Documentos de Académico
Documentos de Profesional
Documentos de Cultura
EDA
D
38.5
DEP
39.3
10.5
2062
2.35
1214
326
185
3068
40.1
2111
1203
49
117
1632
22.4
2134
1013
594
730
12710
57.7
2185
2.51
1
2.79
1
3.04
1135
287
382
7706
38.6
2210
1100
295
474
9338
39
2105
1180
310
255
4730
39.9
2267
1298
252
431
8317
38.9
10
2205
885
264
373
6789
38.8
11
2121
1251
328
312
5907
39.8
12
2109
1207
347
271
5069
39.7
13
2108
1036
300
259
4614
38.2
14
2047
1213
297
139
1987
40.3
2174
1141
414
498
10239
40
16
2067
1805
290
239
4439
39.1
17
2159
1075
289
308
5621
39.3
2.54
5
2.06
4
2.30
1
2.48
9.1
15
3.22
2
2.49
3
2.83
8
2.35
6
2.92
2
2.49
9
2.79
6
2.45
3
3.58
2
2.90
9
2.51
2.33
5
2.85
1
1.15
9
1.22
9
2.60
2
2.18
7
2.61
6
2.02
4
2.66
2
2.28
7
3.19
3
2.04
2.34
ESCOLARI
DAD
10.5
8.9
11.5
8.8
10.7
11.2
9.3
11.1
9.5
10.3
8.9
9.2
11.7
10.5
9.5
18
2257
19
1985
20
2184
21
2084
22
2051
23
2127
24
2102
25
2098
26
2042
27
2181
28
2186
29
2188
30
2077
31
2196
32
2093
33
2173
34
2179
35
2200
1
2.51
6
1.42
3
3.63
6
2.98
3
2.57
3
3.26
2
3.23
4
2.28
1093
176
392
7293
37.9
553
381
146
1866
40.6
1091
291
560
11240
39.1
1327
331
296
5653
39.8
1194
279
172
2806
40
1226
314
408
8042
39.5
1188
414
352
7557
39.8
973
364
272
4400
40.6
2.30
4
2.91
2
3.01
5
3.01
1085
328
140
1739
41.8
1072
304
383
7340
39
1122
30
352
7292
37.2
990
366
374
7325
38.4
1.90
1
3.00
9
1.89
9
2.95
9
2.97
1
2.98
350
209
95
1370
37.4
947
294
342
6888
37.5
342
311
120
1425
37.5
1116
296
387
7625
39.2
1128
312
397
7779
39.4
1126
204
393
7885
39.2
6
2.04
2
3.83
3
2.32
8
2.20
8
2.36
2
2.25
9
2.01
9
2.66
1
2.44
4
2.33
7
2.04
6
2.84
7
4.15
8
3.04
7
4.51
2
2.34
2
2.34
1
2.34
1
10.1
6.6
11.6
10.2
9.1
10.8
10.7
8.4
8.2
10.2
10.9
10.6
8.2
10.6
8.1
10.5
10.5
10.6
SOLUCION
a). La interpretacin es sencilla. Manteniendo ceteris paribus, por lo tanto, si
los salarios por hora suben en promedio en un dlar, las horas de trabajo
anuales disminuyen alrededor de 93 horas. El R 2 es alto.
La regresin de las horas de trabajo en todos los regresores, obtenemos los
siguientes resultados:
Dependent Variable: HORAS
Method: Least Squares
Date: 06/04/14 Time: 18:14
Sample: 1 35
Included observations: 35
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
TASA
IAPE
IAPO
PAN
VALORES
EDAD
DEP
ESCOLARIDAD
1904.578
-93.75255
0.000225
-0.214966
0.157208
0.015572
-0.348636
20.72803
37.32563
251.9333
47.14500
0.038255
0.097939
0.516406
0.025405
3.722331
16.88047
22.66520
7.559849
-1.988600
0.005894
-2.194896
0.304427
0.612970
-0.093661
1.227930
1.646826
0.0000
0.0574
0.9953
0.0373
0.7632
0.5452
0.9261
0.2305
0.1116
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.825555
0.771879
30.62279
24381.63
-164.2220
15.38050
0.000000
2137.086
64.11542
9.898400
10.29835
10.03646
1.779824
b). Para ahorrar espacio, vamos a calcular la VIF y TOL slo de la tasa de
regresores. La regresin del ratio o la Tasa sobre todos los dems regresores se
obtiene un valor R2 de 0,9416. Utilizando la frmula, se puede, se verificar
que la VIF para este regresor es de aproximadamente 2.224, por lo tanto, TOL
es la inversa de este nmero, que es 0,00045.
c). No todas las variables son necesarias en el modelo. Usando una o ms de
las pruebas de diagnstico tratados y una o ms variables se puede utilizar o
una combinacin lineal de cules podran ser utilizadas.
d). Aunque los resultados son mixtos, tal vez hay algunas pruebas de que el
efecto del impuesto sobre la renta es negativo.
HETEROCEDASTICIDAD
11.16. Gasto alimentario en India. En la tabla 2.8 se proporcionaron datos
sobre el gasto en alimentos y el gasto total de 55 familias de India.
a) Haga la regresin del gasto alimentario sobre el gasto total y examine los
residuos obtenidos en dicha regresin.
SOLUCION
a). Los resultados de la regresin son los siguientes:
Dependent Variable: FOODEXP
Method: Least Squares
Date: 06/05/14 Time: 10:33
Sample: 1 55
Included observations: 55
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
TOTALEXP
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
94.20878
0.436809
0.369824
0.357934
66.85575
236893.6
-308.1625
31.10345
0.000001
50.85635
0.078323
1.852449
5.577047
0.0695
0.0000
373.3455
83.43510
11.27864
11.35163
11.30686
2.083299
Parece que a medida que el total del gasto aumenta, el valor absoluto de los
residuales tambin aumenta, tal vez de manera no lineal.
Coefficient
Std. Error
t-Statistic
Prob.
C
TOTALEXP
-16.86288
3.707235
10.00140
1.551873
-1.686053
2.386300
0.0977
0.0206
R-squared
Prueba de Glejser:
0.097018
Dado que el coeficiente de la pendiente estimada es estadsticamente significativa, la prueba Glejser tambin
sugiere heterocedasticidad.
Heteroskedasticity Test: Glejser
F-statistic
Obs*R-squared
Scaled explained SS
8.282868
7.433689
7.664399
Prob. F(1,53)
Prob. Chi-Square(1)
Prob. Chi-Square(1)
0.0058
0.0064
0.0056
Test Equation:
Dependent Variable: ARESID
Method: Least Squares
Date: 06/05/14 Time: 11:06
Sample: 1 55
Included observations: 55
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
TOTALEXP
-32.21965
0.130709
29.48998
0.045417
-1.092563
2.877997
0.2795
0.0058
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.135158
0.118840
38.76752
79654.81
-278.1900
8.282868
0.005758
51.30839
41.29911
10.18873
10.26172
10.21696
1.846747
Prueba de White:
Si se multiplica el valor R cuadrado por el nmero de observaciones (55) y la
hiptesis nula es que no existe heterocedasticidad, el producto resultante de
7,3745 sigue la distribucin de chi-cuadrado con 2 y el valor p de dicho valor
de chi-cuadrado es de aproximadamente 0.025, que es pequeo. Por lo tanto,
al igual que la prueba de Park y Glejser, la prueba de White tambin sugiere
heterocedasticidad
Heteroskedasticity Test: White
F-statistic
Obs*R-squared
Scaled explained SS
4.025939
7.374513
7.650764
Prob. F(2,52)
Prob. Chi-Square(2)
Prob. Chi-Square(2)
0.0237
0.0250
0.0218
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/05/14 Time: 11:37
Sample: 1 55
Included observations: 55
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
TOTALEXP
TOTALEXP^2
13044.00
-53.12260
0.059795
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.134082
0.100778
6161.639
1.97E+09
-556.4346
4.025939
0.023681
21156.58
71.48347
0.058860
0.616546
-0.743145
1.015887
0.5402
0.4607
0.3144
4307.157
6497.746
20.34307
20.45257
20.38542
2.116734
Coefficient
Std. Error
t-Statistic
Prob.
C
TOTALEXP
94.20878
0.436809
43.26305
0.074254
2.177581
5.882597
0.0339
0.0000
R-squared
0.369824
AUTOCORRELACION
12.21. Prueba para correlacin serial de orden superior. Suponga que tenemos
informacin de series de tiempo sobre una base trimestral. En los modelos de
regresin que consideran informacin trimestral, en lugar de utilizar el
esquema AR(1), puede ser ms apropiado suponer un esquema AR(4) como el
siguiente:
ut = 4ut4 + t
es decir, suponer que el trmino de perturbacin actual est correlacionado
con el trmino para el mismo trimestre del ao anterior, en lugar de estarlo
con el del trimestre anterior. Para probar la hiptesis de que 4 = 0, Wallis
sugiere la siguiente prueba d modificada de Durbin-Watson:
d4 =nt=5(u t ut4)2
------------------------------nt=1 u2t
El procedimiento de prueba sigue la rutina de la prueba d usual analizada en el
texto. Wallis prepar las tablas d4, las cuales se encuentran en su artculo
original. Suponga ahora que hay informacin mensual. Puede generalizarse la
prueba Durbin-Watson para considerar tal informacin? De ser as, escriba la
frmula d12 adecuada.
Solucion:
La frmula debera ser:
n1 u2t
MODELOS DINAMICOS
Considere el siguiente modelo de rezagos distribuidos:
i = a0 + a1i + a2i
SOLUCION:
Teniendo en cuenta que:
i = a0 + a1i + a2i
Si:
Yt = + 4i=0 (i Xi ) + ut
= + (a0 + a1i +a 2i2) Xt-1 + ut
= + a2 (-4 i Xt-i + i2 Xt-i ) + ut