FACULTAD DE CIENCIAS ECONOMICAS Y EMPRESARIALES

CURSO: ECONOMETRIA

TAREA N°1 MODELO DE REGRESION LINEAL

 PRACTICA N°3

PRIMERA PARTE

a) Escribe el modelo de regresión lineal general propuesto por el agente (Modelo1).

El modelo de regresión lineal general(MRLG) propuesto por el agente es (modelo1):

𝑃𝑖 = 𝛼1 + 𝛼2 𝐴𝑖 + 𝛼3 𝑆𝑖 + 𝛼4 𝐵𝑖 + 𝑢𝑖 𝑢𝑖 ~𝑁𝐼𝐷(0, 𝜎 2 𝑢 )
Donde:

𝑃𝑖 : Precio de venta de la vivienda en miles de dólares U.S.A.

𝐴𝑖 : Años de antigüedad de construcción de la vivienda.

𝑆𝑖 : Superficie de la vivienda en metros cuadrados.

𝐵𝑖 : Número de baños.

𝑢𝑖 : Es el término de perturbación aleatoria que sigue una distribución normal con media cero y
varianza constante.

b) Manteniéndose el resto de las características de la vivienda constante ¿en cuántos

dólares se estima el valor de un cuarto de baño adicional ?, ¿por qué?

Según la estimación del modelo se obtiene el siguiente resultado:

𝑃̂𝑖 = 8,76 − 0.36𝐴𝑖 + 0,33𝑆𝑖 + 12,25𝐵𝑖

𝛼̂4 :12,25 miles de dólares.

Es la variación estimada en el precio de venta de la vivienda en miles de dólares ante un cambio

unitario en el número de baños de la vivienda de la vivienda manteniendo constante la
antigüedad y la superficie.

Debemos convertir a dólares este coeficiente, entonces un cuarto de baño adicional estima en
12250 dólares, así:

∆𝑃̂𝑖 = 𝛼̂4 ∆𝐵𝑖

∆𝑃̂𝑖 = 12250(∆𝐵𝑖 )

∆𝑃̂𝑡 =12250(1) =12250 dólares

c) Contrasta la significación conjunta de las variables

1.Planteamiento del contraste:

𝐻𝑜 :Las variables explicativas años de antigüedad de construcción de la vivienda, superficie de la

vivienda en metros cuadrados y número de años no son conjuntamente significativas para
explicar las variaciones en el precio de venta de las viviendas.

𝐻𝑜 : 𝛼2 = 𝛼3 = 𝛼4 = 0
𝐻𝑜 :Las variables explicativas años de antigüedad de construcción de la vivienda, superficie de la
vivienda en metros cuadrados y número de años si son conjuntamente significativas para
explicar las variaciones en el precio de venta de las viviendas.
 𝐻𝑎 : 𝛼2 ≠ 0 𝑦/𝑜 𝛼3 ≠ 0 𝑦/𝑜 𝛼4 ≠ 0
2.Estadístico de contraste:

El estadístico de contraste tiene la siguiente forma:

𝑅 2 /𝑞
𝐹= ~𝐻𝑂 ℱ(𝑞, 𝑁 − 𝑘)
(1 − 𝑅 2 )/(𝑁 − 𝑘)
0,5299/3
𝐹= = 119,096
(1 − 0,5299)/(321 − 4)

ℱ(3 , 317)0.05 = 2,64

3.Regla de decisión:

Como 𝐹 = 119,096 > ℱ(𝑁 − 𝑘)𝛼 = 2,64

Se rechaza hipótesis nula con un nivel de significación del 5% , es decir, las variables explicativas
años de antigüedad de construcción de la vivienda, superficie de la vivienda en metros
cuadrados y número de años son conjuntamente significativas.

d) Contrasta la significatividad individual de la variable antigüedad (𝑨𝒕 )

1.Planteamiento del contraste:

𝐻𝑜 : La variable años antigüedad de construcción de la vivienda no es una variable significativa

para explicar el precio de venta de las viviendas.

𝐻𝑜 : 𝛼2 = 0
𝐻𝑎 : La variable años antigüedad de construcción de la vivienda si es una variable significativa
para explicar el precio de venta de las viviendas.

𝐻𝑎 : 𝛼2 ≠ 0
2.Estadístico de contraste:
𝛼̂𝑖 − 𝛼𝑖0
𝑡= ~𝐻𝑂 𝑡(𝑁 − 𝑘)
𝜎̂𝛼̂𝑖

−0,31 − 0
𝑡= = −5,41
0,06
𝑡(𝑁 − 𝑘)𝛼/2 = 𝑡(321 − 4)0,05/2 = 1,96

3.Regla de decisión

Como |𝑡| = |−5,41| > 𝑡(𝑁 − 𝑘)𝛼/2 = 1,96

Se rechaza la hipótesis nula con un nivel de significación del 5%, es decir, se puede concluir que
la variable años antigüedad de construcción de la vivienda es una variable significativa para
explicar el precio de venta de las viviendas.
 e) Existe evidencia en la muestra de que, ceteris paribus, se está dispuesto a pagar 500
dólares por un metro cuadrado adicional.

Convertimos los 500 dólares a miles de dólares por que le precio de venta de la vivienda está
expresada en miles de dólares.

1.Planteamiento del contraste:

𝐻𝑜 : 𝛼2 = 0.5
𝐻𝑎 : 𝛼2 ≠ 0.5
2.Estadístico de contraste:
𝛼̂𝑖 − 𝛼𝑖0
𝑡= ~𝐻𝑂 𝑡(𝑁 − 𝑘)
𝜎̂𝛼̂𝑖

0,33 − 0,50
𝑡= = −4,25
0,04
𝑡(𝑁 − 𝑘)𝛼/2 = 𝑡(317)0,05/2 = 1,96

3.Regla de decisión:
|𝑡| = |−4,25| > 𝑡(𝑁 − 𝑘)𝛼/2 = 1,96 se rechaza la hipótesis nula con un nivel de significación
del 5%, por lo que, manteniendo el resto de variables constantes, no se está dispuesto a pagar
500 dólares por un cuarto de baño adicional.

f) Un agente inmobiliario piensa que el efecto negativo sobre el precio de la antigüedad

de una vivienda se ve compensado por el efecto del aumento de la superficie. Dada la
información con la que cuentas, ¿está este agente equivocado?

1.Planteamiento del contraste:

𝐻𝑜 : El efecto negativo sobre el precio de la antigüedad de una vivienda se ve compensado por

el efecto del aumento de la superficie.

𝐻𝑜 : 𝛼2 = −𝛼3 (𝛼2 + 𝛼3 = 0)
𝐻𝑎 : El efecto negativo sobre el precio de la antigüedad de una vivienda no se ve compensado
por el efecto del aumento de la superficie.

𝐻𝑎 : 𝛼2 ≠ −𝛼3 (𝛼2 + 𝛼3 ≠ 0)

2.Estadístico de contraste:
𝛼̂2 + 𝛼̂3 − 0
𝑡= ~𝐻𝑂 𝑡(𝑁 − 𝑘)
̂ (𝛼̂2 + 𝛼̂3 )
√𝑣𝑎𝑟

Donde:

̂ (𝛼̂2 + 𝛼̂3 ) = 𝑣𝑎𝑟

𝑣𝑎𝑟 ̂ (𝛼̂2 ) + 𝑣𝑎𝑟
̂ (𝛼̂3 ) + 2𝑐𝑜𝑣
̂ (𝛼̂2 + 𝛼̂3 )
̂ (𝛼̂2 + 𝛼̂3 ) = 0,003 + 0,001 + 2(−0,0005) = 0,003
𝑣𝑎𝑟
−0,31 + 0,33 − 0
𝑡= = 0,37
√0,003
 𝑡(𝑁 − 𝑘)𝛼/2 = 𝑡(317)0,05/2 = 1,96

3.Regla de decisión:

𝑡 = 0,36 < 𝑡(𝑁 − 𝑘)𝛼/2 = 1,96

No se rechaza la hipótesis nula con un nivel de significación del 5%, por lo que, se puede concluir
que manteniendo el resto de variables constantes , el efecto negativo sobre el precio de la
antigüedad de construcción de la vivienda se ve compensando sobre el efecto positivo de un
aumento de la superficie.

¿Está este agente equivocado?

El agente no está equivocado ya que el efecto negativo sobre el precio de la antigüedad de una
vivienda se ve compensado por el efecto del aumento de la superficie.

g) Dada la conclusión que has obtenido en el apartado anterior, ¿propondrías un modelo

alternativo para la determinación del precio ?,¿Por qué?

Del resultado anterior se propone estimar un modelo en el que se incluya la restricción

𝛼2 + 𝛼3 = 0 de donde 𝛼3 = −𝛼2

𝑃𝑖 = 𝛼1 + 𝛼2 𝐴𝑖 + 𝛼3 𝑆𝑖 + 𝛼4 𝐵𝑖 + 𝑢𝑖
𝑃𝑖 = 𝛼1 + 𝛼2 𝐴𝑖 − 𝛼2 𝑆𝑖 + 𝛼4 𝐵𝑖 + 𝑢𝑖
𝑃𝑖 = 𝛼1 + 𝛼2 (𝐴𝑖 − 𝑆𝑖 ) + 𝛼4 𝐵𝑖 + 𝑢𝑖
¿Por qué?

Si se estima este modelo por Mínimos cuadrados ordinarios (MCO) las propiedades de los sus
estimadores serian similares a las que se obtendrían si se estima el modelo inicial por Mínimos
Cuadrados Restringidos(MCR) con la restricción 𝛼2 + 𝛼3 = 0 ,como se ha demostrado de que
restricción es cierta, las propiedades de los estimadores por MCR serían linealidad, insesgadez,
y con menor varianza que los estimadores MCO del modelo inicial.

h) A la vista del grafico de los residuos del modelo 1 ¿Se incumple algunas de las hipótesis
básicas?

Los residuos del modelo 1 se han obtenido de la siguiente manera:

𝑢̂𝑖 = 𝑃𝑖 − 𝑃̂𝑖
Observando el gráfico de los residuos del modelo 1 se puede observar que no se cumple la
hipótesis básica de presencia de homocedasticidad, ya que el comportamiento de los residuos
no es uniforme ni homogéneo, así los residuos de la primera de la muestra son en su mayoría
negativos, mientras que la de la segunda parte son positivos. Para que se haya producida
heterocedasticidad es posible que se haya cometido cometer un error de especificación de la
parte sistemática del modelo.
SEGUNDA PARTE

a) Especifica un modelo de regresión lineal que tenga en cuenta la posible influencia en

la determinación del precio de la puesta en marcha de la incineradora. ¿Cuáles son las
características de la nueva variable que añadirías en el modelo para recoger este
efecto? Defínela con claridad ¿Qué valor tomaría esta variable para la primera
observación de la muestra? y para la última?

Como el agente inmobiliario mantiene la teoría de que existen diferencia en el precio entre las
viviendas vendidas en el año 1980 y las vendidas en 1981, para ello necesitamos una variable
ficticia que recoja este efecto producido por la puesta en marcha de la incineradora en 1981.
Para introducir este regresor en el modelo se han de definir dos variables ficticias con dos
categorías cada una.
1 , casa vendida en 1980
𝐷𝑖 80 ={
0, en otro caso
1 , casa vendida en 1981
𝐷𝑖 81 ={
0, en otro caso
El modelo de regresión lineal:

𝑃𝑖 = 𝛼1 + 𝛼2 𝐴𝑖 + 𝛼3 𝑆𝑖 + 𝛼4 𝐵𝑖 + 𝛼5 𝐷𝑖 81 + 𝑢𝑖
En este modelo para no causar multicolinealidad perfecta se incluye el termino constante y solo
la variable ficticia 𝐷𝑖 81 .

Características de la nueva variable que añadirías en el modelo

la variable puesta en marcha de la incineradora es una variable dummy cualitativa dicotómica.

¿Qué valor tomaría esta variable para la primera observación de la muestra?

La variable ficticia 𝐷𝑖 81 toma el valor de cero para la primera observación de la muestra o sea
las casas vendidas en 1980.

¿Qué valor tomaría esta variable para la última observación de la muestra?

La variable ficticia 𝐷𝑖 81 toma el valor de uno para la última observación de la muestra o sea las
casas vendidas en 1980.

b) Denominemos por INC la variable que tú has definido en el apartado anterior para
recoger la puesta en marcha de la incineradora. Interpreta el coeficiente que
acompaña a la variable INC ¿tiene el signo esperado?

Como la variable 𝐷𝑖 81 cumple el mismo la misma función que la variable INC entonces se tiene
el siguiente modelo2:

𝑃𝑖 = 𝛼1 + 𝛼2 𝐴𝑖 + 𝛼3 𝑆𝑖 + 𝛼4 𝐵𝑖 + 𝛼5 𝐼𝑁𝐶𝑖 + 𝑢𝑖
El modelo estimado seria:

𝑃̂𝑖 = −3,96 − 0,21𝐴𝑖 + 0,24𝑆𝑖 + 17,41𝐵𝑖 + 35,78𝐷𝑖 81

Interpreta el coeficiente que acompaña a la variable INC:

𝛼̂5 = 35,78 miles de dólares

Es la diferencia estimada en el precio de las viviendas vendidas en 1981 con respecto a las
viviendas vendidas en 1980 manteniendo las mismas características de antigüedad, la superficie
y numero de baños.

¿tiene el signo esperado?

La puesta en marcha de la incineradora trajo consigo la construcción de una nueva autopista

mejorando las comunicaciones y la calidad de vida de las personas añadiendo de esta un valor
agregado al precio de venta de las viviendas. Sin embargo, existe un efecto negativo de la
incineradora que es a contaminación ambiental y este se podría traducir en la disminución del
precio de las viviendas.

Como se observa el signo del coeficiente estimado es positivo por lo que el precio de las
viviendas aumento con la puesta en marcha de la incineradora que es lo que se esperaba se
puede concluir que el efecto positivo de la incineradora ha sido mayor que el negativo en la
determinación del precio de venta de las viviendas.

c) Contrasta la hipótesis del agente de que la puesta en macha de la incineradora ha

podido influir en el precio de venta de las viviendas.

1.Planteamiento del contraste:

Ho :La puesta en macha de la incineradora ha podido influir en el precio de venta de las viviendas.

𝐻𝑜 : 𝛼5 = 0
Ha :La puesta en macha de la incineradora ha podido influir en el precio de venta de las viviendas.

𝐻𝑎 : 𝛼5 ≠ 0
2.Estadístico de contraste:
𝛼̂5 − 𝛼𝑖0
𝑡= ~𝐻𝑂 𝑡(𝑁 − 𝑘)
𝜎̂𝛼̂𝑖

37,78 − 0
𝑡= = 13,39
2,82
𝑡(𝑁 − 𝑘)𝛼/2 = 𝑡(321 − 5)0,05/2 = 1,96

3.Regla de decisión

Como 𝑡 = 13,39 > 𝑡(𝑁 − 𝑘)𝛼/2 = 1,96

Se rechaza la hipótesis nula con un nivel de significación del 5%, es decir, se puede concluir que
la puesta en marcha de la incineradora es una variable significativa para explicar la variación del
precio de venta de las viviendas manteniendo constante los años de antigüedad y el número de
baños.

d)Comenta el grafico de los residuos del modelo 2. Compáralo con el grafico de los
residuos del modelo1. ¿A qué crees que se debe la diferencia?

Observando el grafico de los residuos del modelo 2 se puede apreciar que los residuos oscilan
en torno a cero y que no tienen mucha variabilidad por lo que se corregiría el problema de la
heterocedasticidad.
Compáralo con el grafico de los residuos del modelo1:

Comparando los residuos del modelo 2 con los residuos del modelo 1 se puede observar que:

 Los residuos del modelo 2 son menos dispersos que el modelo1.

 Los residuos del modelo 2 oscilan mejor en torno cero, ya que en el modelo 1 se
pude observar claramente que hasta la observación 150 los residuos están muy por
debajo de cero y a partir de allí hasta la última observación están muy por encima
de cero.

¿A qué crees que se debe la diferencia?

La disminución de la dispersión en los residuos en el modelo 2 se debe a la introducción de la

variable explicativa cualitativa incineradora, que es significativa, esta variable a recogido parte
del comportamiento no aleatorio que presentaba el modelo 1 por lo que se puede decir que el
modelo 1 estaba mal especificado por la omisión de una variable relevante.

TERCERA PARTE

a) Escribe el modelo de regresión lineal general propuesto. ¿En qué se diferencia del
modelo 2? ¿Que se pretende recoger con la inclusión de la nueva variable?

Modelo de regresión lineal general propuesto (modelo 3)

𝑃𝑖 = 𝛼1 + 𝛼2 𝐴𝑖 + 𝛼3 𝐴2 𝑖 + 𝛼4 𝑆𝑖 + 𝛼5 𝐵𝑖 + 𝛼6 𝐼𝑁𝐶𝑖 + 𝑢𝑖
¿En qué se diferencia del modelo 2?

Este modelo recoge las mismas variables explicativas que el modelo 2, la diferencia está en la
inclusión de la variable 𝐴2 𝑖 ,es decir, el agente pretende recoger adecuadamente la influencia
que ejerce la antigüedad de la vivienda en forma cuadrática sobre el precio de venta.

¿Que se pretende recoger con la inclusión de la nueva variable?

Se pretende captar un posible efecto no lineal de la variable antigüedad sobre el precio de las
viviendas, de manera que, aunque el precio de venta de vivienda disminuye con la antigüedad
no lo haga de forma lineal si no que el efecto vaya disminuyendo a medida que aumentan los
años de antigüedad de la vivienda.

b) ¿Incumple este modelo algunas de las hipótesis básicas del modelo de regresión lineal
general?,¿por qué?

El modelo propuesto no incumple ninguna hipótesis básica del Modelo de Regresión Lineal
General, ya que es lineal en los coeficientes y la variable años de antigüedad de construcción
de la vivienda elevada al cuadrado no supone ninguna dificultad para la estimación de los
parámetros ni afecta a la propiedad de los estimadores .El único cambio que puede haber es
que la interpretación del coeficiente que acompaña a la variable años de antigüedad así el
efecto marginal no es constante sino que varía con 𝐴𝑖 , de forma que :

𝜕𝑃̂𝑖
= 𝛼2 + 2𝛼3 𝐴𝑖
𝜕𝐴𝑖
c) ¿Cómo contrastarías en el modelo3 la significatividad de la variable antigüedad?
Explica con detalle la hipótesis nula, el estadístico de contraste y la regla de decisión.
¿Cómo contrastarías en el modelo3 la significatividad de la variable antigüedad?

Para contrastar la hipótesis de la significatividad de la variable antigüedad debemos escribir la

siguiente restricción: 𝛼2 = 𝛼3 = 0 para lo cual debemos estimar dos modelos uno con
restricción y otro sin restricciones. Así:

Modelo restringido:

𝑃𝑖 = 𝛼1 + 𝛼4 𝑆𝑖 + 𝛼5 𝐵𝑖 + 𝛼6 𝐼𝑁𝐶𝑖 + 𝑢𝑖
Modelo no restringido :

𝑃𝑖 = 𝛼1 + 𝛼2 𝐴𝑖 + 𝛼3 𝐴2 𝑖 + 𝛼4 𝑆𝑖 + 𝛼5 𝐵𝑖 + 𝛼6 𝐼𝑁𝐶𝑖 + 𝑢𝑖
1.Planteamiento del contraste:

𝐻𝑜 :La variable años de antigüedad de construcción de la vivienda no es significativa para explicar

las variaciones en el precio de venta de las viviendas.

𝐻𝑜 : 𝛼2 = 𝛼3 = 0
𝐻𝑎 :La variable años de antigüedad de construcción de la vivienda si es significativa para explicar
las variaciones en el precio de venta de las viviendas.

𝐻𝑎 : 𝛼2 ≠ 0 𝑦/𝑜 𝛼2 ≠ 0
2.Estadístico de contraste:
(𝑆𝐶𝑅𝑅 − 𝑆𝐶𝑅𝑁𝑅 )/𝑞
𝐹= ~𝐻𝑂 ℱ(𝑞, 𝑁 − 𝑘)
𝑆𝐶𝑅𝑁𝑅 /(𝑁 − 𝑘)
3.Regla de decisión

Si:

𝐹 > ℱ(𝑞, 𝑁 − 𝑘)𝛼

Se rechaza la hipótesis con un nivel de significación del 𝛼% , es decir se puede concluir que la
variable antigüedad es una variable significativa para explicar el precio de venta, manteniendo
constantes el resto de variables.

𝐹 < ℱ(𝑞, 𝑁 − 𝑘)𝛼

No se rechaza la hipótesis con un nivel de significación del 𝛼% , es decir se puede concluir que la
variable antigüedad no es una variable significativa para explicar el precio de venta,
manteniendo constantes el resto de variables.

d) Si la antigüedad de la casa aumentara en un año manteniéndose constante el resto de

las características, ¿cuántas estimas que varíe el precio medio de venta de las
viviendas? ¿Y si la casa tiene una antigüedad de cinco años? ¿Y si la casa tiene una
antigüedad de 50 años?

El efecto de la antigüedad en el precio depende de los años de antigüedad que tenga la casa,
así:

𝜕𝑃̂𝑖
= 𝛼2 + 2𝛼3 𝐴𝑖
𝜕𝐴𝑖
Según el modelo estimado:

𝑃𝑖 = 12,93 − 0,70𝐴𝑖 + 0,0033𝐴2 𝑖 + 0,24𝑆𝑖 + 12,28𝐵𝑖 + 36,33𝐼𝑁𝐶𝑖

𝜕𝑃̂𝑖
= −0,70 + 0,0066𝐴𝑖
𝜕𝐴𝑖
Si la antigüedad de la casa aumentara en un año manteniéndose constante el resto de las
características:
𝜕𝑃̂𝑖
𝜕𝐴𝑖
= −0,70 + 0,0066(1) = −0,6934

Se estima que el precio de venta de las viviendas disminuya en 0,6934 miles de dólares.

Si la casa tiene una antigüedad de cinco años manteniéndose constante el resto de las
características:

𝜕𝑃̂𝑖
= −0,70 + 0,0066(5) = −0.667
𝜕𝐴𝑖
Se estima que el precio de venta de las viviendas disminuya en 0,667 miles de dólares.

Si la casa tiene una antigüedad de 50 años manteniéndose constante el resto de las

características:

𝜕𝑃̂𝑖
= −0,70 + 0,0066(50) = −0,37
𝜕𝐴𝑖
Se estima que el precio de venta de las viviendas disminuya en 0,37 miles de dólares.

e) Con la información de que dispones, ¿estás de acuerdo con el agente inmobiliario en

el sentido de la relación entre el precio de la vivienda y su antigüedad no es lineal?

Para verificar linealidad de la variable explicativa antigüedad 𝐴2 𝑖 con relación al precio, si el

coeficiente de 𝐴2 𝑖 es estadísticamente significativo es decir 𝛼3 ≠ 0 la relación será no lineal.

Nota: Como no hay datos de la desviación típica, del estadístico t, ni del valor de p para la
variable 𝐴2 𝑖 en el modelo 3, se utiliza una prueba F.

Modelo restringido
𝑃𝑖 = 𝛼1 + 𝛼2 𝐴𝑖 + 𝛼4 𝑆𝑖 + 𝛼5 𝐵𝑖 + 𝛼6 𝐼𝑁𝐶𝑖 + 𝑢𝑖
Modelo sin restringir

𝑃𝑖 = 𝛼1 + 𝛼2 𝐴𝑖 + 𝛼3 𝐴2 𝑖 + 𝛼4 𝑆𝑖 + 𝛼5 𝐵𝑖 + 𝛼6 𝐼𝑁𝐶𝑖 + 𝑢𝑖
1.Planteamiento del contraste:

𝐻𝑜 : La relación entre el precio de la vivienda y su antigüedad es lineal.

𝐻𝑜 : 𝛼3 = 0
𝐻𝑎 : La relación entre el precio de la vivienda y su antigüedad no es lineal.

𝐻𝑜 : 𝛼3 ≠ 0
2.Estadistico de contraste
 (𝑆𝐶𝑅𝑅 − 𝑆𝐶𝑅𝑁𝑅 )/𝑞
𝐹= ~𝐻𝑂 ℱ(𝑞, 𝑁 − 𝑘)
𝑆𝐶𝑅𝑁𝑅 /(𝑁 − 𝑘)
(193270 − 178257)/1
𝐹= = 26,52
178257/(321 − 6)
ℱ(𝑞, 𝑁 − 𝑘)𝛼 = ℱ(1, 315)0,05 = 3,87

3.Regla de decisión

Como:

𝐹 = 26,52 > ℱ(𝑞, 𝑁 − 𝑘)𝛼 = 3,87 Se rechaza la hipótesis con un nivel de significación del 5% ,
así la variable 𝐴2 𝑖 es significativa y se puede concluir que la relación entre el precio de la vivienda
y su antigüedad no es lineal.

f) De acuerdo a tu respuesta en el apartado anterior ¿qué modelo elegirías para

determinar el precio de la vivienda? ¿por qué? ¿cuáles son los problemas que
presentan los modelos que No has elegido? ¿Razona tu respuesta y explica cuáles son
las propiedades de los estimadores en los modelos que no has elegido?

Para elegir el modelo adecuado para determinar el precio de venta de las viviendas podemos
elegir entre los tres modelos 1,2 y 3, presentamos un cuadro resumen:

MODELO N° variables Significatividad Significatividad Desviación Coeficiente de

explicativas. individual. Global. típica de los determinación.
residuos.
Modelo1 3 Todas las Si F=119,09 29,78 0,5254
variables
Modelo 2 4 Todas las Si F=174,82 24,27 0,6848
variables
Modelo 3 5 Todas las Si F=148,26 23,79 0,7018
variables

¿Qué modelo elegirías para determinar el precio de la vivienda? ¿por qué?

Según el cuadro anterior escogería el modelo 3, porque todas las variables son significativas
individualmente, se ha demostrado que la relación entre la variable antigüedad y el precio no es
lineal, presenta una menor dispersión en los residuos, presenta un mayor coeficiente de
determinación y no muestra problemas de mala especificación.

¿Cuáles son los problemas que presentan los modelos que No has elegido?

No escogí el modelo 1 porque presenta error de mala especificación por omisión de una variable
relevante muy importante como INC y el efecto de 𝐴2 𝑖 esto genera que los residuos muy
dispersos provocando el incumpliendo la hipótesis de la homocedasticidad.

No escogí el modelo 2 por que presenta mala especificación funcional al considerar la relación
de la antigüedad y el precio de forma lineal.

¿Cuáles son las propiedades de los estimadores en los modelos que no has elegido?

Al no escoger los modelos 1 y 2 por mala especificación funcional, estos modelos tendrán las
siguientes propiedades:
  Los estimadores serán sesgados, es decir, existe un efecto sistemático sobre las
perturbaciones, es decir la matriz X recoge los valores de las variables omitidas en el
modelo.
 Los estimadores serán inconsistentes, es decir a medida que se amplía la muestra, el
valor estimado no coincidirá con el real es decir el poblacional.
 Los estimadores serán ineficientes (no óptimos), pues los parámetros estimados por
MCO no tendrán la varianza más pequeña, por lo que no se puede hacer inferencia
estadística porque se obtendrán conclusiones erróneas sobre los parámetros de los
modelos.
g) Si tu como agente inmobiliario tuvieras que explicar a las autoridades locales tu teoría
sobre la determinación de los precios de la vivienda en la zona, ¿Qué aspectos
destacarías de los que has aprendido en este estudio y por qué?

Como agente inmobiliario para sustentar la determinación del precio de las viviendas debo
comenzar explicando cada una de las variables que determinan el precio, así, a más años de
antigüedad el precio de la vivienda se ve reducido en términos equivalentes de tamaño y
condiciones además con el paso del paso del tiempo este efecto no es proporcional a los años
de antigüedad(relación no lineal) , con respecto a la superficie de la de vivienda a mayor
superficie el precio aumentara espacios más amplios se vuelven elevan el precio asimismo el
número de baños con el que cuenta la vivienda es factor clave para determinar el precio a
mayor número de baños el precio de la vivienda aumenta .

Los aspectos que desatracaría en este caso práctico es que se debe analizar siempre los efectos
de las variables explicativas del modelo tanto cuantitativas como cualitativas ya que las variables
ficticias juegan un papel importante en una decisión de compra y su influencia en el precio ,así
en el ejemplo se pudieron descubrir dos posibles efectos con la puesta en marcha de la
incineradora uno de ellos era el problema con el medio ambiental que lo que iba a reducir los
precios y el otro efecto era facilitar las comunicaciones por la construcción de una autopista lo
que iba aumentar el precio, al final tuvo un mayor impacto el efecto de las comunicaciones que
favoreció el precio de venta de la viviendas.