http://bajalibrosdeeconomia.blogspot.

com/

TRABAJO DE ECONOMETRIA (Dicotomas)
9.1. Si se tiene información mensual para distintos años, ¿Cuántas variables dicótomas se introducirán para
probar las siguientes hipótesis?:
a).- Todos los 12 meses del año presentan patrones estacionales.
Si una variable cualitativa tiene m categorías, solo hay que agregar (m-1) variables dicótomas
m-1
12-1=11
Rta: se va a utilizar 11 variables dicótomas.
b).- solamente febrero, abril, junio, agosto, octubre y diciembre presentan patrones estacionales.
Si una variable cualitativa tiene m categorías, solo hay que agregar (m-1) variables dicótomas

http://bajalibrosdeeconomia.blogspot.com/

m-1
6-1=5
Rta: se va a utilizar 5 variables dicótomas.
9.2. Considérese los siguientes resultados de regresión (las razones t están entre paréntesis):
YˆI = 1286
t = (4.67)

+104.97X 2i (3.70)

-19.47X 6i +
(-0.40)

266.06X 7i
(6.94)

0.026X 3i +
(-3.80)
-118.64X 8i
(-3.04)

1.20X 4i +
(0.24)
-

0.69X 5i
(0.08)

110.61X 9i
(-6.14)

Donde:
Y = horas de trabajo del año deseadas por la esposa, calculadas como las horas usuales de trabajo del año,
mas las semanas invertidas en buscar trabajo.
X 2 = ingresos promedio reales por hora después de impuestos de la esposa.
X 3 = ingresos anuales reales después de impuestos del esposo en el año anterior.
X 4 = edad de la esposa en años:
X 5 = años completos de escolaridad de la esposa.
X 6 = variable de actitud: 1 si el entrevistado piensa que es correcto que una mujer trabaje si así lo desea y si
su esposo esta de acuerdo; 0 en cualquier otro caso.
X 7 = variable de actitud: 1 si el esposo de la entrevistada favoreció que su esposa trabajara; 0 en cualquier
otro caso.
X 8 = numero de hijos menores de 6 años.
X 9 = numero de hijos de 6 a 9 años.
a).- ¿Los signos de los coeficientes de las diversas regresoras no dicótomas tienen algún sentido económico?
Justifique su respuesta.
X2
El signo de los ingresos promedio reales por hora de impuestos de la esposa nos indica que existe una relación
directa con las horas de trabajo al año deseados por la esposa, calculados como las horas usuales de trabajo al año
mas las semanas invertidas en buscar trabajo; es decir dado un incremento unitario en X 2i se estima que también se
incrementara Yˆ en 104.97 horas al año manteniendo todas las demás variables constantes.
I

X3
El signo de los ingresos anuales reales después de impuestos del esposo en el año anterior nos indica que existe una
relación inversa con las horas de trabajo al año deseados por la esposa, calculados como las horas usuales de
trabajo al año mas las semanas invertidas en buscar trabajo; es decir dados incrementos unitarios en X 3 se estima
que Yˆ disminuirá en 0.026 horas al año manteniendo todas las demás variables constantes.
I

X4
El signo de la edad de la esposa en años nos indica que existe una relación directa con las horas de trabajo al año
deseados por la esposa, calculados como las horas usuales de trabajo al año mas las semanas invertidas en buscar
trabajo; es decir dados incrementos unitarios en X 4 se estima que YˆI también se incrementará en 1.20 horas al año
manteniendo las demás variables constantes.

http://bajalibrosdeeconomia.blogspot.com/
X5
El signo de los años completos de escolaridad de la esposa nos indica que existe una relación directa con las horas d
trabajo al año deseadas por la esposa , calculadas como la horas usuales de trabajo al año, mas las semanas
invertidas en buscar trabajo; es decir dado un incremento unitario en X 5 se estima que Yˆi también se incrementará
en 0.69 horas al año manteniendo todas la demás constante.

X8
El signo de el numero de hijos menores de 6 años nos indica que existe una relación inversa con las horas d trabajo
al año deseadas por la esposa , calculadas como la horas usuales de trabajo al año, mas las semanas invertidas en
buscar trabajo; es decir dado un incremento unitario en X 8 se estima que Yˆi disminuirá en 118.64 horas al año
manteniendo todas la demás constante.
X9
El signo de el numero de hijos de 6 a 13 años nos indica ue existe una relación inversa con las horas de trabajo al
año deseadas por la esposa , calculadas como la horas usuales de trabajo al año, mas las semanas invertidas en
buscar trabajo; es decir dado un incremento unitario en X 9 se estima que Yˆi disminuirá en 110.61 horas al año
manteniendo todas la demás constante.
b).- ¿Cómo se interpretaría las variables dicótomas X 6 y X 7 ? ¿Son estadísticamente significativas? Puesto
que la muestra es muy grande, talvez se utilice la regla practica “2-t” para responder la ultima pregunta.
i).X6X7
X6
1= si el entrevistado piensa que es correcto que una mujer trabaje si así lo desea y si
acuerdo.
0= en cualquier otro caso.

su esposo esta de

X7
1= si el esposo de la entrevistada favoreció que su esposa trabajará.
0= en cualquier otro caso.
X6
-19.47 es igual a las horas de trabajo diferencial al año deseadas por la esposa, calculadas como la horas usuales de
trabajo al año, mas las semanas invertidas en buscar trabajo entre la categoría base y si el entrevistado piensa que es
correcto que una mujer trabaje si así lo desea y si su esposo esta de acuerdo manteniendo constante
X2X3X4X5X8X9 .
X7
266.06 es igual a las horas de trabajo diferencial al año deseadas por la esposa, calculadas como la horas usuales de
trabajo al año, mas las semanas invertidas en buscar trabajo entre la categoría base y si el esposo de la entrevistada
favoreció que su esposa trabajará manteniendo constante X 2 X 3 X 4 X 5 X 8 X 9 .
ii).X6
Dado un t de -0.40 se puede decir que no es estadísticamente significativa, es decir no existe suficiente evidencia
estadística para rechazar la Ho de que β 6 =0.
X7
Dado un t de 6.94 se puede decir que es estadísticamente significativa, es decir no existe suficiente evidencia
estadística para aceptar la Ho de que β 7 =0.
c).- ¿Por qué se cree que las variables edad y escolaridad no son factores significativos en la decisión de la
mujer respecto a participar en la fuerza de trabajo, en este estudio?

http://bajalibrosdeeconomia.blogspot.com/
X 4 y X 5 no son factores significativos en la decisión de la mujer respecto a participar en la fuerza de trabajo, en
este estudio ya que los t calculados son bajos debido a que la mujer puede trabajar a cualquier edad y tener
cualquier nivel de escolaridad.
9.3 Considérese los siguientes resultados de una regresión (Los datos reales se proporcionan en la tabla 9.7)

año y
trimestre
1958-lV
1959-l
-ll
-lll
-lV
1960-l
-ll
-lll
-lV
1961-l
-ll
-lll
-lV
1962-l
-ll
-lll
-lV
1963-l
-ll
-lll
-lV
1964-l
-ll
-lll
-lV

Tasa de
desempleo
1,915
1,876
1,842
1,75
1,648
1,45
1,393
1,322
1,26
1,171
1,182
1,221
1,34
1,411
1,6
1,78
1,941
2,178
2,067
1,942
1,764
1,532
1,455
1,409
1,296

tasa de
trabajo
vacante
0,51
0,541
0,541
0,69
0,771
0,836
0,908
0,968
0,998
0,968
0,964
0,952
0,849
0,748
0,658
0,562
0,51
0,51
0,544
0,568
0,677
0,794
0,838
0,885
0,978

D
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

DV
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

año y
trimestre
1965-l
-ll
-lll
-lV
1966-l
-ll
-lll
-lV
1967-l
-ll
-lll
-lV
1968-l
-ll
-lll
-lV
1969-l
-ll
-lll
-lV
1970-l
-ll
-lll
-lV
1971-l
-ll

tasa de
desempleo
1,201
1,192
1,259
1,192
1,089
1,101
1,243
1,623
1,821
1,99
2,114
2,115
2,15
2,141
2,167
2,107
2,104
2,056
2,17
2,161
2,225
2,241
2,366
2,324
2,516
2,909

tasa de
trabajo
vacante
0,997
1,035
1,04
1,086
1,101
1,058
0,987
0,819
0,74
0,661
0,66
0,698
0,695
0,732
0,749
0,8
0,783
0,8
0,794
0,79
0,757
0,746
0,739
0,707
0,583
0,524

D
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

DV
0
0
0
0
0
0
0
0,819
0,74
0,661
0,66
0,698
0,695
0,732
0,749
0,8
0,783
0,8
0,794
0,79
0,757
0,746
0,739
0,707
0,583
0,524

TDˆ t = 2.7491 + 1.1507 Dt − 1.5294Vt − 0.8511(DtVt )
t = (26.896) (3.6288) (-12.5552) (-1.9819)
2
R = 0.9128
Donde: TD = tasa de desempleo, %
V = tasa de trabajo vacante, %
D = 1, para el período que comienza el cuarto trimestre de 1966
= 0, para el período anterior al cuarto trimestre de 1966
t = tiempo, medido en trimestres
Nota: en el cuarto trimestre de 1966, el entonces gobierno laborista, liberalizó la Ley de Seguro Nacional,
reemplazando el sistema de tasa fija para beneficios del desempleo de corto tiempo, por un sistema mix6to de
tasa fija y beneficios relacionados con los ingresos (anteriores), el cual incrementó el nivel de los beneficios de
desempleo.
a).- ¿Cuáles son las expectativas a priori respecto a la relación entre las tasas de desempleo y vacantes?
La relación que existe entre las tasas de desempleo y vacantes es inversa es decir si se da un incremento porcentual
del 1% en la tasa de trabajo vacante se estima que la tasa de desempleo disminuirá en 1.53%.
b).- Si la tasa de vacancia se mantiene constante, ¿cuál es la tasa promedio de desempleo para el período que
comienza el cuatro trimestre de 1966?
La tasa promedio de desempleo para el período que comienza el cuarto trimestre de 1966 es de (2.7491+1.1507) =
36.8998% permaneciendo la tasa de trabajo vacante constante.
¿Es estadísticamente distinto del período anterior al cuarto trimestre de 1966? ¿Cómo se puede saber?
Si es estadísticamente distinta del período anterior al cuarto trimestre de 1966 debido a que la tasa de desempleo
diferencial entre la categoría base y el período que comienza el cuarto trimestre de 1966 es de 1.1507%.

http://bajalibrosdeeconomia.blogspot.com/
c).- ¿Las pendientes para el periodo anterior y posterior al cuarto trimestre de 1966 son estadísticamente
distintas? ¿Cómo se sabe?
Las pendientes tanto para los dos períodos son estadísticamente significativas, es decir varían en los dos períodos lo
cual verificamos con los valores t de las pruebas de significancia individual ya que nos da valores mayores a 2.5.
d).- ¿Se puede concluir con toda seguridad, a partir de este estudio, que los generosos beneficios del
desempleo propician tasas más altas de vacantes? ¿Lo anterior tiene algún sentido económico?
Esta conclusión no es correcta ya que fijándonos en el modelo se ve que la tasa de desempleo disminuye a medida
que aumenta la tasa de trabajo vacante.
9.12. Basado en información para 101 países sobre el ingreso pér capita en dólares (X) y la esperanza de vida
en años (Y) a principios de la década de los años setenta. Sen y Srivastava obtuvieron los siguientes
resultados de regresión:
YˆI = -2.40 +

9.39 In X i - 3.36 [Di (InX i − 7 )]

se = (4.73)

(0.859)

(2.42)

R 2 = 0.752

Donde D i =1 si In de X i > 7, y D i = 0 de lo contrario. Nota: cuando In de X i =7, X Us$1097
(aproximadamente).
a).- ¿Cual podría ser la razón para introducir la variable ingreso en forma logarítmica?
Es importante introducir la variable ingreso en forma logarítmia debido a que como estamos trabajando
con una muestra grande (101 países), los datos seran más representativos y comprensibles en cifras
porcentuales que en términos absolutos, y esto dificultaría la presentación de los resultados al expresar
el valor de los ingresos en cantidades muy altas.
b).- ¿Cómo se interpretaría el coeficiente 9.39 del In X i ?
Dado un incremento porcentual del 1% en el ingreso per cápita se estima que la esperanza de vida en años a
principios de la década de los años setenta se incrementará en un 0.09 centavos de dólar por año.
c).- ¿Cuál podría ser la razón para introducir el regresor [Di (InX i − 7 )] ? ¿Cómo se explica este regresor? Y
¿Cómo se interpreta el coeficiente -3.36 de este regresor?
La razón para introducir el regresor Di (In Xi – 7) podría ser debido a que cada país tiene diferente nivel
económico, por esta razón la esperanza de vida para sus habitantes es distinta ya que unos países son más
desarrollados que otros, además no solo el ingreso es el único indicador que afecta a la esperanza de vida, por lo
que éste regresor se explicaría como el segmento al cual la regresión cambia de sentido, y en conjunto con la
técnica de la variable dicótoma se estimarían las diferentes pendientes de los dos segmentos de la regresión
conocida ahora como la regresión lineal por tramos.
-3.36 nos diría que para un ingreso per cápita superior a $1097 en promedio la esperanza de vida medida en años a
principios de los setenta fue de -3.36. Suponiendo que ln X = 8 entonces la diferencia entre (In Xi – 7) = 1.
d).- Suponiendo un ingreso pér capita de US$ 1097 como la línea divisoria entre los países mas pobres y los
mas ricos, ¿Cómo se derivaría la regresión para países cuyo ingreso pér capita es menor que US$ 1097 y la
regresión para países cuyo ingreso pér capita es mayor que US$ 1097.
Como D i =1 si In de X i >7, y D i = 0 de lo contrario entonces Di (In Xi – 7) sería igual a cero y por lo tanto la
regresión se formaría de la siguiente manera para los países pobres con un ingreso per cápita menor a $1097:

Y i = − 2 . 40 + 9 . 39 ln X i

Ahora suponiendo un ingreso per cápita mayor que $1097 por ejemplo $2981
entonces (ln 2981=8) por lo
tanto la regresión seguiría siendo la misma porque
Di (In Xi – 7) me daría igual a 1 y el coeficiente también
es igual a -3.36.
YˆI = -2.40 + 9.39 In X i - 3.36 [Di (InX i − 7 )]

e).- ¿Qué conclusiones generales se obtienen del resultado de la regresión presentada en este problema?

http://bajalibrosdeeconomia.blogspot.com/
Podemos concluir diciendo que a un In >7, 3.36 sigue siendo la esperanza de vida promedio si la dicótoma es
igual a 1.
9.16. Para estudiar la tasa de crecimiento de la población de Belice durante el periodo 1970-1992, Mukherjee
et al., estimaron los siguientes modelos:
Modelo I: In (Pob) t =
t=

4.73 +
(781.25)

0.024t
(54.71)

4.77 +
Modelo II: In (Pob) t =
t=
(2477.92)

0.015t(34.01)

0.075D 1+
(-17.03)

0.011(D t t)
(25.54)

Donde Pob = población en millones; t= variable de tendencia; D 1 =1 para observaciones que comenzaron en
1978 y 0 antes de 1978; y In significa logaritmo natural.
a).-En el modelo I, ¿Cuál es la tas de crecimiento de la población de Belice durante el periodo de muestra?
En el modelo I la tasa de crecimiento de la población de Belice durante el período de muestra es de 2.4% es decir,
dado un incremento unitario en la variable de tendencia se estima que la población en millones se incrementará en
2.4%.
b).- ¿Las tasa de crecimiento son estadísticamente distintas antes y después de 1978? ¿Cómo se sabe? Si son
diferentes, ¿Cuáles son las tasas de crecimiento para 1972-1977 y 1978-1992?
De acuerdo a los valores t de la prueba de significancia individual nos podemos dar cuenta que los coeficientes
tanto de la pendiente como del intercepto son estadísticamente significativas lo cual significaría que hay diferente
pendiente y diferente intercepto es decir estamos tratando con regresiones no similares.
Tasa de crecimiento para 1972-1977
Para calcular esta tasa reemplazo en la regresión dada 0 ya que este valor nos indica antes de 1978.
ln Pob = 4.77+0.015 t
Tasa de crecimiento para 1978-1992
Para calcular esta tasa reemplazo en la regresión dada 1 en las variables dicótomas ya este valor nos indica las
variaciones que comienzan en 1978 y luego se saca el factor común y se obtiene la siguiente regresión.
Ln Pob =4.695+0.026 t

9.21. Utilice los datos dados en la tabla 9.2 y considérese el siguiente modelo.
ln Ahorros i = β 1 + β 2 ln Ingresosi + β 3 ln Di + u i
donde ln significa logaritmo natural y Di = 1 para 1970-1981 y 10 para 1982-1995
observación
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990

Ahorros
61
68,6
63,6
89,6
97,6
104,4
96,4
92,5
112,6
130,1
161,8
199,1
205,5
167
235,7
206,2
196,5
168,4
189,1
187,8
208,7

Ingreso
727,1
790,2
855,3
965
1054,2
1159,2
1273
1401,4
1580,1
1769,5
1973,3
2200,2
2347,3
2522,4
2810
3002
3187,6
3363,1
3640,8
3894,5
4166,8

Dum
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1

http://bajalibrosdeeconomia.blogspot.com/
1991
1992
1993
1994
1995

246,4
272,6
214,4
189,4
249,3

4343,7
4613,7
4790,2
5021,7
5320,8

1
1
1
1
1

Corrido el modelo se obtuvo los siguientes resultados: como se puede observar en el anexo N. 1
ln Ahorros i = −0.159 + 0.670 ln Ingresosi + 0.00 ln Di
a) ¿Cuál es el razonamiento detrás de la asignación de valores dicótomas, tal y como se sugiere?
No tiene ningún sentido la asignación de la variable dicótoma, tal como se sugiere en el modelo debido a que
obtenemos un beta 3 igual a cero y por lo tanto no va haber diferencia en los dos periodos en cuanto a la dicótoma
pero si se va a encontrar diferencia en cuanto a la variación de los ahorros en estos dos periodos.
b) Estímese el modelo anterior e interprétense los resultados.
Estimando el modelo que se presenta en el libro se obtuvo los siguientes resultados, el modelo corrido se
encuentra en el anexo N. 1
ln Ahorros i = −0.159 + 0.670 ln Ingresosi + 0.00 ln Di
ee= ( 0.766) (0.107)
(0.058)
t= (-0.207) (6.236)
(-0.005)
INTERPRETACIONES

β2
Dado un incremento porcentual del 1% en los ingresos se estima que el ahorro también se incrementará en un
0.67%, además nos podemos dar cuenta que existe una relación directa entre el ahorro y el ingreso es decir si se
incrementa el ingreso el ahorro también se incrementará y viceversa.

D1
Dado que el coeficiente de la dicótoma es igual a cero no se puede interpretar para ningún periodo, es decir no tiene
relevancia el valor de la dicótoma.
c).- ¿Cuáles son los valores de la intersección de la función ahorro en los dos subperíodos y cómo se
interpretarían?
Para realizar esta pregunta corrimos el modelo en los dos subperíodos, los modelos corridos encontramos en el
anexo N.2 para el subperiodo 1 y en el anexo N.3 para el subperiodo 2 y obtuvimos las regresiones siguientes:
Subperíodo 1
ln Ahorros i = −2.005 + 0.929 ln Ingresos
se= (0.692) (0.097)
t= (-2.895) (9.560)
Subperíodo 2
ln Ahorros i = −3.355 + 0.241ln Ingresos
se= (1.191) (0.145)
t= (2.816) (1.663)
Los valores de la intersección de la función ahorro en el subperiodo 1 es -2.005 y del otro subperiodo es de -3.355 y
vemos que el intercepto cambia en ambos debido a que del año 1970 al 1981 el ingreso varía en menor proporción a
diferencia del año 1982 al 1995 y esto hace que a su vez el ahorro también sea diferente en ambos subperíodos.

http://bajalibrosdeeconomia.blogspot.com/
EJERCICIO N.1
Tomar los datos para PIB y Ahorro desde 1990 hasta el 2006, aplicar las pruebas de estabilidad estructural
para ver si se mantiene tanto la pendiente como el intercepto.
AÑO
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006

PIB
13324
14016
14228
14270
14941
15203
15568
16199
16541
15499
15933
16784
17497
18122
19558
20486
21366

AHORRO
3121
3408
3574
3774
4024
3942
3774
3875
4028
2913
3265
4031
4794
4786
5022
5431
5777

Del modelo corrido se obtuvieron los siguientes resultados como se observa en el anexo N. 4

Ahorro = 940.395 + 0.180 PIB − 3621.913D1 + 0.219 PIBD1
se= (1679.370) (0.112) (2124.196) (0.132)
t= (0.560)
(1.613) (-1.705)
(1.663)
INTERPRETACIONES
-3621.91 es la intersección diferencial y 0.219 es el coeficiente de la pendiente diferencial (también llamado
arrastrador de pendiente).
Para saber si existe estabilidad estructural nos planteamos las siguientes hipótesis:

β1
H o : β1 = 0
H a : β1 = 0
n= 16
gl= 16-2
gl= 14

IC= 0.95
alfa= 0.025

t dado = 2.145

t calculado =

βˆ1 − β1
eeβˆ1

t calculado =

940.395 − 0
= 0.5599
1679.370

http://bajalibrosdeeconomia.blogspot.com/

-2.145

0.56

2.145

INTERPRETACIÓN
No existe suficiente evidencia estadística para rechazar la H o : β1 = 0 con un 95% de confianza y por lo tanto se
rechaza la H a : β 1 = 0 .

β2
Ho : β2 = 0
H a : β2 = 0
n= 16
gl= 16-2
gl= 14

IC= 0.95
alfa= 0.025

t dado = 2.145

t calculado =

βˆ 2 − β 2
eeβˆ 2

t calculado =

0.180 − 0
= 1.607
0.112

-2.145

1.607 2.145

INTERPRETACION
No existe suficiente evidencia estadística para rechazar la H o : β 2 = 0 con un 95% de confianza, ya que el t dado es
mayor que el t calculado y este valor se encuentra dentro de la zona de aceptación.

β3
H o : β3 = 0
H a : β3 = 0
n= 16
gl= 16-2
gl= 14
t dado = 2.145

IC= 0.95
alfa= 0.025

http://bajalibrosdeeconomia.blogspot.com/

t calculado =

βˆ3 − β 3
eeβˆ3

t calculado =

0.219 − 0
= 1.6590
0.132

-2.145

1.6590

2.145

INTERPRETACION
Dado que el t calculado es menor al t dado no existe suficiente evidencia estadística para rechazar la H o : β 3 = 0
con un 95% de confianza por lo tanto este valor se encuentra dentro de la zona de aceptación.
CONCLUSION
Como los valores t obtenidos del modelo corrido no son significativos tanto de la variable cuantitativa como
cualitativa decimos entonces que existe igual pendiente e igual intercepto, podemos concluir diciendo que existe
estabilidad estructural y por lo tanto nos encontramos en el caso de una regresión coincidente.
EJERCICIO N. 2
EJERCICIO VARIABLES FICTICIAS.
La compañía estadounidense Medicine fabricaba desde 1873 un producto que era un extracto de hierbas diluido en
una solución alcohólica. Este producto se anunciaba como un analgésico y luego como remedio para distintas
enfermedades.
En general los productos tienen competencia con distintas marcas como el caso Coca-Cola con Pepsi-Cola. Cuando
esto ocurre hay que tener en cuenta el comportamiento de los competidores. En este ejemplo la compañía Medicine
se encuentra en una situación de monopolio.
Otra de sus características es que no tiene agentes comerciales, por lo que gran parte de sus gastos lo destina a
publicidad.
En 1914 la Food and Drug Administration (organismo de Estados Unidos que establece controles para los
productos alimenticios y los medicamentos) le acusó de publicidad engañosa por lo que tuvo que cambiar sus
mensajes publicitarios. También la Internal Revue (oficina de impuestos) le amenazó con aplicarle una tasa sobre
bebidas alcohólicas del producto superaba el 18%. Por todos estos motivos se produjeron cambios en la
presentación y contenido durante el período 1915-1925. En 1925 la Food
and Drug Administration prohibió que el producto se anunciara como medicina, pasando a distribuirse como bebida
tónica. En el período 1926-1940 se incrementaron considerablemente los gastos de publicidad para después decaer.
Tenemos datos de VENTAS y gastos en publicidad (GPUB) expresada en miles de dólares para el período 19071960.
Se pide:
-Plantear el modelo que explique la evolución de las ventas de Medicine en función de una ordenada en el origen,
los gastos de publicidad, las ventas del período anterior y tres ficticias que recojan los distintos avatares por los que
pasa la empresa.
Después de haber corrido el modelo se obtuvo los siguientes resultados: como se puede observar en el anexo N. 5

http://bajalibrosdeeconomia.blogspot.com/
Resumen del modelo corrido en su conjunto:
Yt =231.910+1.262X1+0.115Yt-1+1.767D2+115.830D3-430.718D4-1.119D2X1-0.970D3X1-0.084D4X1+0.796D2Yt1+0.488D3Yt-1+0.440D4Yt-1
Se (964.788) (1.560) (0.196) (957.116) (958.286) (968.415) (1.607)
(1.565) (1.584) (0.310) (0.210) (0.235)
t

(0.245) (0.809) (0.589) (0.002) (0.121) (-0.445) (-0.696)
(-0.620) (-0.053) (2.571) (2.323)

p

(0.808) (0.423) (0.559) (0.999) (0.904) (0.659) (0.490)
(0.539) (0.958) (0.014) (0.025) (0.069)

Donde:
Yt= ventas
X1=gastos de publicidad
Yt-1=ventas periodo anterior
D2: 1= Segundo período
0= En cualquier otro caso
D3: 1= Tercer periodo
0= En cualquier otro caso
D4: 1= Cuarto periodo
0= En cualquier otro caso
Modelo primer periodo:
* E(Yt/D1=1; X1, Yt-1)
Yt=231.910+1.262X1+0.115Yt-1
Interpretación.-cuando las ventas del período anterior se incrementan en un dólar se estima que las ventas en el
primer período se incrementarán en 0.115 ctvs, manteniendo constante los gastos de publicidad.
Cuando los gastos de publicidad se incrementan en un dólar se estima que las ventas en el primer periodo también
se incrementarán en 1.262 dólares, manteniendo constante las ventas del período anterior.
Modelo segundo periodo:
* E(Yt/D2=1;X1, Yt-1)
Yt=231.910+1.262X1+0.115Yt+1.767-1.119X1+0.796Yt-1
Yt=233.677+0.144X1+0.911Yt-1
Interpretación.-cuando se incrementa en un dólar los gastos de publicidad se estima que las ventas en el segundo
período se incrementarán en 0.144 ctvs, manteniendo constante las ventas del período anterior.
Cuando se incrementa en un dólar las ventas del período anterior se estima que las ventas en el segundo período se
incrementarán también en 0.911 ctvs, manteniendo constante los gastos de publicidad.
Modelo tercer periodo:
* E(Yt/D3=1; X1, Yt-1)
Yt=231.910+1.262X1+0.115Yt-1+115.830-0.970X1+0.488Yt-1
Yt=347.74+0.293X1+0.603 Yt-1
Interpretación.- cuando los gastos de publicidad se incrementan en un dólar se estima que las ventas en el tercer
período se incrementarán en 0.293 ctvs, manteniendo constante las ventas del período anterior.

http://bajalibrosdeeconomia.blogspot.com/
Cuando las ventas del período anterior se incrementan en un dólar se estima que las ventas en el tercer período se
incrementarán en 0.603 ctvs, manteniendo constante los gastos de publicidad.
Modelo cuarto periodo:
* E(Yt/D4=1; X1, Yt-1)
Yt=231.910+1.262X1+0.115 Yt-1 -430.718-0.084X1+0.440 Yt-1
Yt=-198.81+1.179X1+0.555 Yt-1
Interpretación.-cuando los gastos de publicidad se incrementan en un dólar se estima que las ventas en el cuarto
período se incrementarán en 1.179 dólares, manteniendo constante las ventas del período anterior.
Cuando las ventas del período anterior se incrementan en un dólar se estima que las ventas en el cuarto período
también se incrementarán en 0.555ctvs, manteniendo constante los gastos de publicidad.
CONCLUSION
En conclusión podemos observar que no hay estabilidad estructural, debido a que el intercepto es igual para los
cuatro períodos, pero no ocurre lo mismo con la pendiente porque en dos casos los valores p son menores a α, por
lo tanto son significativos, con lo cual confirmamos de que la pendiente no es la misma para los cuatro períodos; en
este caso nos encontramos con son regresiones concurrentes.

http://bajalibrosdeeconomia.blogspot.com/

ANEXO N.1
Estadísticos Descriptivos

Media
4,9996

Desviación
típ.
,45223

LNINGRES

7,7055

,63339

26

LNDICOTO

1,2399

1,17061

26

LNAHORRO

N
26

Correlaciones

Correlación de
Pearson
Sig. (unilateral)

N

LNAHORRO
1,000

LNINGRES
,937

LNDICOTO
,820

LNINGRES

,937

1,000

,875

LNDICOTO

,820

,875

1,000

.

,000

,000
,000

LNAHORRO

LNAHORRO
LNINGRES

,000

.

LNDICOTO

,000

,000

.

LNAHORRO

26

26

26

LNINGRES

26

26

26

LNDICOTO

26

26

26

Variables introducidas/eliminadas(b)

Modelo
1

Variables
introducidas

Variables
eliminadas

LNDICOTO,
LNINGRES(a)

Método
.

Introducir

a Todas las variables solicitadas introducidas
b Variable dependiente: LNAHORRO

ANOVA(b)

Modelo
1

Suma de
cuadrados
Regresión
Residual
Total

Media
cuadrática

gl

4,489

2

2,245

,624

23

,027

5,113

25

a Variables predictoras: (Constante), LNDICOTO, LNINGRES
b Variable dependiente: LNAHORRO

F

Sig.

82,795

,000(a)

http://bajalibrosdeeconomia.blogspot.com/
Estadísticos sobre los residuos(a)

Valor pronosticado

4,2525

5,5844

4,9996

Desviación
típ.
,42376

Valor pronosticado tip.

-1,763

1,380

,000

1,000

26

Error típico del valor
pronosticado

,04402

,07814

,05515

,00949

26

Valor pronosticado
corregido

4,2885

5,5942

4,9973

,42227

26

Residuo bruto

-,3018

,3056

,0000

,15793

26

Residuo tip.

-1,833

1,856

,000

,959

26

Residuo estud.

-1,946

2,070

,006

1,033

26

Residuo eliminado

-,3402

,3872

,0023

,18343

26

Residuo eliminado estud.

-2,082

2,244

,017

1,077

26

Dist. de Mahalanobis

,825

4,669

1,923

1,040

26

Distancia de Cook

,001

,415

,056

,093

26

,033

,187

,077

,042

26

Mínimo

Valor de influencia centrado

Máximo

Media

N
26

a Variable dependiente: LNAHORRO

ANEXO N. 2
Estadísticos descriptivos

LNAHORRO
LNINGRES

Media
4,6070

Desviación
típ.
,35703

7,1186

,36494

N
12
12

Correlaciones
LNAHORRO

LNINGRES

Correlación de
Pearson

LNAHORRO

1,000

,949

LNINGRES

,949

1,000

Sig. (unilateral)

LNAHORRO

.

,000

,000

.

LNAHORRO

12

12

LNINGRES

12

12

LNINGRES
N

ANOVA(b)

Modelo
1

Regresión

Suma de
cuadrados
1,264

Residual

1

Media
cuadrática
1,264

10

,014

gl

,138

F

Sig.

91,387

,000(a)

Total

1,402
11
a Variables predictoras: (Constante), LNINGRES
b Variable dependiente: LNAHORRO

Coeficientes(a)
Coeficientes
estandarizado
s

Coeficientes no
estandarizados
Modelo
1

B
(Constante
)
LNINGRE
S

a Variable dependiente: LNAHORRO

Error típ.

-2,005

,692

,929

,097

Intervalo de confianza para
B al 95%
t

Beta

,949

Sig.

Límite inferior

Límite
superior

-2,895

,016

-3,548

-,462

9,560

,000

,712

1,145

http://bajalibrosdeeconomia.blogspot.com/

ANEXO N. 3
Estadísticos descriptivos

LNAHORRO

5,3361

Desviación
típ.
,14564

LNINGRES

8,2086

,26124

Media

N
14
14

Correlaciones

Correlación de
Pearson

LNAHORRO

Sig. (unilateral)

LNAHORRO

LNAHORRO
1,000

LNINGRES
,433

,433

1,000

.

,061

LNINGRES
LNINGRES

N

,061

.

LNAHORRO

14

14

LNINGRES

14

14

Variables introducidas/eliminadas(b)

Modelo
1

Variables
introducidas
LNINGRES(a)

Variables
eliminadas

Método
Introducir

.

a Todas las variables solicitadas introducidas
b Variable dependiente: LNAHORRO

ANOVA(b)

Modelo
1

Regresión

Suma de
cuadrados
,052

Residual

1

Media
cuadrática
,052

12

,019

gl

,224

F
2,767

Sig.
,122(a)

Total

,276
13
a Variables predictoras: (Constante), LNINGRES
b Variable dependiente: LNAHORRO
Coeficientes(a)
Coeficientes
estandarizado
s

Coeficientes no
estandarizados
Modelo
1

B
(Constante
)
LNINGRE
S

Error típ.

3,355

1,191

,241

,145

a Variable dependiente: LNAHORRO

ANEXO 4
Estadísticos descriptivos

D1

Media
4090,5294
16443,235
3
,41

PIBD

7632,1176

AHORRO
PIB

Desviación
típ.
810,42883

N
17

2309,72792

17

,507

17

9482,14051

17

Intervalo de confianza para
B al 95%
t

Beta

,433

Sig.

Límite inferior

Límite
superior

2,816

,016

,759

5,951

1,663

,122

-,075

,557

http://bajalibrosdeeconomia.blogspot.com/
Correlaciones

Correlación de
Pearson

Sig. (unilateral)

N

AHORRO
1,000

PIB
,907

D1
,680

PIBD
,752

PIB

,907

1,000

,781

,843

D1

,680

,781

1,000

,992

PIBD

,752

,843

,992

1,000

AHORRO

AHORRO

.

,000

,001

,000

PIB

,000

.

,000

,000

D1

,001

,000

.

,000

PIBD

,000

,000

,000

.

AHORRO

17

17

17

17

PIB

17

17

17

17

D1

17

17

17

17

PIBD

17

17

17

17

Variables introducidas/eliminadas(b)

Modelo
1

Variables
introducidas

Variables
eliminadas

PIBD, PIB,
D1(a)

Método
.

Introducir

a Todas las variables solicitadas introducidas
b Variable dependiente: AHORRO

ANOVA(b)

Suma de
cuadrados
gl
Regresión
8990381,97
3
9
Residual
1518336,25
13
6
Total
10508718,2
16
35
a Variables predictoras: (Constante), PIBD, PIB, D1
b Variable dependiente: AHORRO
Modelo
1

Media
cuadrática
2996793,99
3

F

Sig.

25,659

,000(a)

116795,097

Coeficientes(a)

Coeficientes
estandarizado
s

Coeficientes no
estandarizados
Modelo
1

B
(Constante
)
PIB
D1

Error típ.

940,395

Intervalo de confianza para
B al 95%
t

Beta

1679,370

Sig.
,560

,585

Límite inferior
-2687,664

Límite
superior
4568,454

,180

,112

,514

1,613

,131

-,061

,422

-3621,913

2124,196

-2,267

-1,705

,112

-8210,958

967,133

,219

,132

2,567

1,663

,120

-,066

,504

PIBD

a Variable dependiente: AHORRO

http://bajalibrosdeeconomia.blogspot.com/

ANEXO 5
REGRESION MODELO EN SU CONJUNTO
Variables introducidas/eliminadas(b)

Modelo
1

Variables
introducidas

Variables
eliminadas

V.ANTER, D3,
D2, GPUBLI,
D4GPUBLI,
D3GPUBLI,
D4,
D2GPUBLI(a)

Método

.

Introducir

a Todas las variables solicitadas introducidas

b Variable dependiente: VENTAS

Resumen del modelob
Estadísticos de cambio
Modelo
1

R
R cuadrado
,971a
,942

R cuadrado
corregida
,932

Error típ. de la
estimación
165,35693

Cambio en
R cuadrado
,942

Cambio en F
91,379

gl1

gl2
8

45

Sig. del
cambio en F
,000

a. Variables predictoras: (Constante), V.ANTER, D3, D2, GPUBLI, D4GPUBLI, D3GPUBLI, D4, D2GPUBLI
b. Variable dependiente: VENTAS

ANOVAb
Modelo
1

Regresión
Residual
Total

Suma de
cuadrados
19988526
1230431,2
21218957

gl
8
45
53

Media
cuadrática
2498565,8
27342,915

F
91,379

Sig.
,000a

a. Variables predictoras: (Constante), V.ANTER, D3, D2, GPUBLI, D4GPUBLI,
D3GPUBLI, D4, D2GPUBLI
b. Variable dependiente: VENTAS
a
Coeficientes

Coeficientes
Coeficientes no estandarizad
estandarizados
os
Modelo
B
1
(Constante
1228,508
GPUBLI
3,241
D2
1567,270
D3
1617,681
D4
1022,594
D2GPUBL -2,560
D3GPUBL -2,918
D4GPUBL -2,077
V.ANTER
,566

Error típ.
766,911
1,395
772,212
761,806
780,103
1,422
1,411
1,433
,064

a.Variable dependiente: VENTAS

Beta
1,915
1,007
1,156
,788
-2,084
-2,390
-1,444
,605

t
-1,602
2,323
2,030
2,123
1,311
-1,800
-2,068
-1,450
8,860

tervalo de confianza pa
Estadísticos de
colinealidad
B al 95%
Correlaciones
Límite
Sig. Límite inferiorsuperior Orden cero Parcial SemiparcialTolerancia FIV
,116 -2773,147 316,130
,025
,431
6,052
,839
,327
,083
,002 527,626
,048
11,9553122,585
,372
,290
,073
,005 191,027
,039
83,3263152,037
-,002
,302
,076
,004 229,935
,197 -548,6132593,801
,092
,192
,047
,004 280,268
,079
-5,425
,305
,576
-,259
-,065
,0011040,681
,044
-5,761
-,076
,092
-,295
-,074
,0011036,513
,154
-4,963
,808
,168
-,211
-,052
,001 770,048
,000
,437
,694
,917
,797
,318
,277
3,612

http://bajalibrosdeeconomia.blogspot.com/
a
Correlaciones de los coeficientes

Modelo
V.ANTER D3
D2
GPUBLID4GPUBLI
D3GPUBLI D4 D2GPUBLI
1
Correlacion V.ANTER 1,000
,180
,243
,201
-,259
-,235
,209
-,267
D3
,180
1,000
,971
,983
-,969
-,991
,955
-,977
D2
,243
,971
1,000
,983
-,973
-,980
,956
-,992
GPUBLI
,201
,983
,983
1,000
-,987
-,996
,966
-,995
D4GPUB -,259
-,969
-,973
-,987
1,000
,985
-,991
,986
D3GPUB -,235
-,991
-,980
-,996
,985
1,000
-,963
,994
D4
,209
,955
,956
,966
-,991
-,963
1,000
-,963
D2GPUB -,267
-,977
-,992
-,995
,986
,994
-,963
1,000
Covarianza V.ANTER ,004
8,739 11,974
,018
-,024
-,021 10,406
-,024
D3
8,739580347,9570990,61044,696-1057,063-1065,325567629,4-1058,276
D2
11,974570990,6596311,41058,909-1075,854-1068,425575891,2-1089,201
GPUBLI
,0181044,6961058,909
1,947
-1,973
-1,9621052,023
-1,975
D4GPUB -,0241057,0631075,854 -1,973
2,052
1,9921107,047
2,009
D3GPUB -,0211065,3251068,425 -1,962
1,992
1,9911060,294
1,994
D4
10,406567629,4575891,21052,023-1107,047-1060,294608560,0-1068,194
D2GPUB -,0241058,2761089,201 -1,975
2,009
1,9941068,194
2,023
a.Variable dependiente: VENTAS

a
Diagnósticos de colinealidad

Indice de
Modelo Dimensión
Autovalor condición(Constante) GPUBLI
1
1
4,756
1,000
,00
,00
2
1,971
1,553
,00
,00
3
1,929
1,570
,00
,00
4
,135
5,928
,00
,00
5
,095
7,076
,00
,00
6
,065
8,521
,00
,00
7
,027 13,284
,00
,00
8
,021 15,079
,00
,00
9
,000 215,458
,99
1,00

D2
,00
,00
,00
,00
,02
,00
,00
,00
,97

Proporciones de la varianza
D3
D4 D2GPUBLID3GPUBLID4GPUBLIV.ANTER
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,02
,02
,00
,00
,00
,00
,01
,00
,01
,00
,00
,00
,78
,00
,04
,00
,00
,01
,13
,97
,95
,99
,99
,98
,05

a.Variable dependiente: VENTAS

Estadísticos sobre los residuosa

Valor pronosticado
Residuo bruto
Valor pronosticado tip.
Residuo tip.

Mínimo
742,2302
-326,2119
-1,770
-1,973

Máximo
3556,0188
471,5105
2,811
2,851

Media
1829,4815
,0000
,000
,000

Desviación
típ.
614,11889
152,36693
1,000
,921

a. Variable dependiente: VENTAS

REGRESION MODELO 1
Variables introducidas/eliminadasb
Modelo
1

Variables
introducidas
VAR00016,
a
VAR00015

Variables
eliminadas

Método
.

Introducir

a. Todas las variables solicitadas introducidas
b. Variable dependiente: VAR00014

Resumen del modelo
Modelo
1

R
R cuadrado
,534a
,285

R cuadrado
corregida
-,001

Error típ. de la
estimación
92,22984

a. Variables predictoras: (Constante), VAR00016, VAR00015

N
54
54
54
54

http://bajalibrosdeeconomia.blogspot.com/
ANOVAb
Modelo
1

Suma de
cuadrados
16977,781
42531,719
59509,500

Regresión
Residual
Total

gl
2
5
7

Media
cuadrática
8488,891
8506,344

F
,998

Sig.
,432a

a. Variables predictoras: (Constante), VAR00016, VAR00015
b. Variable dependiente: VAR00014

Resumen del modelo
Modelo
1

R
R cuadrado
,534a
,285

R cuadrado
corregida
-,001

Error típ. de la
estimación
92,22984

a. Variables predictoras: (Constante), VAR00016, VAR00015
Coeficientesa

Modelo
1

Coeficientes no
estandarizados
B
Error típ.
231,910
554,569
1,262
,914
,115
,115

(Constante)
VAR00015
VAR00016

Coeficientes
estandarizad
os
Beta
,626
,456

t
,418
1,382
1,006

Sig.
,693
,226
,361

a. Variable dependiente: VAR00014

REGRESION MODELO 2
Variables introducidas/eliminadasb
Modelo
1

Variables
introducidas
VAR00019,
a
VAR00018

Variables
eliminadas

Método
.

Introducir

a. Todas las variables solicitadas introducidas
b. Variable dependiente: VAR00017

Resumen del modelo
Modelo
1

R
R cuadrado
,972a
,945

R cuadrado
corregida
,931

Error típ. de la
estimación
223,54666

a. Variables predictoras: (Constante), VAR00019, VAR00018
ANOVAb
Modelo
1

Regresión
Residual
Total

Suma de
cuadrados
6852600,0
399784,863
7252384,9

gl
2
8
10

Media
cuadrática
3426300,0
49973,108

F
68,563

Sig.
,000a

a. Variables predictoras: (Constante), VAR00019, VAR00018
b. Variable dependiente: VAR00017
Coeficientesa

Modelo
1

(Constante)
VAR00018
VAR00019

Coeficientes no
estandarizados
B
Error típ.
233,676
199,085
,144
,547
,911
,341

a. Variable dependiente: VAR00017

Coeficientes
estandarizad
os
Beta
,087
,887

t
1,174
,263
2,674

Sig.
,274
,799
,028

http://bajalibrosdeeconomia.blogspot.com/
REGRESION MODELO 4
Variables introducidas/eliminadasb
Modelo
1

Variables
introducidas
VAR00025,
a
VAR00024

Variables
eliminadas

Método
.

Introducir

a. Todas las variables solicitadas introducidas
b. Variable dependiente: VAR00023

Resumen del modelo
Modelo
1

R
R cuadrado
,955a
,912

R cuadrado
corregida
,902

Error típ. de la
estimación
124,55462

a. Variables predictoras: (Constante), VAR00025, VAR00024
ANOVAb
Modelo
1

Regresión
Residual
Total

Suma de
cuadrados
2737847,3
263735,488
3001582,8

gl
2
17
19

Media
cuadrática
1368923,7
15513,852

F
88,239

Sig.
,000a

a. Variables predictoras: (Constante), VAR00025, VAR00024
b. Variable dependiente: VAR00023

Coeficientesa

Modelo
1

(Constante)
VAR00024
VAR00025

Coeficientes no
estandarizados
B
Error típ.
-198,809
160,989
1,179
,218
,555
,104

Coeficientes
estandarizad
os
Beta
,525
,520

t
-1,235
5,398
5,349

Sig.
,234
,000
,000

a. Variable dependiente: VAR00023

REGRESION DEL MODELO CON CAMBIOS EN EL INTERCEPTO Y LAS DOS PENDIENTES

Variables introducidas/eliminadasb
Modelo
1

Variables
introducidas
D4VTA.AN,
GPUB, D2,
D3VTA.AN,
VENT.ANT,
D3, D4,
D3GPUB,
D4GPUB,
D2VTA.AN,
a
D2GPUB

Variables
eliminadas

Método

.

Introducir

a. Todas las variables solicitadas introducidas
b. Variable dependiente: VENTAS

ANOVAb
Modelo
1

Regresión
Residual
Total

Suma de
cuadrados
20177634
1041323,3
21218957

gl
11
42
53

Media
cuadrática
1834330,4
24793,412

F
73,985

Sig.
,000a

a. Variables predictoras: (Constante), D4VTA.AN, GPUB, D2, D3VTA.AN, VENT.ANT,
D3, D4, D3GPUB, D4GPUB, D2VTA.AN, D2GPUB
b. Variable dependiente: VENTAS

http://bajalibrosdeeconomia.blogspot.com/

Resumen del modelo

Modelo
1

Estadísticos de cambio
R cuadradoError típ. de laCambio en
Sig. del
R
R cuadrado corregida estimación R cuadradoCambio en F gl1
gl2 cambio en F
,975a
,951
,938 157,45924
,951
73,985
11
42
,000

a. Variables predictoras: (Constante), D4VTA.AN, GPUB, D2, D3VTA.AN, VENT.ANT, D3, D4, D3GPUB, D4G

a
Coeficientes

Coeficientes
Coeficientes no estandarizad
estandarizados
os
Modelo
B
1
(Constante231,910
GPUB
1,262
VENT.ANT
,115
D2
1,767
D3
115,830
D4
-430,718
D2GPUB
-1,119
D3GPUB
-,970
D4GPUB
-,084
D2VTA.AN
,796
D3VTA.AN
,488
D4VTA.AN
,440

Error típ.
946,788
1,560
,196
957,116
958,286
968,415
1,607
1,565
1,584
,310
,210
,235

a. Variable dependiente: VENTAS

Beta
,746
,123
,001
,083
-,332
-,911
-,794
-,058
1,155
,721
,672

t
,245
,809
,589
,002
,121
-,445
-,696
-,620
-,053
2,571
2,323
1,869

ntervalo de confianza par
B al 95%
Correlaciones
Límite
Sig. Límite inferior superior Orden cero Parcial Semiparcial
,808 -1678,786 2142,605
,423
-1,885
4,410
,839
,124
,028
,559
-,279
,510
,917
,091
,020
,999 -1929,772 1933,305
,372
,000
,000
,904 -1818,069 2049,729
-,002
,019
,004
,659 -2385,058 1523,621
,092
-,068
-,015
,490
-4,361
2,123
,576
-,107
-,024
,539
-4,127
2,188
,092
-,095
-,021
,958
-3,280
3,113
,168
-,008
-,002
,014
,171
1,421
,565
,369
,088
,025
,064
,912
,120
,337
,079
,069
-,035
,915
,165
,277
,064

http://bajalibrosdeeconomia.blogspot.com/