1

Tarea 2

Modelos Econométricos de Regresión Lineal Simple y Múltiple

Estudiante:

Belky Paola Ayala Guarnizo

Grupo: 105010_26

Universidad Nacional Abierta y a Distancia (UNAD)

Tutor: Jimmy Alexander Pineda Muñoz

Septiembre de 2022
 2

Contenido

INTRODUCCIÓN..................................................................................................................................................3
DESARROLLO ACTIVIDAD …………………………………………………………….................................4
CONCLUSIONES ……………………………………………………………………………………………...29

REFERENCIAS………………………………………………………………………………………………...30
 3

INTRODUCCIÓN

El desarrollo de esta actividad se espera conseguir comprender los modelos de

regresión simple y múltiple, identificando los supuestos básicos de los modelos de

regresión mediante ejercicios expuesto para su mayor compresión; de igual manera con

palabras claves que les ayuden a entender los fundamentos y el manejo de STATA.
 4

DESARROLLO ACTIVIDAD

Responder:

a) ¿Qué es un coeficiente beta? ¿Por qué la prueba de significancia se basa en la

hipótesis de que beta es igual a cero?

El coeficiente beta, representado por el símbolo (β), ya que este mide el grado de la

variedad de la rentabilidad de una acción respecto a la rentabilidad promedio de un

mercado en el que se negocia. De igual manera beta (β) mide el “riesgo sistemático” o

“de mercado”. Por lo que en cuanto sea más volátil una acción del mercado tiene un

mayor riesgo. Cuando beta (β) es igual a 1 es una acción de valor neutro, beta (β) > 1

es una acción de valor agresivo y beta (β) < 1 es una acción de valor defensivo.

La prueba de significancia se basa en la hipótesis de que beta es igual a cero, porque

ante subidas o bajadas de un mercado nos podemos encontrar con pendientes que

producen variaciones, pero con una acción de menor riesgo.

b) Apoyándose en la función de la recta en la matemática, explique qué es el

intercepto y qué es la pendiente, y relaciónelos con los coeficientes beta de los

modelos de regresión.

Intercepto: son los puntos o punto donde se encuentran encontrado el valor de la

pendiente.

Pendiente: se puede interpretar como el indicador de grado de inclinación de una

pendiente, intercepto y de una línea definiendo la relación entre las dos variables.

Coeficiente beta: es una medida de riesgo sistematizada, importantes para estimar en

la hora de realizar inversiones por lo cual los coeficientes beta en los modelos de
 5

regresión tienen intercepto y pendiente, con los coeficientes mencionados se reflejan

resultados como análisis.

c) Qué significa el concepto de “determinación” en econometría, y por tanto, qué

mide el coeficiente de determinación? ¿Y cómo se interpreta?

Determinación en econometría se refiere a la correlación múltiple (R) midiendo la

proporción de variabilidad de la variante dependiente introducida. El valor dado

mediante la determinación se multiplica por 100, de ahí sale el porcentaje de

variabilidad.

d) ¿Qué significa causalidad estadística?

Causalidad estadística: es la relación de dos o más conceptos que aparecen con

frecuencia de dos variables donde una es la consecuencia de otra.

e) ¿Cuál es la diferencia entre el modelo simple y el modelo múltiple? Y de dos

ejemplos, a través de ecuaciones, donde se especifiquen las variables

Modelo simple: Es una técnica estadística que permite determinar la mejor ecuación

que representa la relación entre dos variables relacionadas.

Modelo múltiple: tiene el objetivo de explicar el comportamiento de una variable

dependiente utilizando la información proporcionada por los valores de un conjunto

de variables explicativas.

La diferencia entre modelo simple y modelo múltiple: el modelo simple maneja

una variable, el modelo múltiple es un método más amplio que maneja regresiones

lineales y no lineales, con múltiples variables explicativas.

f )¿Cuál es la relación entre coeficiente de correlación y coeficiente de determinación?

 6

Coeficiente de correlación: es la que mide la relación lineal entre dos variables

cuantitativas.

Coeficiente de determinación: este coeficiente es genérico y sirve para cualquier

tipo de regresión.

La relación entre coeficiente de correlación y coeficiente de determinación es:

Cuando el  coeficiente r de Pearson se eleva al cuadrado, el resultado indica el

porcentaje de la variación de una variable debido a la variación de la otra y viceversa.

Es decir, el coeficiente de determinación, r al cuadrado o r², es la proporción de la

variación en Y explicada por X. Puede adoptar cualquier valor entre 0 y 1, inclusive.

(Gestión de Operaciones- Funciona gracias a WordPress)

g) ¿Cuál es la diferencia de cálculo entre el coeficiente de determinación y el

coeficiente de la determinación ajustado?

Coeficiente de determinación ajustado: es la medida que soluciona los problemas

que presenta el coeficiente de determinación.

La diferencia entre el coeficiente de determinación y el coeficiente de

determinación ajustado es: que el coeficiente de determinación depende mide la

proporción de variabilidad de la variable dependiente explicada por la variable

independiente introducida o por la recta de regresión. Mientras que el coeficiente de

determinación ajustada a medida que se añade variables a una ecuación, este queda

ajustado por el numero de observaciones y el número de variables independientes en

la ecuación. (Capítulo 3 Análisis de Regresión Simple).

 7

Resolver Gujarati (2009):

2.10. Considere el diagrama de dispersión de la figura 2.8 junto con la línea de

regresión. ¿Qué conclusión general deduce de este diagrama? ¿La línea de regresión

del diagrama es una línea de regresión poblacional o una línea de regresión muestral?

Se puede concluir que la variación promedio varia en mas menos dos, además que la

regresión que se presenta en el diagrama es poblacional, de igual forma que el error

que se presenta es mayor para el análisis de América Latina y el caribe debido a la

dispersión en los datos.

2.12. ¿Qué revela el diagrama de dispersión de la figura 2.10? Con base en dicho

diagrama, ¿se puede decir que las leyes del salario mínimo propician el bienestar

económico?

No propicia el bienestar económico ya que nos son variables de casualidad, de igual

forma se puede evidenciar que a manera que el salario básico es mayor – menor es la

relación con el PIB per cápita.

 8

2.15. En la tabla 2.8 se proporcionan los datos sobre gasto en comida y gasto total

(en rupias) para una muestra de 55 familias rurales de India. (A principios de 2000, un

dólar estado-unidense equivalía a casi 40 rupias indias.)

a) Grafi que los datos con el eje vertical para el gasto en comida y el eje horizontal

para el gasto total; trace una línea de regresión a través de los puntos de dispersión.

b) ¿Qué conclusiones generales se pueden deducir de este ejemplo?

 9

En la grafica podemos identificar que los gastos siempre están en un rango

determinado esto indica que siempre se pretende tener los mismos gastos y no superar

estos.

c) Diga a priori si se esperaría que el gasto en comida se incrementara de manera

lineal conforme el gasto total aumentase, independientemente del nivel de gasto.

¿Por qué? Puede emplear el gasto total como representante del ingreso total.

No es posible ya que las personas tienden a gastar cada día menos y a que las

personas gasten primero en la canasta familiar y luego gasten en artículos de lujo

que no son de primera necesidad.

2.16. La tabla 2.9 presenta datos sobre el promedio de calificaciones del examen de

aptitud académica SAT de los estudiantes que solicitaron admisión a licenciatura de

1972 a 2007. Estos datos representan las calificaciones en el examen de lectura crítica
10

y matemáticas de hombres y mujeres. La categoría de redacción se introdujo en 2006.

Por tanto, estos datos no se incluyen.

a) Con el eje horizontal para los años y el vertical para las calificaciones del examen

SAT, grafique las calificaciones de lectura crítica y matemáticas de hombres y

mujeres por separado.

11

b) ¿Qué conclusiones generales se obtienen?

De acuerdo a las graficas de inciso “a” se puede concluir que las calificaciones de los

hombres son mayores o superiores a la de las mujeres.

De acuerdo a las gráficas del

inciso a se puede concluir que
las calificaciones de los
hombres son
mayores o superiores a la de
las mujeres
c) Al conocer las calificaciones de lectura crítica de hombres y mujeres, ¿cómo

haría para predecir las calificaciones de matemáticas?

Para predecir seria necesario realizar una función de regresión, con el fin de obtener

una estimación pero en este caso no se puede realizar una predicción.

d ) Grafique las calificaciones de matemáticas de las mujeres contra las calificaciones

de matemáticas de los hombres. ¿Qué observa?

12

Poseen una correlación positiva pero no se presentan un variable de casualidad entre

las calificaciones.
13

Resolver Wooldridge (2010):

C3.3 El archivo CEOSAL2.RAW contiene datos de 177 CEO (directores generales) y puede

utilizarse para examinar los efectos del desempeño de la empresa sobre el sueldo de los CEO.

i) Estime un modelo que relacione el sueldo anual (salary) con las ventas de la empresa

(sales) y el precio de mercado (mktval). Use el tipo de modelo que tiene elasticidad constante

para ambas variables independientes. Escriba los resultados en forma de ecuación.

14

En la condicional regresión de salary sales mktval:

15

Podemos evidenciar que las ventas del mercado están en .0164994 y el precio del mercado en

.02552906.

¿Por qué decimos que se incrementa? Básicamente por el signo que acompaña el coefiente en

este caso ambos signos son positivos.

ii) Añada profits (utilidades de la empresa) al modelo del inciso (i). ¿Por qué esta variable no

puede incluirse en forma logarítmica? ¿Diría usted que estas variables de desempeño de la

empresa explican la mayor parte de la variación en sueldos de los CEO?

Ahí agregamos profits donde nos demuestra que a medida que tenemos mas utilidades de la

empresa generamos mayores ingresos.

¿Por qué esta variable no puede incluirse en forma logarítmica?

16

Para poder aplicarse en forma logarítmica las cantidades deben ser estrictamente positivas.

Por lo que en esta variable el análisis econométrico deben de tener la capacidad de eliminar el

efecto de las unidades de las variables sobre los coeficientes.

¿Diría usted que estas variables de desempeño de la empresa explican la mayor parte de la

variación en sueldos de los CEO?

Si estas variables nos ayudan a explicar la mayor parte de la variación en los sueldos de

acuerdo a los modelos que entran los logaritmos donde el modelo de elasticidad es constante

para ambas variables independientes, examinando los efectos de desempeño de la empresa

con los sueldos de los CEO. Y se explica en el R-squared = 0.1777 y Adj R-squared =

0.1635. que son la coefiente de determinación y coefiente de determinación ajustada.

iii) Añada la variable ceoten (antigüedad del CEO en el puesto) al modelo del inciso (ii).

¿Cuál es el rendimiento porcentual estimado por un año más de permanencia del CEO en la

empresa, manteniendo constantes los otros factores?

17

Se agrega la variable ceoten de tiempo de estimado para el CEO en el puesto, se ve

claramente que entre más variables se agreguen es para alto el coeficiente de determinación y

coeficiente de determinación ajustado que seria ahora de R – squared = 0.2014 y Adj R-

squared = 0.1828. Y sigue siendo mas alto

iv) Encuentre el coeficiente de correlación muestral entre las variables log(mktval) y profits.

¿Estas variables están fuertemente correlacionadas? ¿Qué indica esto sobre los estimadores

de MCO?
18

Coeficiente de correlación muestral entre las variables mktval y profits, estas variables están

fuertemente relacionadas ya que depende del precio del mercado las utilidades de la empresa.

Donde las utilidades de la empresa tiene un efecto positivo frente al precio del mercado y la

fuerza es relativamente débil.

C3.4 Para este ejercicio, utilice los datos del archivo ATTEND.RAW.

i) Obtenga los valores mínimo, máximo y promedio para las variables atndrte,

priGPA, y ACT (porcentaje de asistencia a clases, calificación promedio general

acumulada, calificación en el examen de admisión a la universidad,

respectivamente).
19

ii) Estime el modelo

atndrte = β₀ + β₁priGPA + β₂ACT + u,

20

y escriba los resultados en forma de ecuación. Interprete el intercepto. ¿Tiene un

significado útil?

Atndrte = 75.7004 + 17.26059priGPA – 1.716553ACT

iii) Analice los coeficientes de pendiente estimados. ¿Hay alguna sorpresa?

Se evidencia que el coefientes de determinación R – squared = 0.2906 y Adj R –

squared = 0.2885. tienen una proporción a la varianza frente a la regresión. Por lo

que el coefiente de determinación ajustada R – squared = 0.2906 y Adj R –

squared = 0.2885. esta mas alto.

iv) ¿Cuál es el atndrte si priGPA = 3.65 y ACT = 20? ¿Qué piensa de este resultado?

¿Hay alumnos en la muestra con estos valores de las variables explicativas?

21

No hay alumnos con estos valores en las variables explicativas que son

calificación promedio general acumulada.

v) Si el alumno A tiene priGPA = 3.1 y ACT = 21 y el alumno B tiene priGPA = 2.1

y ACT= 26, ¿cuál es la diferencia predicha en sus tasas de asistencia?

22

La diferencia predicha de la tasa de asistencia es de 14,633481.

C3.6 Para este problema, utilice los datos del archivo WAGE2.RAW. Como de

costumbre, asegúrese de que todas las regresiones que siguen contengan un intercepto.

i) Corra una regresión simple de IQ sobre educ para obtener el coeficiente de

pendiente, por ejemplo, ˜ δ1.

23

ii) Corra la regresión simple de log(wage) sobre educ y obtenga el coeficiente de

pendiente, β ˜₁.

iii) Corra la regresión múltiple de log(wage) sobre educ e IQ y obtenga los

coeficientes de pendiente, βˆ1 y βˆ2 , respectivamente.

iv) Verifique que β˜1=β ˆ 1 + βˆ2 ˜ δ1 .

C3.8 Utilice la base de datos DISCRIM.RAW para responder esta pregunta. Hay datos

sobre los precios de diversos artículos de restaurantes de comida rápida situados en zonas

con distinto código postal, así como características de la población residente en dicho
24

código, pertenecientes a Nueva Jersey y Pennsylvania. La idea es ver si los restaurantes

de comida rápida tienen precios más altos en áreas con mayor concentración de

población afroestadounidense.

i) Determine los valores promedio, en la muestra, de prpblck (proporción de

afroestadounidenses) y de income (ingreso familiar medio), junto con sus

desviaciones estándar. ¿Cuáles son las unidades de prpblck y de income?

25

Las unidades de prpbick sobre income – proporción de afroestadounidenses sobre

ingreso familiar promedio es de 409.

ii) Considere un modelo para explicar el precio de las bebidas refrescantes, psoda,

en términos de la proporción de población afroestadounidense y de ingreso

medio: psoda = β₀ + β₁prpblck + β₂income + u.

Estime este modelo mediante MCO y dé los resultados en forma de ecuación

incluyendo el tamaño de la muestra y la R-cuadrada (No use notación científica al

dar las estimaciones). Interprete el coeficiente de prpblck. ¿Considera que es

grande desde el punto de vista económico?

Tamaño de la muestra: 401 y el coeficiente de determinación es R-squared =

0.0642. Considero que el coeficiente de prpblck si es grande la población de

afroestaunidenses.
26

iii) Compare la estimación del inciso ii) con la estimación mediante regresión simple

de psoda sobre prpblck. ¿Es el efecto de la discriminación mayor o menor cuando

se controla el ingreso?

Cuando se controla el ingreso la discriminación es menor.

iv) Un modelo con una elasticidad constante del precio respecto al ingreso puede ser

más apropiado. Proporcione las estimaciones del modelo

log(psoda)= β₀ 0 + β₁prpblck + β₂log(income) + u.

Si prpblck aumenta en .20 (20 puntos porcentuales), ¿cuál es el cambio

porcentual estimado para psoda? (Sugerencia: la respuesta es 2.xx, usted tiene

que dar las “xx”.)

Nos da un cambio porcentual de -.92162497

27

log(psoda)= β₀ 0 + β₁prpblck + β₂log(income) + u.

28

v) Agregue ahora la variable prppov (proporción de personas en pobreza) a la

regresión del inciso iv). ¿Qué pasa con βˆ prpblck?

¿Qué pasa con βˆ prpblck?

Disminuye la proporción de afroestaunidenses.

29

vi) Encuentre la correlación entre log(income) y prppov. ¿Es aproximadamente lo

que esperaba?

vii) Evalúe la afirmación siguiente: “como log(income) y prppov están fuertemente

correlacionadas, no tiene caso que estén en la misma regresión”.

No están fuertemente relacionada ya que podemos ver que prppov esta en

negativo por lo que no tiene caso que estén en la misma regresión.

30

Conclusiones

Con el desarrollo de este trabajo se puede concluir que se comprendí un 75% de la

regresiones simples y múltiples, ya que se identificó modelos básicos llevados a la práctica

mediante el programa STATA desarrollando modelos de regresión con apoyo matemático.

31

Referencias

 Wooldridge, J. (2015). Introducción a la Econometría: Un enfoque moderno, (5a. ed.),

Ed. Cengage Learning.
Cap.1. https://elibro-net.bibliotecavirtual.unad.edu.co/es/ereader/unad/93207

 Gujarati, D. (2009) Econometría, (5a. ed.), Ed. Mc Graw Hill.

Cap.1. http://www.ebooks7-24.com.bibliotecavirtual.unad.edu.co/?il=279&pg=1
 Stata press publication. Stata Corp. Userguide reléase STATA.
2013. http://www.stata.com/manuals13/u.pdf
 Wooldridge, J. (2015). Introducción a la Econometría: Un enfoque moderno, (5a. ed.),
Ed. Cengage Learning. Cap.2-
3 https://elibro-net.bibliotecavirtual.unad.edu.co/es/ereader/unad/93207
 Gujarati, D. (2009) Econometría, (5a. ed.), Ed. Mc Graw Hill. Cap.1-
2. http://www.ebooks7-24.com.bibliotecavirtual.unad.edu.co/?il=279&pg=1