16.13. USE LOS DATOS DE INVERSIN DE LA TABLA 1.6.

a) Estime la funcin de inversin Grunfeld para cada empresa de manera

individual.

GE

INTERPRETACIN:
Como observamos de la estimacin ejecutada para la empresa GE, deducimos
que por cada incremento de F en 1, I crece en 0.02; adems por cada incremento
de K en 1, I crece en un 0.15, la variable K es ms influye ms a la inversin, la
constante se muestra con un comportamiento inverso a la variable de estudio.
Tambin podemos rescatar lo siguiente:
El R2 es un 71%, con lo que podemos afirmar que nuestro variable de estudio
(INVERSIN) est siendo explicada satisfactoriamente en dicha cifra.
El DW es de 1.07 que significa que podra existir un auto correlacin entre
errores y variables.
La variable F y la constante malogran el modelo pues individualmente
obtienen valores mayores al 5% de probabilidad de error de equivocacin.

GM

INTERPRETACIN:
Como observamos de la estimacin ejecutada para la empresa GM, deducimos
que por cada incremento de F3 en 1, I3 crece en 0.12; adems por cada
incremento de K en 1, I crece en un 0.37, la variable K3 es ms influye ms a la
inversin, la constante se muestra con un comportamiento inverso a la variable de
estudio. Tambin podemos rescatar lo siguiente:
El R2 es un 92%, con lo que podemos afirmar que nuestro variable de estudio
(INVERSIN) est siendo explicada satisfactoriamente en dicha cifra.
El DW es de 0.97 que significa que podra existir un auto correlacin entre
errores y variables.
La constante malogra el modelo pues individualmente obtienen valores mayores
al 5% de probabilidad de error de equivocacin.

US

INTERPRETACIN:
Como observamos de la estimacin ejecutada para la empresa US, deducimos
que por cada incremento de F2 en 1, I2 crece en 0.17; adems por cada
incremento de K2 en 1, I2 crece en un 0.41, la variable K2 es ms influye ms a la
inversin, la constante se muestra con un comportamiento inverso a la variable de
estudio. Tambin podemos rescatar lo siguiente:

El R2 es un 48%, con lo que podemos afirmar que nuestro variable de estudio

(INVERSIN) no est siendo explicada satisfactoriamente en dicha cifra y
sera necesario verificar si hay variables que no deberan ir en el modelo, as
como agregar otra al modelo.
El DW es de 0.92 que significa que podra existir un auto correlacin entre
errores y variables.
Las variables F2 y K2, y la constante malogran el modelo pues
individualmente obtienen valores mayores al 5% de probabilidad de error de
equivocacin.

WEST

INTERPRETACIN:
Como observamos de la estimacin ejecutada para la empresa WEST, deducimos
que por cada incremento de F4 en 1, I4 crece en 0.05; adems por cada
incremento de K4 en 1, I4 crece en un 0.09, la variable K4 es ms influye ms a la
inversin, la constante se muestra con un comportamiento inverso a la variable de
estudio. Tambin podemos rescatar lo siguiente:

El R2 es un 75%, con lo que podemos afirmar que nuestro variable de estudio

(INVERSIN) est siendo explicada satisfactoriamente en dicha cifra.
El DW es de 1.41 que significa que podra existir un auto correlacin entre
errores y variables.
La variable K4, y la constante malogran el modelo pues individualmente
obtienen valores mayores al 5% de probabilidad de error de equivocacin.

b) Ahora agrupe los datos de todas las empresas y estime la funcin de

inversin Grunfeld por MCO.

INTERPRETACIN:
Como observamos de la estimacin ejecutada para todas las empresas,
deducimos que por cada incremento de F en 1, I crece en 0.11; adems por cada
incremento de K en 1, I crece en un 0.30, la variable K es ms influye ms a la
inversin, la constante se muestra con un comportamiento inverso a la variable de
estudio. Tambin podemos rescatar lo siguiente:

El R2 es un 76%, con lo que podemos afirmar que nuestro variable de

estudio (INVERSIN) est siendo explicada satisfactoriamente en dicha
cifra.
El DW es de 0.22 que significa que podra existir un auto correlacin entre
errores y variables.
El modelo es globalmente e individualmente significativo con un 95% de
confianza.

c) Estime la funcin de inversin con MCVD y compare los resultados con la

regresin agrupada que estim en b).

INTERPRETACIN:
Como observamos de la estimacin ejecutada para todas las empresas,
deducimos que por cada incremento de F en 1, I crece en 0.11; adems por cada
incremento de K en 1, I crece en un 0.35, la variable K es ms influye ms a la
inversin, la constante se muestra con un comportamiento inverso a la variable de
estudio. Tambin podemos rescatar lo siguiente:

El R2 es un 93%, con lo que podemos afirmar que nuestro variable de

estudio (INVERSIN) est siendo explicada satisfactoriamente en dicha
cifra.
El DW es de 0.81 que significa que podra existir un auto correlacin entre
errores y variables.
El modelo es globalmente significativo con un 95% de confianza.
Todas las Dummies son perfectamente significativas, influyen positivamente
a la variable dependiente.

EN COMPARACIN CON EL MODELO ESTIMADO EN EL INCISO B, los dos son

globalmente significativos, pero el R2 y el DW son mejores en el segundo modelo,
el cual es el mtodo del MCVD. Adems el AKAIKE y SCHWARS son menores en
el segundo modelo.

d) Cmo decidira entre la regresin agrupada y la regresin de MCVD?

Realice los clculos necesarios.
Al comparar los dos modelos estimados, el primero de ellos. Modelo agrupado mostr una
significancia global de todas sus variables con un 95% de confianza, tambin deducimos
que el DW mostrado es de 0.22, que significa que podra existir un auto correlacin entre
errores y variables. Y el R2 era de un 76%, cifra en la que la variable dependiente explica
a la variable independiente. Mientras que en el segundo modelo. Modelo con variables
dicotmicas mostraba un DW de 0.81 que significa que podra existir un auto correlacin
entre errores y variables, el R2 era de un 93%, cifra en la que la variable dependiente
explica a la variable independiente, entonces con estos clculos realizados, elegiremos el
segundo modelo, quien nos ayuda mejor a explicar a nuestras variables, el cual es MCVD.