UNICEN – Ingeniería Financiera

Econometria
Semestre 2/2022
Prof. Miguel V. Quisbert F.
LP. 08/08/2022

PRÁCTICA Nº 1

Instrucciones:

i) Los ejercicios impares serán resueltos por estudiantes varones y los ejercicios pares deben ser resueltos
por las estudiantes mujeres.
ii) En caso de encontrarse copia/plagio, la nota será dividida entre el número de copias sin opción a reclamo.
iii) La entrega de la presente practica es en hojas bond tamaño carta en fecha 22/08/2022 indefectiblemente

1.- Conteste las siguientes preguntas en forma detallada, utilizando si considera necesario ejemplos concretos:
a) La econometría no sirve para probar teorías, solo sirve para formular nuevas preguntas
b) Explique brevemente lo que se quiere decir por: - Modelo Log-Log, Modelo Log-Lin y el Modelo Lin-Log
c) Defina: teoría, modelo económico, modelo matemático, modelo econométrico, estimador, variable exógena,
variable endógena, variable cuantitativa, cualitativa y parámetros estructurales
d) Explique el teorema de gauss markov, en forma detallada
d) Obtener las formas reducidas de los siguientes modelos:

- El modelo estructural del mercado de zapatos se describe con las siguientes ecuaciones de
oferta y demanda:
Qtd = n 0 + 1Pt + eln2 Yt + u1t
Qts =  0 +  1Pt +  2 St + u2t
donde: P = precio del bien, Y= ingreso real disponible, S= salario y u j (j = 1,2) denota los términos aleatorios,
obtener la forma reducida

2.- Suponga que va a desarrollar un modelo económico para actividades criminales, digamos las horas
invertidas en tales actividades (por ejemplo, en la venta de drogas ilegales). ¿Qué variables consideraría al
desarrollar dicho modelo?. Vea si su modelo se asemeja al desarrollado por el economista ganador del
premio Nobel Gary Becker

3.- Considere el siguiente modelo:

Tal y como se presenta, ¿es un modelo de regresión lineal? Si no es así, ¿Cuál truco se podría utilizar, si acaso
se puede, para convertirlo en un modelo de regresión lineal? ¿Cómo se interpretaría el modelo resultante? ¿Bajo
qué circunstancia podría ser apropiado dicho modelo?

4.- Demuestre las siguientes identidades:

  
a) La relación matricial: Y ' Y =  'X ' Y
b) Demuestre que los residuos de la estimación por Mínimos Cuadrados Ordinarios (MCO)
pueden expresarse como e = MU , siendo M la siguiente Matriz Ídem potente:
M = [ I − X ( X ' X )−1 X ')]
5.- Grafique los siguientes modelos (para mayor sencillez, se han omitido los subíndices de observación i ):

• Y = 1 X 2 para >1, =1,0< <1,…..

• Y = 1e 2 X para >0 y <0

• Y = 1eln X1 +  2 X 2 para 0< <1 y 1

Analice cuál de ellos resultaría apropiado

6.- Dados los datos de la tabla siguiente, ajústese el siguiente modelo a esa información y obténgase las
estadísticas usuales de regresión :

86 79 76 69 65 62 52 51 51 48
3 7 12 17 25 35 45 55 70 120

100 1
= 1 +  2 ( )
100 − Yi Xi

7.- Para medir la elasticidad de sustitución entre los insumos de capital y trabajo, Arrow, Chenery, Minhas y
Solow, los autores de la ahora famosa función de producción CES (elasticidad de sustitución constante),
utilizaron en el siguiente modelo:

Donde V  = Valor agregado por unidad de trabajo

 
L
L = insumo de trabajo
W = tasa de salario real

El coeficiente 2 mide la elasticidad de sustitución entre el trabajo y el capital (es decir el cambio proporcional
en las proporciones de los factores, el cambio proporcional en los precios relativos de los factores). De la
información dada en la siguiente tabla, verifíquese que la elasticidad estimada es 1.3338 y que ésta no es
estadísticamente diferente de 1

Industria Log(V/L) Log W

Harina de trigo 3,6973 2,9617
Azúcar 3,4795 2,8532
Pinturas y barnices 4,0004 3,1158
Cemento 3,6609 3,0371
Vidrio y sus
manufacturas 3,2321 2,8727
Cerámica 3,3418 2,9745
Triplex 3,4308 2,8287
Textiles de algodón 3,3158 3,0086
Textiles de yute 3,2352 2,9680
Textiles de lana 3,5062 3,0086
Químicos 3,8823 3,0909
Aluminio 3,7309 3,0881
 Hierro y acero 3,7716 3,2256
Bicicletas 3,6601 3,1025
Maquinas de cocer 3,7554 3,1354

8.- Dados los siguientes datos:

Xt : 3 4 6 7
ut : u1 - 0.4 u3 - 4.8

para el modelo estimado Yt = 6 + 1, 4 X t , obténgase los valores numéricos de u1 y u3

9.- Se dispone de la siguiente información muestral:

1 1 1 1 1 1 1
- 1 1 0 
Y '( 1  7) = 1 4 8 9 3 8 9  y X '( 4  7)
1 1 0 0
=
 −1 −1 1 1 0 1 2
 
1 1 1 1 0 0 0
Asociada al modelo de regresión:
Yt = 0 + 1 X1t + 2 X 2t + 3 X 3t + ut
a) Obtener las estimaciones MCO del vector 
b) Obtener los residuos MCO
c) Estimar el parámetro  2
d) Estimar la matriz de varianzas y covarianzas del vector  , esto es: Var (  )
e) ¿Qué valor toma Var (  2 ) ?, ¿y Cov(  2 ,  3 ) ?
f) ¿Qué ventajas presenta el estadístico R 2 con una medida de bondad del ajuste respecto a otras medidas

u Y
2 2
posibles cómo t o t ?

10.- Considere la información de la tabla siguiente:

Y X2 X3
5 6 9
6 10 5
8 9 6
11 4 8
15 8 5
16 1 13
Basándose en esta información, téngase en cuenta las siguientes regresiones:

Yi = 1 + 2 X 2i + u1i ………(1)
Yi = 1 + 3 X 3i + u2i ………(2)
Yi = 1 + 2 X 2i + 3 X 3i + ui …(3)

Nota: Estímese solamente los coeficientes y no los errores estándar

a) ¿Es  2 = 2 ? ¿Por qué si o porque no?

b) ¿Es 3 = 3 ? ¿Por qué si o por que no?

¿Qué conclusión importante se obtiene de este ejercicio?

11.- Demuéstrese que la ecuación (1) puede ser expresada también como:

Dado que la ecuación (1) está dado por:

12.- Supóngase que se estima la función de consumo

y la función de ahorro

donde Y: Consumo; Z: Ahorro ; X: Ingreso y X = Y + Z es decir el ingreso es igual al consumo mas el

ahorro

a) ¿Cuál es la relación, si existe , entre y ?. Muéstrese los cálculos

b) ¿Sera la suma de los residuos al cuadrado, SCR, la misma para los dos modelos?. Explíquese
c) ¿Se puede comparar los términos R cuadrado de los dos modelos? ¿Por qué si o porque no?

13.- Considérese la siguiente regresión a través del origen:

  
Yi =  2 X 2i +  3 X 3i + ui

a) ¿Qué pasos se seguirán al estimar las incógnitas?


b) ¿Sera  u cero para este modelo? ¿Por qué si o por qué no?
i
 
c) ¿Será  u X =  u X = 0 para este modelo?
2i 3i

d) ¿Cuándo se utilizaría un modelo de este tipo?

e) ¿Se pueden generalizar los resultados para el modelo de k variables?
14.- En un estudio de ganancia del capital en el mercado laboral, James F. Ragan, Jr. Obtuvo los siguientes
resultados para la economía de Estados Unidos durante el periodo de 1950-I a1979-IV* (Las cifras en
paréntesis son los estadísticos t estimados)


ln Yt = 4.47 − 0.34ln X 2t + 1.22ln X 3t + 1.22ln X 4t + 0.80ln X 5t − 0.0054 X 6t
(4.28) ( − 5.31) (3.64) (3.10) (1.10) ( − 3.09)
_

= 0.5370
2
R
Donde:
Y: Tasa de retiro laboral en el sector manufacturero, definida como el número de personas que
deja sus trabajos voluntariamente por cada 100 empleados
X 2 : Variable instrumental o “supuestamente” de la tasa de desempleo masculino adulta
X 3 : Porcentaje de empleados menores de 25 años
X 4 : Nt −1 / Nt −4 = tasa de empleo en el sector manufacturero, en el trimestre (t − 1) , con respecto
a aquella en el trimestre (t − 4)
X 5 : Porcentaje de mujeres empleadas
X 6 : Tendencia de tiempo (1950 − I = 1)
a. Interprétese los resultados anteriores
b. ¿Puede justificarse a priori la relación negativa observada entre los logaritmos de Y y X 2 ?
c. ¿Por qué es positivo el coeficiente de ln X 3 ?
d. Puesto que el coeficiente de tendencia es negativo, existe un descenso secular de ese porcentaje en la
tasa de retiro laboral. ¿Por qué se presenta este descenso?
e. ¿Es el R cuadrado ajustado “muy” baja?
f. ¿Se pueden estimar los errores estándar de los coeficientes de regresión a partir de los datos dados?
¿por qué si o por qué no?

15.- Se desea estudiar la función de gasto en alimentos de las economías familiares y se dispone de
observaciones para 250 familias en el año 2009 sobre las variables : gasto en carne de la familia i,
medida en cientos de $, Yi renta disponible de la familia i, X 2i , medida en miles de $, gasto en
pescado de la familia i, X 3i , en cientos de $ y numero de miembros de la familia . Para analizar
Yi se propone en siguiente modelo:

Yi = 1 + 2 X 2i + 3 X 3i + ui ui N (0,  2 ) i = 1, 2,..., 250

El resumen de la información disponible es el siguiente:

 250 501.20 45  0.0717 − 0.0139 − 0.2211 

X ' X = 501.20 1170.37 88.85 ( X ' X ) −1 =  −0.0139 0.0061 0.0092 
 45 88.85 9   −0.2211 0.0092 1.1252
 Yi = 7812.8  Yi X 2i = 17730 Y 'Y = 270657.225  Yi X 3i = 1377.5

a) Interprete los parámetros del modelo propuesto ¿Qué signos esperaría que tuvieran?
b) Estima el modelo propuesto por el método de MCO
c) Calcula una medida de bondad de ajuste e interprétala
 d) Estima la matriz de varianzas y covarianzas del estimador de los coeficientes del modelo
e) Contrasta la significancía individual y conjunta de las variables explicativas
f ) Contrasta H0 : 2 = −3 .A la vista de los resultados del contraste , ¿Qué concluyes sobre la
especificación del modelo?

16.- La alcaldía de la Ciudad de El Alto quiere construir un modelo de regresión lineal que explique el
número de personas que acuden a las piscinas municipales (Y) en función de la diferencia de
temperatura con respecto al día anterior (X). Se recopilo información durante 46 días y se estimo por
MCO, el siguiente modelo:

Y = 6.5861,951 + 2160.914 X
A partir de la siguiente información adicional:
_ _
Y = 7251 Y i
2
=121136.314 X = 64,309 X i
2
=842,198211

Calcular:

a) ¿Es significativo el incremento de la temperatura en el numero de usuarios de las piscinas? Utilizar

un nivel de significancia del 5%
b) Construir un intervalo de confianza para la ordenada en el origen al 90% de confianza
c) ¿Podría aceptarse que si la temperatura aumenta en 1 grado acuden 200 personas mas a las piscinas
municipales ?. Utilizar una confianza del 95%
d) Obtener una media de la bondad de ajuste

17.- Considere el siguiente modelo

yt = 1 x1t +  2 x2t + ut
Donde se sabe que:
200 200 200 200 200 200
809
 yt2 =
1 5
 x12t = 50
1
 x22t = 15
1
 x2t yt = 25
1
 x1t yt = 35
1
x
1
x =0
1t 2 t

a) Obtener los estimadores MCO de los coeficientes del modelo

b) Contraste la Hipótesis nula H0 : 2 = 9
c) Contraste la hipótesis nula H0 : 1 = 2 = 0

18.- Se tiene los siguientes datos:

 20  1 5 8 
15  1 4 3
   
y = 8  X = 1 6 9 
   
5  1 3 7 
1  1 4 8 
a) Estime por MCO el modelo: Yi = 0 + 1 X1i + 2 X 2i + ui
b) Determine la matriz de varianzas y covarianzas
c) Contraste la hipótesis nula H0 : 2 = 3 = 0
d) Contraste la hipótesis nula H0 : 2 + 3 = 0

e) Construya un intervalo de confianza del 99% para  2
19.- En un estudio para aumentar la supervivencia (variable y en tanto por ciento) de determinada clase de
plantas se utilizan concentraciones de tres productos diferentes (variables x1 , x2 y x3 en gramos), para
lo cual se estima la siguiente regresión:

Yi = 1 + 2 X1i + 3 X 2i + 4 X 3i + ui

Dependent Variable: Y
Method: Least Squares
Sample: 1 13
Included observations: 13

Coefficient Std. Error t-Statistic Prob.

C(1) ……….... 5.887060 6.651427 0.0001

C(2) ………… 0.190895 5.322818 0.0005
C(3) ………… 0.267325 -6.963979 0.0001
C(4) ………… 0.617052 -0.556291 0.5916

R-squared 0.911724 Mean dependent var 29.03846

Adjusted R-squared …………. S.D. dependent var 6.042425
S.E. of regression 2.073012 Akaike info criterion 4.543542
Sum squared resid 38.67640 Schwarz criterion ……….....
Log likelihood -25.53302 Hannan-Quinn criter. ………….
F-statistic ………….. Durbin-Watson stat 1.567690
Prob(F-statistic) 0.000045

a. Determinar los valores de los parámetros e interprete el valor de los parámetros

2
b. Determinar los valores de: R , F - statics , Schwarz criterion, Hannan-Quinn criter
c. Construya un intervalo de confianza del 95% de confianza para 2 , 3 y 4
d. Contrastar al 95% de confianza la hipótesis H0 : 23 − 1 = 1

20.- Suponga que la regresión de la balanza comercial de un determinado país es:

Q = 100,000 + 0.06 x +  t ; R2 = 0.6
Empleando los datos anuales en base al dólar americano de 1971.Suponga que los números
cambiaron de base y se refirieron a dólares de 1985 mediante la multiplicación por
0.85.¿Como habrá cambiado la pendiente y al constante de la función? Basándose en las
cifras anteriores, ¿seria capaz de determinar los resultados del procedimiento de MCO si los
datos se hubieran expresado en la moneda de otro país, si conociera los tipos de cambio?

21.- Para estimar el modelo:

 28 −15 −41 9 15 
 −15 26 21 
−8 18 
(X ' X ) =  ( X ' Y ) =   Y 'Y = 545
 −41 21 16 1  −5
   
 9 −8 1 8  −8

Obtenidos a partir de las 109 observaciones de que consta la muestra

a) Obtener el estimador MCO

b) Contrastar al 99% de confianza, la hipótesis nula H0 : 3 = 0
 c) Contrastar al 99% de confianza la hipótesis H0 : 23 − 1 = −1

d) Construya un intervalo de confianza del 95% de confianza para  2
e) Constate las dos hipótesis del apartado b), simultáneamente con H0 : 3 + 1 = 8

22.- A partir de 12 observaciones semestrales, se ha obtenido las siguientes regresiones:


Modelo A: Yi = 3.9614 − 0.48791X i
se = (0.1318)(0.11481) R2 = 0.5681

Modelo B: ln Yi = 0.68941 − 0.5241ln X i
se = (0.1318)(0.1114) R2 = 0.6412

donde : Y = cajetillas de cigarrillo consumidas por persona al día y X = precio de la cajetilla

en pesos chilenos

a) Interprete los coeficientes de la pendiente de estos modelos

_ _
b) Se dice que Y = 3.48 y X = 2.14 . Para estos valores medios, estime la elasticidad precio
del modelo A
c) ¿Cuál es la elasticidad precio del modelo B?
d) A partir de las elasticidades estimadas, ¿puede afirmar si la demanda de cajetillas de cigarrillo es
inelástica en los precios ?
e) ¿Cómo interpretaría el punto de corte en el modelo B?
f) Puesto que R 2 del modelo B es mayor que el modelo A, el modelo B es preferible al A. Comente
esta afirmación.

23.- La producción de la minería boliviana entre 1969 y 1984 expresada en unidades monetarias constantes de
1984 toma los valores X t de la tabla adjunta . El empleo del factor trabajo en la producción se expresa
mediante la variable Wt que cuantifica los millones de horas/hombre trabajadas. Para medir el stock de
capital o riqueza se utiliza la variable Ct que representa la potencia instalada en miles de caballos de
vapor.

Dada la función de producción: X t = kWt 1 Ct2

Xt 179,2 181,0 183,1 184,9 185,8 220,8 238,8 241,7 242,5 240,7 248,5 312,1 347,3 366,2 424,7 404,9
Wt 193,5 182,8 171,7 163 143,3 140,4 141,6 138,6 145,4 128,1 126,4 149,2 145,9 144,5 139,7 131,8
Ct 1141 1241 1357 1465 1562 1742 1954 2141 2352 2399 2557 2680 2899 3082 3062 3052

a. Obtener los estimadores MCO de los coeficientes del modelo

b. Estimar las elasticidades del trabajo y el capital respecto de la producción de nuestra industria minera
en el periodo 1964-84
c. Inferir la significancia individual y global de los parámetros estimados
d. Interprete y calcule los valores de R 2 y R 2 ajustado
e. Determinar la función de regresionada sin el intercepto e interpretar los valores de los coeficientes
f. Contraste la hipótesis nula H0 : 1 = 2 = 0
 24.- Al estudiar el comportamiento del PIB de Malasia. Durante el periodo 1974 -1998, se obtuvo la
siguiente ecuación estimada por MCO.:

PIB = 2.719,545 + 34.153CPE + 44, 774 IPC

donde :
PIB: Producto Interno Bruto en Millones de ringgit
CPE: Capacidad productiva de la Industria de Malasia, en porcentaje sobre el total
instalado
IPC: Índice de Precios al Consumo
En este periodo también se obtuvo la siguiente información:

8.975.148 − 105.909, 200 − 9.976, 6270 

Sbb =  1.252,781 114,5771 
 15,9378 

2
S PIB = 2.119.259 SCPE
2
= 14, 4957 SIPC
2
= 1.139, 4223 Cov( PIB, CPE) = −4.170,81
R2 = 0.9354
Calcular:

a) Mediante un análisis de varianza , contraste la aportación del IPC al modelo

b) Contraste las siguientes hipótesis:
b.1) El modelo es globalmente significativo a un 95% de confianza .
b.2) El efecto de la capacidad productiva de la industria y del IPC es el mismo e igual a 40
b.3) El termino independiente se cifra en 1.000 miles de ringgit
c) Construya un intervalo de confianza para el coeficiente de la capacidad productiva
d) Por estimaciones de la economía se sabe que en 1999 la capacidad productiva será de
un 90% y el IPC 113.¿cual será el PIB esperado?. Construya el intervalo de
confianza para ese valor al 1% de significancia .

25.- Para estimar el modelo yt = 1 x1t + 2 x2t + 3 x3t + ut

T 1 2 3 4 5 6 7 8 9 10
Y 4 7 9 15 18 12 16 4 7 9
x1 1 1 1 1 1 1 1 1 1 1
x2 1 0 -1 1 0 -1 1 0 -1 0
x3 0 1 1 1 -1 0 0 -1 -1 0

a) Estime 1 , 2 , 3 ,   y obtenga la matriz de varianzas y covarianzas del vector 

2

b) Considere la hipótesis nula conjunta H0 : 1 = 8, 2 = 33 . Escríbala en al forma R = r y

calcule el valor del estadístico F para su contraste. Demuestre que no puede rechazarse al 95%
de confianza
  
d) Construya un intervalo de confianza del 95% de los parámetros 1 y  2

26.- Con base en información anual para los años 1968-1987, se obtuvieron los siguientes resultados de
regresión:

Yt = −859.92 + 0.6470 X 2t − 23.195 X 3t R2 = 0.9776 (1)

Yt = 261.09 + 0.2452 X 2t R2 = 0.9776 (2)

Donde Y:gasto de estados unidos en bienes importados, miles de millones de dólares de 1982,
X 2 : ingreso personal disponible, miles de millones de dólares de 1982 y X 3 : variable de tendencia.
Cierto o falso : el error estándar de X 3 en (1) es 4.2750. Muestre sus cálculos.(Pista: Utilícese la
relación entre R 2 ,F y r )

27.- Los datos dados en la tabla nos proporcionan el consumo de GNV en Estados Unidos desde el año 1960 al
año 1986.

Año G Pg Y Pcm Pcu Ppt Pd Pn Ps

1960 128,7 926 637 1048 869 549 0,1468 332 401
1961 132,4 0,915 614 1049 0,895 0,584 0,554 0,2235 0,984
1962 138,254 0,918 784 1025 0,949 0,8594 0,2547 0,335 0,124
1963 114,56 1,256 625 1056 0,98 0,9984 0,4681 0,3654 0,62
1964 149,254 0,965 6,254 10254 1004 0,9881 0,84 0,47 0,654
1965 6858,222 177,937 14,143 5193,716 62,982 0,035 0,631 244,392 72,710
1966 6868,056 427,597 24,914 994,454 0,543 0,209 0,789 0,050 0,682
1967 8478,346 485,702 4,649 1619,578 0,044 0,744 0,759 0,077 0,099
1968 2648,450 142,267 26,375 5613,856 0,842 0,010 0,748 0,327 0,570
1969 7178,791 611,166 39,873 3481,551 849,222 0,168 0,575 0,219 0,578
1970 1236,836 142,821 35,697 878,269 48,012 0,320 0,683 134,837 45,898
1971 8553,699 127,049 21,418 92,011 0,465 0,010 125,000 0,013 0,591
1972 1508,063 447,318 55,642 1037,915 0,026 0,105 168,000 0,070 0,004
1973 5301,735 546,725 31,650 2242,741 0,481 0,215 0,304 0,284 0,509
1974 7860,896 1,569 12,487 4291,250 268,238 20,100 0,679 0,055 0,543
1975 5370,528 508,293 31,834 3007,389 1,210 1021,000 0,082 105,393 41,753
1976 1403,074 86,015 32,024 3084,062 0,390 0,207 0,939 0,004 0,473
1977 7405,828 220,427 12,440 2049,034 0,023 13,536 0,312 0,051 0,002
1978 1077,638 429,145 13,897 2369,223 0,117 284,604 1564,000 0,142 0,404
1979 7511,138 294,247 16,192 566,801 13,256 0,019 0,928 0,007 0,170
1980 4703,254 505,699 51,113 2755,748 0,864 8,555 0,112 44,022 32,841
1981 5724,534 527,109 36,509 1586,623 0,319 251,000 0,627 0,000 0,080
1982 1477,005 370,858 81,165 2258,063 0,008 0,008 0,223 0,041 0,001
1983 4684,928 1,693 91,238 5645,553 0,032 6,739 0,636 0,131 0,082
1984 9551,149 148,664 90,961 1912,526 4,720 202,068 0,225 0,003 0,060
1985 7059,708 240,732 90,011 4792,032 0,765 0,004 0,027 0,356 26,424
1986 1147,550 476,947 93,016 1485,129 0,199 3,360 0,707 0,157 0,070

Donde las variables son las siguientes:

G : Consumo total de GNV, calculado como el gasto en dólares corrientes dividido por el
índice de precios.
 Pg : Índice de precios para el GNV.
Y : Renta real disponible per-capita
Pcn : Índice de precios para coches nuevos
Pcu : Índice de precios para coches usados
Ppt : Índice de precios para el transporte publico
pd : Índice de precios agregado para el consumo de bienes duraderos
Pn : Índice de precios agregado para el consumo de bienes no duraderos
Ps : Índice de precios agregado para el consumo de servicios

Calcular:

a) calcule la regresión múltiple de G sobre las demás variables explicativas, incluyendo una
tendencia temporal , y de todos los resultados. ¿Esta de acuerdo con los signos según sus
expectativas?
b) Contraste la hipótesis de que, al menos con respecto a la demanda de GNV, los
consumidores no distinguen entre cambios en el precio de coches nuevos o usados.
c) estime la elasticidad precio de la demanda, ola elasticidad renta y la elasticidad cruzada
con respecto a los cambios en el precio del transporte publico.

28.- La siguiente función se conoce como la función de producción trascedental (FPT),una generalización
de la conocida función de producción Cobb-Douglas

Yi = 1L2 k 3 e4 L+ 5k

donde Y : producto, L :insumo trabajo y K: insumo trabajo
Despues de tomar logaritmos y de sumar el término de perturbación estocástico, se obtiene la FPT
estocástica como:

ln Yi = 0 + 2 ln Li + 3 ln Ki + 4 Li + 5 Ki + ui
Donde: 0 = ln 1
a. ¿Cuáles son las propiedades de esta función?
b. Para reducir la FPT a la función de producción Cobb-Douglas, ¿Cuáles deben ser los valores de 4 y
5 ?
c. Si se tuviera la información ,¿Cómo se haría para encontrar la forma en la que la FPT se reduce a la
función de producción Cobb-Douglas? ¿Qué procedimiento de prueba se utilizaría?
d. Verifíquese si la FPT se ajusta a la información dada en la tabla. Muéstrese los cálculos

Año PIB* Empleo Capital fijo

1955 114043 8310 182113
1956 120410 8529 193749
1957 129187 8738 205192
1958 134705 8952 215130
1959 139960 9171 225021
1960 150511 9569 237026
1961 157887 9527 248897
1962 165286 9662 260661
1963 178491 10334 275466
 1964 199457 10981 295378
1965 212323 11746 315715
1966 226977 11521 337646
1967 241194 11540 363599
1968 260881 12066 391847
1969 277498 12297 422382
1970 296530 12955 455049
1971 306712 13338 484677
1972 329030 13738 520553
1973 354057 15924 561531
1974 374977 14154 609825

29.-Se tiene la siguiente información estadística:

Año Inversión Tendencia PNB real Tipo de interés tipo de inflación

1969 0,161 1 1,056 5,16 4,2
1970 0,021 2 1,056 5,18 5,18
1971 0,154 3 1,065 5,84 6,38
1972 0,175 4 1,125 5,61 4,28
1973 0,195 5 1,165 4,88 4,65
1974 0,165 6 1,241 4,5 4,75
1975 0,147 7 1,234 4,95 5,78
1976 0,156 8 1,268 6,41 6,98
1977 0,195 9 1,326 6,21 8,56
1978 0,265 10 1,321 7,28 9,35
1979 0,284 11 1,368 5,2 5,61
1980 0,291 12 1,432 5,28 5,91
1981 0,298 13 1,435 7,48 7,25
1982 0,354 14 1,465 10,52 8,62
1983 0,271 15 1,468 11,8 9,25

a) Estimar por MCO el siguiente modelo: Yt = 1 + 2t + 3 PNBt + 4 Rt + 5 t + ut interprete los
resultados

donde:
Y : Inversión real t : Tendencia PNB: Producto Nacional Bruto
R : tasa de interés real  : tasa de Inflación

b) Estime R 2 y el R 2 ajustado e interprete ambos estadísticos.¿que diferencia existen entre

ambos estadísticos ? Explique detalladamente
c) Calcule la matriz de varianzas y covarianzas
d) Contraste la hipótesis individual para 4 = 0 y 5 = 0 e interprete el resultado
e) Contraste la prueba de significancia conjunta : H0 : 2 + 3 + 4 + 5 = 0
f) Utilizando el test R , contraste la siguiente hipótesis H0 : 4 + 5 = 1
g) Además ,calcule al 95% un intervalo de predicción de la inversión real para 1983, suponiendo
 predicciones de 3.16 billones para el PNB real, 5% para el IPC y 10% para el tipo de interés

30.-Dada la función de ahorro de los estados unidos, que nos proporciona la siguiente tabla; esta suministra
información sobre el ingreso personal disponible y los ahorros personales, en miles de millones de
dólares, para estados unidos durante el periodo 1970 – 1995. Supóngase que se desea estimar una sencilla
función de ahorro que relacione los ahorros (Y) con el ingreso personal disponible IPD (X)?

Observaciones Ahorros Ingreso Disponible Observaciones Ahorros Ingreso Disponible

1970 61.0 727.1 1983 167.0 2522.4

1971 68.6 790.2 1984 235.7 2810.0
1972 63.6 855.3 1985 206.2 3002.0
1973 89.6 965.0 1986 196.5 3187.6
1974 97.6 1054.2 1987 168.4 3363.1
1975 104.4 1159.2 1988 189.1 3640.8
1976 96.4 1273.0 1989 187.8 3894.5
1977 92.5 1404.4 1990 208.7 4166.8
1978 112.6 1580.1 1991 246.4 4343.7
1979 130.1 1769.5 1992 272.6 4613.7
1980 161.8 1973.3 1993 214.4 4790.2
1981 199.1 2200.2 1994 189.4 5021.7
1982 205.5 2347.3 1995 249.3 53120.8

Se tiene como dato, que en 1982 Estados Unidos experimento su peor recesión en tiempos de paz. La
tasa de desempleo civil alcanzo el 9.7%, la más alta desde 1948. Un suceso como este pudo haber
perturbado la relación entre los ahorros y el IPD. Para ver si lo anterior sucedió, se dividirá la muestra
en 2 periodos: 1970 – 1981 y 1982 – 1995, los periodos antes y después de la recesión de 1982.

Periodo 1970 - 1981 : Yt = 1 + 2 X t + u1t n1 = 12

Periodo 1982 – 1995 : Yt =  1 +  2 X t + u2t n2 = 14
Periodo 1970 – 1995 : Yt = 1 + 2 X t + ut n = n1 + n2 = 26

Nota: Los ejercicios 25, 27, 28 y 30 pueden ser resueltos por los estudiantes con el programa Eviews12, Excel u Rstudio.