Está en la página 1de 8

NOMBRE: ABIMAEL OLKER MAMANI ALEMAN

TAREA 2
ESPECIFICACIÓN, ESTIMACIÓN Y VALIDACIÓN
FORMULACIÓN DEL PROBLEMA

PREGUNTA 1
1. ¿Existe relación entre esperanza de vida y PBI Per cápita?
MODELO
y=β 1 + β 2 X 2+ u1

Donde:
Y = Esperanza de vida
X = PBI (producto bruto interno)
u = error (otros no considerados)

Plantamos las Hipótesis


Ho: B2 = 0 no existe relación entre esperanza de vida y PBI Per cápita
H1: B2 > 0 existe relación entre esperanza de vida y PBI Per cápita
Considerando los datos proporcionados por el STATA con el comando “Sysuse
Lifeexp”, y describimos las variables existentes en la data “describe”.

Se visualiza las variables (en el almacén de variables), las características de los datos
(numéricos o alfanuméricos).
Con el comando “summarize” demuestra el resumen de la estadística básica de las variables
(región, crecimiento, esperanza de vida, PBI y agua segura); así como, n° de observaciones,
promedio, desviación estándar y mínimo y máximo de datos.
El comando “tabulate region” muestra la tabla de distribución por regiones segun frecuencia
relativa porcentual, y frecuencia relativa acumulado para la tabla de datos.

El comando “tab country region” muestra el detalle de países considerados en la base de datos
(68 observaciones) dividido en tres grupos EUROPA, Norte América y Sud América (44,14,10)
El siguiente grafico muestra la esperanza de vida por regiones (desde 54 hasta79 años)
para cada región con el comando “tab lexp region”.

Si fuera necesario también se puede mostrar el resumen de las estadísticas básicas por
regiones EUROPA, Norte América o Sud América con el comando “summarize lexp if
region==1” 2 o 3

Para mostrar la tabla de distribución de las regiones y su respectiva codificación según


la base de datos usamos los comandos: “tab region” “tab region, nolabel”

Y verificamos que el Código: 1 Europa, 2 América del norte y 3 Sud América


Con el comando “summarize lexp, detail” se evidencia la esperanza de vida al nacer:
Por ejemplo, el 1% de la población tiene una esperanza de vida hasta 54 años, 5% tiene la
esperanza de vida hasta 62 años, el 50% de la población tiene un de esperanza de vida en
promedio hasta 73 años (…) y el 99% de la población tiene en promedio hasta los 79 años..
Asi mismo el comando “summarize lexp if region==1, detail”, muestra la esperanza de vida al
nacer por regiones 1,2 o 3.
Para ver el detalle del PBI per cápita utilizamos el comando “summarize gnppc , detail” que
muestra el detalle de 63 países que cuentan con datos sobre el PBI per cápita que va desde los
370 hasta los 39980.
Es así que el 1% de países tiene un PBI per cápita de 370, el 25% de países tienen un PBI per
cápita de hasta 410 y un 99% hasta 39980.
Así mismo, muestra la media de 8674.857 y la desviación estándar.

Así mismo, el comando “summarize gnppc , detail”, a 63 (número de observaciones) países que
registran un PBI per cápita desde los 370 hasta 39980
Posterior a los gráficos anteriores hallamos la covarianza de esperanza de vida con PBI Per
Cápita con la función “corr lexp gnppc , covariance” para 63 observacines, de acuerdo a los
datos tomados en cuenta y que sabemos que de 63 países se este índice.
Luego de ello con la función “corr lexp gnppc”, hallamos la correlación de Pearson entre las
variables Esperanza de vida y PBI per cápita. El mismo que muestra un 0.7182 (71.82% de
correlación) lo que significa que la variable dependiente ESPERANZA DE VIDA muestra una
dependencia del 71.82% respecto a la variable independiente PBI PER CÁPITA.

con la fórmula:
n n n
n ∑ x i y i−∑ xi∗∑ y i
i =1 i=1 i =1
r=
2 2

√[
n n n n
n∑
i =1
(∑ ) ][ ∑ (∑ ) ]
x 2i −
i=1
xi n
i=1
y 2i −
i =1
yi

Se debe aclarar que el coeficiente de correlación sólo puede variar de la siguiente manera:
1  r  1 y que para entenderlo mejor se debe obtener el coeficiente de determinación que se
obtiene con “ r “ cuadrada, ya que este representa el porcentaje que se explica “ y ” mediante los
datos de “ x ”.
En nuestro ejemplo decimos que la correlación es positiva, ya que, está muy cerca de 1.
Luego verificamos el nivel de confianza de la correlación de Pearson entre las variables al 95%
de confianza con el comando “pwcorr lexp gnppc, sig” con un nivel de significancia (5%)
Lo que indica que la correlación entre las variables consideradas si es significativo.
Luego verificamos el diagrama de dispersión con el comando “scatter lexp gnppc”

El mismo que indica que el PBI per cápita si determina la esperanza de vida de las personas
según el país en que vivan. Por ejemplo (ubicamos en el punto extremo superior derecho) si se
tiene un PBI per cápita de 40,000 tienen mayor esperanza de vida es decir una relación directa.
Así con el comando “two scatter lexp gnppc || lfit lexp gnppc” nos grafica una línea en el
diagrama de dispersión que asumo es el promedio.
RESPUESTA A LA PREGUNTA 1

Por lo tanto, respondiendo a la pregunta, sí existe relación entre esperanza de vida y PBI
Per cápita; además, existe suficiente evidencia estadística para rechazar la Ho.

Además, Rechazamos el Ho porque la probabilidad del nivel de significancia es del 5%


y que el PBI contribuye a explicar a las variaciones de la variable dependiente.
PREGUNTA 2

2. ¿Cuál es el efecto del PBI per cápita en la esperanza


de vida?
Para la pregunta 2 aplicamos el comando “regress lexp gnppc” que es nuestra regresión
lineal simple y=β1+ β2X2+u

Como se observa el número de observaciones es 63, además la probabilidad Prob >F = 0000
o sea menor a 0.0001, dado que si F < 0.05 significa que la variable PBI per cápita si
explica a la vatiable esperanza de vida, por otro lado, el R2 muestra 51.58% que explica que
la variable PBI explica en un 0.5158 a la variable esperanza de vida.
Es necesario aclarar que el R2 debe oscila entre 0 y 1. Cuanto más cerca de 1 se sitúe su
valor, mayor será el ajuste del modelo a la variable que estamos intentando explicar. De
forma inversa, cuanto más cerca de cero, menos ajustado estará el modelo y, por tanto,
menos fiable será; con la explicación anterior nuestro modelo se ajusta en 0.5158.
Con los resultados alcanzados tenemos:
Tc = 8.06
Fc = 64.98

RESPUESTA A LA PREGUNTA 2
Por tanto, el efecto del PBI en la esperanza de vida resulta de la siguiente manera:

Lexp = 69.44836+0.0003234*(PBI per cápita)


Entonces por cada punto que aumenta el PBI per cápita la esperanza de vida aumenta en
0.0003234 años.
PREGUNTA 3

3. ¿El efecto del PBI en cada región es diferente?


RESPUESTA 3
Para la región Europa (1)

El efecto es que por cada unidad de mejora en el PBI la esperanza de vida de la región
EUROPA mejora en 0.0002881 años
Para la región Norte y Centro América (2)

El efecto es que por cada unidad de mejora en el PBI la esperanza de vida de la región
Centro y Norte América mejora en 0.0004207 años.

Para la región Sud América (3)

El efecto es que por cada unidad de mejora en el PBI la esperanza de vida de la región
sud América mejora en 0.0010616 años.