Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Econometría I
Taller 5
El siguiente taller puede realizarse en Excel, Stata o R. Se hace de forma individual y debe tener
análisis correspondiente a lo que se solicite en cada punto
1. Con la información del archivo Base Crimen.xls resuelva los siguientes puntos:
crimen i=β 1+ β2 poblacioni+ β 3 desempelo i−β 4 No policias+ β 5 ingreso percapita i + β 6 ingreso percapita
b. Explique de forma concreta que trata cada uno de los siguientes test de normalidad:
Cramer Von Mises
Kolmogorov-Smirnor
Pearson
Shapiro Francia
Jarque Bera
c. Realice el análisis en histograma y en puntos de dispersión de la forma en la que están
distribuidos los errores. (muy concret@ en el análisis con su gráfico correspondiente).
d. De acuerdo al numeral b, utilice cualquier test y explique el cumplimiento o no de la
normalidad en los errores.
e. Realice una trasformación en la variable dependiente sacando el ln del crimen, el ln del
ingreso per cápita y el ln de la población. De allí realice la regresión y analice gráficamente
y mediante el test, la normalidad. ¿Qué puede decir de este nuevo modelo?
f. Del numeral e realice una explicación clara de cada variable según el resultado obtenido.
¿es coherente el análisis con el resultado y los signos?
g. De la regresión en el numeral e, analice la prueba de hipótesis de β 1 que es la constante e
interprete su resultado
Solución
Resumen
Estadísticas de la regresión
Coeficiente de correlación
múltiple 0,91300943
Coeficiente de determinación
R^2 0,833586219
R^2 ajustado 0,823910999
Error típico 12459,68452
Observaciones 92
ANÁLISIS DE VARIANZA
Grados de Suma de
libertad cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 5 66876537726 13375307545 86,1568247 5,5047E-32
Residuos 86 13350961493 155243738,3
Total 91 80227499219
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepción -5107,328571 10507,34542 -0,486072207 0,628152233 -25995,23994 15780,5828 -25995,23994 15780,5828
Variable X 1 0,050395866 0,013441245 3,749345204 0,000320647 0,023675556 0,077116176 0,023675556 0,077116176
Variable X 2 36,90626608 549,1726602 0,067203393 0,946575777 -1054,81285 1128,625382 -1054,81285 1128,625382
Variable X 3 17,89126968 3,900994541 4,586335484 1,5218E-05 10,1363492 25,64619017 10,1363492 25,64619017
Variable X 4 0,574103574 0,814228054 0,705089405 0,482659917 -1,044528227 2,192735375 -1,044528227 2,192735375
Variable X 5 23,7225035 13,91519043 1,704791869 0,091843421 -3,939979542 51,38498655 -3,939979542 51,38498655
Interpretación de los estimadores.
Conjunto
Individual
Ingreso per cápita: Si el ingreso per cápita aumenta en mil dólares, el número de los
crímenes aumentaría en 0,57, sin embargo, según los resultados obtenidos, este factor
NO es relevante para determinar el número de crímenes.
Test de Cramer Von Mises: se emplea para juzgar la bondad de una función de
distribución acumulada F comparada con una función de distribución empírica Fn, o para
comparar dos distribuciones empíricas. Es útil para pequeñas muestras y usa los
momentos como criterio.
Test de Pearson: mide la discrepancia entre una distribución observada y otra teórica
(bondad de ajuste), indicando en qué medida las diferencias existentes entre ambas, de
haberlas, se deben al azar en el contraste de hipótesis. También se utiliza para probar la
independencia de dos variables entre sí, mediante la presentación de los datos en tablas
de contingencia.
Jarque Bera: es una prueba de bondad de ajuste para comprobar si una muestra de datos
tiene la asimetría y la curtosis de una distribución normal.
d) Test de normalidad
Prueba de
normalidad
x 1845,86032
(X-Med)2 90262905,8
Ai*Dif 6912,01081
Sw c 0,52929709
Sw t 0,788
p-Value >0,5
Según los resultados del test, se puede deducir que los errores no cumplen con la normalidad, ya
que el resultado Sw (Shapiro) del test, es mayor al nivel de significancia 0.5, por lo cual se puede
decir que la probabilidad de la hipótesis nula sea cierta.
e) Estimación del nuevo modelo con Ln de Crimen, Población y Tasa de Ingreso Per Cápita
Resumen
Estadísticas de la regresión
Coeficiente de correlación 0,92988722
múltiple 1
Coeficiente de 0,86469024
determinación R^2 4
0,85682339
R^2 ajustado 8
0,28078436
Error típico 9
Observaciones 92
ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los Valor crítico
libertad cuadrados cuadrados F de F
109,915741
Regresión 5 43,32870958 8,665741917 9 7,9428E-36
Residuos 86 6,780228124 0,078839862
Total 91 50,10893771
Prueba de
normalidad
X 0,364501253
2
(X-Med) 2,942490379
Ai*Dif 1,291176086
Sw c 0,566573029
Sw t 0,788
p-Value >0,5
Análisis:
Este modelo se acerca más a la normalidad, con errores mínimos y grados de significancia
aceptables, sin embargo, existen aún dos variables que no tienen relevancia para explicar los
crímenes.
Conjunto
Individual
Ingreso per cápita: Si el ingreso per cápita aumenta en 1%, el número de los crímenes
aumentaría en 0,17%
Ho= B1= 0;
El Logaritmo de la población, la tasa de desempleo, el número de policías, el logaritmo del
ingreso per cápita, y el área de seguridad, no son relevantes para explicar el aumento de
crímenes.
Ha= B1# 0.
· Nivel de error: 5%