Universidad Piloto de Colombia

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:

a. Estime el siguiente modelo econométrico e interprete los resultados de la estimación, es

decir los coeficientes (su análisis acorde al resultado obtenido, significancia estadística
(individual y conjunta).

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

a) Estimación del modelo de regresión

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

 Crimen: Sí la población, la tasa de desempleo, el número de policías, el ingreso per cápita,

y el área de seguridad son iguales a 0; el número de crímenes disminuye en 510.732.

Individual

 Población: Si la población aumenta en mil unidades, los crímenes aumentarían en un

5,03%; es un resultado esperado, ya que, al incrementarse el número de la población, se
incrementa la probabilidad de que dentro de esa población existan más personas que
cometan los crímenes.

 Tasa de desempleo: Sí la tasa de desempleo aumenta en 1%, el número de crímenes

aumentaría 3.690, es un resultado esperado, ya que, al incrementarse el número de
personas desempleadas acudirían a cometer crímenes para subsistir, sin embargo, según
los resultados obtenidos, este factor NO es relevante para determinar el número de
crímenes.

 Número de policías: Sí el número de policías disminuye en una unidad, el número de

crímenes aumentaría 1.789; es un resultado esperado, ya que, al disminuir la cantidad de
policías, los delincuentes tendrían más oportunidad de cometer los crímenes.

 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.

 Área de seguridad: Si el área de seguridad aumenta en una unidad, el número de

crímenes aumentaría en 2372, no es un resultado esperado, pues si el área de seguridad
aumenta, los crímenes tenderían a disminuir.

b) Explicación test de normalidad

 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 Kolmogorov-Smirnor: es una prueba no paramétrica que determina la bondad de

ajuste de dos distribuciones de probabilidad entre sí. Se aplica más ampliamente cuando
la muestra es grande.

 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.

 Test de Shapiro: El Test de Shapiro–Wilk se usa para contrastar la normalidad de un

conjunto de datos. Se plantea como hipótesis nula que una muestra x proviene de una
población normalmente distribuida.

 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.

c) Histograma y Grafica de dispersión de los errores

Análisis:

Según los resultados obtenidos al realizar el histograma y la gráfica de dispersión, se puede

suponer que no hay una relación lineal, ya que los errores se presentan en gran magnitud y
valores muy elevados.

d) Test de normalidad

Para realizar el test de normalidad, se escogió el método de Shapiro

Prueba de
normalidad

  Errores (X-Med)2 ai Xi Inversa Diferencia

3407150,7 10507,345
1 0,013441245 1 0,6431 4 10507,332
3404195,0
2 0,814228054 9 0,2806 549,17266 548,358432
3392814,1 13,915190
3 3,900994541 6 0,0875 4 10,0141959
3356022,9 3,9009945
4 13,91519043 6   4  
1681398,8 0,8142280
5 549,1726602 9   5  
0,0134412
6 10507,34542 75021324   4  

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

ln crimen i=β 1 + β 2 ln poblacioni+ β3 desempelo i−β 4 No policias + β 5 ln ingreso percapita i + β 6 areai+ ei

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      

Probabilida Inferior Superior Inferior Superior

  Coeficientes Error típico Estadístico t d 95% 95% 95,0% 95,0%
- -
1,24491621 0,51946586 2,58115674 5,07098918 2,58115674 5,07098918
Intercepción 7 1,924647683 0,646828107 9 8 1 8 1
0,83616861 2,23313E- 0,68006368 0,99227354 0,68006368 0,99227354
Variable X 1 4 0,078526205 10,64827488 17 6 3 6 3
- - -
0,01340154 0,30650788 0,03929980 0,01249671 0,03929980 0,01249671
Variable X 2 8 0,013027726 -1,028694365 6 9 3 9 3
 0,01325777 3,45857E- 0,00028865 3,45857E- 0,00028865
Variable X 3 0,00016162 6,39026E-05 2,529160367 1 05 4 05 4
- - -
0,17306167 0,31279422 0,51190082 0,16577747 0,51190082 0,16577747
Variable X 4 6 0,170447871 -1,015334921 4 9 8 9 8
- -
0,00018280 0,53590364 0,00040190 0,00076751 0,00040190 0,00076751
Variable X 5 6 0,000294129 0,621516893 4 3 5 3 5
Histograma y gráfico de dispersión
Test de normalidad Shapiro

Prueba de
normalidad

  Errores (X-Med)2 ai Xi Inversa Diferencia

1 6,39026E-05 0,132814582 0,6431 1,924647683 1,924583781
2 0,000294129 0,132646829 0,2806 0,170447871 0,170153742
3 0,013027726 0,12353364 0,0875 0,078526205 0,065498479
4 0,078526205 0,081781728   0,013027726  
5 0,170447871 0,037656715   0,000294129  
6 1,924647683 2,434056885   6,39026E-05  

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.

f) Interpretación de los estimadores o variables.

Conjunto

 Crimen: Sí la población, la tasa de desempleo, el número de policías, el ingreso per cápita,

y el área de seguridad son iguales a 0; el número de crímenes aumenta en 124%

Individual

 Población: Si la población aumenta en 1%, los crímenes aumentarían en un 0,83%; es un

resultado esperado, ya que, al incrementarse el número de la población, se incrementa la
probabilidad de que dentro de esa población existan más personas que cometan los
crímenes.
 Tasa de desempleo: Sí la tasa de desempleo aumenta en 1, el número de crímenes
aumentaría 0,13%, es un resultado esperado, ya que, al incrementarse el número de
personas desempleadas acudirían a cometer crímenes para subsistir.

 Número de policías: Sí el número de policías disminuye en una unidad, el número de

crímenes aumentaría 0,00163%; no es un resultado esperado, ya que, al disminuir la
cantidad de policías se esperaría un aumento considerable en la cantidad de crímenes

 Ingreso per cápita: Si el ingreso per cápita aumenta en 1%, el número de los crímenes
aumentaría en 0,17%

 Área de seguridad: Si el área de seguridad aumenta en 1%, el número de crímenes se

mantendría igual, es un resultado esperado, ya que el aumento del área sería
insignificante.

g) Análisis de las hipótesis

Hipótesis de relevancia individual:

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%

· Estadístico de prueba: 1,244916217/1,924647683= 0,647037

· Tc: 0,647037 > Tc: 1,960 No es relevante.

Por lo cual se acepta la hipótesis nula.