UNIVERSIDAD NACIONAL DE HUANCAVELICA FACULTAD DE CIENCIAS EMPRESARIALES ESCUELA PROFESIONAL DE ECONOMÍA

Curso : ECONOMETRÍA I
Ciclo :V
Profesor : Mg. Max Henrry Alvarado Anampa
Semestre : 2020 – I

Practica Calificada N° 03
Apellidos y Nombres : Vilchez Ramos Gemima Geraldine
Código : 2016431043

MULTICOLINEALIDAD

Donde:
𝐿𝑃𝐵𝐼𝑡 = Tasa de crecimiento del PBI para el periodo t. (Variable Dependiente)
𝐿𝐼𝑁𝑉𝐺𝑁𝑡= Tasa de crecimiento de la inversión pública del gobierno nacional para el periodo t.
𝐿𝐼𝑁𝑉𝐺𝑅𝑡 = Tasa de crecimiento de la inversión pública de los gobiernos regionales para el periodo t.
𝐿𝐼𝑁𝑉𝐺𝐿𝑡= Tasa de crecimiento de la inversión pública de los gobiernos locales para el periodo t.
𝐿𝑃𝐸𝐴𝑡= Tasa de crecimiento de la población económicamente activa para el periodo t.

Se representa:
• LPBI = -21.64 + 0.039857*LINVGN + 0.035196*LINVGR + 0.005185*LINVGL +
2.686822*LPEA
• Uno de los indicios de la existencia de multicolinealidad se da cuando el Coeficiente
de Determinación (R2) es muy alto, como en este caso que es 94.92%.
• Existe multicolinealidad cuando no se puede diferenciar la influencia que ejercen las
variables explicatoria sobre la variable dependiente y existe un alto grado de relación
entre las variables explicatorias dificultando la medición del nivel de explicación de
cada variable explicatoria sobre la variable dependiente.

1
 UNIVERSIDAD NACIONAL DE HUANCAVELICA FACULTAD DE CIENCIAS EMPRESARIALES ESCUELA PROFESIONAL DE ECONOMÍA

Curso : ECONOMETRÍA I
Ciclo :V
Profesor : Mg. Max Henrry Alvarado Anampa
Semestre : 2020 – I
• El modelo presenta significancia individual en las variables LINVGN, LINVGR y LPEA
y se puede observar que el p-value de la variable LINVGL es 0.4431, mayor a 0.05,
por lo tanto, no es significativo.

• Según la matriz de correlación se puede observar que todas las variables

explicativas están fuertemente relacionadas entre sí, presentado coeficientes de
correlación lineal superiores a 0,7 en valor absoluto. Esto es un indicio claro de
presencia de multicolinealidad en el modelo.

PRUEBA DE NORMALIDAD

• Según este histograma con el test de normalidad de Jarque – Bera, como el valor
calculado de dicho test es menor a 5.99 se acepta la hipótesis nula y por tanto los
residuos se distribuyen normalmente.

2
 UNIVERSIDAD NACIONAL DE HUANCAVELICA FACULTAD DE CIENCIAS EMPRESARIALES ESCUELA PROFESIONAL DE ECONOMÍA

Curso : ECONOMETRÍA I
Ciclo :V
Profesor : Mg. Max Henrry Alvarado Anampa
Semestre : 2020 – I

PRUEBA DE HETEROSCEDASTICIDAD

• Eviews presenta el F-test (F-statistic) y el LM-test (Obs*R-squared) conjuntamente

con sus respectivos p-valores, Prob F(13,130) y Prob. Chi-Square(13).
• El número de regresores sin incluir el Intercepto es m = 13
• Se asume que el nivel de significancia deseado es del 5% y se utilizan los p-valores
para decidir si se rechaza o no la hipótesis nula de homocedasticidad:
Prob F(13;130) = 0,0484 < 0,05, en consecuencia, se rechaza H0.
• En base al test de White, se puede concluir que los errores de la regresión cumplen
el supuesto de homocedasticidad. Prob Chi-square(13) = 0,0549 > 0,05, no se
rechaza H0.

3
 UNIVERSIDAD NACIONAL DE HUANCAVELICA FACULTAD DE CIENCIAS EMPRESARIALES ESCUELA PROFESIONAL DE ECONOMÍA

Curso : ECONOMETRÍA I
Ciclo :V
Profesor : Mg. Max Henrry Alvarado Anampa
Semestre : 2020 – I

PRUEBA DE AUTOCORRELACIÓN

• El test de Durbin-Watson permite determinar si los errores presentan autocorrelación

de primer orden: si el valor del estadístico se ubica cerca de cero (cuatro), los errores
presentaran autocorrelación positiva (negativa).
• Si el estadístico toma un valor cercano a 2, los errores serán no auto
correlacionados.

• El test de Durbin-Watson para el ejemplo anterior es igual a 1,642501 el que se

encuentra en el área de no rechazo de la hipótesis nula.
• Se puede afirmar que en ejemplo los errores no presentan autocorrelación de primer
orden.

4
 UNIVERSIDAD NACIONAL DE HUANCAVELICA FACULTAD DE CIENCIAS EMPRESARIALES ESCUELA PROFESIONAL DE ECONOMÍA

Curso : ECONOMETRÍA I
Ciclo :V
Profesor : Mg. Max Henrry Alvarado Anampa
Semestre : 2020 – I

PRUEBA SOBRE FORMA FUNCIONAL INADECUAD (LINEALIDAD)

• En el grafico se puede apreciar que los errores se encuentran distribuidos

uniformemente, es decir, sin ningún patrón en particular.
• Para estudiar si los datos se ajustan a modelo lineal se emplea la prueba del análisis
de varianza (ANVA) que se basa en la distribución F de Fisher. Las hipótesis que se
desean probar son las siguientes:

• Por lo tanto, el ajuste global del modelo (o linealidad del modelo) será
estadísticamente correcto si se rechaza H0 dado un determinado nivel de
significancia δ.
• En este caso, se ha determinado que el nivel de significancia deseado es del 5%,
como el p valor 0 00000 0 05 se rechazara la hipótesis nula, lo que significa que la
especificación lineal puede considerarse valida.