Modelos Funcionales

UNIVERSIDAD TÉCNICA DEL NORTE
F.A.C.A.E
CARRERA DE ECONOMÍA
Nombre: Andrés Chancosa
Fecha: 20/noviembre/2019
Curso: 4to – E1
Tema: Modelos funcionales
Base de datos #1: recursivos9.dta
Variable dependiente: PIB
Variable independiente: Producción
1) Modelo funcional nivel – nivel
Tabla 1. Modelo funcional: nivel - nivel
VARIABLES pib
p 34.41***
(4.259)
Constant -2,401***
(631.9)
Observations 14
R-squared 0.845
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
Elaborado por los autores.
Significancia:
Según el valor P obtenido se puede concluir que la relación de regresión propuesta es

estadísticamente significativa de forma global, ya que posee un nivel de significancia al 1%.
Las variables propuestas para el estudio son estadísticamente significativas de forma

individual ya que cada una de ellas posee un valor P menor al 0,01 que se refiere al nivel de
significancia del 1%.
Bondad de Ajuste:
Los resultados obtenidos nos muestran un valor del R cuadrado de 0,845 por ende, se logra
concluir que la ecuación de regresión propuesta es significativa y está ajustada
adecuadamente. Además, se puede decir que la variable dependiente (PIB) es explicada o
depende en un 84,5% de la variable independiente (Producción).
Ecuación de regresión:
̂ = −2401 + 34,41(𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛)
𝑃𝐼𝐵
B1: Cuando la variable “producción” varíe en un millón de dólares, el PIB tendrá un

incremento de 34,41 millones de dólares.
B0: Cuando la variable “producción” tenga un valor de cero, es decir, que no existe
producción alguna, el PIB tendrá un valor negativo de 2401 millones de dólares por lo tanto
se puede decir que sin producción no existe un valor del PIB.
2) Modelo funcional: log – nivel

Tabla 2. Modelo funcional: log - nivel.
VARIABLES logpib
p 0.0131***
(0.00187)
Constant 5.934***
(0.278)
Observations 14
R-squared 0.803
*** p<0.01, ** p<0.05, * p<0.1
Significancia:

Bondad de Ajuste:
̂ = 5,934 + 0,0131(𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛)
𝑃𝐼𝐵
B1: Cuando la variable “producción” varíe en un millón de dólares, el PIB tendrá un

incremento del 1,31% en su cifra correspondiente.
producción alguna, el PIB tendrá un valor de 5,93 millones de dólares.
3) Modelo funcional: nivel - log

Tabla 3. Modelo funcional: Nivel - log.
(1)
VARIABLES pib
logp 5,249***
(604.6)
Constant -23,508***
(3,017)
Observations 14
R-squared 0.863
*** p<0.01, ** p<0.05, * p<0.1
Significancia:

estadísticamente significativa de forma global, debido a que el valor P es significativo al 1%.
Bondad de Ajuste:
̂ = −23508 + 5249(𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛)
𝑃𝐼𝐵
B1: Cuando la variable “producción” varíe en una unidad porcentual, es decir en 1%, el
PIB tendrá un incremento de 52,49 millones de dólares.
producción alguna, el PIB tendrá un valor negativo de -23508 millones de dólares.
4) Modelo funcional: log – log

Tabla 4. Modelo funcional: log - log.
VARIABLES logpib
logp 2.006***
(0.265)
Constant -2.139
(1.323)
Observations 14
R-squared 0.827
*** p<0.01, ** p<0.05, * p<0.1
Significancia:

estadísticamente significativa de forma global, debido a que el valor P es significativo tanto
al 1%, 5% y 10%.
Bondad de Ajuste:
̂ = −2,139 + 2,006(𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛)
𝑃𝐼𝐵
B1: Cuando la variable “producción” varíe en una unidad porcentual, es decir en 1%, el
PIB tendrá un incremento de del 2,006% en su cifra correspondiente.
producción alguna, el PIB tendrá un valor negativo de -2,139 millones de dólares.
Base de datos #2: recursivos9.dta

Variable dependiente: Valor añadido (valueadd)
Variable independiente: Capital
1) Modelo de función nivel - nivel
Tabla 5. Modelo funcional 2: Nivel - Nivel.
(1)
VARIABLES valueadd
capital 9.906***
(0.651)
Constant 185.9**
(68.62)
Observations 25
R-squared 0.910
*** p<0.01, ** p<0.05, * p<0.1
La variable capital es significativa al 1% ya que posee un valor P menor al 0,01; a

diferencia de la variable dependiente valor añadido (valueadd) que solo es significativa al
5%.
Bondad de Ajuste:
adecuadamente. Además, se puede decir que la variable dependiente (Valueadd) es explicada
o depende en un 91,00% de la variable independiente (Capital).
̂
𝑉𝑎𝑙𝑢𝑒𝑎𝑑𝑑 = 185,9 + 9,906(𝑐𝑎𝑝𝑖𝑡𝑎𝑙)
B1: Cuando la variable “capital” varíe en un millón de dólares, el Valor añadido (valueadd)
tendrá un incremento de 9,906 millones de dólares.
B0: Cuando la variable “capital” tenga un valor de cero, es decir, que no existe incentivo
de capital, el Valor añadido (valueadd) tendrá un valor de 185,9 millones de dólares por lo
tanto se puede decir que sin incentivo de capital, existe un valor añadido mínimo (valueadd).
2) Modelo de funcional: log - nivel

Tabla 6. Modelo funcional 2: log - nivel.
(1)
VARIABLES logvalueadd
capital 0.0100***
(0.00227)
Constant 5.280***
(0.239)
Observations 25
R-squared 0.460
*** p<0.01, ** p<0.05, * p<0.1
Significancia:


Bondad de Ajuste:
Los resultados obtenidos nos muestran un valor del R cuadrado de 0,460 por ende, se
concluye que la ecuación de regresión propuesta no es estadística significativa y no está
ajustada adecuadamente, por lo que es necesario un nuevo planteamiento de las variables
tratadas o la inclusión de nuevos datos que expliquen de mejor manera el modelo. Además,
solo se puede decir que la variable dependiente Valor añadido (Valueadd) es explicada o
depende en un 46,0% de la variable independiente incentivo de capital (Capital).
̂
B1: Cuando la variable “Capital” varíe en un millón de dólares, el Valor añadido

(valueadd) tendrá un incremento del 1,00% en su valor final.
de capital alguno, el valor añadido (valueadd) tendrá un valor de 5,28 millones de dólares.
3) Modelo funcional: log – nivel.

Tabla 7. Modelo funcional 2: Log - nivel.
(1)
VARIABLES valueadd
logcapital 528.4***
(80.22)
Constant -851.6***
(264.2)
Observations 25
R-squared 0.654
*** p<0.01, ** p<0.05, * p<0.1
Significancia:

estadísticamente significativa de forma global, debido a que el valor P es significativo tanto
al 1%.

Bondad de Ajuste:
concluir que la ecuación de regresión propuesta no es significativa y no está ajustada
adecuadamente por lo que es necesario un nuevo planteamiento de variables tratadas o la
inclusión de nuevos datos. Además, se puede decir que la variable dependiente valor añadido
(valueadd) es explicada o depende en un 65,4% de la variable independiente (capital).
̂
𝑉𝑎𝑙𝑢𝑒𝑎𝑑𝑑 = −851,6 + 528,4(𝑐𝑎𝑝𝑖𝑡𝑎𝑙)
B1: Cuando la variable “capital” varíe en una unidad porcentual, es decir en 1%, el valor
añadido (valueadd) tendrá un incremento de 5,284 millones de dólares.
de capital alguno, el valor añadido tendrá un valor negativo de 851,6 millones de dólares.
4) Modelo funcional: log – log.

Tabla 8. Modelo funcional 2: log - log.
(1)
VARIABLES logvalueadd
logcapital 0.894***
(0.0537)
Constant 3.167***
(0.177)
Observations 25
R-squared 0.923
*** p<0.01, ** p<0.05, * p<0.1
Significancia:


Bondad de Ajuste:
adecuadamente. Además, se puede decir que la variable dependiente valor añadido(valueadd)
es explicada o depende en un 92,3% de la variable independiente (capital).
̂
B1: Cuando la variable “capital” varíe en una unidad porcentual, es decir en 1%, el valor
añadido (valueadd) tendrá un incremento de del 0,89% en su cifra correspondiente.
de capital alguno, el valor añadido (valueadd) tendrá un valor de 3,16 millones de dólares.
Base de datos #3: MROZ
Dependiente: Ingreso familiar.
Independiente: Salario por hora del marido.

1) Modelo funcional: Nivel – nivel.
Tabla 9 Regresión, Salario por hora del marido sobre Ingreso familiar
(1)
VARIABLES faminc
huswage 2,089***
(72.42)
Constant 7,449***
(622.3)
Observations 753
R-squared 0.526
*** p<0.01, ** p<0.05, * p<0.1
Elaborado por los autores
Significancia:


Bondad de Ajuste:
El modelo de regresión comprende una bondad de ajuste baja, debido a que su 𝑅2 (52,6%)
es menor al 70%, por lo cual es necesario agregar más variables. Sin embargo, se determina
que el modelo es significativo a todos los niveles siendo el valor t mayor a 2,58%.
𝐼𝑛𝑔𝑟𝑒𝑠𝑜 𝑓𝑎𝑚𝑖𝑙𝑖𝑎𝑟 = 7,449 + 2,089𝐻𝑜𝑟𝑎𝑠 𝑑𝑒 𝑡𝑟𝑎𝑏𝑎𝑗𝑜 𝑚𝑎𝑟𝑖𝑑𝑜
B1 Cuando el salario por hora varíe en 1 dólar, el valor esperado en el ingreso familiar
aumentaría en 2,089 dólares.
B0 Cuando el salario por hora es 0, el valor esperado en el ingreso familiar es de 7,449 dólares.
2) Modelo funcional: Nivel – log.
Tabla 10 Modelo Nivel Log
(1)
VARIABLES faminc
loghuswage 13,662***
(577.2)
Constant -2,351**
(1,126)
Observations 753
R-squared 0.427
*** p<0.01, ** p<0.05, * p<0.1
Significancia:
Se establece que el modelo sigue siendo estadísticamente significativo, al igual que en los
parámetros (𝐵0 𝑦 𝑒𝑙 𝐵1 ), sin embargo, el 𝐵0 no es significativo al 10%, debido a que el valor
t es menor al 2,58%.
Bondad de Ajuste:
Disminuyó el 𝑅2 (42,7%) por lo cual aún se encuentra por debajo del 70%, es necesario
agregar más variables.
𝐼𝑛𝑔𝑟𝑒𝑠𝑜 𝑓𝑎𝑚𝑖𝑙𝑖𝑎𝑟 = −2,351 + 13,662𝐻𝑜𝑟𝑎𝑠 𝑑𝑒 𝑡𝑟𝑎𝑏𝑎𝑗𝑜 𝑚𝑎𝑟𝑖𝑑𝑜
B1 Cuando el salario por hora varíe en 1%, el valor esperado del ingreso familiar
aumentaría en 0,13 ctvs.
B0 Cuando el salario por hora varíe en 0%, el valor esperado del ingreso familiar
disminuiría en 0,02 ctvs.
3) Modelo funcional: Log – nivel.

Tabla 11 Modelo Log Nivel
(1)
VARIABLES logfaminc
huswage 0.0825***
(0.00329)
Constant 9.303***
(0.0282)
Observations 753
R-squared 0.456
*** p<0.01, ** p<0.05, * p<0.1
Significancia:


Bondad de Ajuste:
El modelo es significativo a todos los niveles debido a que su valor t es mayor al 2,58%. Sin
embargo, disminuyó el 𝑅2 (45,6%) debido a que se encuentra por debajo del 70%, por lo cual
es necesario agregar más variables.
B1 Cuando el salario por hora varíe en 1 dólar, el valor esperado del ingreso familiar es de
8,25%.
B0 Cuando el salario por hora varíe en 0, el valor esperado del ingreso familiar es de 930,30%.
4) Modelo funcional: log – log.
Tabla 12 Modelo Log Log
(1)
VARIABLES logfaminc
loghuswage 0.651***
(0.0219)
Constant 8.709***
(0.0428)
Observations 753
R-squared 0.540
*** p<0.01, ** p<0.05, * p<0.1
Significancia:
Se establece que el modelo sigue siendo estadísticamente significativo, al igual que en los
parámetros (𝐵0 𝑦 𝑒𝑙 𝐵1 ) debido a que el pvalue es menor al 5%, Además, el modelo es
significativo a todos los niveles debido a que su valor t es mayor al 2,58%.
Bondad de Ajuste:
Aumentó el 𝑅 2 (54%) a pesar de que aún se encuentra por debajo del 70%, por lo cual, es
necesario agregar más variables.
B1 Cuando el salario por hora varíe en 1%, el valor esperado del ingreso familiar sería de
8,70%
B0 Cuando el salario por hora varíe en 0%, el valor esperado del ingreso familiar sería de
65,1%
Base de datos #4: food10
Dependiente: Gasto de alimentos en el hogar por semana.
Independiente: Ingreso semanal del hogar.
1) Modelo funcional: Nivel – nivel
Tabla 13 Modelo de interpretación Nivel-Nivel
(1)
VARIABLES food_exp
income 10.21***
(2.093)
Constant 83.42*
(43.41)
Observations 40
R-squared 0.385
*** p<0.01, ** p<0.05, * p<0.1
Significancia:
Se determina que el modelo es globalmente significativo debido a que su p value es menor

al 5%, al igual que en los parámetros 𝐵0 y 𝐵1 son significativos siendo su p-value menor al
5%. Se determina que el modelo es significativo a todos los niveles con respecto a la variable
de gastos de alimentos en el hogar debido a que su valor t es mayor a 2,58%, sin embargo,
en la variable de ingresos semanal en el hogar no es significativo a todos los niveles, debido
a que su valor t es significativo al 1,65%.
Bondad de ajuste:
El modelo de regresión comprende una bondad de ajuste baja, debido a que su 𝑅2 es menor
al 70%, es decir, se necesita agregar más variables.
𝐺𝑎𝑠𝑡𝑜 𝑑𝑒 𝑎𝑙𝑖𝑚𝑒𝑛𝑡𝑜𝑠 𝑒𝑛 𝑒𝑙 ℎ𝑜𝑔𝑎𝑟 = 83,42 + 10,21(𝐼𝑛𝑔𝑟𝑒𝑠𝑜 𝑠𝑒𝑚𝑎𝑛𝑎𝑙 𝑑𝑒𝑙 ℎ𝑜𝑔𝑎𝑟)
B1 Cuando el ingreso semanal del hogar varíe en 1 dólar, el valor esperado en el gasto de
alimentos semanal aumentaría en 10,21 dólares.
B0 Cuando el ingreso semanal del hogar es de 0 dólares, el valor esperado en el gasto de

alimentos en el hogar es de 83,42 dólares.
2) Modelo funcional: log – nivel

Tabla 14 Modelo de interpretación Log Nivel
(1)
VARIABLES logfood_exp
income 0.0400***
(0.00767)
Constant 4.780***
(0.159)
Observations 40
R-squared 0.418
*** p<0.01, ** p<0.05, * p<0.1
Significancia:
Se establece que el modelo sigue siendo global y estadísticamente significativo, al igual
que los parámetros (𝐵0 𝑦 𝑒𝑙 𝐵1) debido a que el pvalue es menor al 5%.
Se determina que el modelo es significativo a todos los niveles debido a que el valor t es
mayor al 2,58%.
Bondad de ajuste:
El modelo cuenta con una bondad de ajuste baja al encontrarse con un valor por debajo
del 70%, por lo cual es necesario agregar más variables. A pesar de que el 𝑅2 (0,418) aumento
en comparación al 𝑅2 inicial (0,385).
B1 Cuando el ingreso semanal del hogar varíe en 1 dólar, el valor esperado del gasto de
alimentos en el hogar semanal aumentaría en un 4%.
B0 Cuando el ingreso semanal del hogar es de 0 dólares, el valor esperado en el gasto
semanal de alimentos en el hogar es de 478%
3) Modelo funcional: Nivel – log

Tabla 15 Modelo de interpretación Nivel Log
VARIABLES food_exp
logincome 132.2***
(28.80)
Constant -97.19
(84.24)
Observations 40
R-squared 0.357
*** p<0.01, ** p<0.05, * p<0.1
Significancia:
Se establece que el modelo sigue siendo estadísticamente significativo, al igual que el
parámetro 𝐵1 el cual es significativo debido a que el pvalue es menor al 5%, sin embargo, el
𝐵0 no es significativo a ningún nivel, debido a que su pvalue sobrepasa el 5%.
De acuerdo, con el valor t de la variable ingreso semanal en el hogar, el modelo es

significativo a todos los niveles debido a que sus valores son mayores al 2,58%. Sin embargo,
el valor t de la variable gastos de alimentos en el hogar es no significativo a ningún nivel.
Bondad de ajuste:
Por otro lado, la bondad de ajuste sigue siendo baja debido a que su valor se encuentra por
debajo del 70%, 𝑅2 (0,357) disminuyó en comparación al 𝑅2 anterior (0,418) e inicial
(0,385).
B1 Cuando el ingreso semanal del hogar varé en 1%, el valor esperado del gasto de
alimentos en el hogar semanal aumentaría en 1,32 dólares.
B0 Cuando el valor del ingreso semanal del hogar es de 0%, el valor esperado en el gasto
de alimentos en el hogar disminuirá en 0,9719 centavos.
4) Modelo funcional: log – log
Tabla 16 Modelo de interpretación Log Log
(1)
VARIABLES logfood_exp
logincome 0.556***
(0.101)
Constant 3.964***
(0.294)
Observations 40
R-squared 0.445
*** p<0.01, ** p<0.05, * p<0.1
Significancia:
Se determina que el modelo sigue siendo globalmente significativo siendo su pvalue

menor al 5%, al igual que en los parámetros 𝐵0 y 𝐵1 al tener su pvalue menor al 5%.
Por otro lado, según al valor t se establece que el modelo es significativo a todos los
niveles al tener valores mayores a 2,58%.
Bondad de ajuste:
Además, se establece que tiene una bondad de ajuste baja al tener su valor por debajo del
70%, a pesar de que 𝑅2 (0,445) es el mayor en comparación a los anteriores ya mencionados.
B1 Cuando el ingreso semanal del hogar varíe en 1%, el valor esperado del gasto semanal
de alimentos en el hogar aumentará en 0,556%.
B0 Cuando el ingreso semanal del hogar es de 0%, el valor esperado del gasto semanal de
alimentos en el hogar es de 3,964%.
Base de datos #5: AUTO.DTA
Modelo funcional: Nivel – Nivel

Tabla 17 Modelo de interpretación Nivel Nivel
(1)
VARIABLES trunk
Length 0.140***
(0.0156)
Constant -12.47***
(2.943)
Observations 74
R-squared 0.528
*** p<0.01, ** p<0.05, * p<0.1
Significancia
Es globalmente significativo, al ser la Prob. F menor al nivel de significancia de 0,05. La
variable longitud es estadísticamente significativos al 1%, La variable espacio en el
maletero también es estadísticamente significativo al 1%.
Bondad de ajuste
La variable longitud es explicada en un 52,8%, por la variable espacio en el maletero,
por lo cual su bondad de ajuste es poco robusta, ya que es menor que el 70%.
Ecuación de regresión
Longitud = -12,47 + 0,140(espacio maletero)
𝜷𝟏 = Cuando la variable espacio en el maletero varié en 1 unidad, el cambio esperado en
la variable longitud sería un aumento del 0.140 metros.
𝜷𝟎 = Cuando la variable espacio del maletero sea 0, el cambio esperado en la variable

longitud sería de -12.474 metros.
Modelo funcional: Log nivel
(1)
VARIABLES logtrunk
Length 0.0105***
(0.00131)
Constant 0.599**
(0.248)
Observations 74
R-squared 0.470
*** p<0.01, ** p<0.05, * p<0.1
Significancia
variable longitud es estadísticamente significativos al 1%. La variable espacio en el
maletero es estadísticamente significativo al 5%.
Bondad de ajuste:
La variable longitud es explicada en un 47%, por la variable espacio en el maletero, por
lo que su bondad de ajuste es poco robusta, ya que es menor que el 70%.
Longitud = 0,599 + 0,0105(espacio maletero)
𝜷𝟏 = Cuando la variable espacio en el maletero varié en 1 unidad, el cambio esperado en la
variable longitud sería un aumento del 1,05%.
𝜷𝟎 = Cuando la variable espacio del maletero sea 0, el cambio esperado en la variable

longitud sería de 59,9%
Modelo funcional: Nivel log

(7)
VARIABLES trunk
Loglength 25.27***
(2.956)
Constant -118.4***
(15.46)
Observations 74
R-squared 0.504
*** p<0.01, ** p<0.05, * p<0.1
Significancia
variable longitud es estadísticamente significativos al 1%. La variable espacio en el maletero
es estadísticamente significativo al 1%.
Bondad de ajuste
La variable longitud es explicada en un 50,4%, por la variable espacio en el maletero, por
𝜷𝟏 = Cuando la variable espacio en el maletero varié en 1%, el cambio esperado en la

variable longitud sería del 0.2526723 metros.
𝜷𝟎 = Cuando la variable espacio del maletero varie en 0% , el cambio esperado en la

variable longitud sería de -1,1836 metros.
Modelo funcional: Log log

(5)
VARIABLES logtrunk
Loglength 1.906***
(0.247)
Constant -7.400***
(1.293)
Observations 74
R-squared 0.452
*** p<0.01, ** p<0.05, * p<0.1
Significancia.
variable longitud es estadísticamente significativos al 1%. La variable espacio en el maletero
es estadísticamente significativo al 1%.
Bondad de ajuste:
La variable longitud es explicada en un 45,2%, por la variable espacio en el maletero, por
𝜷𝟏 = Cuando la variable espacio en el maletero varié en 1%, el cambio esperado en la
variable longitud sería un aumento del 1,906%.
𝜷𝟎 = Cuando la variable espacio del maletero sea 0 , el cambio esperado en la variable

longitud sería de -7.400271%.
Base de datos #6: TELEPHONE_COST
Modelo funcional: Nivel - Nivel

(1)
VARIABLES Telephonecost
Year -2.333***
(0.187)
Constant 4,612***
(365.4)
Observations 82
R-squared 0.661
*** p<0.01, ** p<0.05, * p<0.1
Significancia.
variable costo telefónico es estadísticamente significativos al 1%, La variable año es
estadísticamente significativo al 1%.
Bondad de ajuste:
La variable costo telefónico es explicada en un 66,1%, por la variable años, por lo cual
su bondad de ajuste es poco robusta, ya que es menor que el 70%.
Costo telefónico = 4,612 – 2,333(año)
𝜷𝟏 = Cuando la variable año varié en 1 año, el cambio esperado en la variable costo
telefónico sería una disminución de 2,333 dólares.
𝜷𝟎 = Cuando la variable año varié en 0 años, el cambio esperado en la variable costo

telefónico sería de 4,612 dólares.
Modelo funcional: Nivel - Log
(1)
VARIABLES Telephonecost
Logyear -4,577***
(363.0)
Constant 34,735***
(2,751)
Observations 82
R-squared 0.665
*** p<0.01, ** p<0.05, * p<0.1
Significancia global
variable costo telefónico es estadísticamente significativos al 1%,. La variable año es
Bondad de ajuste
su bondad de ajuste es poco robusta, ya que es menor que el 70%.
Costo telefónico = 34,735 – 4,577 (año)
β₁ - Cuando la variable año varia en 1% la variable costo telefónico disminuye en 45,77
dólares.
βₒ - Cuando la variable año varié en 0% la variable costo telefónico varia en 34734,79

dólares.
Modelo funcional: Log - Nivel

(1)
VARIABLES logtelephonecost
Year -0.0703***
(0.00120)
Constant 140.3***
(2.345)
Observations 82
R-squared 0.977
*** p<0.01, ** p<0.05, * p<0.1
Significancia global
Bondad de ajuste.
La variable costo telefónico es explicada en un 97,7%, por la variable años, por lo cual su
bondad de ajuste es muy robusta, ya que es mayor que el 70%.
Costo telefónico = 140,3 – 0,0703(año)
β₁ - Cuando la variable año varía 1 dólar la variable costo telefónico disminuye el 7,03%.
βₒ - Cuando la variable año sea 0 la variable costo telefónico varia en 140,26 %
Modelo funcional: Log – Log

(7)
VARIABLES logtelepho
necost
Logyear -137.5***
(2.343)
Constant 1,045***
(17.76)
Observations 82
R-squared 0.977
*** p<0.01, ** p<0.05, * p<0.1
Significancia
Bondad de ajuste
su bondad de ajuste es muy robusta, ya que es mayor que el 70%.
Costo telefónico = 1,045 – 137,5 (año)
β₁ - Cuando la variable año aumenta en 1% la variable costo telefónico disminuye en
137,5%.
βₒ - Cuando la variable año varié en 0% la variable costo telefónico varia en 1,045%.
Base de datos #7:
(1)
VARIABLES Price
Rooms 9,120***
(419.3)
Constant -34,796***
(2,652)
Observations 506
R-squared 0.484
*** p<0.01, ** p<0.05, * p<0.1
Significancia:
variable precio es estadísticamente significativos al 1%, La variable número de
habitaciones es estadísticamente significativo al 1%.
Bondad de ajuste:
La variable precio es explicada en un 48,4%, por la variable número de habitaciones, por
lo cual su bondad de ajuste es poco robusta, ya que es menor que el 70%.
̂ = 34,796 + 9,120(𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 ℎ𝑎𝑏𝑖𝑡𝑎𝑐𝑖𝑜𝑛𝑒𝑠)

𝑃𝑟𝑒𝑐𝑖𝑜
B1: Cuando la variable número de habitaciones varíe en 1 unidad, el cambio esperado de

la variable precio será de un incremento de 34,796.
B0: Cuando la variable número de habitaciones sea 0, el cambio esperado en la variable

precio sería de 9,120.
Modelo funcional: Log – Nivel
(1)
VARIABLES Logprice
Romos 0.369***
(0.0201)
Constant 7.624***
(0.127)
Observations 506
R-squared 0.401
*** p<0.01, ** p<0.05, * p<0.1
Significancia:
Bondad de ajuste:
̂ = 7,624 + 0,369(𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 ℎ𝑎𝑏𝑖𝑡𝑎𝑐𝑖𝑜𝑛𝑒𝑠)

𝐿𝑜𝑔𝑃𝑟𝑒𝑐𝑖𝑜
B1: Cuando la variable número de habitaciones varíe en 1 dólar, el cambio esperado de la
variable precio será de un incremento de 36,9%
B0: Cuando la variable número de habitaciones sea 0, el cambio esperado en la variable

precio sería de 762,4%..
Modelo funcional: Nivel – Log
(1)
VARIABLES price
Logrooms 54,152***
(2,742)
Constant -76,682***
(5,032)
Observations 506
R-squared 0.436
*** p<0.01, ** p<0.05, * p<0.1
Significancia:
Bondad de ajuste:
̂ = −76,682 + 54,152𝐿𝑜𝑔(𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 ℎ𝑎𝑏𝑖𝑡𝑎𝑐𝑖𝑜𝑛𝑒𝑠)

𝑃𝑟𝑒𝑐𝑖𝑜
B1: Cuando la variable número de habitaciones varíe en 1 %, el cambio esperado de la

variable precio será de un incremento de 0,54152.
B0: Cuando la variable número de habitaciones varié en 0%, el cambio esperado en la
variable precio sería de -0,76682.
(1)
VARIABLES logprice
logrooms 2.227***
(0.128)
Constant 5.862***
(0.236)
Observations 506
R-squared 0.374
*** p<0.01, ** p<0.05, * p<0.1
Significancia:
Bondad de ajuste:
̂
𝐿𝑜𝑔𝑃𝑟𝑒𝑐𝑖𝑜 = 5,862 + 2,227𝐿𝑜𝑔(𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 ℎ𝑎𝑏𝑖𝑡𝑎𝑐𝑖𝑜𝑛𝑒𝑠)
B1: Cuando la variable número de habitaciones varíe en 1 %, el cambio esperado de la

variable precio será de un incremento de 5,862%
B0: Cuando la variable número de habitaciones varié en 0%, el cambio esperado en la

variable precio sería de 2,227%.
Base de datos #8:
(1)
VARIABLES sales
Price -7.829***
(1.143)
Constant 121.9***
(6.526)
Observations 75
R-squared 0.391
*** p<0.01, ** p<0.05, * p<0.1
Significancia:
variable ventas es estadísticamente significativos al 1%, La variable precio es
Bondad de ajuste:
La variable ventas es explicada en un 39,1%, por la variable precio, por lo cual su
bondad de ajuste es poco robusta, ya que es menor que el 70%.
̂ = 121,9 − 7,829(𝑝𝑟𝑒𝑐𝑖𝑜)
𝑉𝑒𝑛𝑡𝑎𝑠
B1: Cuando la variable precio varíe en 1 dólar, el cambio esperado de la variable ventas
será de una disminución de 7,829 dólares.
B0: Cuando la variable precio sea 0, el cambio esperado en la variable ventas será una
variación de 7,829 dólares.
Modelo funcional: Log – Nivel
(1)
VARIABLES Logsales
Price -0.101***
(0.0150)
Constant 4.918***
(0.0855)
Observations 75
R-squared 0.382
*** p<0.01, ** p<0.05, * p<0.1
Significancia:
Bondad de ajuste:
̂ = 4,918 − 0,101(𝑝𝑟𝑒𝑐𝑖𝑜)
𝐿𝑜𝑔𝑉𝑒𝑛𝑡𝑎𝑠
B1: Cuando la variable precio varíe en 1 dólar, el cambio esperado de la variable ventas
será de una disminución de 10,1%.
B0: Cuando la variable precio sea 0, el cambio esperado en la variable ventas será una
variación de 491,8%

(1)
VARIABLES Sales
Logprice -44.73***
(6.454)
Constant 154.9***
(11.21)
Observations 75
R-squared 0.397
*** p<0.01, ** p<0.05, * p<0.1
Significancia:
Bondad de ajuste:
La variable ventas es explicada en un 39,7%, por la variable precio, por lo cual su bondad
de ajuste es poco robusta, ya que es menor que el 70%.
̂ = 154,9 − 44,73𝑙𝑜𝑔(𝑝𝑟𝑒𝑐𝑖𝑜)
𝑉𝑒𝑛𝑡𝑎𝑠
B1: Cuando la variable precio varíe en 1%, el cambio esperado de la variable ventas será de
una disminución de 0,4473 dólares.
B0: Cuando la variable precio varié en 0%, el cambio esperado en la variable ventas será una
variación de 1,549 dólares.
(1)
VARIABLES logsales
Logprice -0.575***
(0.0846)
Constant 5.343***
(0.147)
Observations 75
R-squared 0.387
*** p<0.01, ** p<0.05, * p<0.1
Significancia:
Bondad de ajuste:
̂
𝐿𝑜𝑔𝑉𝑒𝑛𝑡𝑎𝑠 = 5,343 − 0,575𝐿𝑜𝑔(𝑝𝑟𝑒𝑐𝑖𝑜)
B1: Cuando la variable precio varíe en 1%, el cambio esperado de la variable ventas será
de una disminución de 0,575%
B0: Cuando la variable precio varié en 0%, el cambio esperado en la variable ventas será
una variación de 5,343%.
Base de datos #9:
Tabla 33 Modelo de interpretación Nivel nivel
(2)
VARIABLES Regprc
Ecoprc 0.687***
(0.0179)
Constant 0.140***
(0.0201)
Observations 660
R-squared 0.690
*** p<0.01, ** p<0.05, * p<0.1
Significancia:
variable precio etiqueta ecológica es estadísticamente significativos al 1%, La variable
precio regular Apple es estadísticamente significativo al 1%.
Bondad de ajuste:
La variable precio regular Apple es explicada en un 69%, por la variable precio etiqueta
ecológica, por lo cual su bondad de ajuste es poco robusta, ya que es menor que el 70%.
̂ 𝐴𝑝𝑝𝑙𝑒 = 0,140 + 0,687(𝑝𝑟𝑒𝑐𝑖𝑜 𝑒𝑡𝑖𝑞𝑢𝑒𝑡𝑎 𝑒𝑐𝑜𝑙𝑜𝑔𝑖𝑐𝑎)

𝑃𝑟𝑒𝑐𝑖𝑜 𝑟𝑒𝑔𝑢𝑙𝑎𝑟
B1: Cuando la variable precio etiqueta ecológica varíe en 1 unidad, el cambio esperado de
la variable precio regular será de un incremento del 0,140.
B0: Cuando la variable precio etiqueta ecológica sea 0, el cambio esperado en la variable
precio regular será una variación 0,687.
(1)
VARIABLES regprc
Logecoprc 0.686***
(0.0189)
Constant 0.857***
(0.00553)
Observations 660
R-squared 0.668
*** p<0.01, ** p<0.05, * p<0.1

Significancia:
Bondad de ajuste:
La variable precio regular Apple es explicada en un 66,8%, por la variable precio
etiqueta ecológica, por lo cual su bondad de ajuste es poco robusta, ya que es menor que el
70%.
̂ 𝐴𝑝𝑝𝑙𝑒 = 0,857 + 0,686𝑙𝑜𝑔(𝑝𝑟𝑒𝑐𝑖𝑜 𝑒𝑡𝑖𝑞𝑢𝑒𝑡𝑎 𝑒𝑐𝑜𝑙𝑜𝑔𝑖𝑐𝑎)

𝑃𝑟𝑒𝑐𝑖𝑜 𝑟𝑒𝑔𝑢𝑙𝑎𝑟
B1: Cuando la variable precio etiqueta ecológica varíe en 1%, el cambio esperado de la
variable precio regular será de un incremento del 0,000686%
B0: Cuando la variable precio etiqueta ecológica varié en 0%, el cambio esperado en la
variable precio regular será una variación 0,000857%
Modelo funcional: Log - Nivel
(1)
VARIABLES Logregprc
Ecoprc 0.806***
(0.0213)
Constant -1.036***
(0.0239)
Observations 660
R-squared 0.684
*** p<0.01, ** p<0.05, * p<0.1
Significancia:
Bondad de ajuste:
70%.
𝑙𝑜𝑔𝑃𝑟𝑒𝑐𝑖𝑜 ̂
𝑟𝑒𝑔𝑢𝑙𝑎𝑟 𝐴𝑝𝑝𝑙𝑒 = −1,036 + 0,806(𝑝𝑟𝑒𝑐𝑖𝑜 𝑒𝑡𝑖𝑞𝑢𝑒𝑡𝑎 𝑒𝑐𝑜𝑙𝑜𝑔𝑖𝑐𝑎)
B1: Cuando la variable precio etiqueta ecológica varíe en 1 unidad, el cambio esperado de
la variable precio regular será de un incremento del 80,6%.
B0: Cuando la variable precio etiqueta ecológica sea 0, el cambio esperado en la variable
precio regular será una variación de 103,6%
(1)
VARIABLES Logregprc
Logecoprc 0.811***
(0.0220)
Constant -0.196***
(0.00646)
Observations 660
R-squared 0.673
*** p<0.01, ** p<0.05, * p<0.1
Significancia:
Bondad de ajuste:
70%.
̂ 𝐴𝑝𝑝𝑙𝑒 = −0,196 + 0,811𝑙𝑜𝑔(𝑝𝑟𝑒𝑐𝑖𝑜 𝑒𝑡𝑖𝑞𝑢𝑒𝑡𝑎 𝑒𝑐𝑜𝑙𝑜𝑔𝑖𝑐𝑎)

𝐿𝑜𝑔𝑃𝑟𝑒𝑐𝑖𝑜 𝑟𝑒𝑔𝑢𝑙𝑎𝑟
B1: Cuando la variable precio etiqueta ecológica varíe en 1%, el cambio esperado de la
variable precio regular será de un incremento del 0,811%
B0: Cuando la variable precio etiqueta ecológica varié en 0%, el cambio esperado en la
variable precio regular será una variación de -0,196%.

Modelos Funcionales

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Modelos Funcionales

Diunggah oleh

Hak Cipta:

Format Tersedia

UNIVERSIDAD TÉCNICA DEL NORTE

Según el valor P obtenido se puede concluir que la relación de regresión propuesta es

Las variables propuestas para el estudio son estadísticamente significativas de forma

B1: Cuando la variable “producción” varíe en un millón de dólares, el PIB tendrá un

2) Modelo funcional: log – nivel

Según el valor P obtenido se puede concluir que la relación de regresión propuesta es

B1: Cuando la variable “producción” varíe en un millón de dólares, el PIB tendrá un

3) Modelo funcional: nivel - log

Según el valor P obtenido se puede concluir que la relación de regresión propuesta es

4) Modelo funcional: log – log

Según el valor P obtenido se puede concluir que la relación de regresión propuesta es

Base de datos #2: recursivos9.dta

La variable capital es significativa al 1% ya que posee un valor P menor al 0,01; a

2) Modelo de funcional: log - nivel

Según el valor P obtenido se puede concluir que la relación de regresión propuesta es

Las variables propuestas para el estudio son estadísticamente significativas de forma

B1: Cuando la variable “Capital” varíe en un millón de dólares, el Valor añadido

3) Modelo funcional: log – nivel.

Según el valor P obtenido se puede concluir que la relación de regresión propuesta es

Las variables propuestas para el estudio son estadísticamente significativas de forma

4) Modelo funcional: log – log.

Según el valor P obtenido se puede concluir que la relación de regresión propuesta es

Las variables propuestas para el estudio son estadísticamente significativas de forma

Base de datos #3: MROZ

Dependiente: Ingreso familiar.

Independiente: Salario por hora del marido.

Según el valor P obtenido se puede concluir que la relación de regresión propuesta es

Las variables propuestas para el estudio son estadísticamente significativas de forma

𝐼𝑛𝑔𝑟𝑒𝑠𝑜 𝑓𝑎𝑚𝑖𝑙𝑖𝑎𝑟 = 7,449 + 2,089𝐻𝑜𝑟𝑎𝑠 𝑑𝑒 𝑡𝑟𝑎𝑏𝑎𝑗𝑜 𝑚𝑎𝑟𝑖𝑑𝑜

Tabla 10 Modelo Nivel Log

𝐼𝑛𝑔𝑟𝑒𝑠𝑜 𝑓𝑎𝑚𝑖𝑙𝑖𝑎𝑟 = −2,351 + 13,662𝐻𝑜𝑟𝑎𝑠 𝑑𝑒 𝑡𝑟𝑎𝑏𝑎𝑗𝑜 𝑚𝑎𝑟𝑖𝑑𝑜

3) Modelo funcional: Log – nivel.

Según el valor P obtenido se puede concluir que la relación de regresión propuesta es

Las variables propuestas para el estudio son estadísticamente significativas de forma

𝐼𝑛𝑔𝑟𝑒𝑠𝑜 𝑓𝑎𝑚𝑖𝑙𝑖𝑎𝑟 = 9,303 + 0,0825𝐻𝑜𝑟𝑎𝑠 𝑑𝑒 𝑡𝑟𝑎𝑏𝑎𝑗𝑜 𝑚𝑎𝑟𝑖𝑑𝑜

Tabla 12 Modelo Log Log

𝐼𝑛𝑔𝑟𝑒𝑠𝑜 𝑓𝑎𝑚𝑖𝑙𝑖𝑎𝑟 = 0,651 + 8,709𝐻𝑜𝑟𝑎𝑠 𝑑𝑒 𝑡𝑟𝑎𝑏𝑎𝑗𝑜 𝑚𝑎𝑟𝑖𝑑𝑜

Dependiente: Gasto de alimentos en el hogar por semana.

Independiente: Ingreso semanal del hogar.

1) Modelo funcional: Nivel – nivel

Tabla 13 Modelo de interpretación Nivel-Nivel

Se determina que el modelo es globalmente significativo debido a que su p value es menor

B0 Cuando el ingreso semanal del hogar es de 0 dólares, el valor esperado en el gasto de

2) Modelo funcional: log – nivel

3) Modelo funcional: Nivel – log

De acuerdo, con el valor t de la variable ingreso semanal en el hogar, el modelo es

Se determina que el modelo sigue siendo globalmente significativo siendo su pvalue

Modelo funcional: Nivel – Nivel

𝜷𝟎 = Cuando la variable espacio del maletero sea 0, el cambio esperado en la variable

𝜷𝟎 = Cuando la variable espacio del maletero sea 0, el cambio esperado en la variable

Modelo funcional: Nivel log

𝜷𝟏 = Cuando la variable espacio en el maletero varié en 1%, el cambio esperado en la

𝜷𝟎 = Cuando la variable espacio del maletero varie en 0% , el cambio esperado en la

Modelo funcional: Log log

𝜷𝟎 = Cuando la variable espacio del maletero sea 0 , el cambio esperado en la variable

Base de datos #6: TELEPHONE_COST

Modelo funcional: Nivel - Nivel

𝜷𝟎 = Cuando la variable año varié en 0 años, el cambio esperado en la variable costo

Modelo funcional: Nivel - Log

Tabla 22 Modelo de interpretación Nivel Log

βₒ - Cuando la variable año varié en 0% la variable costo telefónico varia en 34734,79

Modelo funcional: Log - Nivel

βₒ - Cuando la variable año sea 0 la variable costo telefónico varia en 140,26 %