qwertyuiopasdfghjklzxcvbnmqwerty

uiopasdfghjklzxcvbnmqwertyuiopasd
 

fghjklzxcvbnmqwertyuiopasdfghjklzx
 

cvbnmqwertyuiopasdfghjklzxcvbnmq
wertyuiopasdfghjklzxcvbnmqwertyui
Curso de Econometría 
Prof. Master Emilio Ramón Ortiz Trepowski 
Soluciones de los ejercicios del Capítulo 3 de Pindyck 

opasdfghjklzxcvbnmqwertyuiopasdfg
Abril 30 de 2010 
 
 

hjklzxcvbnmqwertyuiopasdfghjklzxc
vbnmqwertyuiopasdfghjklzxcvbnmq
 

wertyuiopasdfghjlzxcvbnmqwertyuio
pasdfghjklzxcvbnmqwertyuiopasdfgh
jklzxcvbnmqwertyuiopasdfghjklzxcv
bnmqwertyuiopasdfghjklzxcvbnmqw
ertyuiopasdfghjklzxcvbnmqwertyuio
pasdfghjklzxcvbnmqwertyuiopasdfgh
jklzxcvbnmrtyuiopasdfghjklzxcvbnm
qwertyuiopasdfghjklzxcvbnmqwerty
uiopasdfghjklzxcvbnmqwertyuiopasd
1 
 
3.1. Para el ejercicio 1.1. construya intervalos de confianza del 95% para los parámetros. 
¿Puede rechazar la hipótesis nula de que  β = 0 ? ¿ β = 1?  

Solución.  

Reproducimos la solución del ejercicio 1.1. 

Ejercicio 1.1. 

a) 

M vs. Y
5.5

5.0

4.5

4.0

3.5
M

3.0

2.5

2.0

1.5
4 5 6 7 8 9 10 11
Y
 

Dependent Variable: Y

Method: Least Squares

Date: 09/01/09 Time: 11:20

Sample: 1981 1990

Included observations: 10

Variable Coefficient Std. Error t-Statistic Prob.

  2
 
 C 1.168145 0.483419 2.416420 0.0421

M 1.715553 0.126008 13.61458 0.0000

R-squared 0.958626 Mean dependent var 7.550000

Adjusted R-squared 0.953454 S.D. dependent var 1.732211

S.E. of regression 0.373717 Akaike info criterion 1.046218

Sum squared resid 1.117312 Schwarz criterion 1.106735

Log likelihood -3.231091 F-statistic 185.3568

Durbin-Watson stat 1.775444 Prob(F-statistic) 0.000001

b)  El  intercepto  en  YN i = a + bM i + ε i ( i = 1, 2,..., n )   es  el  ingreso  nacional  (YN ) que  es 
independiente  de  la  variable  explicativa  que  es  la  cantidad  de  dinero  ( M ) .  La  pendiente 

(1.71553) es el incremento en el ingreso nacional cuando la cantidad de dinero se incrementa 
en una unidad. 

c) Conforme al dato,  YN = 12  en 1991 por lo que  12 = 1, 618145 + 1, 715553M . Por lo tanto, 

12 − 1,168145
M= = 6.313914522.  Es decir, la cantidad de dinero deberá ser 6.31 millones 
1, 715553
de dólares para que el ingreso nacional sea 12 millones de dólares en el año 1991. 

Solución específica par el ejercicio 3.1. 

1) Intervalo de confianza del 95% para  β , que en este caso es el coeficiente del dinero 
(M), siendo la variable explicada el ingreso (Y). 

  (
l −t s < β < β
Pr β l
c β 0
l + t s = 0.95  
l
c β ) (1.1) 

l = 1.715553  y  s = 0.126008 . El valor de  t lo obtenemos de la 

En este caso,  β βl c

distribución teórica contenida en la Tabla 3, que en este caso, para 
n − 2 = 10 − 2 = 8 grados de libertad y para el 5% es 2.306. 

Por lo tanto, 

  3
 
   

(
l −t s < β < β
Pr β l
c β 0
l + t s = 0.95
l
c β )
Pr (1.715553 − 2.306 ⋅ 0.126008 < β 0 < 1.715553 + 2.306 ⋅ 0.126008 ) = 0.95  
Pr (1.425 < β 0 < 2.006 ) = 0.95

   

Lo cual significa que este intervalo contendrá al verdadero parámetro en el 95% de los 
casos, si es que las muestras se repitieran un gran número de veces. 

Test de hipótesis para  β 0 = 0.  

En este caso, la estadística t será: 

βl − β 0 1.715553 − 0
  tN −2 = = = 13.61   (1.2) 
sβl 0.126008

Como éste valor de la estadística t es más grande que  tc , cae en la zona de rechazo de la 
hipótesis nula. Por lo tanto, rechazamos la hipótesis nula de que el verdadero parámetro 
poblaciones es 0. 

Test de hipótesis para  β 0 = 1  

En este caso, la estadísica t será: 

  4
 
 βl − β 0 1.715553 − 1
  tN −2 = = = 5.68   (1.3) 
sβl 0.126008

Dado que este t es mayor que  tc = 2.306 , se rechaza la hipótesis nula de que  β 0 = 1.  

2) Intervalo de confianza de 95%  para el parámetro  α de la regresión estimada entre el 
ingreso nacional (variable explicada) y el dinero (variable explicativa). 

El mismo método que el anterior. 

(
l −t s < β < β
Pr β l
c β 0
l + t s = 0.95
l
c β )
  Pr (1.168145 − 2.306 ⋅ 0.483419 < β 0 < 1.168145 + 2.306 ⋅ 0.483419 ) = 0.95   (1.4) 
Pr ( 0.053380786 < β 0 < 2.282909214 ) = 0.95

Test de hipótesis para  β 0 = 0  

βl − β 0 1.168145 − 0
  tN −2 = = = 2.42   (1.5) 
sβl 0.483419

Por lo tanto, se rechaza la hipótesis nula de que el parámetro poblacional es cero. 

Test de hipótesis para  β 0 = 1  

βl − β 0 1.168145 − 1
  tN −2 = = = 0.348   (1.6) 
sβl 0.483419

En este caso, no se puede rechazar la hipótesis nula de que el verdadero parámetro 
poblacional es 1. 

  5