You are on page 1of 24

PROYECTO INTEGRADOR

pg. 1

INDICE
FASE 1 .................................................................................................................................................................... 2
Introducción ................................................................................................................................................... 2
Relación entre Demanda de Dinero y Nivel de Ingreso ............................................................... 3
Relación entre Demanda de Dinero y Tasa de Interés ................................................................. 4
Conclusión ...................................................................................................................................................... 5
FASE 2 .................................................................................................................................................................... 5
Estimar los coeficientes MCO (ß1, ß2) para los siguientes modelos..................................... 5
L_M = ß1 + ß2 ∙ L_Y ................................................................................................................................. 5
L_M = β3 + β4 ∙ r....................................................................................................................................... 6
¿Es congruente con la relación que usted esperaba intuitivamente? Es decir, ¿los
coeficientes tienen los signos esperados? ......................................................................................... 6
Interprete los coeficientes obtenidos en términos de elasticidades, específicamente β2
y β4. Como se espera que cambie LRM cuando cambian cada una de las otras dos. Para
explicar el coeficiente β2 vea la sección del libro 6.5 Cómo medir elasticidad. Para
explicar el coeficiente β4 vea la sección del libro 6.6 Específicamente, la sección Log-
lin (ejemplo 6.4) ........................................................................................................................................... 7
Interprete el coeficiente de determinación de cada uno de los modelos. ............................ 7
Para el modelo L_M = -5.18 + 1.54 L_Y: .......................................................................................... 7
Para el modelo L_M = 20.3 – 0.0765 r: ........................................................................................... 8
Haga las siguientes pruebas de hipótesis (en cada una de ellas planteé la hipótesis
nula y la alternativa, explique cómo calcula el estadístico de prueba, explique cómo
obtiene los valores críticos y explique claramente sus conclusiones). Lleve a cabo las
pruebas de hipótesis con un nivel de confianza del 5%. Desarrollar claramente los 4
pasos en cada una de las pruebas. ........................................................................................................ 9
i. Haga una prueba de significancia estadística para el parámetro β2 ....................... 9
ii. Haga una prueba de significancia estadística para el parámetro β4 .................... 10
iii. Lleve a cabo la siguiente Prueba de hipótesis Ho: β2 = 1.5 y Ha: β2 ≠1.5 .......... 12
iv. Lleve a cabo la siguiente Prueba de hipótesis Ho: β4 = -0.07 y Ha: β4 ≠ -0.07 . 13
v. Lleve a cabo la siguiente Prueba de hipótesis Ho: β2 ≤ 1.5 y Ha: β2 > 1.5 ......... 14
vi. Lleve a cabo la siguiente Prueba de hipótesis Ho: β4 ≥ -0.07 y Ha: β4 < -0.07 . 15
6. Lleve a cabo una prueba de normalidad Jarque-Bera a los residuales estimados
de cada una de las regresiones. ........................................................................................................... 17
Para el modelo L_M = -5.18 + 1.54 L_Y: ....................................................................................... 17
Para el modelo L_M = 20.3 – 0.0765 r: ........................................................................................ 18
BIBLIOGRAFIA ................................................................................................................................................ 19

pg. 2

FASE 1
INTRODUCCIÓN

La teoría económica y financiera nos explica porque las personas deciden mantener
su riqueza o dinero en efectivo. Explica que dos de las variables importantes que determinan
la DEMANDA DE DINERO son la TASA DE INTERÉS y el NIVEL DE INGRESO.

La tasa de interés es importante para explicar la demanda de dinero porque
representa el costo de oportunidad del efectivo. Es decir, si una persona en lugar de
mantener efectivo, pusiera ese dinero en el banco, el banco le pagaría intereses. Por lo
tanto, cuando alguien mantiene efectivo está perdiendo los intereses que el banco le
pagaría. Por esta razón, le teoría predice que la cantidad de dinero que la gente mantiene y
la tasa de interés tienen una relación negativa.

Por otra parte, el ingreso también es determinante de la demanda de dinero. Ya que
los individuos necesitan el efectivo para hacer compras o gastos. Y la teoría dice que
mientras más altos sea el ingreso mayor son las compras o gastos. Por esta razón, le teoría
predice que la cantidad de dinero y el ingreso tienen una relación positiva. Estas variables
son precisamente las que tenemos en la base de datos con la que trabajaremos.















pg. 3

RELACIÓN ENTRE DEMANDA DE DINERO Y NIVEL DE INGRESO

Para conocer si existe una relación entre la demanda de dinero (l_M: Logaritmo de
la cantidad real de dinero) y el nivel de ingreso de algún individuo (l_y: Logaritmo de ingreso
real) y el carácter de la misma (positivo o negativo) se corre una prueba de correlación para
conocer si existe relación y si es positiva o negativa.
Hacemos la prueba de correlación con GRETL a través de una matriz de correlación
que muestra el siguiente resultado:

Podemos apreciar por un lado que la correlación muestra un valor positivo, lo cual indica
que mientras más dinero posea un individuo, mayor será su demanda de dinero. Podemos
ver también que el valor-p de la correlación es menor a 0.05, es decir que posee un error
menor al 5% de estimación, haciendo válida la correlación.
De manera gráfica se aprecia la misma relación entre las variables:


17.5
18
18.5
19
19.5
20
20.5
21
14.5 15 15.5 16 16.5 17
I
_
M
:

L
o
g
a
r
i
t
m
o

d
e

l
a

c
a
n
t
i
d
a
d

r
e
a
l

d
e

d
i
n
e
r
o

I_y: Logaritmo de ingreso real
pg. 4



RELACIÓN ENTRE DEMANDA DE DINERO Y TASA DE INTERÉS

En el caso de la relación de Demanda de Dinero (l_M: Logaritmo de la cantidad real
de dinero) y la Tasa de Interés de los bancos (r: Tasa de interés que pagan los bonos),
corremos nuevamente la misma prueba en GRETL y obtenemos los siguientes resultados:


Observamos que en este caso el valor de la correlación es negativo, indicando una relación
negativa entre la demanda de dinero y la tasa de interés del banco. Podemos ver a demás
que el valor-p es menor al 5% dándonos una confiabilidad de por lo menos el 95%.

De manera gráfica se aprecia la misma relación entre las variables:



17.5
18
18.5
19
19.5
20
20.5
21
0 10 20 30 40
I
_
M
:

L
o
g
a
r
i
t
m
o

d
e

l
a

c
a
n
t
i
d
a
d

r
e
a
l

d
e

d
i
n
e
r
o

r: Tasa de interes que pagan los bonos
pg. 5

CONCLUSIÓN

El análisis de estos datos nos permite determinar que la relación que teóricamente se espera
de estas variables SI se cumple en la realidad debido a su porcentaje de confiabilidad.
FASE 2
ESTIMAR LOS COEFICIENTES MCO (ß1, ß2) PARA LOS SIGUIENTES
MODELOS

L_M = ß1 + ß2 ∙ L_Y

Con mínimos cuadrados obtenemos:
ß1 = -5.18
ß2 = 1.54








pg. 6

L_M = Β3 + Β4 ∙ R

Con mínimos cuadrados obtenemos:
ß3 = 20.3
ß4 = - 0.0765


¿ES CONGRUENTE CON LA RELACIÓN QUE USTED ESPERABA
INTUITIVAMENTE? ES DECIR, ¿LOS COEFICIENTES TIENEN LOS SIGNOS
ESPERADOS?

La teoría económica (presentada en la rúbrica del proyecto), nos dice que el ___ es
determinante de la demanda de dinero por que los individuos necesitan el efectivo para
hacer compras o gastos; es decir, mientras más alto sea el ingreso mayor serán las compras
o gastos. Por esta razón, la teoría predice que la cantidad de dinero y el ingreso tienen una
relación positiva.
La afirmación anterior ha sido confirmada por el modelo, L_M = -5.18 + 1.54 L_Y al
encontrar un coeficiente ß2 con signo positivo.
Así mismo, la teoría nos dice que la tasa de interés es importante para explicar la
demanda de dinero porque representa el costo de oportunidad del efectivo. Es decir, si una
persona en lugar de mantener efectivo, pusiera ese dinero en el banco, el banco le pagaría
intereses. Por lo tanto, cuando alguien mantiene efectivo está perdiendo los intereses que el
banco le pagaría. Por esta razón, le teoría predice que la cantidad de dinero que la gente
mantiene y la tasa de interés tienen una relación negativa.

pg. 7

La afirmación anterior también se ha confirmada por el modelo L_M = 20.3 – 0.0765 r, al
encontrar en ß4 un coeficiente con signo negativo.


INTERPRETE LOS COEFICIENTES OBTENIDOS EN TÉRMINOS DE
ELASTICIDADES, ESPECÍFICAMENTE Β2 Y Β4. COMO SE ESPERA QUE
CAMBIE LRM CUANDO CAMBIAN CADA UNA DE LAS OTRAS DOS. PARA
EXPLICAR EL COEFICIENTE Β2 VEA LA SECCIÓN DEL LIBRO 6.5 CÓMO
MEDIR ELASTICIDAD. PARA EXPLICAR EL COEFICIENTE Β4 VEA LA
SECCIÓN DEL LIBRO 6.6 ESPECÍFICAMENTE, LA SECCIÓN LOG-LIN
(EJEMPLO 6.4)

Para interpretar correctamente el coeficiente β2 del modelo L_M = -5.18 + 1.54 L_Y,
debemos tener en cuenta que una característica del modelo log-log es que “el coeficiente de
la pendiente β2 mide la elasticidad de Y respecto de X, es decir, el cambio porcentual en Y
ante un pequeño cambio porcentual en X.” (Guajarti y Porter, 2010)

Así, el coeficiente β2 del modelo presentado nos indica que por cada 1% de
incremento en los ingresos (L_Y), la demanda de dinero (L_M) incrementará en 1.54%.

Para interpretar el coeficiente β4, del modelo L_M = 20.3 – 0.0765 r debemos tener
en cuenta que el coeficiente de la pendiente mide el cambio proporcional constante o
relativo en Y (en este caso la demanda de dinero L_M) para un cambio absoluto en el valor
de la regresora (en este caso, la tasa de interés de los bonos r). Lo anterior es, por definición
un modelo log-lin; es decir, “un modelo en el cual la variable regresada es logarítmica y la
regresora es lineal” (Guajarti y Porter, 2010)

Así, el coeficiente β4 del modelo presentado nos indica que la demanda de dinero
L_M decreció en 7.65% por cada punto de incremento en la tasa de interés r de los bonos,
durante el período de estudio (1996-2012).

INTERPRETE EL COEFICIENTE DE DETERMINACIÓN DE CADA UNO DE LOS
MODELOS.

PARA EL MODELO L_M = -5.18 + 1.54 L_Y:

pg. 8


El coeficiente de determinación r
2
, indica que 99% de la variación en la demanda de
dinero se explica se explica por el nivel de ingresos.

PARA EL MODELO L_M = 20.3 – 0.0765 R:


El coeficiente de determinación r2, indica que 77% de la variación en la demanda de
dinero se explica se explica por la variación absoluta en el interés pagado por los bonos.


pg. 9

HAGA LAS SIGUIENTES PRUEBAS DE HIPÓTESIS (EN CADA UNA DE ELLAS
PLANTEÉ LA HIPÓTESIS NULA Y LA ALTERNATIVA, EXPLIQUE CÓMO
CALCULA EL ESTADÍSTICO DE PRUEBA, EXPLIQUE CÓMO OBTIENE LOS
VALORES CRÍTICOS Y EXPLIQUE CLARAMENTE SUS CONCLUSIONES).
LLEVE A CABO LAS PRUEBAS DE HIPÓTESIS CON UN NIVEL DE
CONFIANZA DEL 5%. DESARROLLAR CLARAMENTE LOS 4 PASOS EN CADA
UNA DE LAS PRUEBAS.


I. HAGA UNA PRUEBA DE SIGNIFICANCIA ESTADÍSTICA PARA EL PARÁMETRO Β2


1. ESTABLECER LA HIPÓTESIS NULA (HO) Y LA HIPÓTESIS ALTERNATIVA (HA)

Ho: β2 = 0
Ha: β2 ≠ 0

2. ESTIMAR EL ESTADÍSTICO DE PRUEBA





3. BUSCAR LOS VALORES CRÍTICOS O DE TABLAS

Para un nivel de confianza de 5%, y 65 grados de libertad (67 observaciones – 2), con dos
colas (dado que únicamente nos interesa saber β
2
es diferente de 0, y no si es mayor o
menor) tenemos un valor crítico de t (t de tablas) = 1.997.

Estadístico de Prueba t

t --> 76.00
gl --> 65

̂

pg. 10


valor p (cola inferior) 1.0000
valor p (cola superior) 0.000
valor p (dos colas) 0.000


4. OBTENER UNA CONCLUSIÓN, BASADOS EN LA COMPARACIÓN DEL ESTADÍSTICO DE
PRUEBA Y LOS VALORES CRÍTICOS

La regla es rechazar la Hipótesis Nula (Ho) si el valor p < Nivel de significancia (α) como el
valor p (0.000) es MENOR QUE α (0.05); luego entonces SE RECHAZA Ho. La conclusión es
que el parámetro estimado de la pendiente, β2, es estadísticamente significativo (diferente
de cero), con un nivel de significancia del 5%.

Lo anterior se corrobora con la prueba t, en la que el valor del estadístico t = 76, es
considerablemente mayor al valor crítico de t = 1.997; por lo que se rechaza H
0
.

II. HAGA UNA PRUEBA DE SIGNIFICANCIA ESTADÍSTICA PARA EL PARÁMETRO Β4


1. ESTABLECER LA HIPÓTESIS NULA (HO) Y LA HIPÓTESIS ALTERNATIVA (HA)

Ho: β4 = 0
Ha: β4 ≠ 0

2. ESTIMAR EL ESTADÍSTICO DE PRUEBA







̂

pg. 11

3. BUSCAR LOS VALORES CRÍTICOS O DE TABLAS

Para un nivel de confianza de 5%, y 65 grados de libertad (67 observaciones – 2), con dos
colas (dado que únicamente nos interesa saber si β
4
es diferente de 0, y no si es mayor o
menor), tenemos un valor crítico de t (t de tablas) = 1.997.

Estadístico de Prueba t

t --> -14.81
gl --> 65

valor p (cola inferior) 0.0000
valor p (cola superior) 1.000
valor p (dos colas) 0.000


4. OBTENER UNA CONCLUSIÓN, BASADOS EN LA COMPARACIÓN DEL ESTADÍSTICO DE
PRUEBA Y LOS VALORES CRÍTICOS

La regla es rechazar la Hipótesis Nula (Ho) si el valor p < Nivel de significancia (α) como el
valor p (0.000) es MENOR QUE α (0.05); luego entonces SE RECHAZA Ho. La conclusión es
que el parámetro estimado de la pendiente, β4, es estadísticamente significativo (diferente
de cero), con un nivel de significancia del 5%.

Lo anterior se corrobora con la prueba t, en la que el valor absoluto del estadístico t = 14.81,
es considerablemente mayor al valor crítico de t = 1.997; por lo que se rechaza H
0
.







pg. 12

III. LLEVE A CABO LA SIGUIENTE PRUEBA DE HIPÓTESIS HO: Β2 = 1.5 Y HA: Β2 ≠1.5


1. ESTABLECER LA HIPÓTESIS NULA (HO) Y LA HIPÓTESIS ALTERNATIVA (HA)

Ho: β2 = 1.5
Ha: β2 ≠ 1.5

2. ESTIMAR EL ESTADÍSTICO DE PRUEBA





3. BUSCAR LOS VALORES CRÍTICOS O DE TABLAS

Para un nivel de confianza de 5%, y 65 grados de libertad (67 observaciones – 2), con dos
colas (dado que únicamente nos interesa saber si β
2
es diferente de 0, y no si es mayor o
menor), tenemos un valor crítico de t (t de tablas) = 1.997.

Estadístico de Prueba t

t --> 2.19
gl --> 65

valor p (cola inferior) 0.9839
valor p (cola superior) 0.016
valor p (dos colas) 0.032



̂

pg. 13

4. OBTENER UNA CONCLUSIÓN, BASADOS EN LA COMPARACIÓN DEL ESTADÍSTICO DE
PRUEBA Y LOS VALORES CRÍTICOS

La regla es rechazar la Hipótesis Nula (Ho) si el valor p < Nivel de significancia (α) como el
valor p (0.032) es MENOR QUE α (0.05); luego entonces SE RECHAZA Ho. La conclusión es
que el parámetro estimado de la pendiente, β2, es estadísticamente diferente de 1.5, con un
nivel de significancia del 5%.

Lo anterior se corrobora con la prueba t, en la que el valor del estadístico t = 2.1879, es
mayor al valor crítico de t = 1.997; por lo que se rechaza H
0
.

IV. LLEVE A CABO LA SIGUIENTE PRUEBA DE HIPÓTESIS HO: Β4 = -0.07 Y HA: Β4 ≠ -
0.07


1. ESTABLECER LA HIPÓTESIS NULA (HO) Y LA HIPÓTESIS ALTERNATIVA (HA)

Ho: β4 = -0.07
Ha: β4 ≠ -0.07

2. ESTIMAR EL ESTADÍSTICO DE PRUEBA





3. BUSCAR LOS VALORES CRÍTICOS O DE TABLAS

Para un nivel de confianza de 5%, y 65 grados de libertad (67 observaciones – 2), con
dos colas (dado que únicamente nos interesa saber si β
4
es diferente de -0.07, y no si es
mayor o menor), tenemos un valor crítico de t (t de tablas) = 1.997.



̂

pg. 14

Estadístico de Prueba t

t --> 120.81
gl --> 65

valor p (cola inferior) 1.0000
valor p (cola superior) 0.000
valor p (dos colas) 0.000


4. OBTENER UNA CONCLUSIÓN, BASADOS EN LA COMPARACIÓN DEL ESTADÍSTICO DE
PRUEBA Y LOS VALORES CRÍTICOS

La regla es rechazar la Hipótesis Nula (Ho) si el valor p < Nivel de significancia (α) como el
valor p (0.000) es MENOR QUE α (0.05); luego entonces SE RECHAZA Ho. La conclusión es
que el parámetro estimado de la pendiente, β4, es estadísticamente diferente de -0.07, con
un nivel de significancia del 5%.

Lo anterior se corrobora con la prueba t, en la que el valor del estadístico t = 120.805, es
considerablemente mayor al valor crítico de t = 1.997; por lo que se rechaza H
0
.

V. LLEVE A CABO LA SIGUIENTE PRUEBA DE HIPÓTESIS HO: Β2 ≤ 1.5 Y HA: Β2 > 1.5

1. ESTABLECER LA HIPÓTESIS NULA (HO) Y LA HIPÓTESIS ALTERNATIVA (HA)

Ho: β2 ≤ 1.5
Ha: β2 > 1.5

2. ESTIMAR EL ESTADÍSTICO DE PRUEBA




̂

pg. 15


3. BUSCAR LOS VALORES CRÍTICOS O DE TABLAS

Para un nivel de confianza de 5%, y 65 grados de libertad (67 observaciones – 2), con una
cola (dado que nos interesa saber si β
2
es mayor que 1.5), tenemos un valor crítico de t (t de
tablas) = 1.669.

Estadístico de Prueba t

t --> 2.19
gl --> 65

valor p (cola inferior) 0.9839
valor p (cola superior) 0.016
valor p (dos colas) 0.032

4. OBTENER UNA CONCLUSIÓN, BASADOS EN LA COMPARACIÓN DEL ESTADÍSTICO DE
PRUEBA Y LOS VALORES CRÍTICOS

La regla es rechazar la Hipótesis Nula (Ho) si el valor p < Nivel de significancia (α) como el
valor p (0.9839) es MAYOR QUE α (0.05); luego entonces NO SE RECHAZA Ho. La conclusión
es que el parámetro estimado de la pendiente, β2, es estadísticamente MENOR O IGUAL de
1.5, con un nivel de significancia del 5%.

Lo anterior se corrobora con la prueba t, en la que el valor del estadístico t = 2.1878, se ubica
a la derecha del valor crítico de t = 1.669 (de una cola); por lo que no se rechaza H
0
.

VI. LLEVE A CABO LA SIGUIENTE PRUEBA DE HIPÓTESIS HO: Β4 ≥ -0.07 Y HA: Β4 < -
0.07

1. ESTABLECER LA HIPÓTESIS NULA (HO) Y LA HIPÓTESIS ALTERNATIVA (HA)

Ho: β4 ≥ -0.07
Ha: β4 < -0.07
pg. 16


2. ESTIMAR EL ESTADÍSTICO DE PRUEBA





3. BUSCAR LOS VALORES CRÍTICOS O DE TABLAS

Para un nivel de confianza de 5%, y 65 grados de libertad (67 observaciones – 2), con una
cola (dado que nos interesa saber si β
4
es menor que -0.07), tenemos un valor crítico de t (t
de tablas) = 1.669.

Estadístico de Prueba t

t --> 120.81
gl --> 65

valor p (cola inferior) 1.0000
valor p (cola superior) 0.000
valor p (dos colas) 0.000


4. OBTENER UNA CONCLUSIÓN, BASADOS EN LA COMPARACIÓN DEL ESTADÍSTICO DE
PRUEBA Y LOS VALORES CRÍTICOS

La regla es rechazar la Hipótesis Nula (Ho) si el valor p < Nivel de significancia (α) como el
valor p (0.000) es MENOR QUE α (0.05); luego entonces SE RECHAZA Ho. La conclusión es
que el parámetro estimado de la pendiente, β4, es estadísticamente MENOR O IGUAL QUE -
0.07, con un nivel de significancia del 5%.

Lo anterior se corrobora con la prueba t, en la que el valor del estadístico t = 120.805, se
ubica a la derecha del valor crítico de t = 1.669 (de una cola); por lo que se rechaza H
0
.

̂

pg. 17





6. LLEVE A CABO UNA PRUEBA DE NORMALIDAD JARQUE-BERA A
LOS RESIDUALES ESTIMADOS DE CADA UNA DE LAS REGRESIONES.

Planteé la hipótesis nula y la alternativa, explique cómo calcula el estadístico de prueba,
explique cómo obtiene los valores críticos y explique claramente sus conclusiones. Lleve a
cabo la prueba de hipótesis con un nivel de confianza del 5%.
Para obtener el estadístico Jarque-Bera haga lo siguiente. Después de correr cada
regresión, aparece un recuadro con los resultados. Arriba en el menú de ese cuadro vaya a
GUARDAR, y después a RESIDUOS. Le aparecerá un cuadro donde usted podrá poner el
nombre que quiera a la serie de los residuos de la regresión que acaba de correr. Después
de darle el nombre, la serie de los RESIDUALES ESTIMADOS aparecerá junto con las demás
variables.

Para calcular el estadístico de prueba de la prueba de normalidad Jarque-Bera selecciones
la variable de los residuales y vaya al menú de arriba donde dice VARIABLE, y después
CONTRASTE DE NORMALIDAD.
Desarrollar claramente los 4 pasos en cada una de las pruebas.
PARA EL MODELO L_M = -5.18 + 1.54 L_Y:

1. ESTABLECER LA HIPÓTESIS NULA (HO) Y LA HIPÓTESIS ALTERNATIVA (HA)

Ho: JB =0
Ha: JB≠ 0

2. ESTIMAR EL ESTADÍSTICO DE PRUEBA



(

)
pg. 18



3. BUSCAR LOS VALORES CRÍTICOS O DE TABLAS

Para un nivel de confianza de 5%, y 65 grados de libertad (67 observaciones – 2), el
coeficiente de Jarque-bera es de 0.790006.

4. OBTENER UNA CONCLUSIÓN, BASADOS EN LA COMPARACIÓN DEL ESTADÍSTICO DE
PRUEBA Y LOS VALORES CRÍTICOS

El estadístico JB estiamdo para la regresión es de 0.790006. La hipótesis nula de que los
residuos están distribuidos normalmente no puede rechazarse, pues el valor p de obtener el
estadístico JB igual o mayor que 0.79006 es de alrededor de 0.673678 es decir 67%. Esta
probabilidad es muy alta.

PARA EL MODELO L_M = 20.3 – 0.0765 R:

1. ESTABLECER LA HIPÓTESIS NULA (HO) Y LA HIPÓTESIS ALTERNATIVA (HA)

Ho: JB =0
Ha: JB≠ 0

2. ESTIMAR EL ESTADÍSTICO DE PRUEBA



(

)
pg. 19



3. BUSCAR LOS VALORES CRÍTICOS O DE TABLAS

Para un nivel de confianza de 5%, y 65 grados de libertad (67 observaciones – 2), el
coeficiente de Jarque-bera es de 1.70515

4. OBTENER UNA CONCLUSIÓN, BASADOS EN LA COMPARACIÓN DEL ESTADÍSTICO DE
PRUEBA Y LOS VALORES CRÍTICOS

El estadístico JB estimado para la regresión es de 1.70515. La hipótesis nula de que los
residuos están distribuidos normalmente puede rechazarse, pues el palor p de obtener el
estadístico JB igual o menor que 1.70515 es de alrededor de 0.42316es decir 42%. Esta
probabilidad es muy baja.

BIBLIOGRAFIA

[1] Gujarati, D. (2010). Econometría. McGraw-Hill.







pg. 20































pg. 21

ANEXOS

Formulas:













pg. 22

Modelo 1: MCO, usando las observaciones 1996:2-2012:4 (T = 67)
Variable dependiente: l_M

Coeficiente Desv. Típica Estadístico t Valor p
const -5.17506 0.323491 -15.9975 <0.00001 ***
l_y 1.54446 0.0203216 76.0008 <0.00001 ***

Media de la vble. dep. 19.40038 D.T. de la vble. dep. 0.715998
Suma de cuad. residuos 0.376517 D.T. de la regresión 0.076109
R-cuadrado 0.988872 R-cuadrado corregido 0.988701
F(1, 65) 5776.128 Valor p (de F) 3.20e-65
Log-verosimilitud 78.51086 Criterio de Akaike -153.0217
Criterio de Schwarz -148.6123 Crit. de Hannan-Quinn -151.2769
rho 0.678018 Durbin-Watson 0.592242






Modelo 2: MCO, usando las observaciones 1996:2-2012:4 (T = 67)
Variable dependiente: l_M

Coeficiente Desv. Típica Estadístico t Valor p
const 20.3155 0.0747736 271.6940 <0.00001 ***
r -0.0764658 0.00516148 -14.8147 <0.00001 ***

Media de la vble. dep. 19.40038 D.T. de la vble. dep. 0.715998
Suma de cuad. residuos 7.731012 D.T. de la regresión 0.344875
R-cuadrado 0.771509 R-cuadrado corregido 0.767994
F(1, 65) 219.4755 Valor p (de F) 1.63e-22
pg. 23

Log-verosimilitud -22.72721 Criterio de Akaike 49.45442
Criterio de Schwarz 53.86380 Crit. de Hannan-Quinn 51.19922
rho 0.888869 Durbin-Watson 0.250165