Tarea 2 - Modelos Econométricos de Regresión Lineal Simple y Múltiple

Estudiante

Angelly Gabriela Diaz Narvaez

Curso 105010_Econometria

Código: 1010076229

Grupo:14

Tutor

Juan David Pulido

Universidad Nacional Abierta y a Distancia (UNAD) Escuela de ciencias

administrativas, contables, económicas y de negocios

Economía

(ECACEN)

Orito Putumayo

Marzo 12 de 2021
a) ¿Qué es un coeficiente beta?

Rta/ el coeficiente de beta (β) es un proceso que se utiliza para medir el grado
de variabilidad de la rentabilidad esto referente a una acción, respecto a la
rentabilidad promedio del “mercado” en que se negocia, por ello es un
concepto muy utilizado por los analistas financieros.

La beta (β) mide el “riesgo sistémico” o “de mercado”. Cuanto más volátil sea
una acción con respecto al índice del mercado, tanto mayor será su “riesgo de
mercado”.

Cuando su beta=1 (valor neutro) la acción se mueve en la misma proporción

que el índice o posee el mismo riesgo sistemático. Por ejemplo, si el mercado
ha subido un 10% en el último año, la acción también ha subido lo mismo y si
ha bajado un 7%, la acción también ha bajado exactamente igual.

Cuando su beta>1 (valor agresivo) la acción registra una mayor variabilidad

que el índice, lo que muestra que la acción tiene un mayor riesgo que el
mercado. Por ejemplo, si el mercado ha subido un 8% en el ultimo año, la
acción ha subido mas y si ha bajado un 12%, la acción también ha bajado
más.

Cuando su beta<1 (valor defensivo) la acción registra una menor variabilidad

que su índice de referencia o posee para el mercado un menor riesgo. Por
ejemplo, si el mercado ha subido un 7% en el ultimo año, la acción ha subido
menos y si ha bajado un 5%, la acción ha subido más.

Cuanto mayor sea la desviación estándar de las rentabilidades históricas de

una acción, tanto mayor será su volatilidad histórica y por tanto su riesgo.

Cuanto mayor sea la beta (β) de una acción, tanto mayor será su “riesgo
sistemático” o “riesgo de mercado”.

¿Por qué la prueba de significancia se basa en la hipótesis de que beta

es igual a cero?

Rta/ la beta tiene como valor de relación el numero 1 y si el resultado en su

calculo es mayor a 1 se supondrá mayor volatilidad y por ende mayor riesgo,
cuando es igual a 1 la rentabilidad de la acción tiene movimiento en la misma
proporción que el índice de referencia, por otro lado, dado que el coeficiente
beta por su formula la varianza del mercado no puede dar cero, la función beta
se aproxima al cero mas no da cero.

b) Apoyándose en la función de la recta en la matemática, explique

qué es el intercepto y qué es la pendiente, y relaciónelos con los
coeficientes beta de los modelos de regresión
Rta/ la pendiente es la inclinación de una recta con respecto a la horizontal y
es calculada a partir de la razón del cambio de coordenadas X e Y dicho de otra
forma la pendiente es la tangente del ángulo formado por la recta con la
dirección positiva del eje de abscisas y su formula esta representada de la
siguiente forma.
y 2− y 1
m=
x 2−x 1
De otra parte, el intercepto es la coordenada de un punto en el plano donde
una grafica corta ya sea el eje X o el eje Y el interceptó en el eje X se da
cuando Y=0 y es llamado intercepto horizontal, así mismo el intercepto en el
eje Y se da cuando X=0, Y es llamado intercepto vertical.
En este sentido la relación con los coeficientes beta de los modelos de
regresión están en la representación lineal de un diagrama de dispersión en
donde el coeficiente β1 es la pendiente de la recta y el coeficiente β0es el
intercepto en el eje vertical, esto quiere decir que cuando X=0
En el plano cartesiano nos permite ilustrar la pendiente de la recta la cual
sobrepasa los ejes X variable independiente y Y variable dependiente lo que
permite identificar el intercepto de la recta al interior de la gráfica.
Recta pendiente e intercepto:

Un modelo de regresión que está bastante relacionado con el intercepto y la

pendiente es la regresión lineal, el modelo de regresión lineal se expresa
como: y=β 0+ β 1 x 1+ β 2 x 2 … .
c) Qué significa el concepto de “determinación” en econometría, y, por
tanto, ¿qué mide el coeficiente de determinación? ¿Y cómo se
interpreta?
Rta/ la determinación en econometría es el ajuste realizado a un modelo a la
variable que pretende explicar, esto quiere decir que el coeficiente de
determinación es la proporción de la varianza total de una variable explicada
por regresión, su resultado será interpretado teniendo en cuenta que este
oscila entre 0 y 1 y mientras mas cerca este a 1 mayor va hacer el ajuste del
modelo a la variable a explicar de manera inversa, cuando más cerca este
hacer, menos ajustado estará el modelo y su viabilidad será menor.
d) ¿Qué significa causalidad estadística?
Rta/ es la relación de concurrencia entre dos variables correlacionadas, es la
relación en lenguaje simple de causa y efecto que son tomados como
variables, la existencia de casualidad entre dos variables asume la correlación
positiva entre variables, pero la correlación entre dos variables no significa
necesariamente que exista casualidad.
e) ¿Cuál es la diferencia entre el modelo simple y el modelo múltiple?
Y de dos ejemplos, a través de ecuaciones, donde se especifiquen
las variables
Rta/ en la regresión lineal simple se utiliza una formula que es la siguiente:
y= ( β 0+ β 1 x 1 )+ ε
Que dice que una variable Y es igual a un coeficiente mas un coeficiente que
multiplicado por una variable X, y a todo esto le suma un error lo que quiere
decir este modelo teórico es que mediante una serie de variables entrada a las
que en la ecuación se le llama X, podemos predecir o estimar el valor que
tendrá otra variable que en la ecuación recibe el nombre de Y.
En la regresión lineal múltiple, y=β 0+ β 1 x 1+ β 2 x 2 … . β 8 x 8+ ε ; lo que ocurre es
que sigue el mismo modelo de la regresión lineal simple, lo único es que
ampliamos la ecuación en vez de tener una única variable de entrada o
variable predictor tendríamos más de una.
1 ejemplo: regresión lineal simple.
En este ejemplo vamos a presentar dos variables, los años de experiencia de
una persona laborando y la segunda variable es el salario anual que devengan
según sus años de experiencia representado en USD.

Años de experiencia Salario anual

1.1 32.290
1.3 34.460
1.5 37.500
2 40.000
2.2 42.800
2.9 46.700
3 50.000
3.2 51.500
3.4 54.300
3.9 58.000
4 62.250
4.3 63.125
4.6 66.318
4.9 67.850
5 69.746
5.1 71.489
5.3 72.756
5.9 74.840
 6 78.980
6.1 80.900

En el anterior grafico podemos analizar que, entre más años de experiencia,

mayor será el salario, es decir en esta predicción nos indica que si un
colaborador tiene 6 años de experiencia laboral predecimos que debe de
devengar un sueldo anual de 78.980 USD.
2 ejemplo: regresión lineal múltiple.
En este ejemplo N°2 nos dan los siguientes datos:
GASTO EN GASTO EN GASTO EN UTILIDADES
INVESTIGACION ADMINISTRACIÓN MARKETING
Y DESARROLLO
165,349 136,898 471,754 192,262
162,598 151,378 443,899 191,792
153,442 101,146 407,935 191.051
144,372 118,672 363,221 182,902
142,107 91,392 366,188 156,148
131,877 99,815 362,861 156,991
134,615 147,199 127,717 156,123
130,298 145,532 323.877 155,753
120,543 148,729 311,613 152,212
123,335 106,679 304 982 149,76
101,913 110,554 229,161 146,122
100,672 91,791 249,785 144,259
93,864 127,321 249,839 141,586
91,992 135,495 252,665 134,307
119,943 156,547 256,513 132,609
114,524 122,617 261,776 129,917
78,013 121.556 264,346 126,993
119,943 145,076 282,574 125,37
 114.524 114,176 294,921 124,267
78,013 153,524 298,664 122.777
94,657 113,967 299,737 118,474
91,749 153,722 434,879 111,123
95,422 132,678 324,789 150,435
76,254 199,89 214,567 198,673
78,339 165,98 498,435 186,897

Tenemos 25 empresas de tecnología que esta en crecimiento y nos dan las

siguientes variables para analizar, en primer lugar, tenemos la variable del
gasto en investigación y desarrollo, la segunda variable que sería gasto en
administración, la tercera variable que seria gasto en marketing o publicidad,
la cuarta variable seria las utilidades anuales.
En este orden de ideas debemos identificar cual será la variable que vamos a
predecir que en este caso sería la (Y), y cuáles son las variables (X), en este
ejemplo lo que vamos a predecir son las utilidades anuales de cada empresa es
decir si se hace una inversión en investigación y desarrollo o se hace una
inversión en la parte administrativa de la compañía, o si se hace una inversión
en marketing o publicidad y cuanto esperamos en recibir como utilidad
anualmente por cada inversión que se haga en cada empresa.

Estadísticas de la regresión
Coeficiente de correlación múltiple 0,629034318
Coeficiente de determinación R∧2 0,395684173
R∧2 ajustado 0,30935334
Error típico 21,04155002
conservaciones 25

Análisis de varianza
Grados de Suma de Promedio de los
apertura cuadrados cuadrados F Valor cotiza de F
Regresió
3 0439,927755
n 214,6042585 4,583347326 0,032779756
Residuos 21 9015,406123 460,2560711    
Total 24 16275,42418      
y=β 0+ β 1 x 1+ β 2 x 2 … .. β 8 x 8+ ε

Ya con estos datos, tenemos la intercepción que seria el valor (¿) , que es el
que no tiene acompañado ninguna X que en este caso nos dice que el (¿) es $
27,34022867, ¿Qué nos quiere decir esto?, que una compañía si en algun caso
hipotetico no hace inversion en ninguno de los tres rubros que estamos
analizando la utilidad anual seria $27,34022867unidades monetarias, despues
nos encontramos con las variables X1,X2,X3, es decir X1 es gasto en
investigacion y desarrollo, X2 en administracion y X3 en marketing y publicidad
y en los valores de la formula seria β 1 , β 2 , y β 3, entonces a mayor cantidad
que β 1 aumenta mas y afecta ha que (Y) crezca, ¿Cuál de los valores que
tenemos es el mayor? Pues el mayor en este caso seria el β 1 o la variable
X1es decir que lo que se decida en invertir en investigacion y desarrollo va ha
tener mas inpacto que en el gasto en administracion y el gasto en marketing y
publicidad es decir que netre mas se decida realizar una inversion en
investigacion y desarrollo mas utilidad vamos a tener anualmente que con las
otras variables.
f) ¿Cuál es la relación entre coeficiente de correlación y coeficiente de
determinación?
Rta/ el coeficiente de correlación mide como es la fuerza lineal entre dos
variables. El coeficiente de determinación mide cuanta varianza explica un
modelo cualquiera, no necesariamente lineal y no necesariamente con una
variable explicativa o una variable independiente, el coeficiente de
determinación coincide con el cuadrado de la correlación solo en caso de estar
utilizando un modelo lineal y en este caso mide la varianza de los modelos a
observar, utilizando la correspondiente recta de regresión.
g) ¿Cuál es la diferencia de cálculo entre el coeficiente de
determinación y el coeficiente de determinación ajustado?
Rta/ el coeficiente de determinación se utiliza para saber si un modelo es
adecuado es decir que explica suficientemente la variable en su estudio y se
SCE
define con la siguiente expresión R2= SCT la relación que hay entre la suma de

cuadrados explicados con relación a la suma de cuadrados totales.

SCT=SCE+SCR

Y la expresamos si es en porciento o si es en decimales entre 0 y 1.

Nos indica que el porcentaje de la variable total, de la variable estudiada es la

que nos ofrece el modelo que parte de esa variabilidad, se debe a la
variabilidad de las variables explicativas incluidas en el modelo especifico que
estamos observando.

El coeficiente de determinación ajustado lo utilizamos cuando tenemos varios

modelos que explican a una misma variable por lo tanto se define al coeficiente
de determinación ajustado con la siguiente expresión:

SCRn−K −1 n−1
R2=1 =1−(1−R2)
SCTn−1 n−k−1

En la cual fundamentalmente dividimos el numerador con el denominador por

los grados de libertad correspondiente a las sumas de cuadrados consideraba
haciendo una simplificación, pues nos queda la relación que hay entre el
coeficiente de correlación ajustado y el coeficiente de determinación.

3. Resolver los ejercicios de Gujarati (2009): 2.10, 2.12, 2.15 y 2.16.

Ejercicio 2.10 considere el diagrama de dispersión de la figura 2.8 junto a la

línea de regresión.

¿Qué conclusión general deduce de este diagrama?

Rta/ como podemos ver y analizar el diagrama tiene una pendiente positiva
pero moderada, esto quiere decir que a medida que se incrementen las
exportaciones se evidenciara el crecimiento de los salarios.

¿la línea de regresión del diagrama es una línea de regresión

poblacional o una línea de regresión muestral?

Rta/ la línea de regresión del diagrama es una línea muestral, esto debido ha
que se toman los datos de una muestra de 50 países.
Ejercicio 2.12

¿Que revela el diagrama de dispersión de la figura 2.10? con base en dicho

diagrama ¿se puede decir que las leyes del salario mínimo propician el
bienestar económico?

Rta/ como podemos observar el diagrama tiene una pendiente negativa y

débil, esto quiere decir que la muestra de los 17 países de los datos obtenidos
están obteniendo una baja producción en sus industrias y por ende en el PIB
per cápita no ha sido el indicado, como ya es de conocimiento que el aumento
del PIB per cápita se debe al PIB de un país sobre la población, por lo tanto,
podemos decir que los 17 países en vía de desarrollo no han obtenido las
ventas necesarias de las industrias que es lo que hace el aumento de
producción y por ende al aumento al PIB per cápita es decir que dichos
gobiernos deben de tomar medidas económicas, para que esta pendiente
negativa mejore con respecto al PIB per cápita y al salario y den proporción al
bienestar del salario de la población.
Ejercicio 2.15

En la tabla 2.8 se proporcionan los datos sobre gasto en comida y gasto total
(en rupias) para una muestra de 55 familias rurales de la india (A principios de
2000, un dólar estadounidense equivalía a casi 40 rupia indias).
a) Grafique los datos con el eje vertical para el gasto de comida y el
eje horizontal para el gasto total; trace una línea de regresión a
través de los puntos de dispersión.

b) ¿Qué conclusiones generales se pueden deducir de este ejemplo?

Rta/ si comparamos los puntos muestrales en el gráfico de dispersión N°1,

podemos ver que el punto que esta ubicado en la parte superior derecha
supera la media del gasto total, pero también esta superando el gasto en
comida promedio, es decir que esta arriba tanto de la variable explicativa como
de la variable dependiente del extremo superior derecho por encima de ambas
medias, es decir que alcanza un valor de gasto de comida casi con el mismo
nivel de gasto total. De igual forma podemos decir que existe una relación
directa o positiva, es decir la relación entre ambas variables es directamente
proporcional, ambas son crecientes cuando se relacionan.

Si comparamos los puntos muestrales en el gráfico de dispersión N°2,

podemos ver que el punto que esta ubicado en la parte superior derecha
supera la media del gasto total, porque esta a la derecha de la línea gris que
es la X promedio pero también esta superando el gasto en comida promedio,
que es la línea naranja que es la Y promedio, es decir que esta arriba tanto de
la variable explicativa, como de la variable dependiente del extremo superior
derecho por encima de ambas medias, en cambio los puntos que podemos ver
que están abajo en el extremo inferior izquierdo están por debajo tanto del
costo de comida promedio como el gasto total promedio por ejemplo, ese
punto tiene un gasto total menor a la media que es la línea gris, pero también
el resultado que se obtiene esta por debajo de la media del gasto de comida,
es decir es el punto que esta casi encima del mismo valor de gasto total
alcanza un valor de gasto de comida casi con el mismo nivel del gasto total. De
igual manera podemos decir que existe una relación directa o positiva es decir
la relación entre ambas variables es directamente proporcional, ambas son
crecientes cuando se relacionan.

c) Diga a priori si se esperaría que el gasto en comida se incrementara

de manera lineal conforme al gasto total aumentase,
independientemente del nivel de gasto. ¿por qué? Puede emplear el
gasto total como representante del ingreso total.

Rta/ no se esperaría un incremento lineal debido a que una vez que la canasta
básica a sido cubierta, estos gastos disminuyen, puesto ha que las personas
tienden a gastar su dinero en bienes y servicios superiores como restaurantes,
artículos de lujo, etc. Esta situación se puede observar en la grafica que se
encuentra entre los ingresos mas altos.
Ejercicio 2.16

La tabla 2.9 presenta datos sobre el promedio de calificaciones del examen de

aptitud académica SAT de los estudiantes que solicitaron admisión a
licenciatura de 1972 a 2007. Estos datos representan las calificaciones en el
examen de lectura crítica y matemáticas de hombres y mujeres. La categoría
de redacción se introdujo en 2006. Por tanto, estos datos no se incluyen.

a) Con el eje horizontal para los años y el vertical para las calificaciones del
examen SAT, grafique las calificaciones de lectura crítica y matemáticas de
hombres y mujeres por separado.
b) ¿Qué conclusiones generales se obtienen?

Rta/ luego de apreciar los gráficos y analizarlos, podemos decir que en la

lectura critica como en las matemáticas de hombres y mujeres tienden a ser
iguales con una mínima diferencia entre el genero de hombres y de mujeres y
a medida que pasan los años la lectura critica tiende a disminuir en ambos
casos, si observamos el nivel de matemáticas ha tenido un aumento desde
1972 hasta el año 2007.

c) Al conocer las calificaciones de lectura critica de hombres y

mujeres, ¿Cómo haría para predecir las calificaciones de
matemáticas?

Rta/ se puede realizar un modelo de regresión simple de la lectura critica con

las matemáticas de la puntuación de ambos sexos, a demás teniendo en
cuenta que de acuerdo a lo obtenido anteriormente son inversamente
proporcionales.

d) Grafique las calificaciones de matemáticas de las mujeres contra

las calificaciones de matemáticas de los hombres. ¿Qué observa?
Como se explico anteriormente, no se puede evidenciar mayor diferencia entre
los géneros, es más, a medida que ha pasado el tiempo las curvas han sufrido
similar trayectoria, con una mínima diferencia en cuanto al puntaje que los
hombres han alcanzado, debido ha que este es mejor, respecto al de las
mujeres en todos los años de estudio.

4. Resolver los ejercicios de Wooldridge (2010): C3.3, C3.4, C3.6 y

C3.8.

Ejercicio C3.3

El archivo CEOSAL2.RAW contiene datos de 177 CEO (directores generales) y

puede utilizarse para examinar los efectos del desempeño de la empresa sobre
el sueldo de los CEO.

i) Estime un modelo que relacione el sueldo anual (Salary) con las ventas de la
empresa (sales) y el precio de mercado (mktval). Use el tipo de modelo que
tiene elasticidad constante para ambas variables independientes. Escriba los
resultados en forma de ecuación.
¿ SALARY =4.62092+0.106708∗LMKTVAL+0.162128∗LSALES

ii) Añada profits (utilidades de la empresa) al modelo del inciso (i).

¿Por qué esta variable no puede incluirse en forma logarítmica?

Rta/ porque puede asumir valores negativos en caso de perdidas

¿Diría usted que estas variables de desempeño de la empresa explican
la mayor parte de la variación en sueldos de los CEO?

Rta/ porque el coeficiente de determinación r¿ 2es 0.299337 30% y,

además, hay variables no significativas como profits.

iii) Añada la variable ceoten (antigüedad del CEO en el puesto) al modelo del
inciso. ¿Cuál es el rendimiento porcentual estimado por un año más de
permanencia del CEO en la empresa, manteniendo constantes los otros
factores?

0.011684 7 1.17 %
iv) Encuentre el coeficiente de correlación muestral entre las variables
log(mktvaI) y profits.
¿Estas variables están fuertemente correlacionadas?

Rta/ correcto (LMKTVAL, PROFITS) =0.77689760, si están fuertemente

correlacionadas.

¿Qué indica esto sobre los estimadores de MCO?

Rta/ Esta correlación alta (pero no perfecta) puede ser por multicolinealidad.
Aunque no afecta el modelo, puede causar que las varianzas sean grandes.
Pareciera que profits no añade valor modelo.

Ejercicios C3.6

Para este problema, utilice los datos del archivo WAGE2.RAW. como de
costumbre, asegúrese de que todas las regresiones que siguen contengan un
intercepto.

Lwage= registro natural de salario

lQ= puntaje de inteligencia

educ= años de educación

i) corra una regresión simple de lQ sobre educ para obtener el coeficiente de

pendiente, por ejemplo, ̃δ1.
ii) corra la regresión simple de log(wage) sobre educ y obtenga el coeficiente
de pendiente, ̃1
iii) corra la regresión múltiple de log(wage) sobre educ e lQ y obtenga los
coeficientes de pendiente ˆ1 yˆ2, respectivamente.

iv) Verifique que ̃1ˆ1ˆ2 ̃δ1

0.039119+0.0058631*3.5338292= 0.0598282438

Ejercicio C.3.8

Utilice la base de datos DISCRIM.RAW para responder esta pregunta. Hay

datos sobre los precios de diversos artículos de restaurantes de comida rápida
situados en zonas con distinto código postal, así como características de la
población residente en dicho código, pertenecientes a Nueva Jersey y
Pennsylvania. La idea es ver si los restaurantes de comida rápida tienen
precios más altos en áreas con mayor concentración de población afro
estadounidense.
i) Determine los valores promedio, en la muestra, de prpblck (proporción de
afroestadounidenses) y de income (ingreso familiar medio), junto con sus
desviaciones estándar.

¿Cuáles son las unidades de prpblck y de income?

 Se observa un promedio o media de prpblck= 0.1134 y su respectiva

desviación estándar= 0.1824
 Se observa un promedio o media de income= 47.053.78 y su respectiva
desviación estándar= 13.179.29.
 Según el enunciado, prpblck se expresa una proporción e income (ingreso
promedio familiar) se mide en dólares.

ii) Considere un modelo para explicar el precio de las bebidas refrescantes,

psoda, en términos de la proporción de población afroestadounidense y de
ingreso medio:
Estime este modelo mediante MCO y dé los resultados en forma de ecuación
incluyendo el tamaño de la muestra y la R-cuadrada (No use notación científica
al dar las estimaciones). Interprete el coeficiente de prpblck. ¿Considera que
es grande desde el punto de vista económico?

Posada= 0.9563+0.1149882 prpblck+0.000016 income+ μ

Muestra= 401

R=cuadrado ajustado= 0.0624

El coeficiente de prpblck es de 0.115 aproximadamente, lo cual indica que si la

proporción de afroestadounidenses aumenta en 1. El precio de las bebidas
refrescantes aumenta en 11 centavos, el aumento del precio es muy alto.

iii) Compare la estimación del inciso ii) con la estimación mediante regresión
simple de psoda sobre prpblck. ¿Es el efecto de la discriminación mayor o
menor cuando se controla el ingreso?
 En este caso la afectación disminuye a 0.0649 en casi la mitad del resultado
del inciso.
 El resultado es mejor, hay menos discriminación si no se toma en cuenta el
ingreso.

iv) Un modelo con una elasticidad constante del precio respecto al ingreso
puede ser más apropiado. Proporcione las estimaciones del modelo log (psoda)
0

Si prpblck aumenta en .20 (20 puntos porcentuales), ¿cuál es el cambio

porcentual estimado para psoda? (Sugerencia: la respuesta es 2.xx, usted
tiene que dar las “xx”.)

Log (¿posada) =-0.793768+0,121583 prpblck+ 0.07655114 log (income) + μ

¿si prpblack aumenta en 0.2 lpsoda aumenta en: 0.2 (0.121583) * 100=
2,43%.

v) Agregue ahora la variable prppov (proporción de personas en pobreza) a la

regresión del inciso iv). ¿Qué pasa con ˆprpblck?
El β de prpblck disminuye a 0.0728072, es decir, ahora, si la proporción de
afroestadounidenses aumenta en 1, el precio aumenta en 7,28% ahora el
aumento es menor.

vi) Encuentre la correlación entre log(income) y prppov. ¿Es aproximadamente

lo que esperaba?

Si es lo que esperaba, porque si aumenta el ingreso es de esperarse que la

proporción de personas pobres disminuya. Entonces, si es de esperar que sea
un signo negativo y que su coeficiente sea alto.

vii) Evalúe la afirmación siguiente: “como log(income) y prppov están

fuertemente correlacionadas, no tiene caso que estén en la misma regresión”.

Rta/ como log (income) y prppov están fuertemente correlacionadas es de

esperar que exista auto correlación, multicolinealidad, que no haya
endogeneidad en el modelo y por ende, este no sea el adecuado.
 Bibliografía

 Wooldridge, J. (2010). Introducción a la Econometría: Un enfoque moderno,

(4a. ed.), Ed. Parafino. Cap.2-3 Recuperado 
https://drive.google.com/drive/folders/1n7JQSvJVlWHwYd_cE45P0I7uiYfWr
3fM?usp=sharing
 Gujarati, D. (2009) Econometría, (5a. ed.), Ed. Mc Graw Hill. Cap.1-2.
Recuperado de http://www.ebooks7-24.com.bibliotecavirtual.unad.edu.co/?
il=279&pg=1
 Pulido, J (2020). Conceptos básicos de econometría. Recuperado
de https://campus124.unad.edu.co/ecacen45/mod/hvp/view.php?id=6384