Ciencias

,: .,,12'2i.
I : t.f,':'
12_24.
,,

"'

:'

''

' ' ,12"25'.

variable::dependienLe:' S1
Método: Mínimos cuadrados
MuesLra (ajustada) : 1966-2005
:

óbseifaciones inctuj-das: 40-después
Cóef

sr (-1)
SI {:,2
sr (.3

)

.

O

*0 -.071371
.A

0.149212

.., -5 .963275
r::r. .. -.0:-

,,¡1:.

R cuadrada
R cuadrada ajusLada

o

Error estindar de lareqresión
Suma de cuadrados residual

.,:1,'.,'

:,.',

0.0000
0:9040
a.2442
a.54A7

t2L56A

.11,'1.851,7.1
:iO -161'63.86

:it:::'

0.243386
o.16707:/

:034362

Probabi 1 idad:::,,':EÉtadístico rt

a -2447-52
4.24L9'7.5
o .24207 6

.286'7 82

bt i - o,

ajusteÉ:::1.,::

a.a70999

1.019716
-o -429679

sr {i4)
sr ( -.5)

lós

de

Error j estándariciente

)

i.:,'r¡i:::;i

,,,',,:,'

:;o':29324o

o.717r

'::O::,205663'

0.8383

Media .dg, .}a,.variabfe dependiente

.7 49A57

Desviación e.sLándar: .de la
variabté dependienteestadísiico d; Durbin-WaLson

4.7L307L
0.010629

o-00374r

7

.004433

0.019843
1.956818

a) De estos resultados, ¿qué puede declisobre la,naturaleza de la autocorrelación en los
datossobre salarios y productividad? , ' ,,'
:

b) Jl plcnsa Lluc un mecanlsmo

AR(l)

caracteri¿a la autocorrelación en los datos, ¿,uti-

lizaría la translormación de.priineras diferencias paraeliminar la autocorreiación?
Just i fi que su respuesta.

Ejercicios empíricos
12.26. Consulte los datos sobre la industria del:cobre,dq lá tabla 12.7.
c) Con base en esta informacionj estimé elsiguiente modelo de r.egresión:

lnC,

:

fu

+

Fzln

I,

i

ftli, L, +

fi.a1n

f!*

B5

ln

),

+

r,,

Interprete los resnltados: : ..:. ,
Obrcnga los residrros ylos residuos estandarizados de la regresión rntelioly grafíquelos. ¿Qué opina sobre Iapresencia de autocorrelación en estos residnos?
:,,'

b)
c)
ri

I

Estirne el estadístico d de...