1aa Métodología Econom I 3
1aa Métodología Econom I 3
1aa Métodología Econom I 3
ECONOMETRIA
Es una rama de la Teoría Económica que mediante procedimientos estadísticos y matemáticos relaciona datos
numéricos, con el objeto de determinar vínculos entre variables, basado en un modelo conceptual.
Es la herramienta utilizada para respaldar o comprobar modelos matemáticos que relacionan una variable
dependiente (o explicada) por una o mas variables independientes (o explicativas).
Los modelos matemáticos, se puede decir que son simplificaciones teóricas de abstracciones de la realidad,
expresadas mediante una relación funcional de una variable dependiente y una o mas independientes.
La demanda de motores
eléctricos está en función de
la demanda de artefactos
eléctricos.
Y X1 X2 X3
300 = a + b 80
-2x200 = -2 x a + b (-2x40)
-100 = -a a = 100
b = 2.5
Sistema de Mínimos Cuadrados
Y X1 X2 X3 Sistema de Mínimos
Demanda motores Demanda de Demada de Demanda de Cuadrados
electricos Lavadoras Refrigeradoras motobombas
351 1 88 45 15
248 1 74 31 18
476 1 92 49 24
375 1 82 47 17 ∑Y = aN b∑ X1 c∑ X2 d∑ X3
486 1 95 44 25 ∑ YX1 = a∑ X1 b∑ X1^2 c∑ X2X1 d∑ X3X1
398 1 89 44 19 ∑ YX2 = a∑ X2 b∑ X1X2 c∑ X2^2 d∑ X3X2
284 1 78 38 27
∑ YX3 = a∑ X3 b∑ X1X3 c∑ X2X3 d∑ X3^2
312 1 84 49 22
405 1 91 47 19
341 1 86 46 18
Y X1 X2 X3
Demanda
Demanda motores Demada de Demanda de
de YX1 YX2 YX3 X1^2 X2^2 X3^2 X1X2 X1X3 X2X3
electricos Refrigeradoras motobombas
Lavadoras
1 351 1 88 45 15 30888 15795 5265 7744 2025 225 3960 1320 675
2 248 1 74 31 18 18352 7688 4464 5476 961 324 2294 1332 558
3 476 1 92 49 24 43792 23324 11424 8464 2401 576 4508 2208 1176
4 375 1 82 47 17 30750 17625 6375 6724 2209 289 3854 1394 799
5 486 1 95 44 25 46170 21384 12150 9025 1936 625 4180 2375 1100
6 398 1 89 44 19 35422 17512 7562 7921 1936 361 3916 1691 836
7 284 1 78 38 27 22152 10792 7668 6084 1444 729 2964 2106 1026
8 312 1 84 49 22 26208 15288 6864 7056 2401 484 4116 1848 1078
9 405 1 91 47 19 36855 19035 7695 8281 2209 361 4277 1729 893
10 341 1 86 46 18 29326 15686 6138 7396 2116 324 3956 1548 828
3676 10 859 440 204 319915 164129 75605 74171 19638 4298 38025 17551 8969
Matriz Y Matriz X
∑Y = aN b∑ X1 c∑ X2 d∑ X3 3676 10 859 440 204
Y XA X A
∑Y aN b∑ X1 c∑ X2 d∑ X3
N ∑ X1 ∑ X2 ∑ X3 a
a∑ X1 b∑ X1^2 c∑ X2X1 d∑ X3X1
∑ YX1
= = ∑ X1 ∑ X1^2 ∑ X2X1 ∑ X3X1 X b
∑ YX2 a∑ X2 b∑ X1X2 c∑ X2^2 d∑ X3X2 ∑ X2 ∑ X1X2 ∑ X2^2 ∑ X3X2 c
∑ YX3 a∑ X3 b∑ X1X3 c∑ X2X3 d∑ X3^2 ∑ X3 ∑ X1X3 ∑ X2X3 ∑ X3^2 d
Y = XA
A = Y/X
A = Y X-1
Correlación y Regresión
Resumen
Estadísticas de la regresión
Coeficiente de correlac 0.9237896
Coeficiente de determi 0.8533872 R^2
ajustado 0.7800808
Error típico 36.161438
Observaciones 10
ANÁLISIS DE VARIANZA
Grados de libertad
Coeficiente
Error típico Estadístico t Probabilidad Inferior 95% Superior 95%
s
Intercepción -597.76779 165.9366454 -3.602385655 0.011334 -1003.80014 -191.7354469
Variable X 1 10.836985 2.650143503 4.08920677 0.00643501 4.35231721 17.3216523
Variable X 2 -0.2894639 3.089771499 -0.093684556 0.92840984 -7.84986237 7.270934626
Variable X 3 2.314079 3.164742515 0.731206078 0.49220977 -5.429767 10.05792493
= COEF.DE.CORREL(Col Y,Col Ye)
Y media = 367.6
Resumen
Estadísticas de la regresión
0.5
Coeficiente de correlación múltip 0.923789572 =(Ye - Y)2 / (N - K)
Coeficiente de determinación R^ 0.853387174 R^2
ajustado 0.780080761
Error típico 36.1614376 36.1614 =DISTR.F( F,GL Regr,GL Res)
Observaciones 10 GL = N - K : 6
N = 10 K = 4
ANÁLISIS DE VARIANZA
Suma de Grados de Promedio de F (tabular) Valor crítico de F
F (calculada)
cuadrados libertad los cuadrados 5% (P-VALOR)
Regresión 45668.5 3 15222.8342 11.6413713 4.75706266 0.006503008
Coeficiente / Error típico Residuos 7845.90 6 1307.649569
Total 53514.4 9
Intervalos de confianza
Coeficiente
Error típico Estadístico t Probabilidad Inferior 95% Superior 95%
s
Intercepción -597.7678 165.93665 -3.602386 0.011334 -1003.8001 -191.73545
Variable X 1 10.8370 2.65014 4.089207 0.006435 4.352317 17.32165 = Coef + Err Tip (dis t.
Inv)
Variable X 2 -0.2895 3.08977 -0.093685 0.928410 -7.849862 7.27093 =DISTR.T.INV(0.05,GL residuo)
Variable X 3 2.3141 3.16474 0.731206 0.492210 -5.429767 10.05792
t (5%,6) =DISTR.T.INV(0.05,6)
t (5%,6) = 2.446911851
-1
Matriz Inversa : X Coeficiente Inversa (diag) Varianza Desv Tip
21.056842 -0.23857 0.0357332 -0.099802
Intercepción -597.768 21.056842 27,534.970 165.93665
-0.23857 0.0053709 -0.004457 -0.001308
X1 10.837 0.005371 7.023 2.65014
0.0357332 -0.004457 0.0073006 0.00127
X2 -0.289 0.007301 9.547 3.08977
-0.099802 -0.001308 0.00127 0.0076592
X3 2.314 0.007659 10.016 3.16474
El coeficiente de determinación, mide la calidad del modelo para replicar los resultados, y la
proporción de variación de los resultados que puede explicarse por el modelo.
R^2 ajustado
Es una medida de bondad de ajuste corregida (precisión de modelo) para los modelos lineales. Mide
el porcentaje de variación de la variable dependiente (al igual que el coeficiente de
determinación) pero teniendo en cuenta el número de variables incluidas en el modelo.
Error típico
Medida de la dispersión de una variable dependiente (salida) alrededor de la curva de mínimos
cuadrados, obtenida por ajuste o análisis de regresión.
ANÁLISIS DE VARIANZA
F (tabular) 5% - Valor crítico de F (P-VALOR)
Nos dice si el modelo de regresión en su conjunto es estadísticamente significativo o no. Si las
variables explicativas combinadas tienen una asociación estadísticamente significativa con la
variable de respuesta.
= (Diag.Inv)(Err.Tip)^2 = (Var)^0.5
Y X1 X2 X3
PARA EL DOCENTE
PARA EL ESTUDIANTE