Actividad 03

Modelos de regresión múltiple
León Apolo Romero Hernández M01013152

Modelos de regresión múltiple
En esta actividad reforzarás la competencia Sello EBC: Impulsores de progreso-enfoque

en resultados, tu competencia técnica: Uso de modelos econométricos, y tu competencia
laboral: Análisis de problemas.
Instrucciones:
1. Realiza lo que se solicita a partir de la información del siguiente problema:
Problema
Los siguientes datos se refieren a un informe de resultados de un modelo

econométrico de regresión múltiple:
Yt = 25.1874 + 4.2894 X1 + 1.8945 X2 + 3.8945 X

ee = (0.1784) (0.2894) (0.8345) (0.4873)
t = (3.8945) (6.8345) (4.7945) (1.1345)
Fc = 38.66
R2 = 0.6685
n = 15
Donde Yt = Utilidad ($); X1 = Precio de venta del artículo ($); X2 = Producción del
artículo (Unidades) y X3 = Gasto en tecnología ($).
a. Interpreta los coeficientes del modelo econométrico.
Yt indica la ecuación de la recta de una regresión lineal múltiple; la primera

beta (25.1874) es la intercepción en y; es decir la distancia del origen hasta
la intercepción (donde comienza la recta); por otra barte los coeficientes de
β indican la proporción de cambio con respecto a las variables
independientes que presente la regresión.
Página 2 de 10 © Escuela Bancaria y Comercial, S.C.

b. Realiza la prueba de validación para cada coeficiente, con base en el estadístico
“t” al 95%.
t = (3.8945) (6.8345) (4.7945) (1.1345)

La prueba del estadístico t es significativa para las betas correspondientes a la
variable independiente; es decir; todas las que no sean b0, pues b0 únicamente
indica el intercepto en y. Para una muestra de 15 datos; debemos obtener los
grados de libertad debido al error = n -k-1 = 15-3-1; es decir 11. Por otra parte
igualmente los grados de libertad debido a la regresión; 3, que son las variables
independientes. Estableciendo un parámetro del 95% de confianza sabemos que la
zona de rechazo comienza en ±2.201, cualquier valor de t para cada b que supere
este valor, indica que la variable es significativa y posee pendiente; se rechaza
que H0 = Bj = 0.
c. Efectúa la prueba de hipótesis “F” del modelo al 95%.

Fc = 38.66
El estadístico de Fisher indica un valor de 38.66; la zona de rechazo comienza en
3.587, por tanto podemos concluir con un 95% de confianza que la betas poseen
pendiente, aprobando satisfactoriamente ambas pruebas.
d. Interpreta el coeficiente de determinación.
R2 = 0.6685
El coeficiente de determinación indica la proporción de correlación que existe de

las variables independientes hacia la variable dependiente; en este caso en
particular el coeficiente de determinación es relativamente bajo, sin embargo, no
insignificante. Se espera en un caso ideal que el coeficiente de determinación sea
de al menos 0.85.
e. Calcula el pronóstico de la utilidad si el precio de venta es de $15.00 MXN, la

producción es de 20 unidades y el gasto en tecnología es de $8.00 MXN.
Deberás considerar un intervalo de confianza al 95% para pronosticar.
Yt = 25.1874 + 4.2894 X1 + 1.8945 X2 + 3.8945 X

Considerando la ecuación de la recta dada:
Y (UTILIDAD) = 25.1874 + 4.2894($15) + 4.2894($20) + 1.8945($8)
2. Realiza la interpretación de resultados de la siguiente matriz de correlaciones

parciales.
Donde:
IPR = inversión privada real.
R = tasa de interés.
PIBR = producto interno bruto
real.

IPR R PIBR
IPR 1 0.7050 0.9220
R -0.7050 1 -0.6355
PIBR 0.9220 0.6355 1
La tabla de correlación explica la proporción de relación que existe entre dos
variables; es decir es su proporción de cambio con respecto a la variable en
función a analizar. Por ejemplo; la correlación de IPR con IPR es 1, pues se trata de
exactamente el mismo dato, sin embargo, R comparado con IPR, muestra la
correlación que existe entre ambas variables; podríamos decir que R es el
equivalente a -0.7050 de IPR.
3. Revisa los siguientes resultados de las regresiones para las exportaciones junto con
sus respectivas gráficas de pronósticos.
Regresión 1
Variable dependiente: LOG(XRT)

Método de Estimación: Mínimos Cuadrados Ordinarios
Período muestral en frecuencia trimestral: 1990:1 2002:2
Observaciones incluidas: 50
Coeficiente
Variable Error Std. t-calculado Valor P
Estimado
-6.424345 0.513448 -12.51215 0.0000
C
0.437962 0.091932 4.763952 0.0000

LOG(TCR)
2.444759 0.063322 38.60844 0.0000

LOG(PIBUS)
R-Cuadrada 0.970803 F-Calculado 748.1401
R-Cuadrada Ajustada 0.969506 Prob (F-calculado) 0.000000
Gráfica 1. (XRT) observado versus (XRT Ajustado)

a. Construye la ecuación de regresión múltiple
log ( XRT ) es decir Y =−6.424345+0.437962 ( log ( TCR ) ) +2.444759 (log ( PIBUS ))
b. Interpreta los coeficientes estimados
Son las betas que indican para el caso de β0 la intercepción en y; es decir

la distancia en el eje de y del origen; al punto que intercepta la recta en y.
Por otra parte, β1 y β2 representan la proporción de cambio en y en función
de la variable independiente que les corresponda; en este caso para β1
LOG(TCR) y para β2 LOG(PIBUS).
c. Realiza la prueba de validación para cada coeficiente, con base en el estadístico

“t” al 99% de confiabilidad.
Se establece en la distribución de t; un valor donde comienza la zona de rechazo

equivalente a ±2.685. Para determinar el estadístico t para cada una de las betas,
realizamos lo siguiente:
0.437962
t b 1= =4.76397
0.091932
2.444759
t b 2= =38.608366
0.063322
Ambos estadísticos de t para cada una de las β se encuentran en la zona de
rechazo; por tanto, podemos concluir que los datos son estadísticamente

adecuado al modelo con un parámetro de un 99% de confianza. Podemos
concluir que la ecuación de la recta presenta pendiente para cada una de las
β y su variable independiente según corresponda.
d. Efectúa la prueba de hipótesis “F” del modelo al 99% de confiabilidad.
F para una muestra de 50 establece un valor donde comienza la zona de

rechazo equivalente a 5.087, para este caso en particular nuestro estadístico de
F es 748.140; aprobando la prueba del estadístico de F satisfactoriamente;
indicando de manera global que los datos son estadísticamente adecuados y
que las b presentan pendiente.
e. Interpreta el coeficiente de determinación.
R^2 = 0.970803
Es la proporción de correlación que existe entre las variables independientes

con respecto a la variable dependiente; se entiende como la proporción en
que las x explican a la y. Particularmente en este ejemplo el coeficiente de
determinación es bastante alto; por lo que podríamos concluir que es un
modelo que utiliza variables adecuadas; sin embargo habría que analizarlo a
mayor profundidad para determinar si no existe colinealidad entre las
variables independientes.
Regresión 2

Variable dependiente: LOG(MRT)
Método de Estimación: Mínimos Cuadrados Ordinarios
Periodo muestral en frecuencia trimestral: 1990:1 2002:2
Observaciones incluidas: 50
Coeficiente
Variable Error Std. t-calculado Valor P
estimado
-37.64853 1.982177 -18.99353 0.0000
C
0.109746 0.120742 0.908928 0.3680
LOG(TCR)
3.557021 0.135351 26.27999 0.0000
LOG(PIBR)
R-Cuadrada 0.946139 F-Calculado 412.8096
R-Cuadrada Ajustada 0.943847 Prob (F-calculado) 0.000000
Gráfica 2. (MRT) observado versus (MRT Ajustado)
a. Construye la ecuación de regresión múltiple.
log ( MRT )=−37.64853+ 0.109746 ( log ( TCR ) ) +3.557021(log ( PIBR ) )
b. Interpreta los coeficientes estimados.
Cuando las variables independientes sean equivalentes a 0 y; es decir

LOG(MRT) será equivalente a -37.64853, esto es nuestra b0. Por otra parte,
las demás b; muestran la proporción de cambio de y con respecto a la
variable independiente.

c. Realiza la prueba de validación para cada coeficiente, con base en el estadístico
“t” al 99% de confiabilidad.
Se establece un valor para la zona de rechazo de ±2.685.
t log(TCR)=0.90892 8
t log(PIBR )=26.27999
Únicamente b2 presenta datos estadísticamente adecuados; se encuentra en la

zona de rechazo; por lo tanto, determinamos que b2 presenta pendiente y por tanto
la variable es significativa para el modelo; sin embargo, para beta1, los que nos
indica el estadístico de t es que no se encuentra en la zona de rechazo; por lo tanto
no se rechaza y se acepta la hipótesis nula H0 = B1 = 0.

d. Efectúa la prueba de hipótesis “F” del modelo, al 99% de confiabilidad.
F-Calculado 412.8096
El estadístico de F-Calculado aprueba la prueba de F satisfactoriamente ubicándose

en la zona de rechazo; superior a 5.087.
e. Interpreta el coeficiente de determinación.
R-Cuadrada 0.946139
Es la proporción de relación que existe entre las variables independientes con respecto a la variable
dependiente.
Nota: tu docente/asesor puede proponer algunos otros puntos, siempre que lo considere
pertinente. Sin embargo, es importante considerar, en un primer momento, los que aquí
se enlistan y que responden a los objetivos planteados.

Actividad 03

Cargado por

Copyright:

Formatos disponibles

Actividad 03

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Actividad 03

Cargado por

Copyright:

Formatos disponibles

Modelos de regresión múltiple

León Apolo Romero Hernández M01013152

En esta actividad reforzarás la competencia Sello EBC: Impulsores de progreso-enfoque

1. Realiza lo que se solicita a partir de la información del siguiente problema:

Los siguientes datos se refieren a un informe de resultados de un modelo

Yt = 25.1874 + 4.2894 X1 + 1.8945 X2 + 3.8945 X

a. Interpreta los coeficientes del modelo econométrico.

Yt indica la ecuación de la recta de una regresión lineal múltiple; la primera

Página 2 de 10 © Escuela Bancaria y Comercial, S.C.

t = (3.8945) (6.8345) (4.7945) (1.1345)

c. Efectúa la prueba de hipótesis “F” del modelo al 95%.

Página 3 de 10 © Escuela Bancaria y Comercial, S.C.

d. Interpreta el coeficiente de determinación.

El coeficiente de determinación indica la proporción de correlación que existe de

e. Calcula el pronóstico de la utilidad si el precio de venta es de $15.00 MXN, la

Yt = 25.1874 + 4.2894 X1 + 1.8945 X2 + 3.8945 X

2. Realiza la interpretación de resultados de la siguiente matriz de correlaciones

Página 4 de 10 © Escuela Bancaria y Comercial, S.C.

Variable dependiente: LOG(XRT)

0.437962 0.091932 4.763952 0.0000

2.444759 0.063322 38.60844 0.0000

Gráfica 1. (XRT) observado versus (XRT Ajustado)

Página 5 de 10 © Escuela Bancaria y Comercial, S.C.

log ( XRT ) es decir Y =−6.424345+0.437962 ( log ( TCR ) ) +2.444759 (log ( PIBUS ))

b. Interpreta los coeficientes estimados

Son las betas que indican para el caso de β0 la intercepción en y; es decir

c. Realiza la prueba de validación para cada coeficiente, con base en el estadístico

Se establece en la distribución de t; un valor donde comienza la zona de rechazo

Página 6 de 10 © Escuela Bancaria y Comercial, S.C.

d. Efectúa la prueba de hipótesis “F” del modelo al 99% de confiabilidad.

F para una muestra de 50 establece un valor donde comienza la zona de

e. Interpreta el coeficiente de determinación.

Es la proporción de correlación que existe entre las variables independientes

Página 7 de 10 © Escuela Bancaria y Comercial, S.C.

Gráfica 2. (MRT) observado versus (MRT Ajustado)

a. Construye la ecuación de regresión múltiple.

log ( MRT )=−37.64853+ 0.109746 ( log ( TCR ) ) +3.557021(log ( PIBR ) )

b. Interpreta los coeficientes estimados.

Cuando las variables independientes sean equivalentes a 0 y; es decir

Página 8 de 10 © Escuela Bancaria y Comercial, S.C.

Se establece un valor para la zona de rechazo de ±2.685.

Únicamente b2 presenta datos estadísticamente adecuados; se encuentra en la

Página 9 de 10 © Escuela Bancaria y Comercial, S.C.

El estadístico de F-Calculado aprueba la prueba de F satisfactoriamente ubicándose

e. Interpreta el coeficiente de determinación.

Página 10 de 10 © Escuela Bancaria y Comercial, S.C.

También podría gustarte