Tarea #1

Ejercicio #1
1.-Colocar los datos.

2.- Introducir la ecuación del modelo

3.- El modelo

NOMBRE: Ericka Choez Jimenez CURSO: 4/8

4.-Multiplicar la variable con el 10% y agregarle variable time

5.-Resultado del modelo.

6.- Gráfico

NOMBRE: Ericka Choez Jimenez CURSO: 4/8

7.- Grafico “Spending”

8.- Resultado del modelo

9.- Correlograma

NOMBRE: Ericka Choez Jimenez CURSO: 4/8

10.- Diagrama de errores

11.- Ecuación del modelo

ANÁLISIS

NOMBRE: Ericka Choez Jimenez CURSO: 4/8

Una vez ingresado los 51 datos en sus respectivos campos (SALARY, SPENDING, D2
y D3), podemos saber si son variables ficticias o dicotómicas, para luego preceder a
efectuar la ecuación del modelo sin olvidar nuestra variable constante, dándonos como
resultado que no es significativo con mis probabilidades del 1%, 5% ni del 10% cuando
mi variable dependiente es SALARY, es decir, mi variable no afecta al modelo.
También podemos ver que mis errores no están correlacionados entre si porque mi
Durbin Watson stat es cercano a 2, específicamente con el valor de 1.971. Por lo tanto,
es preferible eliminar C para ver si esta situación mejora. Una vez hecho esto podemos
observar que sigue siendo no significativo para mi modelo.
Ahora, vamos a multiplicar el 2% de mis gastos para saber si mi modelo es significativo
o no y repetir el mismo procedimiento anterior para descubrirlo. Si trabajamos con
logaritmos en nuestras variables nos estamos refiriendo al modelo Cobb Douglas, en
donde es de tal importancia agregar el campo (TIME), consecutivamente, para luego
calcular la tasa de crecimiento de (SALARY – SPENDING) y saber cuál ha aumentado
más a lo largo del tiempo. Dando como resultado que mi tasa de crecimiento de
SPENDING es la mayor con respecto a SALARY, reflejando los siguientes valores:
SPENDING (0.50%) mientras que SALARY (0.17%)
Otra forma de analizar la correlación de los errores es con el correlograma, si mi
diagrama de barras pasa las líneas entre cortadas existirá una correlación entre los
errores. El valor residual se lo saca con mi variable dependiente menos mi variable
dependiente estimada. Una vez estimada la ecuación siempre se le suma UT al final, ya
que, este son las probabilidades estadísticas de los errores y esto me hace más confiable
el modelo.

NOMBRE: Ericka Choez Jimenez CURSO: 4/8

Ejercicio #2
1.- Se presenta la base de datos

2.- la ecuación general

3.- Como no es significativa se elimina el cero.

NOMBRE: Ericka Choez Jimenez CURSO: 4/8

4.- La ecuación del modelo

5.- Se realiza el correlograma, esto nos ayuda a observar si las variables están o no
correlacionadas entre ellas.

6.- Histograma

NOMBRE: Ericka Choez Jimenez CURSO: 4/8

ANÁLISIS
Utilizando el programa Eviws e ingresando los datos con 18 categorías o variables AGE,
ALCOHOL, BLACK, CENS, DRUGS, DURAT, EDUC, FELON, FOLLOW, LDURAT,
MARRIED, PERSON, PRIORS, PROPERTY, RESID, RULES, TSERVED, WORKPRG Y
1445 Observaciones. Con ellos procedemos a realizar el modelo de regresión tomando en
cuenta el Bo o la constante, y notamos que diversas variables resultan ser no significativas con
el 1, 5 y 10 porciento. También podemos observar que con este modelo las categorías están
correlacionadas gracias al Durbin Watson Stat que nos arroja un valor mayor 2, es (2.045070).
R2 es 32.9394% este porcentaje dice que las variables independientes explican en 32.93% a la
variable dependiente, el estadístico F es 41.23099, el estadístico F muestra la relación entre las
muestras de la poblaciones que tienen varianzas iguales. Con ello concluimos eliminar el Bo del
modelo de regresión.
En la mayoría de la variables, el nivel de significancia es de 0.01 – 0.05 y 0.10, lo que significa
que el modelo se puede analizar. Pero sin embargo, el R 2 es 31.8294%, este coeficiente de
determinación es menor al coeficiente de correlación que incluye el Bo y el R 2 Ajustado es
31.0656, y también es menor al del modelo anterior. Nos dirigimos a QUICK<SERIES
STATITICS<CORRELOGRAM para mostrar el grafico de correlación, por lo que podemos ver
que el modelo sin el Bo no tienen correlación entre si ya que las barras no sobresalen del
margen. En el Histograma muestra se pueden comparar las observaciones de 1445, además nos
da una mejor visualización de los datos.

NOMBRE: Ericka Choez Jimenez CURSO: 4/8