CAPITULO 7.

a.

Dependent Variable: X
Method: Least Squares
Date: 06/07/14 Time: 17:34
Sample: 1 32
Included observations: 32


Variable Coefficient Std. Error t-Statistic Prob.


C 81.06023 1.305610 62.08610 0.0000
Y -0.183231 0.257565 -0.711399 0.4823


R-squared 0.016590 Mean dependent var 80.25000
Adjusted R-squared -0.016191 S.D. dependent var 3.582124
S.E. of regression 3.611006 Akaike info criterion 5.466311
Sum squared resid 391.1809 Schwarz criterion 5.557920
Log likelihood -85.46098 Hannan-Quinn criter. 5.496677
F-statistic 0.506089 Durbin-Watson stat 1.040069
Prob(F-statistic) 0.482332


C, muestra el termino constante es decir el punto de corte e Y la pendiente. Con los
siguientes valores.

Sugiere que si la tasa de utilizacin de la capacidad de las manufacturas medida como

la produccin en porcentaje de la capacidad aumenta en una unidad, la tasa de inflacin
medida por la variacin porcentual del deflactor implcito de precios del PIB desciende de
medida en -0.183231 unidades. Este coeficiente no es significativo ya que el valor t de
aproximadamente -0.711399 ya que el valor p no es casi cero.
El coeficiente corte si es muy significativo ya que el valor p de obtener un valor t para este
coeficiente de aproximadamente 62.08 es prcticamente cero.
El error estndar de la regresin es 3.611006
El coeficiente de determinacin R-squared

indica que un 2% de las variaciones de la

tasa de utilizacin de la capacidad de las manufacturas medida como la produccin en
porcentaje de la capacidad pueden ser explicadas por variaciones en la tasa de inflacin
medida por la variacin porcentual del deflactor implcito de precios del PIB
b.
si multiplicamos los coeficientes de la pendiente en las dos regresiones tenemos :

Obtenemos un pendiente positiva en la que se cambia el panorama de analisis.
c.
Si se podra denominar regresin directa por que hay una relacin lineal entre la variable
endgena y y exgena x existe una relacin de causalidad sustentada en una teora .
d.
Realizando el anlisis de regresin tanto para la regresin Y sobre X como para la
regresin X sobre Y

= 0.16590 dejando claro que no hay ninguna diferencia en cuanto

explica una variable Y que sea endgena o exgena a una variable x que sea endgena y
exgena.
Pero si el valor de

entre X y Y si existe una diferencia ya que la regresin X sobre Y

demuestra que el modelo es bueno en comparacin de la regresin Y sobre X.
7.14
a.
se espera encontrar alguna relacin de causalidad basada en una teora econmica ya que
a priori los dividendos son determinantes del beneficio, es decir el dividendo es una
variable exgena y los beneficios deberan ser endgenos.
b.
15
20
25
30
35
40
45
50
40 50 60 70 80 90 100 110
X
Y

c.
si respalda porque la regresin no implica siempre causalidad y si existiera esta debera
estar sustentada en una teora economica.
d.

Dependent Variable: Y
Method: Least Squares
Date: 06/07/14 Time: 21:17
Sample: 1 13
Included observations: 13


Variable Coefficient Std. Error t-Statistic Prob.


C 0.373301 9.530379 0.039170 0.9695
X 0.419968 0.115357 3.640585 0.0039


R-squared 0.546464 Mean dependent var 34.35108
Adjusted R-squared 0.505233 S.D. dependent var 9.889466
S.E. of regression 6.956216 Akaike info criterion 6.857787
Sum squared resid 532.2783 Schwarz criterion 6.944702
Log likelihood -42.57561 Hannan-Quinn criter. 6.839922
F-statistic 13.25386 Durbin-Watson stat 0.817346
Prob(F-statistic) 0.003884






e.
Tenemos 13 observaciones
( )

Definimos el intervalo de confianza
[(

)]

7.15
a.

Dependent Variable: Y
Method: Least Squares
Date: 06/07/14 Time: 23:04
Sample: 1 24
Included observations: 24


Variable Coefficient Std. Error t-Statistic Prob.


C 175.9748 20.63527 8.527863 0.0000
X 0.714236 0.045477 15.70556 0.0000


R-squared 0.918114 Mean dependent var 500.0000
Adjusted R-squared 0.914391 S.D. dependent var 6.827056
S.E. of regression 1.997525 Akaike info criterion 4.301350
Sum squared resid 87.78231 Schwarz criterion 4.399521
Log likelihood -49.61620 Hannan-Quinn criter. 4.327395
F-statistic 246.6646 Durbin-Watson stat 1.199793
Prob(F-statistic) 0.000000


b.
Hiptesis nula:

Si no hay relacin entre Y y X , entonces la contrastacin de hiptesis de una
hiptesis como

o cualquier otro valor carece de sentido. Y si la hiptesis

nula es sostenible no tiene ningn sentido incluir a la variable X en el modelo , por
tanto si X pertenece realmente al modelo, se esperara rechazar la hiptesis nula
cero a favor de la hiptesis alternativa

.
C.
La nota prevista de los varones ser 471.6629
Observacin
Pronstico
para Y Residuos
1 471.662935 -4.66293532
2 469.09204 0.9079602
3 470.377488 -0.37748756
4 465.235697 -0.23569652
5 462.664801 3.335199
6 460.093905 0.90609453
7 456.237562 3.76243781
8 454.952114 4.04788557
9 447.239428 1.76057214
10 449.810323 -3.81032338
11 449.810323 -4.81032338
12 445.95398 -1.9539801
13 444.668532 -1.66853234
14 442.097637 0.90236318
15 443.383085 -0.38308458
16 444.668532 -1.66853234
17 444.668532 0.33146766
18 447.239428 1.76057214
19 452.381219 -0.38121891
20 454.952114 -3.95211443
21 453.666667 -0.66666667
22 451.095771 3.90422886
23 453.666667 0.33333333
24 452.381219 2.61878109


d.
Tenemos 24 observaciones
( )

Definimos el intervalo de confianza
[(

) (

)]