2.

Estime mediante MCO (linear models regression) el modelo de

precios hedónicos (líneal y semi-log) con todas las variables
explicativas.

MODELO LINEAL

+----------------------------------------------------+
| Ordinary least squares regression |
| Model was estimated Sep 07, 2019 at 02:35:57PM |
| LHS=PREC Mean = 44060.00 |
| Standard deviation = 13982.73 |
| WTS=none Number of observs. = 50 |
| Model size Parameters = 8 |
| Degrees of freedom = 42 |
| Residuals Sum of squares = .1274874E+10 |
| Standard error of e = 5509.459 |
| Fit R-squared = .8669279 |
| Adjusted R-squared = .8447492 |
| Model test F[ 7, 42] (prob) = 39.09 (.0000) |
| Diagnostic Log likelihood = -497.2992 |
| Restricted(b=0) = -547.7208 |
| Chi-sq [ 7] (prob) = 100.84 (.0000) |
| Info criter. LogAmemiya Prd. Crt. = 17.37686 |
| Akaike Info. Criter. = 17.37409 |
| Autocorrel Durbin-Watson Stat. = 1.7903981 |
| Rho = cor[e,e(-1)] = .1048010 |
+----------------------------------------------------+
+--------+--------------+----------------+--------+--------+----------+
|Variable| Coefficient | Standard Error |t-ratio |P[|T|>t]| Mean of X|
+--------+--------------+----------------+--------+--------+----------+
Constant| 36132.9768 5161.93320 7.000 .0000
AC | 96.4872886 57.0447116 1.691 .0982 46.3200000
NHABIT | 1468.85849 618.737013 2.374 .0222 3.90000000
CAPTO | 1493.06984 2179.26092 .685 .4970 .70000000
DISTPARQ| -20.8159949 3.57158945 -5.828 .0000 771.600000
DISTAVE | 8.58032278 2.91570707 2.943 .0053 584.400000
PISTA | 7136.15413 2849.38551 2.504 .0162 .72000000
SANEAM | 3601.78480 2640.58213 1.364 .1798 .72000000

MODELO SEMILOGARITMICO

+----------------------------------------------------+
| Ordinary least squares regression |
| Model was estimated Sep 07, 2019 at 02:38:40PM |
| LHS=LPREC Mean = 10.63389 |
| Standard deviation = .3750139 |
| WTS=none Number of observs. = 50 |
| Model size Parameters = 8 |
| Degrees of freedom = 42 |
| Residuals Sum of squares = .9022678 |
| Standard error of e = .1465693 |
| Fit R-squared = .8690684 |
| Adjusted R-squared = .8472464 |
| Model test F[ 7, 42] (prob) = 39.83 (.0000) |
| Diagnostic Log likelihood = 29.42475 |
| Restricted(b=0) = -21.40226 |
| Chi-sq [ 7] (prob) = 101.65 (.0000) |
| Info criter. LogAmemiya Prd. Crt. = -3.692094 |
| Akaike Info. Criter. = -3.694867 |
| Autocorrel Durbin-Watson Stat. = 1.8308162 |
| Rho = cor[e,e(-1)] = .0845919 |
+----------------------------------------------------+
+--------+--------------+----------------+--------+--------+----------+
|Variable| Coefficient | Standard Error |t-ratio |P[|T|>t]| Mean of X|
+--------+--------------+----------------+--------+--------+----------+
Constant| 10.5228838 .13732402 76.628 .0000
AC | .242142D-05 .00151757 .002 .9987 46.3200000
NHABIT | .01502658 .01646039 .913 .3665 3.90000000
CAPTO | .12221349 .05797535 2.108 .0410 .70000000
DISTPARQ| -.00058544 .950158D-04 -6.162 .0000 771.600000
DISTAVE | .00025203 .775672D-04 3.249 .0023 584.400000
PISTA | .25582694 .07580282 3.375 .0016 .72000000
SANEAM | .12081934 .07024798 1.720 .0928 .72000000

3 Seleccionar el mejor modelo, justifique su respuesta. Para seleccionar utilice los criterios
de dependencia (F) y ajuste (R2).

Selección del mejor modelo

Semi-
Criterios Lineal
Logarítmico
R-Cuadrado  0.8669279 0.8690684 
R-Cuadro ajustado 0.8447492  0.8472464 
F Calculado 39.09 39.83 

De acuerdo a criterios econométricos se elige el modelo semilogaritmico

4 En el modelo seleccionado, realizar un análisis estadístico (relevancia, dependencia y

ajuste).

1. RELEVANCIA

LnPrec=β 0 + β 1 AC+ β 2 NHABIT + β 3 CAPTO + β 4 DISTPARQ+ β5 DISTAVE+ β 6 PISTAS+ β 7 SANEAM

¿=β 0+ β1 AC + β 2 NHABIT + β 3 CAPTO+ β 4 DISTPARQ+ β 5 DISTAVE + β 6 PISTAS + β 7 SANEAM

VARIABLES Coeficientes Probabilidad Nivel de significancia

PREC 10.5228 0.0000 Altamente Significativo al 1 %
AC 0.00002421 0.9987 No significativo
NHABIT 0.015 0.3665 No significativo
CAPTO 0.1222 0.041 Significativo al 5 %
DISTPARQ -0.0005 0.0000 Altamente Significativo al 1 %
DISTAVE 0.00025 0.0023 Altamente Significativo al 1 %
PISTAS 0.2558 0.0016 Altamente Significativo al 1 %
SANEAM 0.1208 0.0928 Significativo al 10 %

2. DEPENDENCIA
Model test F[ 7, 42] (prob) = 39.83 (.0000)

CONCLUSION: hay dependencia conjunta y es altamente significativa

3. AJUSTE DEL MODELO

R-squared = .8690684

El 86% de la variacion en el precio esta siendo explicada por la

variación en las variables independientes en el modelo; el 14% restante
se debe a otros variables que no están en el modelo.De acuerdo al R2
convencional se puede clasificar en Excelente

5. Al adquirir un inmueble en la zona de salcedo no solo se compra un

lote sino también se considera su entorno.Por ejmplo si encontramos dos
viviendas muy similares en sus caraceristicas excepto en vías asfaltadas
(PISTA). la diferencia en precio entre ellas es de S/. 11270.548 que nos
muestra el valor de ese atributo que al inicio no se puede observar como
precio explicito