EJERCICIOS TEMA 2: MLSCUESTIONES TERICAS Y TERICO PRCTICAS1) Qu es un MLS? Es el modelo economtrico que empleamos para estudiar la relacin de dos variables, siendo este caso Y y X. Explicaremos Y en trminos de X Qu elementos lo componen? Qu significado tienen cada uno de ellos?

2) Por qu es necesaria la inclusin de la perturbacin o error en el MLS?Se debe a que este elemento representa y recoge factores distintos de X que tambin afectan a Y

3) Qu tres cuestiones resuelve el MLS?-Permitir que otros factores afecten a Y, sabiendo que nunca se da una relacin exacta entre dos variables.- Concluir o conocer la relacin funcional existente entre X e Y.- Conocer el modo de captar la relacin de ceteris paribus entre X e Y.

4) Qu dos supuestos bsicos se establecen para poder aplicar la clusula ceteris paribus en el MLS ? Es necesario que se cumplan dos supuestos que conciernen al error o perturbacin. Supuesto 1. La esperanza de las perturbaciones o error es 0. Por tantos la media de los no observables es nula.Supuesto 2. Implica

5) Qu es ? Es una funcin lineal de XA qu es igual? Qu nombres recibe? Recibe el nombre de PARTE SISTMICA (parte de Y explicada por X)

6) Qu elemento tienen en comn el modelo estimado y el modelo terico?Si observamos el modelo terico (FRP), los elementos que los componen son , del mismo modo que el modelo estimado, los elementos que los componen son . Si nos fijamos, el modelo estimado es una aproximacin del modelo terico por tanto, el elemento comn es la X que es igual en ambos modelos. Cules son diferentes? Mientras que s del modelo estimado, son estimaciones o aproximaciones de las s del modelo terico, la cuales no conocemos el valorEn qu consiste esa diferencia? La diferencia entre los poblacionales y los estimados es lo que llamaremos residuos

7) Son diferentes los conceptos de residuo y perturbacin? S, debido a que el residuo es la diferencia entre el valor observado y el estimado , sin embargo el error o perturbacin es la variable que nos representa aquellos variables que sin ser explicados por X tambin, afectan al valor observador . Por tanto el residuo es una aproximacin del error o perturbacin del modelo economtrico.8) La perturbacin es una variable aleatoria mientras que el residuo no lo es. Razona la veracidad o falsedad de esta afirmacin. Segn y cmo hemos explicado con anterioridad el residuo es una estimacin de la perturbacin y como ste es una variable aleatoria el residuo tambin.

9) Cules son las propiedades de los residuos MCO?

1. Pasa a travs de las medias muestrales de Y y X.2. El valor promedio del Y estimado= , es igual al valor medio del Y real para:3. El valor de la media de los residuos es cero.4. Los residuos no estn correlacionados con el valor predicho de , lo cual puede ser verificado utilizando la forma de desviacin.

5. Los residuos no estn correlacionados con Xi. Esto es:

10) El coeficiente de determinacin R2 es una medida de la calidad de ajuste del modelo. Razona la veracidad o falsedad de la afirmacin.Este coeficiente es una medida de la bondad del ajuste, dado que determina el poder explicativo del modelo. Esto explica la proporcin de la variacin de la variable Y, que puede atribuirse a la variacin de la variable X, dicho de otra manera, proporcin de la variacin de la variable Y que vienen explicada por el modelo.

11) Si el R2=0,8 y N=100 entonces eso significa que en 80 observaciones muestrales el residuo es nulo, es decir, 80 puntos estn situados sobre la recta. Razona la veracidad o falsedad de la afirmacin.Para que los puntos estn situados sobre la reta R2=1. Si R2=0,8 est prximo a 1, esto indica una calidad del ajuste muy bueno a los datos de una muestra. El modelo estimado explica caso perfectamente el comportamiento de la variable dependiente .12) Ante un R2=0,8, se puede afirmar que el 80% de la variabilidad de la variable dependiente Y es explicada por el modelo estimado. S13) Qu es un modelo linealizable?Es aquel modelo en el X e Y est linealmente, logartmicamente (lin-log), potencialmente (modelo log-log), inversamente (modelo inverso o recproco) y exponencialmente (log-lin) relacionados.14) Cmo se interpreta el parmetro de inters en un modelo lin-log? Y en uno log-lin? Modelo Lin-logM. Terica M. Estimado Interpretacin: El aumento de 1% de X provoca una variacin E(Y) de 0,012 unidades (+o -)

Modelo Long-linM. Terica M. Estimado Interpretacin: El aumento de una unidad en X provoca una variacin enE(Y) de 1002% (+o -)

15) Curva de Engel: relacin entre el gasto en un bien y el ingreso total. Obtenemos informacin de 2700 individuos sobre sus gastos en asistencia al cine y sus ingresos.Gasto, en euros, en asistencia al cine en un mes. Ingresos, en euros, brutos en ese mes.

Estimado el modelo obtenemos: 120; 48500Son ciertas estas afirmaciones, a la vista del resultado de la estimacin?:a) Por muy altos que sean los ingresos, el gasto en cine tiene un topeCierto, debido a que hay un techo donde por mucho que suban los ingresos, los gastos en el cine no superan los 120 mensualesb) Solo a partir de cierto nivel de ingresos, parte de stos se gastan en cineCierto, a partir de cierta cantidad siendo est 404,16 donde comienza a existir gastos en el cine, pero cantidades inferiores a esta, no hay gastos en trmino medio en el cinec) En caso de ingresos bajos el aumento de un euro en los ingresos repercute en el gasto en cine ms que en caso de ingresos altosCierto, esto se debe al carcter inverso del modelo, llevando esto a que en el caso de ingresos bajos, un aumento de una unidad monetaria () de ste, lleva consigo un aumento mayor que en el caso de los ingresos altos.16) Se estim la funcin de demanda de caf a partir de datos anuales en una dcada:Consumo de caf (tazas por persona y da)Precio del caf ($ por libra)

Qu interpretacin tiene el valor -0,253?El aumento de un 1% del precio del caf ($ por libra) provoca una variacin en E(Y) de -0,253 %. Elasticidad del consumo de caf (taza por persona y da) respecto del precio del caf ($ por libra)17) De qu depende que un estimador MCO sea ms o menos preciso?La precisin de un estimador se mide con el error tpico (o estndar). Cuanto menor sea el error tpico del estimador. El estimador ser ms preciso cuando sea lineal respecto de Y, insesgado y cuando sean de mnima varianza (Teorema de Gauss-Markov)18) Puestos a escoger los valores muestrales de X, qu resulta mejor:a) que estn muy concentradosA qu afecta esa dispersin?, a la suma de los residuos y la desviacin tpica Es mejor que los valores muestrales estn muy concentrados, ya que esto afecta a la desviacin tpica.19) Sabiendo que se cumplen los supuestos clsicos del MLS, se puede afirmar que los estimadores MCO de los coeficientes del modelo tienen muy poca variabilidad, es decir, son muy precisos. Razona la veracidad o falsedad de esta afirmacin.Si, se cumplen los supuestos clsicos del MLS, conllevara a que se cumplen las propiedades de los estimadores. Si estas propiedades se cumplen, tendremos coeficientes muy precisos.20) Sabiendo que se cumplen los supuestos clsicos del MLS, se puede afirmar que los estimadores MCO son de mnima varianza, es decir, ptimos?Si, podemos afirmar que los estimadores MCO son de mnima varianza, cuando los supuestos se cumplen.21) Los supuestos clsicos y las propiedades de los residuos MCO son dos formas de decir lo mismo. Razona la veracidad o falsedad de esta afirmacin.No, son dos formar de decir lo mismo, ya que las propiedades son caractersticas de los estimadores que deben cumplir, aunque se d todos a la vez22) Sabiendo que se cumplen los supuestos clsicos del MLS, razona si son ciertas o falsas las afirmaciones siguientes:a) La suma de las perturbaciones (de 1 a N) es igual a cero: Verdadero,b) E(ut) = 0 para todo t: Verdadero, debido a que se dan valores positivos y negativos que, en promedio, se compensan. Hace una afirmacin sobre la distribucin de los no observablesc) La suma de los cuadrados de las perturbaciones (de 1 a N) ha de ser mnimad) La suma de los residuos (de 1 a N) es igual cero: Verdadero, deriva directamente de la condicin de primer orden de los MCOe) 23) La hiptesis de normalidad de las perturbaciones es necesaria para que se cumpla el teorema de Gauss- Markov. Razona la veracidad o falsedad de esta afirmacin.24) Por qu decimos que la estimacin de los coeficientes por intervalos es complementaria a la puntual?Esta estimacin nos indica si el coeficiente, dependiendo del estadstico, es pertinente de ser tomado en consideracin, y se complementa con la estimacin puntual, ya que siguiendo la hiptesis podemos indicar si con el valor del parmetro poblacional, el coeficiente es significativo.25) De qu depende la amplitud de un intervalo de confianza de los coeficientes ?La desviacin tpica26) Qu es la prediccin en el MLS? Es el sistema para cono Qu diferencia hay entre la prediccin puntual y por intervalos?27) Qu diferencia hay entre la prediccin por intervalos media e individual?Se diferencia en que la prediccin por intervalos individual es que el valor tomado para realizar el intervalo es la diferencia entre el variable extramuestral e , mientras que en el caso del intervalos media, el valor tomado para realizarlo es la variable extrmuentral.28) De qu depende que una prediccin sea ms o menos precisa?29) Qu buscamos en un grfico de residuos contra la variable explicativa?Comprobar si se ha elegido bien el modelo30) y en uno de residuos contra el tiempo?Ejerciciosa)

iYXX^2YXY^2

113931

2241684

33749219

45111215525

591625614481

2041451231120

b) = 0,58, = -0,79c) iYXesYesUesU^2XesUesYesU

1130,970,030,0010,1050,03

2241,550,450,2041,8050,70

3373,30-0,300,090-2,098-0,99

45115,63-0,630,402-6,976-3,57

59168,550,450,2007,1643,83

204120,000,000,8970,000,00

Se puedo observar que las propiedades de los residuos se cumplen todo sin excepcin

d) 0,98e) 0,48 , 0,051f) Intervalo de confianza

Beta2

AB

0,420,75

beta1

AB

-0,950,76

g) Contraste de significacin

||

11,434493,182

h) Contraste de hiptesis

t

-27,749973,182

i) Y j)

Prediccin mediaPrediccin individual

7,975,05

0,060,36

ABAB

19,4045,203,1213,74

2)a) De los dos modelos estimados se ajusta mejor el , ya que

b) Segn el modelo MCO

2

-0,96

1

7,46

R^2

0,801

c) Propiedades de los residuos MCOYXesYesUesU^2XesUesYesU

625,540,460,2130,9232,56

434,58-0,580,333-1,731-2,64

443,620,380,1481,5381,39

343,62-0,620,379-2,462-2,22

352,650,350,1201,7310,92

201820,000,001,1920,000,00

Segn se observa en la tabla, se cumplen todas las propiedades de los residuos MCO

3)a)

2

0,75

1

3,60

b) La tabla

c) Estimar los parmetros:

2

0,75

1

3,60

Varianza de Est MCO

3,663

d) Precisin de los estimadores MCOIntervalo de confianza

Beta2

AB

-3,045,97

beta1

AB

2,531,00

e) No es significativo ya que |t|< Contraste de significacin

|t|

1,472,306

f) Como se observa en la tabla se cumplen todas las propiedades de los residuos

iYXesYesUesU^2XesUesYesU

1111011,10-0,100,010-1,000-1,11

21078,851,151,3238,05010,18

3121011,100,900,8109,0009,99

4657,35-1,351,822-6,750-9,92

51089,600,400,1603,2003,84

6789,60-2,606,760-20,800-24,96

7968,100,900,8105,4007,29

81078,851,151,3238,05010,18

911910,350,650,4225,8506,73

10101011,10-1,101,210-11,000-12,21

968096,000,0014,6500,000,00

4)a)

b)

beta2Variabeta2E.Tbeta2beta1variabeta1E.Tbeta1

0,0011,431,203,180,00030,02

c) Nivel 95%

AB

-2,922,93

d) S, porque este resultado es un factor que muestra la tendencia de las notas de los alumnos. Es decir, resultados de la prueba de seleccin para el acceso a la universidad, muestra como estudia los alumnos, siendo los alumnos que ms notas sacan en los resultados sern los que a su vez, saquen ms notas en la universidad.

e) R^2

0,90

f)

|t|t(8-2) alfa0.025

-16,732,45

5)

a) b) ; y beta2Variabeta2E.Tbeta2beta1variabeta1E.Tbeta1

0,0528,232,873,230,0050,069

VariaE.T

7,132,67

c) La elasticidad del esfuerzo dedicado a la investigacin respecto de las ventas anuales sonR^2

0,47

d) No, ya que slo el 47% de las ventas es explicada por el esfuerzo dedicado a la investigacin.e) No se considera un buen ajustef)

Hoja de EJERCICIOS 1 :TEMA 3: Secciones 1,2,3,4a,b,c y dCUESTIONES TERICAS Y TERICO-PRCTICAS

1) Analiza cada una de las siguientes afirmaciones e indica cules son ciertas y cules son falsas, justificando la respuesta.1. Los estimadores MCO incorporan la nocin ceteris paribus. Si, ya que poblacin tiene incluido este efecto y con es un reflejo.1. La suma residual en el MLS se calcula de forma diferente que en el MLG No porque las propiedades algebraicas delos residuos son iguales.1. La insesgadez de los estimadores MCO depende del cumplimiento de las propiedades MLG algebraicas de los residuos MCO No ya que depende delos supuestos clsicos 1. Los coeficientes de un modelo auxiliar sirven para la interpretacin econmica del modelo economtrico S, siempre se necesita el parmetro del trmino para la interpretacin econmica

e) Al comparar dos situaciones extramuestrales se tiene que1. por lo que hay una mayor precisin en la prediccin de que en la de Refleja que cuanta ms cerca estn de la media ms es el Leverage. Leverage refleja la intensidad de la relacin real entre las variables explicativas1. Cuando el coeficiente R2 corregido supera a R2 indica que se trata de un buen ajuste Falso , siempre corregido es menor que pero cuanto mas variables explicativas tenga el modelo en relacin 1. El coeficiente de determinacin corregido siempre es menor que el coeficiente de determinacin1. La variable acompaada por un mayor coeficiente estimado (en valor absoluto) es la ms importante en el modelo1. Si al estimar un modelo se cumple , entonces se trata de un mal ajuste.1. Los contrastes de significatividad individual permite estudiar si el efecto parcial de una1. variable explicativa sobre la variable dependiente es estadsticamente significativo1. k) El t-ratio es la medida de la importancia o relevancia de una variable X en el modelo terico1. l) El contraste de significatividad global plantea la hiptesis de que todos los coeficientes __ son1. nulos a la vez frente a la alternativa de que no lo sean1. m) En un MLG con dos variables explicativas es posible no rechazar las hiptesis ,1. y sin embargo rechazar la hiptesis 2) Explica brevemente los conceptos en el MLG y menciona alguna relacin entre parejas de ellos=Es la varianza poblacional, muestra la precisin entre las variables explicativas y la endgena.= Con esta la formula obtenemos la varianza estimada del modelo. Al igual que la varianza poblacional nos muestra la relacin entre las variables explicativas y la variable endgena estimadas.= La varianza del estimador.= Coeficiente de determinacin, nos muestra cuanto de la variable explicativa es explicada en la variable endgena.= se trata de la varianza de la variable extramuestral = es un nmero que la cercana de los valores extramuestrales a sus respectivas medias. Tambin refleja la relacin lineal entre las variables explicativas

3)a) Cierto, tras sustituir los datos en el modelo obtenemos una estimacin de 340 de gasto en ocio.b) Falso, tras sustituir como en el apartado anterior, los datos no coinciden con el enunciado, debido a que los coeficientes de los parmetros, no generan una relacin lineal directa, que nos d la mitad de los gastos del caso A.c) Falso, ya que por los datos que tenemos existe un intervalo ms amplio y por tanto menos preciso.d) Falso, ya que la amplitud para los usuarios A es mayor que en el caso de los usuarios en B.Ejercicios1)a) G=1 + 2*R + 3*Tb) Los resultados obtenidos son:beta2Beta3

ABAB

0,241,05-0,330,54

c) Desde la premisa de que , obtenemos el siguiente dato:

= 0,99d) y F =; ; Rechazamos la hiptesis nulae) y ; , sabiendo que ; Rechazamos la hiptesis nula y ; , sabiendo que Aceptamos la hiptesis nula.f) Podemos decir que tras realizar los contrastes, que la variable es poco relevante para explicar la variable dependiente.g) Los datos obtenidos sonY0VarEstYLevaregeVarY0E.T(Y0Var(Y0-estY0)E.T(Y0-estY0)T(0,025,7)

7,260,640,6090,390,621,021,012,365

MediaIndividual

ABAB

7,267,267,267,26

2)a) Los datos que tenemos: y F =; ; Rechazamos la hiptesis nulab) La bondad del ajuste: , para conocer la calidad de ajuste del modelo estimamos el coeficiente de determinacin corregido, obteniendo el dato . Nos hallamos que el coeficiente de determinacin corregido es menor que el coeficiente de determinacin c) Los datos que tenemos: y |t|=; ; Rechazamos la hiptesis nula

d) Los datos obtenidos:

Y0VarEstYLevarageVarY0E.T(Y0)T(0,025,17

99,544,000,030,120,352,11

Media

AB

98,81100,27

3)a) Sabemos que ; a su vez, sabemos que . Sabiendo que . .b) y . y c) y |t|=; ; Rechazamos la hiptesis nulad) y |t|=; ; Rechazamos la hiptesis nulaNinguna de las dos variables es ms relevante para explicar la variable independiente.

e) Los datos que tenemos: y F =; ; Aceptamos la hiptesis nulaf) Los datos que tenemos y con los que hemos hallado lo lo siguiente:Y0VarEstYLevaregeVar(Y0-estY0)E.T(Y0-estY0)T(0,025,17)

1,901,250,05321,321,152,11

Individual

AB

-0,524,32

4) a) Los datos obtenidos son:AB

-8,9811,78

0,100,15

-0,180,11

b) Datos obtenidosR^2Corre R^2

0,9960,996

c) Los datos que tenemos: y F =; ; Rechazamos la hiptesis nula

y ; |t| =; ; aceptamos la hiptesis nula y ; |t| =; ; Rechazamos la hiptesis nula

y ; |t| =; ; Aceptamos la hiptesis nula

5) a) La interpretacin de los coeficientes son: El aumento de 1 unidad de X provoca una variacin E(Y) de 1 unidades (+o -) El aumento de 1unidad de X provoca una variacin E(Y) de 2 unidades (+o -) El aumento de 1unidad de X provoca una variacin E(Y) de 3 unidades (+o -)b) Los datos obtenidos son:ABBeta2beta3Var Regresion

Bet21,811,87Var0,000250,00011139,29

Beta37,077,11E.T0,0160,0107

c) Los datos obtenidos son:R^2Corre R^2

0,00007-0,118

d) Los datos que tenemos: y F =; ; Aceptamos la hiptesis nula

e) Los datos obtenidos son: y ; |t| =; ; Aceptamos la hiptesis nula

y ; |t| =; ; Rechazamos la hiptesis nula

f) Si, no es relevante desde una perspectiva estadstica.

g) Los datos obtenidos:Y0VarEstYLevaregeVarY0E.T(Y0Var(Y0-estY0)E.T(Y0-estY0)T(0,025,7)

122,3511,800,060,710,8412,513,542,11

MediaIndividual

ABAB

120,57124,13114,89129,81

6)a) Comenzamos hallando: ; = 0,00185, y por tanto, =0,043Sabemos que STC= = 77,44. y ; |t| =; ; Aceptamos la hiptesis nulaSi es estadsticamente significativo.= 0,0000167, y por tanto, =0,0041

y F =; ; Aceptamos la hiptesis nula

Obtenemos SEC= 7,78b)

c)

Y0VarEstYLevaregeVarY0E.T(Y0Var(Y0-estY0)E.T(Y0-estY0)T(0,025,9)

0,150,040,6650,030,170,070,272,262

MediaIndividual

ABAB

-0,230,53-0,460,76

7)a) El modelo representa una relacin lineal entre las variables explicativas y la variable endgena, por tanto, si en el modelo las variables explicativas se suman para obtener la variable explicada, los signos sern positivos. Sin embargo, en este caso, no hallamos frente a que la variable endgena son las hectreas dedicadas al cultivo de trigo, mientras que las variables explicativas son el precio del trigo y el precio del algodn. A priori, podemos comprender que si hay un aumento del precio del trigo de manera lineal, habr un aumento de las hectreas dedicada al cultivo de trigo, en cambio, se da la inversa en el caso del algodn, ante subidas del precio del algodn nos encontraremos con bajadas en las hectreas dedicadas al cultivo de trigo.

b) El aumento de 1% de X provoca una variacin E(Y) de 2 % unidades (+o -)El aumento de 1% de X provoca una variacin E(Y) de 3 % unidades (+o -)

c) No he podido realizarlo

Hoja de EJERCICIOS 2 :TEMA 3: 1) Analiza cada una de las siguientes afirmaciones e indica cules son ciertas y cules son falsas, justificando la respuesta

a) El contraste de igualdad de coeficientes es un caso particular del contraste de restriccin lineal con dos coeficientes. b) El contraste general de restricciones incluye a todos los contrastes de restricciones vistos en el tema 3. Falso, ya que los contrastes vistos en el tema 3, no hay necesidad que restringir el modelo para clarificar el problema econmico.c) El modelo restringido siempre es ms pequeo (menos variables explicativas) que el no restringido. Verdadero, ya que en el modelo restringido eliminamos variables explicativas.d) El modelo restringido siempre tiene un menor R2 que el no restringido, si la variable dependiente en ambos es la misma. Verdadero, ya que cuantas ms variables explicativas tenga un modelo, R2 se acercar a uno.e) Rechazar la hiptesis nula en el contraste general de restricciones supone elegir el modelo restringido. Falso, ya que la hiptesis nula, nos muestra la posibilidad de que las variables explicativas a restringir sean igual a cero, si rechazamos esta hiptesis, quiere decir que las variables explicativas a restringir son distinto de cero.f) A mayor diferencia entre el R2 del modelo no restringido y el R2 del modelo restringido, mayor posibilidad de elegir el modelo restringido. Falso, ya que ambos elementos componen el estadstico F, y cuanto menor sea ste, ms posibilidades, hay de aceptar la hiptesis nula y con ello elegir el modelo restringidog) Para averiguar si la relacin entre la variable dependiente y las variables explicativas es la misma en dos muestras nos basamos nicamente en dos sumas residuales.Falso. Ya que hay que realizar los contrastes para conocer la estructura del modelo

h) No es posible aplicar el test de Chow a modelos con datos de corte transversalFalso, los datos de corte transversal son datos de un determinado periodoi) Un valor alto del estadstico del test de Chow implica que podemos considerar que dos muestras corresponden al mismo modelo terico. Falso, ya que este estadstico nos muestra si el modelo presenta cambios estructurales o no.j) Si Yp pertenece al Intervalo de Confianza de E(Yp), entonces la estructura del modelo permanece para dicha observacin extramuestral. Verdadero, ya que el modelo tiene capacidad predictiva.k) Si disponemos del intervalo de confianza para la prediccin de E(Yp), podemos afirmar que el modelo tiene capacidad predictiva en el momento que conozcamos el valor de Yp?Falso, una vez que conozcamos el valor de Yp, podremos saber si el modelo tiene capacidad predictiva.

2) Para estimar la funcin de demanda de bogavante en una regin, se dispone de una muestra de 40 trimestres de los que se conoce la cantidad demandada de bogavante (miles de Tn), el precio del bogavante (/kg) y el de la langosta (/kg).a) Escribe la expresin terica del modelo lineal de la funcin de demanda de bogavante indicando los signos esperados de los parmetros

b) Se sabe que en el trimestre 22, una bacteria atac a la poblacin de langostas que ya no pudo recuperarse en el resto de trimestres de la muestra. Cmo puede afectar este hecho a la funcin de demanda planteada.a)? Cmo lo estudiaras?, Realizara el contrastes de prediccin para observar si el modelo tiene capacidad predictiva. Una vez conocido el valor extramuestral, observara si sta est dentro del intervalo de valor para dicho valor extramuestral. Si lo estuviera sabramos que el modelo tiene capacidad predictiva.Ejercicios.1) Continuacin del ejercicio 1 de la hoja 1 del tema 3h) y ; |t| = ; Con a=5%, NO se rechaza H0, NO hay evidencia muestral para afirmar que los efectos parciales del gasto de vivienda y del tamao de la familia sobre renta sean diferentes.2) Continuacin del ejercicio 2 de la hoja 1 del tema 3e)Y0VarEstYLevarageVarY0E.T(Y0)T(0,025,17

99,544,000,030,120,352,11

Yp=5, encontrndose fuera del intervalo consideramos que el modelo no tienen capacidad predictiva

Media

AB

98,81100,27

3)No he podido realizarlo4) y ; F = ; Con a=5%, se rechaza H0, no se cumplen las restricciones. Hay evidencia muestral para asumir que el gasto de campaa del partido rival y el resultado obtenido en las elecciones nacionales, afectan de forma conjunta al resultado en % de votos de los partidos en las elecciones regionales. 7) y ; F = ; Con a=5%, No se rechaza H0, se cumplen las restricciones. Hay evidencia muestral para asumir que el gasto de campaa del partido rival y el resultado obtenido en las elecciones nacionales, afectan de forma conjunta al resultado en % de votos de los partidos en las elecciones regionales.5)Continuacin del ejercicios 5 de la hoja de ejercicios 1 tema 3h) y ; |t| = ; Con a=5%, Se rechaza H0, hay evidencia muestral para afirmar que los efectos parciales del gasto de vivienda y del tamao de la familia sobre renta sean diferentes.6)Continuacin del ejercicio 6 de la hoja de ejercicios 1 del tema 3d)Y0VarEstYLevaregeVarY0E.T(Y0Var(Y0-estY0)E.T(Y0-estY0)T(0,025,9)

0,150,040,6650,030,170,070,272,262

Yp=8, encontrndose fuera del intervalo consideramos que el modelo no tienen capacidad predictiva

Media

AB

-0,230,53

Hoja de EJERCICIOS 3 : TEMA 3

1) Analiza cada una de las siguientes afirmaciones e indica cuales son ciertas y cuales son falsas, justificando la respuestaa) Para estimar un modelo economtrico se utilizan 3 variables explicativas, una de las cuales es cualitativa con 4 modalidades entonces el modelo tendr 4 coeficientes j.Falso, ya que aquella variable explicativa cualitativa, una de sus subcategoras queda fuera.b) Caer en la trampa de las variables dummy consiste en introducir en el modelo como variable explicativa la variable cualitativa tal cual, sin haber creado previamente las variables dummy, lo que no tiene ningn sentido.Falso, es necesario saber cul es la variable dummy para poder saber cmo realizar el anlisis.c) Sea el siguiente donde Ventas= ventas mensuales (miles de euros), Publicidad=gastos en publicidad mensuales (miles de euros), D1= 1 si el mes es primavera-verano, 0 en caso contrario.Se sabe que todos los coeficientes son estadsticamente significativos1. El efecto lineal de los gastos en publicidad sobre las ventas es diferente en los meses de primavera-verano que en los de otoo-invierno1.1Falso, ya que este dato se mantiene constante.2. Para poder afirmar que las ventas medias son diferentes en primavera-verano que en otoo-invierno, sin tener en cuenta los gastos en publicidad, 4 debe ser estadsticamente significativo.2.1Verdadero, es necesario que este coeficiente sea significado para que haya diferencias.3. Las ventas medias de los meses de primavera-verano sin tener en cuenta los gastos en publicidad son_ miles de euros.3.1Falso, es de 4. Para afirmar que el tipo de mes (primavera-verano, otoo-invierno) afecta a las ventas de esta empresa, es necesario que __ sea estadsticamente significativo.4.1Verdadero, es necesario que este coeficiente sea significado para que haya diferencias.

d) En un MLG la variable dependiente viene dada en euros. Si se cambia a cientos de euros (manteniendo el resto de variables sus unidades originales) entonces todos los coeficientes estimados, as como los errores tpicos, se vern afectados por un mismo factorVerdadero, ya que se trata de un cambio de escala

e) Un cambio de escala que afecta nicamente a una variable explicativa del modelo, no modifica los valores estimados de Y.Falso, el cambio afectar a los valores de Y

f) La calidad de ajuste de un modelo depende de las unidades de medida de la variable dependiente, pero no de las de las variables explicativas.

g) Si en un MLG con dos variables explicativas se multiplica por 100 la variable explicativa X2 y en las dems no hay cambios, entonces1. El I.C. de 2 se debe dividir por 100

2) Se desea estudiar cmo influye la existencia de frenos ABS y de Airbag de serie en la demanda de automviles. Para ello se dispone de una base de datos formada por 100 modelos de los que se conoce el nmero de unidades vendidas y si contienen o no las opciones mencionadasa) Propn un modelo que permita analizar adecuadamente la influencia de cada opcin sobre el nmero de unidades vendidas.

Variables dummys ABS Airbag b) Interpreta los parmetros del modelo propuesto. Cuando el nmero de coches vendido aumenta en 1 unidad, se espera que la demanda de aumente 2 la demanda sin tener en cuenta si el coche tenga ABS y Airbag. La diferencia media de la demanda de coche con ABS y sin l, 2, manteniendo constante el nmero de coches vendidos. En media se demanda 2 coches con ABS ms que sin l. La diferencia media de la demanda de coche con Airbag y sin l, 3, manteniendo constante el nmero de coches vendidos. En media se demanda 3 coches con Airbag ms que sin el La demanda media de automviles (sin tener en cuenta el nmero de vehculos vendidos) viene dado por la estimacin del trmino independiente 0d) Para afirmar que la existencia de frenos ABS de serie afecta a las ventas positivamente Qu contraste utilizaras? Contrastes de significacin.Ejercicios

1)

a) Cuando el tiempo aumenta en 1 unidad, se espera que la satisfaccin de aumente es 2, la satisfaccin sin tener en cuenta el precio y el precio flexible. La diferencia media entre si se negocia o no el precio del envo es 3, manteniendo constante el tiempo. La diferencia media entre si tiene servicios postventa o no es 4, manteniendo constante el tiempo. La Satisfaccin (sin tener en cuenta el servicio) viene dado por la estimacin del trmino independiente 1

b) Flexibilidad =0,55851 3,1820,245 (-0,22;1,34)Servicio = 0,402 3,1820,215 (-0,28;1,09)

La diferencia media de satisfaccin estimada las variables flexibilidad del precio est entre 0 euros y 1,34 euros al 95% de confianza y manteniendo el tiempo constante

La diferencia media de satisfaccin estimada las variables flexibilidad del servicio postventa est entre 0 euros y 1,09 euros al 95% de confianza y manteniendo el tiempo constantec) R2=0,91d)