APORTE SHERIDAN NAYELI BETANCOUR JIMENEZ – FASE 5.

Modelo por efectos fijos

β 1 : Comportamiento de l_PoblaciAnenedaddetrabajar, cuando las variables

explicativas (l_TGP, l_TO, l_TD), toman valor 0, siendo así,
l_PoblaciAnenedaddetrabajar toma el valor de 3,75.

β 2 : Impacto de l_PoblaciAnenedaddetrabajar ante cambios en l_TGP. Si la l_TGP

se incremente en un punto porcentual, l_PoblaciAnenedaddetrabajar se
incrementa en 0,14 puntos porcentuales. Pero, la variable no logra explicar el
comportamiento de l_PoblaciAnenedaddetrabajar debido a que no es
estadísticamente significativa, el p valor el mayor a 0,05 y el estadístico t es
inferior a 2.

1
β 3 : Es el impacto de l_PoblaciAnenedaddetrabajar ante cambios en l_TO. Si l_TO
se incrementa en un punto porcentual, l_PoblaciAnenedaddetrabajar se
incrementa en -0,02 puntos porcentuales.

R 2 determina el procentaje de explicación de las variables independientes

(exógenas) a la variable dependiente (endógena). El 95,90% las variables l_TGP,
l_TO, l_TD, logran explicar el comportamiento de l_PoblaciAnenedaddetrabajar.

R 2intra examina el comportamiento dentro de las categorías o individuos. Es

decir que dentro de las ciudades Arauca, Yopal, Mocoa y Leticia se logra explicar
el comportamiento de l_PoblaciAnenedaddetrabajar, en 50,17%

Conclusión: El modelo no es el adecuado, debido a que los valores de loes

estadísticos t, de las variables no son significativas. Por lo que se deben hacer
ajustes para lograr la significancia estadística.

Contraste conjunto de los regresores (excepto la constante) –

Estadístico de contraste: F(3, 21) = 7,04815
con valor p = P(F(3, 21) > 7,04815) = 0,00186018

Se rechaza hipótesis nula.

Contraste de diferentes interceptos por grupos -

Hipótesis nula: [Los grupos tienen un intercepto común]

Estadístico de contraste: F(3, 21) = 85,8381
con valor p = P(F(3, 21) > 85,8381) = 5,9566e-012
Se rechaza hipótesis nula. Los datos entre los grupos son heterogéneos.

Modelo por efectos fijos – dicótomas

Modelo 1: Efectos fijos, utilizando 28 observaciones

Se han incluido 4 unidades de sección cruzada
Largura de la serie temporal = 7
Variable dependiente: l_poblaciAnenedaddetrabajar

Coeficiente Desv. TÃ- EstadÃstico valor p

pica t
const 4,43141 0,0611783 72,43 <0,0001 ***
l_TGP 0,124099 0,0392914 3,158 0,0065 ***
l_TO −0,14926 0,0423623 −3,524 0,0031 ***
7
l_TD −0,02111 0,0100029 −2,111 0,0520 *
2
 15
dt_2 0,00481739 0,00149230 3,228 0,0056 ***
dt_3 0,00919979 0,00208781 4,406 0,0005 ***
dt_4 0,0146250 0,00179653 8,141 <0,0001 ***
dt_5 0,0210046 0,00145461 14,44 <0,0001 ***
dt_6 0,0248377 0,00162652 15,27 <0,0001 ***
dt_7 0,0280682 0,00145078 19,35 <0,0001 ***

Media de la vble. dep. 4,308522 D.T. de la vble. dep. 0,035286

Suma de cuad. 0,000041 D.T. de la regresión 0,001645
residuos
R-cuadrado MCVF 0,998793 R-cuadrado 'intra' 0,985314
(LSDV)
F(12, 15) MCVF 1034,319 Valor p (de F) 1,31e-19
Log-verosimilitud 148,4927 Criterio de Akaike −270,98
53
Criterio de Schwarz −253,66 Crit. de Hannan- −265,69
67 Quinn 09
rho 0,168381 Durbin-Watson 1,429530

Contraste conjunto de los regresores (excepto la constante) -

Estadístico de contraste: F(3, 15) = 8,46784
con valor p = P(F(3, 15) > 8,46784) = 0,00157387

SE RECHAZA HIPOTESIS NULA. LAS REGRESORAS NO SON

ESTADISITICAMENTE SIGNIFICATIVAS.

Contraste de diferentes interceptos por grupos -

Hipótesis nula: [Los grupos tienen un intercepto común]
Estadístico de contraste: F(3, 15) = 923,994
con valor p = P(F(3, 15) > 923,994) = 3,10402e-017

SE RECHAZA HIPOTESIS NULA. LOS INTERCEPTOS NO SON LOS MISMOS

PARA CADA REGIÓN.

Contraste conjunto de Wald sobre las variables ficticias temporales -

Hipótesis nula: Sin efectos temporales
Estadístico de contraste asintótico: Chi-cuadrado(6) = 493,939
con valor p = 1,69918e-103

SE RECHAZA HIPOTESIS NULA. LAS VARIABLES FICTISIAS SI TIENEN

EFECTOS EN EL MODELO.

Los valores absolutos del estadístico t, son en su totalidad mayores a 2, lo que

se traduce que son estadísticamente significativos. El R cuadrado corresponde al
99%, lo que es un excelente valor, igualmente que el R cuadrado intra, el cual
3
corresponde al 98%. Con esto se concluye que este es un excelente modelo para
el estudio.

Dt_2 = 1, equivale al periodo 2012

≠ 1, equivale a otro periodo.

Cuando el año a analizar es el 2012, en todas las ciudades capitales Leticia,

Mocoa, Yopal y Arauca, la población en edad de trabajar equivale a 0,00481739.

Dt_3 = 1, equivale al periodo 2013

≠ 1, equivale a otro periodo.

Cuando el año a analizar es el 2013, en todas las ciudades capitales Leticia,

Mocoa, Yopal y Arauca, la población en edad de trabajar equivale a 0,00919979.

Dt_4 = 1, equivale al periodo 2014

≠ 1, equivale a otro periodo.

Cuando el año a analizar es el 2014, en todas las ciudades capitales Leticia,

Mocoa, Yopal y Arauca, la población en edad de trabajar equivale a 0,0146250.

Dt_5 = 1, equivale al periodo 2015

≠ 1, equivale a otro periodo.

Cuando el año a analizar es el 2015, en todas las ciudades capitales Leticia,

Mocoa, Yopal y Arauca, la población en edad de trabajar equivale a 0,0210046.

Dt_6 = 1, equivale al periodo 2016

≠ 1, equivale a otro periodo.

Cuando el año a analizar es el 2016, en todas las ciudades capitales Leticia,

Mocoa, Yopal y Arauca, la población en edad de trabajar equivale a 0,0248377.

Dt_7 = 1, equivale al periodo 2017

≠ 1, equivale a otro periodo.

Cuando el año a analizar es el 2017, en todas las ciudades capitales Leticia,

Mocoa, Yopal y Arauca, la población en edad de trabajar equivale a 0,0280682.

Modelo por efectos aleatorios.

Modelo 2: Efectos aleatorios (MCG), utilizando 28 observaciones

Utilizando la trasformación de Nerlove
Se han incluido 4 unidades de sección cruzada
4
Largura de la serie temporal = 7
Variable dependiente: l_poblaciAnenedaddetrabajar

Coeficiente Desv. TÃ- z valor p

pica
const 3,74090 0,199638 18,74 <0,0001 ***
l_TGP 0,145484 0,141679 1,027 0,3045
l_TO −0,02460 0,149976 −0,1641 0,8697
89
l_TD 0,0238932 0,0261972 0,9121 0,3617

Media de la vble. dep. 4,308522 D.T. de la vble. dep. 0,035286

Suma de cuad. 0,034810 D.T. de la regresión 0,037315
residuos
Log-verosimilitud 53,93047 Criterio de Akaike −99,860
94
Criterio de Schwarz −94,532 Crit. de Hannan- −98,231
12 Quinn 87
rho 0,381249 Durbin-Watson 0,605939

Varianza 'entre' (between) = 0,00161538

Varianza 'dentro' (Within) = 4,91704e-005
theta usado para quasi-demeaning (cuasi-centrado de los datos) = 0,9342
Contraste conjunto de los regresores (excepto la constante) -
La varianza entre las ciudades capitales, no es amplia. Cuenta con un valor de
0,00161538.
La varianza dentro de los datos de cada capital muestra una varianza más
pequeña que la anterior, su valor es de 4,91704e-005

Estadístico de contraste asintótico: Chi-cuadrado(3) = 21,6584

con valor p = 7,68273e-005

Contraste de Breusch-Pagan -
Hipótesis nula: [Varianza del error específico a la unidad = 0]
Estadístico de contraste asintótico: Chi-cuadrado(1) = 26,6726
con valor p = 2,4101e-007

Contraste de Hausman -
Hipótesis nula: [Los estimadores de MCG son consistentes]
Estadístico de contraste asintótico: Chi-cuadrado(3) = 2,96529
con valor p = 0,397008

Se acepta hipótesis nula. Se opta estratégicamente por el modelo de Modelos

por efectos fijos – dicótomas
5
PREGUNTAS DEL ANEXO.

1. Junto con su equipo de trabajo, usted debe especificar un Modelo Arima

con el fin de postular al equipo para un apoyo de fomento a la
investigación.
Por tanto, propone que se trabaje a partir de la variable
o gasto público social anual del gobierno central del país para la
implementación de las políticas públicas sociales.
o inversión departamental en todos los proyectos de
infraestructura y desarrollo durante la vigencia más
reciente.
o consumo medio de los hogares clasificado por año y municipio en
un lapso de al menos los últimos diez periodos.
o pobreza multidimensional de diversos países en función del nivel
de población correspondiente para cada lugar.

Segunda opción: inversión departamental en todos los proyectos de

infraestructura y desarrollo durante la vigencia más reciente. Si se
trata de postular a mi equipo, y con ello fomentar la investigación,
uno de los temas mas interesantes y llamativos son los resultados de
la inversión, reflejada en el desarrollo de las regiones. O las
inversiones proyectadas para generar desarrollo.

2. En el análisis de una serie de tiempo, se obtuvo la prueba de Dickey

Fuller Aumentada, con un estadístico de -1.624 y un p-valor
correspondiente de 0.7713. El objetivo es especificar un modelo
univariado.
Le solicitan que continúe desarrollando dicho análisis por lo que usted.

6
 o obtiene el logaritmo natural de la serie en busca de que la
transformación permita que sea estacionaria.
o calcula las funciones de autocorrelación simple y parcial con el
fin de establecer un número de rezagos.
o estima una ecuación lineal para la serie, a partir del periodo de
los ciclos estacionales que la caracterizan.
o genera las medidas descriptivas con el propósito de explicar el
comportamiento que presentan los datos.

Primera opción: obtiene el logaritmo natural de la serie en busca de que la

transformación permita que sea estacionaria. Es vital dentro del proceso de
implementar un modelo Arima, que las series sean estacionarias.

3. Usted está liderando un estudio sobre el precio de un bien. El modelo

que mejor se ajusta es bivariado y de rezagos distribuidos por tres
periodos.
Para la presentación de los resultados usted verifica que la ecuación
estimada muestre
o tres componentes autoregresivos incluidos dentro de la
función.
o coeficientes para la variable explicadora en el mismo periodo del
precio y para sus tres primeros rezagos.
o un solo término consistente en el rezago tres de la serie
exógena.
o un valor autoregresivo y otros para el tercer rezago tanto del
precio como el de la segunda variable.

Primera opción: tres componentes autoregresivos incluidos dentro de la

función. Por cuestiones estructurales y lógicas, es necesario que en la
ecuación se comprendan componentes de la función.

4. En la empresa en la que usted labora se obtuvo la medición de la

productividad del año de todos los trabajadores para 1995. Desde
entonces, cada año se mide esta variable y se agrega el dato
correspondiente conformando una matriz, en la que los años nombran
las columnas, y los códigos de los trabajadores nombran las filas.
Con los datos, le piden que analice la evolución de la productividad en la
empresa, por lo que usted
o Obtiene el valor medio por trabajador y genera un modelo
multivariado utilizando variables auxiliares como, por ejemplo,
remuneración, formación y antigüedad.
 o Estima el total por trabajador y construye un modelo Arima
con la serie resultante.
o Mide la variabilidad por año y calcula un modelo Sarima si
identifica estacionalidad.
o Genera diagramas de caja por año y compara los niveles,
luego realiza pruebas de hipótesis para observar si hay
variaciones medias significativas entre años.
Cuarta opción: Genera diagramas de caja por año y compara los niveles,
luego realiza pruebas de hipótesis para observar si hay variaciones
medias significativas entre años. La información presentada gráficamente,
es mucho más entendible, y de manera dinámica se puede llegar a
conclusiones bases para la investigación. La observación de variaciones
siempre es necesaria.

5. Se cuenta con un panel de datos para 2000-2019 con la proporción de

hogares en pobreza monetaria por departamento de Colombia. Se
espera que esta variable sea mitigada por la inversión pública social y
el modelo resultante debe ser de efectos fijos.
Para preparar los datos de modo que permitan desarrollar el modelo,
usted
o Promedia tanto la pobreza como la inversión anualmente, y
crea nuevos páneles con las diferencias entre los datos y su
media.
o Obtiene el logaritmo tanto de la inversión como de la pobreza,
con el fin de reducir la variabilidad en caso que se presente.
o Calcula la tasa de crecimiento de la inversión y establece la
correlación entre este panel y el de la pobreza.
o Estima la variación de la pobreza y luego, mide el grado de
asociación lineal de esta variable con inversión.

Segunda opción: Obtiene el logaritmo tanto de la inversión como de la

pobreza, con el fin de reducir la variabilidad en caso que se presente. Se
debe obtener el logaritmo solo si el coeficiente de variación de alguna de las
variables es mayor al 30%. Considerando las variables se ha de esperar que
esto ocurra, por lo que realizar este paso es vital para la especificación del
modelo por efectos fijos.