal del tamaño de la casa
el tamaño y el precio β2 ≠ 0 con los precios.
VI.) Nivel de significancia.
OSCAR IVAN VISÑAY CARCHIPULLA ECONOMETRÍA

Paso. 3
Bondad de ajuste.
 Lo determinamos con el coeficiente de determinación.
 R^2 = 0.1204 (12.04%)
El precio de la casa explica a la variación del tamaño en un 13.76% (es un ajuste malo)
Paso. 4
Los siguientes cálculos se basan en la siguiente tabla:

Prueba de auto correlación. Ho: No existe auto correlación

 El coeficiente de Durbing-watson sirve H1: Si existe autocorrelación
para identificar la auto correlación de los
(α) = 0.05
residuos
 Si el estadístico se acerca a dos El estadístico de prueba es F con un
posiblemente no haya auto correlación. valor P = 0.7296 y como es mayor al
 Durbing-watson = 2.0494 nivel de significancia 0.05, entonces no
 L estaistico está tan cerca de dos y puede rechazo la Ho
ser que no exista autocorrelación.
Con el nivel de significancia del 5%
Análisis de los estadísticos. no hay auto correlación entre estas dos
variables.
Paso. 5
Normalidad Gráfico de una distribución de probabilidad
normal.
Gráfico de los residuos.
OSCAR IVAN VISÑAY CARCHIPULLA ECONOMETRÍA

H1: Ui no siguen una distribución

normal
(α) = 0.05
Estadistico de prueba: Jarque – Bera
(2.427835)
Valor P = 0.297031 (Mayor que el nivel
Nos fijamos en el valor de Jarque – Bera de significancia)
(2,094420) ya que es una prueba de normalidad. No se rechaza la Ho
Ho: Ui siguen una distribución normal Los residuos siguen una distribución
normal.

Paso. 6 Conclusión general del modelo.

Heteroscedasticidad. El modelo cumple los supuestos del modelo
clásico de regresión lineal, es decir que no existe
autocorrelación entre los residuos, los residuos
están distribuidos normalmente, los residuos son
homoscedasticos, con la prueba de bondad de
ajuste que existe un nivel de explicación entre las
variables muy bajo.
Vamos a trabajar con la prueba F
Estime el precio de venta de una casa con un área
Ho: Ui son homoscedasticos de 2 200 pies cuadrados.
H1: Ui no son homoscedasticos ŷ = 22.56763 – 0.035907 (2200)
(α) = 0.05 ŷ = -56.42777
F = 0.0545 Como es mayor que el nivel de
significancia de 5% no rechazo la Ho, los
residuos son homoscedasticos.
2. Consulte los datos de Baseball 2009, donde se reporta información sobre la temporada 2009 de la
Liga Mayor. Sean los juegos ganados la variable dependiente, y el salario total del equipo, en
millones de dólares, la variable independiente. Determine la ecuación de regresión y conteste las
siguientes preguntas.
a) Trace un diagrama de dispersión. Con base en ese diagrama.
OSCAR IVAN VISÑAY CARCHIPULLA ECONOMETRÍA

b) ¿parece haber una relación directa entre ambas variables?

Donde:
 Los valores en azul son los valores observados
 La línea roja es la recta de regresión obtenida.
Conclusión.
 Hay dispersión en los datos ya que hay algunos datos atípicos.
 Podemos intuir que el coeficiente de determinación y el coeficiente de correlación será
bastante bajo.

c) ¿Cuántas victorias estimaría para un salario de 100.0 millones?

Calculo de la ecuación de regresión.

Ŷ = -23.09664 + 1.377901 (100)

Ŷ = 114.69346
d) Cuántas victorias adicionales traería un salario de 5 millones adicionales?
OSCAR IVAN VISÑAY CARCHIPULLA ECONOMETRÍA

Ŷ = -23.09664 + 1.377901 (5)

Ŷ = -16.2071
No traería ganancias adicionales.

3. Consulte los datos de los autobuses escolares del Distrito Escolar Buena. Desarrolle una ecuación de
regresión que exprese la relación entre la edad del autobús como variable independiente, y el
mantenimiento.
a) Trace un diagrama de dispersión.

b) ¿Qué sugiere el diagrama con respecto a la relación entre las dos variables? ¿Es directa o indirecta?
¿Fuerte o débil?
Donde:
 Los valores en azul son los valores observados
 La línea roja es la recta de regresión obtenida.
Conclusión.
 Hay dispersión en los datos ya que hay algunos datos atípicos.
 Podemos intuir que el coeficiente de determinación y el coeficiente de correlación será
bastante bajo.
 Hay que tomar la decisión de continuar o no
 Hay una relación débil en los datos
OSCAR IVAN VISÑAY CARCHIPULLA ECONOMETRÍA

Necesitamos cuantificar a través de la bondad del ajuste o coeficiente de determinación (que tanto se
ajusta la línea de regresión a los datos observados), mientras más alto es el coeficiente de
determinación significa que la bondad del ajuste es buena.

b) Desarrolle una ecuación de regresión. ¿Cuánto añade al mantenimiento un año más de vida?

Ecuación de regresión.

Ŷ = 386.7959 +9.070234 β
¿Cuál es el costo estimado de mantenimiento de un camión de diez años de edad?
Ŷ = 386.7959 +9.070234 (10)
Ŷ = 477.49