UNIVERSIDAD CENTRAL DEL ECUADOR FACULTAD DE ECONOMIA ECONOMETRA II MODELO DE VARIABLES CUALITATIVAS INTEGRANTES:

SHEYLA ALVAREZ KATERINE CHICAIZA JOHANNA LOPEZ DARIO ROCHA

RAUL YAURI AULA 39 VIII SEMESTRE

TALLER N 2
1. Si dispone de datos mensuales de varios aos, cuntas variables dicotmicas debe incluir en un modelo para verificar las siguientes hiptesis: a. Todos los aos presentan patrones estacionales En este caso debido a que los datos se presentan en forma mensual tomaremos como base un ao por lo que se determina la inclusin de 11 variables dummy, puesto que se toma en cuenta el trmino de intercepto, esto a fin de evitar la trampa de la variable dicotmica; caso contrario si no se utiliza el intercepto seran 12 variables dummy. b. Solamente febrero, abril, junio, agosto, octubre y diciembre presentan patrones estacionales. Debido a lo planteado se ha resuelto la aplicacin de 5 variables dummy, esto cuando se toma en cuenta el intercepto ya que el nmero de meses en los que existe estacionalidad es 6; y seran 6 variables dicotmicas sin utilizar el intercepto. 2. Al estudiar el efecto de ciertas variables cualitativas sobre los precios de los cines en las reas metropolitanas para el perodo 2001 a 2004, R. D. Lampson obtuvo los siguientes resultados: Y = 4.13 + 5,77 D1 + 8,21 D2 - 7,68 D3 - 1,13 D4 + 27,09 D5 + 31,46 log X1 + 0,81 X2 (2.04) (2,64) (2,51) (1,78) (3,58) (13,78) (0,17) (3.0) Donde: D1 = localizacin del teatro: 1 si es en un barrio residencial, 0 si es en el centro de la ciudad; D2= edad del teatro: 1 = 10 aos de construido o renovado, 0 en los dems casos D3 = tipo de teatro: 1 = si es al aire libre y 0 si es bajo techo D4= estacionamiento: 1 si tiene estacionamiento; 0 en los dems casos D5 = clase de pelcula: 1 si es de estreno, 0 en los dems casos X1 = % promedio de sillas desocupadas por presentacin X2 = precio promedio de alquiler de pelculas, centavos por tiquete cobrado por el distribuidor Y = precio por entrada nocturna para adultos, en centavos Las cifras entre parntesis corresponden a los errores estndar.

Se pide: a. Interprete los resultados Con D1: Y = 4.13 + 5.77 (1) = 9.90 El precio por entrada nocturna para adultos si la localizacin del teatro es en un barrio residencial, es de $9.90. Y = 4.13 + 5.77 (0) = 4.13 El precio por entrada nocturna para adultos si la localizacin del teatro es en el centro de la ciudad, es de $4.13. Con D2: Y = 4.13 + 8.21 (1) = 12.34 El precio por entrada nocturna para adultos si la edad del teatro es de 10 aos de construido o renovado, es de $12.34. Y = 4.13 + 8.21 (0) = 4.13 El precio por entrada nocturna para adultos si la edad del teatro es diferente a 10 aos de construido o renovado, es de $4.13. Con D3: Y = 4.13 7.68 (1) = - 3.55 El precio por entrada nocturna para adultos si el tipo de teatro es al aire libre, es de $3.55; esto significa que el teatro perdera $3.55 por persona, ya que el pblico prefiere un teatro bajo techo. Y = 4.13 7.68 (0) = 4.13 El precio por entrada nocturna para adultos si el tipo de teatro es bajo techo, es de $4.13. Con D4: Y = 4.13 -1.13 (1) = 3 El precio por entrada nocturna para adultos si el teatro tiene estacionamiento, es de $3. Y = 4.13 -1.13 (0) = 4.13 El precio por entrada nocturna para adultos si el teatro no tiene estacionamiento, es de $4.13 Con D5: Y = 4.13 + 27.09 (1) = 31.22 El precio por entrada nocturna para adultos si la pelcula es de estreno es de $31.22

Y = 4.13 + 27.09 (0) = 4.13 El precio por entrada nocturna para adultos si la pelcula no es de estreno es de $4.13. b. Si X1 = 10, X2 = 2 US$, si la pelcula no es de estreno, el cine tiene estacionamiento, el teatro es bajo techo ha sido construido hace 7 aos y est en un barrio residencial, cul sera el precio de la entrada por adulto en la noche?. Y = 4.13 + 5,77 D1 + 8,21 D2 - 7,68 D3 - 1,13 D4 + 27,09 D5 + 31,46 log X1 + 0,81 X2 Y = 4.13 + 5,77 (1) + 8,21 (0) - 7,68 (0) - 1,13 (1) + 27,09 (0) + 31,46 log (10) + 0,81 (2) Y = 14.52 El precio por entrada nocturna para adultos si la pelcula no es de estreno, el cine tiene estacionamiento, el teatro es bajo techo, construido hace 7 aos y est en un barrio residencial es de $14.52. 3. La siguiente tabla presenta los datos trimestrales sobre las acciones de ventas de fondos mutuos de inversin hecha por la industria de fondos mutuos para el perodo 2002-2007

Considere el siguiente modelo: Ventai = 0 + 1 D1 + 2 D2 + 3 D3 + i Donde: D1= 1 para el segundo trimestre, 0 en los dems casos D2 = 1 para el tercer trimestre, 0 en los dems casos D3 = 1 para el cuarto trimestre, 0 en los dems casos Se pide: a. Estime el modelo e interprtelo

Dependent Variable: VENTAS Method: Least Squares Date: 10/17/13 Time: 12:01 Sample: 2002Q1 2007Q4 Included observations: 24 Variable C D1 D2 D3 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Coefficient 1526.333 -242.5000 -334.6667 -101.6667 0.178674 0.055475 301.5527 1818681. -168.8813 1.450292 0.258081 Std. Error 123.1084 174.1015 174.1015 174.1015 t-Statistic 12.39829 -1.392865 -1.922250 -0.583950 Prob. 0.0000 0.1790 0.0689 0.5658 1356.625 310.2820 14.40678 14.60312 14.45887 0.267973

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

Ventai = 1526.33 242.5 D1 334.67 D2 101.67 D3 De acuerdo a los resultados obtenidos se determina que la venta autnoma de fondos mutuos de inversin es de $1526.33 en el primer trimestre, esto siempre y cuando las dems variables sean 0. Para el segundo trimestre la venta de fondos disminuye en $242.50, es decir el total de ventas es de $1283.83; as mismo para el tercer trimestre la venta de fondos disminuye en $334.67, es decir las ventas totales son de $1191.66 y para el cuarto trimestre las ventas disminuyen en $101.67, es decir las ventas totales son de $1424.66. b. Existe estacionalidad? En qu trimestre? Realice la prueba de hiptesis correspondiente. 1) Ho: no existe estacionalidad o = 0 Ha: existe estacionalidad o 0 2) = 5%

3) tc = 12.39829
4) tt = t5%,n-k-1 gl tt = t5%,24-3-1 tt = 2.086

5) Contrastacin

Resultado: tc > tt ; por tanto se rechaza la hiptesis nula y se acepta la alternativa de que o 0 , es decir existe estacionalidad. Conclusin: El modelo sobre ventas de fondos mutuos de inversin hecha por la industria de fondos mutuos, con un 95% de confianza presenta estacionalidad en el primer trimestre, puesto que segn los resultados las ventas en este periodo son ms significativas.
VENTAS
2,200 2,000 1,800 1,600 1,400 1,200 1,000 800 I II III IV I II III IV I II III IV I II III IV I II III IV I II III IV 2002 2003 2004 2005 2006 2007

EJERCICIOS CAPITULO 9 LIBRO GUJARATI 9.3 Considere los siguientes resultados de una regresin.

t = 2.7491 + 1.1507Dt 1.5294Vt 0.8511 (DtVt) t = (26.896) (3.6288) (12.5552) (1.9819) R2 = 0.9128 Donde: TD = tasa de desempleo, % V = tasa de puestos vacantes, % D = 1, para el periodo que comienza el cuarto trimestre de 1966 = 0, para el periodo anterior al cuarto trimestre de 1966 t = tiempo, medido en trimestres Nota: En el cuarto trimestre de 1966, el entonces gobierno laborista liberaliz la Ley de Seguro Nacional: reemplaz el sistema de tasa fija para prestaciones de desempleo de corto plazo por un sistema mixto de tasa fija y prestaciones relacionadas con los ingresos (anteriores), el cual increment el nivel de las prestaciones de desempleo.

a. Cules son las expectativas a priori respecto de la relacin entre las tasas de desempleo y de vacantes? Las relaciones entre las tasas de desempleo y vacantes son inversamente proporcionales. Con un aumento de la tasa de desempleo, la tasa de trabajo vacante disminuir; mientras que si la tasa de trabajo vacante incrementa, la tasa de desempleo disminuir. b. Si la tasa de vacantes se mantiene constante, cul es la tasa promedio de desempleo para el periodo que comienza el cuarto trimestre de 1966? Es estadsticamente distinto del periodo anterior al cuarto trimestre de 1966? Cmo se sabe? t = 2.7491 + 1.1507Dt 1.5294Vt 0.8511 (DtVt) Dummy = 1, periodo que comienza en el cuarto trimestre de 1966 = 0, periodo anterior al cuarto trimestre de 1966 Tasa promedio de desempleo cuando empieza el cuarto trimestre de 1966 t = 2.7491 + 1.1507Dt 1.5294Vt 0.8511 (DtVt) t = 2.7491 + 1.1507 (1) 1.5294 (0.819) 0.8511 (0.819) t = 1.95 La tasa promedio de desempleo al comienzo del cuarto trimestre de 1966 es del 1.95%. Tasa promedio de desempleo anterior al cuarto trimestre de 1966 t = 2.7491 + 1.1507Dt 1.5294Vt 0.8511 (DtVt) t = 2.7491 + 1.1507 (0) 1.5294 (0.819) 0.8511 (0) t = 2.7491 + 0 1.2526 0 t =1.50 La tasa promedio de desempleo antes de empezar el cuarto trimestre de 1966 es del 1.50%. Prueba de hiptesis 1) Ho: 1 0

Ha: 1 2) = 5% 3)

4) tt = t5%,n-k-1 gl tt = t5%,33-3-1 tt = 29 tt = 1.699

5) Contrastacin

Por tanto se rechaza la H0 y se acepta la Ha la misma que establece que 1 es menor que cero; siendo un valor de -18.83. c. Las pendientes para el periodo anterior y posterior al cuarto trimestre de 1966 son estadsticamente distintas? Cmo se sabe? 1) Ho: 1 0 Ha: 1 0 2) = 5% 3) 4) tt = t5%,n-k-1 gl tt = t5%,18-3-1 tt = 1.761

5) Contrastacin

Se rechaza la H0 y se acepta la Ha la misma que establece que 1 es menor que cero, donde el valor de es de -3.61
Las pendientes tanto para el periodo anterior y posterior si son estadsticamente distintas ya que o en el periodo anterior es de 2.7366 por lo que se interpreta que cuando la tasa de vacante sea cero la tasa de desempleo es 2.73 mientras que 1 del perodo posterior es de 3.67; es decir cuando la tasa de vacante sea cero la tasa de desempleo siempre ser 3.67. Entonces 0 del periodo anterior es menor a 0 del periodo posterior por lo que se establece que son significativamente distintas.

d. Se puede concluir con toda seguridad, a partir de este estudio, que los generosos beneficios del desempleo propician tasas ms altas de vacantes? Lo anterior tiene algn sentido econmico?
No se puede concluir con toda seguridad, porque se dice que a mayor beneficio de desempleo mayor ser la tasa de vacantes, entonces segn los resultados obtenidos de los modelos para el periodo anterior como posterior son: 1 es la tasa de vacante la misma que es negativa, por lo cual es una funcin inversa entonces se interpreta que a menos tasa de vacantes mayor ser la tasa de desempleo. Por lo que no tiene un sentido econmico expresar que el desempleo propicia tasas ms altas de vacantes.

9.5 Considrese el siguiente modelo Yi = 1 + 2Di + Xi + ui Donde: Y = salario anual de un profesor universitario X = aos de experiencia docente D = variable dictoma para el sexo

Considrense las tres formas siguientes de definir la variable dictoma:

a) D = 1 si es hombre; 0 si es mujer. b) D = 1 si es mujer; 0 si es hombre. c) D = 1 si es mujer; 1 si es hombre. Interprtese el anterior modelo de regresin anterior para cada asignacin de variable dictoma. Se puede preferir a un mtodo en vez de otro? Justifique su respuesta. a) Y1 = 1 + 2 (1) Y1 = 1 + 2 (0) En esta forma el hombre tendra un mayor salario que la mujer. b) Y1 = 1 + 2 (1) Y1 = 1 + 2 (0) En esta asignacin la mujer obtendra un mayor salario que el hombre. c) Y1 = 1 + 2 (1) Y1 = 1 + 2 (-1) Y1 = 1 - 2 En este mtodo la mujer tendra un salario mayor que el hombre, el cual tendra un salario incluso menor que cuando se le asignaba un valor de 0 (por la presencia del signo negativo). De los 3 mtodos se prefiere la primera alternativa, puesto que an en la actualidad existe la discriminacin de gnero, en la cual el hombre sigue teniendo salarios mayores que la mujer, ya sea estando ambos en las mismas condiciones. 9.8. En su estudio sobre las horas de trabajo dedicadas por el FDIC (Federal Deposit Insurance Corporation) al anlisis de 91 bancos, R.J. Miller estim la siguiente funcin:* = 2.41 + 0.3674 ln X1 + 0.2217 ln X2 + 0.0803 ln X3 (0.0477) (0.0628) (0.0287) 0.1755D1 + 0.2799D2 + 0.5634D3 0.2572D4 (0.2905) (0.1044) (0.1657) (0.0787) R2 = 0.766 Donde: Y = horas-hombre del examinador del FDIC X1 = activos totales del banco

X2 = nmero total de oficinas del banco X3 = razn de prstamos clasificados a prstamos totales del banco D1 = 1 si la administracin se calific muy buena D2 = 1 si la administracin se calific buena D3 = 1 si la administracin se calific satisfactoria D4 = 1 si la evaluacin se realiz junto con el estado Las cifras en parntesis son los errores estndar estimados. a. Interprtense estos resultados Segn los datos proporcionados en la funcin; se determina que el nmero mnimo de horas-hombre del examinador del FDIC es de 2.41. Por cada activo que aumente el banco, mayor ser el nmero de horas requeridas por el examinador del FDIC; mientras que si el nmero de oficinas del banco aumenta el nmero de horas requeridas por el examinador del FDIC ser mayor y de igual forma si aumenta la razn de prstamos clasificados a prstamos totales del banco se incrementar el nmero de horas requeridas por el examinador del FDIC. En conclusin existe una relacin directa entre las variables independientes y el logaritmo de las horas-hombre que utiliza el examinador del FDIC. b. Hay algn problema en la interpretacin de las variables dictomas en este modelo por estar Y en forma logartmica? Si existe un problema en la interpretacin de las variables dictomas en este modelo, ya que no se puede interpretar directamente los resultados, ms bien solo se analizan los signos. c. Cmo se interpretaran los coeficientes de las variables dictomas? D1 Si la administracin se calific como muy buena, disminuye el logaritmo del nmero de horas-hombre que utiliza el examinador del FDIC. D2 Si la administracin se calific como buena, aumenta el logaritmo del nmero de horashombre del examinador del FDIC. D3 Si la administracin se calific como satisfactoria, aumenta el logaritmo del nmero de horas-hombre que utiliza el examinador del FDIC.

D4 Si la evaluacin se realiz junto con el estado, disminuye el logaritmo del nmero de horas-hombre que utiliza el examinador del FDIC. 9.11. Determinantes del precio por onza de cola. Cathy Schaefer, alumna del autor, estim la siguiente regresin con base en datos transversales de 77 observaciones:* Pi = 0 + 1D1i + 2D2i + 3D3i + i Donde: Pi = precio por onza de cola D1i = 001 si es almacn de descuento = 010 si es almacn de cadena = 100 si es tienda D2i = 10 si es un producto de marca = 01 si es un producto sin marca D3i = 0001 botella de 67.6 onzas (2 litros) = 0010 botellas de 28-33.8 onzas (Nota: 33.8 oz = 1 litro) = 0100 botellas de 16 onzas = 1 000 latas de 12 onzas Los resultados fueron los siguientes: I = 0.0143 0.000004D1i + 0.0090D2i + 0.00001D3i ee = (0.00001) (0.00011) (0.00000) t = (0.3837) (8.3927) (5.8125) R2 = 0.6033 Nota: Los errores estndar se muestran slo con cinco decimales. a. Comente sobre la forma de introducir las variables dictomas en el modelo. Respecto a la introduccin de las variables dicotmicas en el modelo: D1i = el precio de la onza de cola es ms barato mientras el almacn sea ms grande, por lo tanto equivale a una disminucin del precio por onza de cola. D2i = si el producto es de marca, el precio de la onza de cola ser ms caro; es decir existe un incremento del precio. D3i = mientras ms pequeo sea el producto, mayor ser el precio de la onza de cola; es decir se refleja un aumento en el precio.

b. Si suponemos que el procedimiento de variables dictomas es aceptable, cmo interpreta los resultados? I = 0.0143 0.000004D1i + 0.0090D2i + 0.00001D3i D1i = el precio de la onza de cola es ms econmico en el almacn de conveniencia. D2i = el precio de la onza de cola es ms caro si es de marca. D3i = el precio de la onza de cola es ms caro si es de menor tamao. c. El coeficiente de D3 es positivo y estadsticamente significativo. Cmo interpreta este resultado? Este resultado significa que cuando el producto es ms pequeo, tiende a ser ms costoso; es decir mantiene una relacin inversa entre el nmero de onzas y el precio del producto. 9.17. Con los datos de la tabla 9.8 pruebe la hiptesis de que las varianzas de los errores en los dos subperiodos 1958-IV a 1966-III y 1966-IV a 1971-II son iguales.

Dependent Variable: TD Method: Least Squares Date: 10/15/13 Time: 14:30 Sample: 1966:4 1971:2 Included observations: 19 Variable C TTV R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 3.899820 -2.380531 0.492184 0.462313 0.190745 0.618520 5.576390 0.244966 Std. Error 0.427491 0.586460 t-Statistic 9.122577 -4.059152 Prob. 0.0000 0.0008 2.173684 0.260128 -0.376462 -0.277047 16.47671 0.000816

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

Dependent Variable: TD Method: Least Squares Date: 10/15/13 Time: 12:35 Sample: 1958:4 1966:3 Included observations: 32 Variable C TTV R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 2.733071 -1.512592 0.924517 0.922001 0.087636 0.230400 33.53277 0.716696 Std. Error 0.066131 0.078909 t-Statistic 41.32792 -19.16879 Prob. 0.0000 0.0000 1.500688 0.313788 -1.970798 -1.879190 367.4423 0.000000

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

1)

2)
(

3) 4)

) )

5) Contrastacin

Fc

De acuerdo a la prueba de hiptesis se rechaza la H0 y se acepta la Ha la misma que establece que ; siendo el Fc 2.68 mayor que Ft, por lo que se concluye que las varianzas de los errores para los dos subperiodos 1958-IV a 1966-III y 1966-IV a 1971-II no son iguales.

9.21. Utilice los datos dados en la tabla 9.2 y considrese el siguiente modelo:

ln Ahorrosi = 1 + 2 ln Ingresosi + 3 ln Di + ui Donde ln significa logaritmo natural y Di = 1 para 1970-1981 y 10 para 1982-1995. a. Cul es el razonamiento detrs de la asignacin de valores dictomos, tal y como se sugiere?

La asignacin de valores dictomos se aplica con el fin de determinar si existe o no cambios estructurales dentro de una serie de tiempo; esto se realiza para evitar la separacin de la serie en dos periodos y por ende realizar 2 modelos y compararlos. En definitiva las variables dummy es un mtodo ms directo y completo para elaborar anlisis sobre cambios estructurales. Adems se plantea este razonamiento ya que si se aplica de manera directa el logaritmo de la variable dicotmica, se tendr como resultado error; es decir que no existe por lo que no se podra trabajar con el modelo si lo mantenemos en esta forma. Por tal motivo se utiliza el Ln, el mismo que permite trabajar con el modelo y as poder interpretar sus resultados. b. Estmese el modelo anterior e interprtense sus resultados.
Date: 10/16/13 Time: 23:36 Sample: 1970 1995 Included observations: 26 Variable C LINGRESO LDUM R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 0.699090 0.548978 0.064253 0.834946 0.820594 0.191547 0.843879 7.669548 1.127914 Std. Error 0.821533 0.115145 0.062237 t-Statistic 0.850958 4.767689 1.032398 Prob. 0.4036 0.0001 0.3126 4.999615 0.452228 -0.359196 -0.214031 58.17433 0.000000

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

InAhorros = 0.6990898 + 0.5489776ln Ingresos + 0.0642530 ln D 1 + i Donde: 0 = El ahorro promedio de una persona es de 0.6990898 cuando las dems variables son cero. 1 = Por cada unidad adicional en el ingreso la variacin del ahorro aumentara en 0.5489, esto se presenta siempre y cuando las dems variables se mantengan constantes. c. Cules son los valores de la interseccin de la funcin ahorros en los dos subperiodos, y cmo se interpretaran?

PERIODO N 1
Dependent Variable: LAHORRO Method: Least Squares Date: 10/16/13 Time: 23:37 Sample: 1970 1981 Included observations: 12 Variable C LINGRESO R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -2.004836 0.928819 0.901368 0.891505 0.117599 0.138296 9.752319 1.128791 Std. Error 0.692474 0.097160 t-Statistic -2.895177 9.559658 Prob. 0.0160 0.0000 4.607023 0.357026 -1.292053 -1.211235 91.38706 0.000002

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

Primer periodo El ahorro tiene una variacin negativa siendo de -2.004; es decir se tiene un ahorro menor con relacin a los ingresos que se presentan en el periodo 1970 a 1981. PERIODO N 2
Dependent Variable: LAHORRO Method: Least Squares Date: 10/16/13 Time: 23:37 Sample: 1982 1995 Included observations: 14 Variable C LINGRESO R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 4.340985 0.121697 0.069950 -0.007555 0.146188 0.256451 8.133998 1.817615 Std. Error 1.048227 0.128100 t-Statistic 4.141266 0.950014 Prob. 0.0014 0.3608 5.336123 0.145639 -0.876285 -0.784992 0.902527 0.360847

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

Segundo periodo En este periodo se presenta un ahorro de 4.3409, es decir al ser positivo se interpreta como un aumento en el ahorro de tal manera que en dicho periodo se observa una mayor capacidad de ahorro.