Documentos de Académico
Documentos de Profesional
Documentos de Cultura
donde sat: resultado del test de aptitud escolar; hsperc: percentil de clasificación al
que pertenece el instituto; y tothoras: número de horas de clase de las asignaturas
universitarias. También está la variable semestre= 1 para el semestre de otoño =2
para el semestre de primavera.
Si queremos contrastar si hay diferencia entre hombres y mujeres del semestre
de primavera, deberemos contruir un modelo en el que el término constante pueda
diferir de un grupo a otro:
data<-read.table("chow.txt", header=TRUE)
> names(data)
[1] "sat" "tothoras" "GPA" "mujer" "hsperc" "semestre"
> index<- which(data$semestre==2
> data2<-data[index,]
> attach(data2)
> length(GPA)
[1] 366
Call:
74 CHAPTER 4. REGRESIÓN MÚLTIPLE CON VARIABLES CUALITATIVAS
Residuals:
Min 1Q Median 3Q Max
-1.59576 -0.31150 -0.01042 0.29369 1.35348
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1.4908498 0.1836782 8.117 7.57e-15 ***
sat 0.0011850 0.0001648 7.191 3.71e-12 ***
hsperc -0.0099569 0.0012446 -8.000 1.70e-14 ***
tothoras 0.0023429 0.0007554 3.102 0.00208 **
---
Signif. codes: 0 ’***’ 0.001 ’**’ 0.01 ’*’ 0.05 ’.’ 0.1 ’ ’ 1
> sum(residuals(chow.lm)^2)->SCR
> SCR
[1] 85.51507
> index<-which(mujer==1)
> GPA.1<-GPA[index]
> sat.1<-sat[index]
> hsperc.1<-hsperc[index]
> tothoras.1<-tothoras[index]
> GPA.2<-GPA[-index]
> sat.2<-sat[-index]
> hsperc.2<-hsperc[-index]
> tothoras.2<-tothoras[-index]
> chow.lm.1<-lm(GPA.1~1+sat.1+hsperc.1+tothoras.1)
> SCR.1<-sum(residuals(chow.lm.1)^2)
> SCR.1
[1] 19.60279
> sat[-index]->sat.2
> chow.lm.2<-lm(GPA.2~1+ sat.2+hsperc.2+tothoras.2)
> SCR.2<-sum(residuals(chow.lm.2)^2)
> SCR.2
4.5. CONTRASTE DE CAMBIO ESTRUCTURAL (CONTRASTE DE CHOW)75
[1] 58.75172
> SCR.irr<-SCR.1+SCR.2
> SCR.irr
[1] 78.3545
> ((SCR- SCR.irr)*358)/(SCR.irr*4)->F
> F
[1] 8.17911
> qf(0.05, 4, 358, lower.tail=FALSE)
[1] 2.396882
Por lo tanto rechazamos la hipótesis nula y por lo tanto una de las variables
de los términos cruzados no es estadı́sticamente significativa.
Estudiar la hipótesis nula H0 : β3 = β5 = β7 = 0. Sale F= 1.53, no rechazamos
la hipótesis nula. Esto significa que el mejor modelo es:
Call:
lm(formula = GPA ~ 1 + mujer + sat + hsperc + tothoras)
Residuals:
Min 1Q Median 3Q Max
-1.55122 -0.29553 -0.01821 0.29436 1.18113
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1.3285406 0.1798275 7.388 1.04e-12 ***
mujer 0.3100975 0.0586128 5.291 2.12e-07 ***
sat 0.0012144 0.0001591 7.635 2.04e-13 ***
hsperc -0.0084413 0.0012343 -6.839 3.43e-11 ***
tothoras 0.0024638 0.0007291 3.379 0.000806 ***
---
Signif. codes: 0 ’***’ 0.001 ’**’ 0.01 ’*’ 0.05 ’.’ 0.1 ’ ’ 1