UNIVERSIDAD NACIONAL DE UCAYALI

FACULTAD DE CIENCIAS ECONOMICAS,

ADMINISTRATIVAS Y CONTABLES
DEPARTAMENTO ACADEMICO DE ECONOMIA Y NEGOCIOS INTERNACIONALES

ECONOMETRIA MEDIANTE METODOS INFORMATICOS

DOCENTE: Dr. Edinson Alirio Rengifo Romero

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.

Al aplicar métodos estadísticos, como correlación y regresión, a un modelo matemático de teoría

económica, se esta efectuando un ANÁLISIS ECONOMÉTRICO y por tanto se busca dar validez a la teoría
mediante la aproximación numérica de la certeza del modelo.

La demanda de motores
eléctricos está en función de
la demanda de artefactos
eléctricos.

Y X1 X2 X3

Demanda motores Demanda de Demada de Demanda de

electricos Lavadoras Refrigeradoras motobombas

Demanda motores Demanda deY = a + bX

electricos Lavadoras
300 300 80 = a + b 80
200 40 200 = a + b 40

300 = a + b 80
-2x200 = -2 x a + b (-2x40)

Y = 100 + 2.5 X 300 = a + b 80

b 80
-400 = -2 a -

-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

3676 10 859 440 204

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

∑ YX1 = a∑ X1 b∑ X1^2 c∑ X2X1 d∑ X3X1 319915 859 74171 38025 17551

∑ YX2 = a∑ X2 b∑ X1X2 c∑ X2^2 d∑ X3X2 164129 440 38025 19638 8969

∑ YX3 = a∑ X3 b∑ X1X3 c∑ X2X3 d∑ X3^2

75605 204 17551 8969 4298

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

Suma de Promedio de Valor crítico

Regresión 3 45668.50259 15222.8342 11.6413713
F 0.00650301
cuadrados los cuadrados de F
Residuos 6 7845.897414 1307.649569
Total 9 53514.4

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

Error típico de la Regresión 36.1614

Coeficiente de correlación múltiple

El coeficiente de correlación es una medida de la relación lineal o que cuantifica el grado de

variación conjunta entre dos variables aleatorias cuantitativas. La correlación múltiple (R) es el
coeficiente de correlación entre una variable criterio (Y) y la combinación lineal de más de una sola
variable predictoras (X) o variables independientes.
El valor del coeficiente de correlación puede tomar valores desde menos uno hasta uno, -1
< r < 1, indicando que mientras más cercano a uno sea el valor del coeficiente de correlación, en
cualquier dirección, más fuerte será la asociación lineal entre las dos variables.

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.

Análisis de coeficientes - Error típico - Estadístico t

Residuos 7845.90 6 1307.649569 Coeficiente / Error típico
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

Variable X 2 -0.2895 3.08977 -0.093685 0.928410 -7.849862 7.27093

Variable X 3 2.3141 3.16474 0.731206 0.492210 -5.429767 10.05792

= (Diag.Inv)(Err.Tip)^2 = (Var)^0.5

Matriz Inversa : X-1 Coeficiente Inversa (diag) Varianza Desv Tip

21.057 -0.2386 0.035733201 -0.0998025 Intercepción -597.768 21.056842 27,534.970 165.93665

-0.2386 0.0054 -0.00445716 -0.0013076 X1 10.837 0.005371 7.023 2.65014

0.0357 -0.0045 0.007300647 0.00127 X2 -0.289 0.007301 9.547 3.08977

-0.0998 -0.0013 0.00127002 0.0076592 X3 2.314 0.007659 10.016 3.16474

Error típico de la Regresión 36.1614

Análisis de coeficientes – Probabilidad
Los valores p individuales nos dicen si cada variable explicativa es estadísticamente
significativa o no. La probabilidad de error relacionada con cada coeficiente en el modelo.

Y X1 X2 X3

Demanda motores Demanda de Demada de Demanda de

electricos Lavadoras Refrigeradoras motobombas

Análisis de coeficientes – Intervalos de confianza

El intervalo de confianza para la estimación de los parámetros nos permite estimar los valores
que podemos esperar con la aproximación ofrecida por la muestra. El nivel de confianza es la
probabilidad con la que se espera una repuesta correcta.
BIBLIOGRAFIA

PARA EL DOCENTE

ALFREDO BARONIO - ANA VIANCO. Manual de Econometría 1°Parte. Facultad de

Ciencias Económicas - Universidad Nacional de Río Cuarto 2010.
http://www.guillermopereyra.com/documentosenpdf/manualeconometriaparte1.pdf

NOVALES, Alfonso. Manual de Econometría. 2003 http://www.sisman.utm.edu.ec/libros/FACULTAD

%20DE%20CIENCIAS%20ADMINIST RATIVAS%20Y%20ECON%C3%93MICAS/CARRERA%20DE
%20ECONOM%C3%8D
A/08/ECONOMETRIA/Manual%20Econometria%20(2).pdf

PARA EL ESTUDIANTE

GUJARATI, Damodar. Principios de Econometría. 3ra. Edición. McGraw-

Hill/Interamericana de España S.A.U. Madrid. 2006. (BIBLIOTECA CENTRAL UNU)

JEFFREY M, Wodridge. Introducción a la Econometría. 4ta. Edición. Cengage

Learnin Editores S.A. Madrid. 2010. (BIBLIOTECA CENTRAL UNU)

Dr. Edinson Alirio Rengifo Romero

Docente