Está en la página 1de 7

Universidad Tcnica Federico Santa Mara

Econometra

Profesor: Fernando Silva


Ayudante: Pamela Barahona

Ayudanta 5
1.- A continuacin se entregan datos de nios (1976), donde Y es la talla actual del beb (cm);
es la edad (das);
es la talla al nacer (cm);
es el peso al nacer (kg) y
es el tamao
del trax, al nacer (cm).
Modelo
g.l. residual
X1
7
X2
7
X3
7
X4
7
X1,X2
6
X1,X3
6
X1,X4
6
X2,X3
6
X2,X4
6
X3 X4
6
X1,X2,X3
5
X1,X2,X4
5
X1,X3,X4
5
X2,X3,X4
5
X1,X2,X3,X4
4

SCR
288,1468
215,3013
186,1065
100,8594
312,0172
317,4555
301,9647
318,2036
277,1571
187,2354
318,2503
312,0221
317,641
318,2101
318,2744

SCE
33,0932
105,9387
135,1335
220,3806
9,2228
3,7845
19,2753
3,0364
44,0829
134,0046
2,9897
9,2179
3,599
3,0299
2,9656

1.1.- Seleccione un modelo utilizando el mtodo de todas las regresiones posibles.


Para poder elegir un modelo se deben comparar algunos criterios: SCR, SCE, CME,
lo tanto, hay que calcular los valores que faltan.
RECORDAR:

Cuadrados medios del error.

El coeficiente de determinacin.

Coeficiente de determinacin ajustado.

Cunto vale n?
Sabemos que:

. Por

Universidad Tcnica Federico Santa Mara


Econometra

Profesor: Fernando Silva


Ayudante: Pamela Barahona

Grados de libertad residuales= n-p-1.


Resolvemos la ecuacin en cualquiera de los modelos.
Por ejemplo: En el modelo de 2 variables.

Y as se obtiene la siguiente tabla.


Modelo
g.l. residual
SCR
SCE
CME
R2
X1
7
288,1468
33,0932
4,7276
0,89698294
X2
7
215,3013
105,9387
15,1341 0,67021946
X3
7
186,1065
135,1335
19,3048 0,57933788
X4
7
100,8594
220,3806
31,4829 0,31396900
X1,X2
6
312,0172
9,2228
1,5371
0,97129000
X1,X3
6
317,4555
3,7845
0,6308
0,98821909
X1,X4
6
301,9647
19,2753
3,2126
0,93999720
X2,X3
6
318,2036
3,0364
0,5061
0,99054788
X2,X4
6
277,1571
44,0829
7,3472
0,86277269
X3 X4
6
187,2354
134,0046
22,3341 0,58285207
X1,X2,X3
5
318,2503
2,9897
0,5979
0,99069325
X1,X2,X4
5
312,0221
9,2179
1,8436
0,97130525
X1,X3,X4
5
317,641
3,599
0,7198
0,98879654
X2,X3,X4
5
318,2101
3,0299
0,6060
0,99056811
X1,X2,X3,X4
4
318,2744
2,9656
0,7414
0,99076827
Se seleccionan los 4 mejores modelos, segn los siguientes criterios.
a)
b)
c)
d)

R2AJ
0,89698294
0,67021946
0,57933788
0,313969
0,96718857
0,9865361
0,93142537
0,98919757
0,84316879
0,52325951
0,987591
0,96174034
0,98506205
0,98742415
0,98522924

Mayor SCR: (X2,X3), (X1,X2,X3), (X2,X3,X4) y (X1,X2,X3,X4)


Menor SCE: (X2,X3), (X1,X2,X3), (X2,X3,X4) y (X1,X2,X3,X4)
Menor CME: (X1,X3),(X2,X3), (X1,X2,X3) y (X2,X3,X4)
Mayor R2aj: (X2,X3), (X1,X2,X3), (X2,X3,X4) y (X1,X2,X3,X4)

Al obtener los mejores candidatos, se tiene que escoger el ms adecuado. EL modelo


(X1,X2,X3,X4) tiene buenos resultados segn los criterios, pero tiene la gran falla de tener
todas las variables incluidas, lo que presenta un gran riesgo de multicolinealidad entre las
variables predictoras. Se elige el modelo (X2, X3), ya que presenta los mejores valores para
el CME y R2aj , y tiene menos variables predictoras que explican de igual forma el modelo.
El modelo elegido es:

p*
1
1
1
1
2
2
2
2
2
2
3
3
3
3
4

Universidad Tcnica Federico Santa Mara


Econometra

Profesor: Fernando Silva


Ayudante: Pamela Barahona

1.2.- Partiendo de un modelo con una variable (X1), realice dos iteraciones del mtodo paso a
paso ascendente.
Mtodo paso a paso ascendente: Utiliza el criterio de Dcimas parciales.
Partimos con el modelo:
Primera iteracin:
Los candidatos a entrar son X2, X3 X4, entrando el que tiene mayor correlacin parcial.
Dcimas parciales:

Donde; p corresponde al modelo con mayor cantidad de variables y q al modelo con


menor cantidad de variables.

Se elige la dcima parcial mayor, es decir,


(
).

. Se compara con la distribucin Fisher

. Por lo tanto, hay evidencias empricas para rechazar H 0.


Esto significa que la variable X3 produce un incremento en el modelo de manera significativa,
por lo cual debe ingresar al modelo, quedando:
Segunda iteracin:
Los candidatos a entrar son X2 X4, entrando el que tiene mayor correlacin parcial.
Dcimas parciales:

Universidad Tcnica Federico Santa Mara


Econometra

Se elige la dcima parcial mayor, es decir,

Profesor: Fernando Silva


Ayudante: Pamela Barahona

. Por lo tanto, no hay evidencias empricas para rechazar


H0. Esto significa que la variable X2 no produce un incremento en la SCR, por lo cual no debe
ingresar al modelo, quedando:

OJO: Si nos piden una tercera iteracin en este modelo, no se puede llevar a cabo, ya que en
la segunda iteracin, se eligi el coeficiente parcial mayor y si ste es menor que la
distribucin de Fisher, las otras Dcimas parciales tambin lo sern.
1.3.- Seleccione un modelo utilizando el mtodo paso a paso descendente.
Mtodo paso a paso descendente: Utiliza el criterio de Dcimas parciales.
Partimos con el modelo:
Primera iteracin:
Los candidatos a salir son X1, X2, X3 X4, saliendo el que tiene menor correlacin parcial.
Dcimas parciales:

Donde; p corresponde al modelo con mayor cantidad de variables y q al modelo con


menor cantidad de variables.

Universidad Tcnica Federico Santa Mara


Econometra

Profesor: Fernando Silva


Ayudante: Pamela Barahona

Se elige la dcima parcial menor, es decir,


(
).

. Se compara con la distribucin Fisher

. Por lo tanto, no hay suficientes evidencias empricas para


rechazar H0. Esto significa que la variable X4 no produce un incremento en la SCR, por lo cual
debe salir del modelo, quedando:
Segunda iteracin:
Los candidatos a salir son X1, X2 X3, saliendo el que tiene menor correlacin parcial.
Dcimas parciales:

Se elige la dcima parcial menor, es decir,

. Por lo tanto, no hay suficientes evidencias empricas para


rechazar H0. Esto significa que la variable X1 no produce un incremento en la SCR, por lo cual
debe salir del modelo, quedando:
Tercera iteracin:
Los candidatos a salir son X2 X3, saliendo el que tiene menor correlacin parcial.
Dcimas parciales:

Se elige la dcima parcial menor, es decir,

. Por lo tanto, hay suficientes evidencias empricas para


rechazar H0. Esto significa que la variable X3 produce un incremento en el modelo de manera
significativa. Por lo tanto, la variable X3 sigue en el modelo. Como es la variable con menor
dcima parcial y es mayor que la distribucin, la variable X2 tambin permanece y contribuye
en el modelo.

Universidad Tcnica Federico Santa Mara


Econometra

Profesor: Fernando Silva


Ayudante: Pamela Barahona

El modelo final corresponde a:


1.4.- Partiendo de un modelo con dos variables, realice una iteracin del mtodo paso a paso
mixto.
El mtodo paso a paso mixto es una mezcla de los dos mtodos anteriores. Se inicia con un
paso a paso ascendente.
Podemos utilizar el modelo obtenido en la primera iteracin de la pregunta 1.2, es decir:

Primera iteracin:
Paso a paso ascendente.
Podemos utilizar el resultado obtenido en 1.2 en la segunda iteracin, es decir:
Se elige la dcima parcial mayor, es decir,

. Por lo tanto, no hay evidencias empricas para rechazar


H0. Esto significa que la variable X2 no produce un incremento en la SCR, por lo cual no debe
ingresar al modelo, quedando:

Paso a paso descendente.


Los candidatos a salir son X1 X3, saliendo el que tiene menor correlacin parcial.
Dcimas parciales:

Se elige la dcima parcial menor, es decir,

. Por lo tanto, hay suficientes evidencias empricas para


rechazar H0. Esto significa que la variable X3 produce un incremento en el modelo de manera
significativa. Por lo tanto, la variable X3 sigue en el modelo. Como es la variable con menor
dcima parcial y es mayor que la distribucin, la variable X1 tambin permanece y contribuye
en el modelo.
Por lo tanto, el modelo queda:

Universidad Tcnica Federico Santa Mara


Econometra

1.5.- Se desea saber si


y
variable
incorporada.

Profesor: Fernando Silva


Ayudante: Pamela Barahona

se pueden incorporar conjuntamente al modelo que ya tiene la

Modelo inicial:
Para poder determinar si X1 y X2 pueden incorporarse conjuntamente al modelo, debemos
realizar mtodo paso a paso ascendente.

. Esto indica que hay evidencias suficientes para rechazar


la hiptesis nula. Por lo tanto, X1 y X2 contribuyen simultneamente al modelo.
El modelo queda establecido por: