TABLA 18.

2
TAREA N° 4 – ESTIMACIÓN DE MODELOS CON VARIABLES DUMMY

Peña Villanueva, Pamela Estefani | Econometría I | 2 de Diciembre

En nuestra tabla 18.2 se tiene como variable dependiente al PCE, gasto de
consumo personal. Entonces realizaremos un supuesto donde se conoce el
gasto en Ferrari F50, en una mansión y por último la adquisición de un
Chevrolet Silverado.

Lo que resulta nuestra ecuación escalar de la siguiente forma:

Y i=β 1 + β 2 D 2 i + β 3 D 3 i

Entonces Yi representa el gasto de consumo personal en cada categoría, por

ejemplo:

D2i = 1 sí se adquiere una mansión F50 y D2i = 0 sí es otro bien.

D3i = 1 sí se adquiere un Ferrario F50 y D3i = 0 sí es otro bien.

En el modelo solo solo contamos con variables dummys cualitativas. Se

tomará la esperanza matemática:

 E(Y i /D 2 i=1), E (Y i / D 3 i=0) β 1 + β2 es para un Ferrari F50

 E(Y i /D 2 i=0), E(Y i / D 3 i=1) β 1 + β3 es para una mansión
 E(Y i /D 2 i=0), E(Y i / D 3 i=0) β1 es para un Chevrolet Silverado

Ahora en el Software Eviews obtendremos la ecuación estimada:

Regresión
Mediante el software Eviews realizamos la verificación de los siguientes
supuestos:

1. Homoscedasticidad:

Se realiza la prueba white lo cual resulta que la probabilidad del F

estadístico es de 23.09% lo cual es mayor al 5% , por tanto satisface el
supuesto de no heteroscedasticidad.

Realizado por la prueba White

2. No autocorrelación:

Estadístico d de Durbin-Watson
Regresión

No existe
Autocorrelación

0.4001 1.284 1.567 2.433 2.716

 Se observa que 0.4001 está fuera del rango de la no existencia de
autocorrelación, por lo tanto, no se satisface el supuesto [ 𝐸(𝑢𝑢′) = 0 𝑖 ≠ j].

3. Multicolinealidad:

Se realiza la programación en eviews:

'Hallando el coeficiente de determinación obtenido al efectuar la regresión de Xj sobre el resto de
los regresores del modelo.
equation reg4.LS d2 c d3
equation reg5.LS d3 c d2

'FIV
scalar VIF3=1/(1-reg4.@r2) 'En r2 esta expresado el nuevo valor de la regresión
scalar VIF4=1/(1-reg5.@r2)

'Matriz de los valores del (valor inflacionario) y la tolerancia

matrix(1,2) vif
vif.fill(1,1) vif3, (1/vif3)
group grp1 1 d2 d3
sym XX1=@inner(grp1)
vector vpro1=@eigenvalues(XX1) ‘Resultado

Programación en Eviews

Se obtiene los siguientes resultados de la programación:

Valores propios del vector de regresores

Luego organizamos los valores propios del vector de regresores y

resulta que la multicolinealidad es moderana-fuerte porque resulta 11,
lo ilustra en la siguiente tabla:
Valor propio máx Valor propio min k= vpmax/vpmin k^(1/2)
48.92786643 4.587674204 11 3.27
 4. Normalid
ad:

Histograma y estadística de los residuos

En consecuencia, La probabilidad asociada al Jarque-Bera es

61.8371%, por lo tanto, es mayor que el 5%, la suma de las dos colas,
entonces existe normalidad de los residuos.

Luego de analizar los cuatro supuestos con el software eviews resulta que el
supuesto de la no autocorrelación no se cumple como se observa en el
siguiente cuadro:

Homoscedasticidad P=0.2309

No autocorrelación DW=0.400176

Multicolinealidad K=11

Normalidad P=0.618371

Estabilidad -----

Resultado de los supuestos

Ahora, buscaremos que todos los supuestos se cumplan para que el modelo
sea relevante entonces se introducirá un modelo autorregresivo de primer
orden, en el gráfico está representado por AR(1):

Regresión 2

Nuevamente comprobaremos mediante el software Eviews los supuestos:

1. Homoscedasticidad:

Se realiza la prueba Breusch-Pagan-Godfrey lo cual resulta que la

probabilidad del F estadístico es de 81.04% lo cual es mayor al 5% ,
por tanto satisface el supuesto de no heteroscedasticidad.

Realizado por la prueba Breusch-Pagan-Godfrey

2. No autocorrelación:

El objetivo de introducir el modelo autorregresivo (AR(1)) es para que

pueda satisfacer el supuesto de la no autocorrelación. Además, el
valor de Durbin-Watson es 1.684, lo cual está dentro del intervalo de la
no existencia de autocorrelación, como se observará en el gráfico

No existe
Autocorrelación

1.284 1.567 1.684 2.433 2.716

En suma, se satisface el supuesto [𝐸(𝑢𝑢′) = 0 𝑖 ≠ j] de la no

autocorrelación.

3. Multicolinealidad:

Se realiza la siguiente programación en eviews:

'Hallando el coeficiente de determinación obtenido al efectuar la regresión de Xj sobre el resto de
los regresores del modelo.
equation reg4.LS d2 c d3
equation reg5.LS d3 c d2

'FIV
scalar VIF3=1/(1-reg4.@r2) 'En r2 esta expresado el nuevo valor de la regresión 1
scalar VIF4=1/(1-reg5.@r2)

'Matriz de los valores del (valor inflacionario) y la tolerancia

matrix(1,2) vif
vif.fill(1,1) vif3, (1/vif3)
group grp1 1 d2 d3
sym XX1=@inner(grp1)
vector vpro1=@eigenvalues(XX1) ‘Resultado

Programación en Eviews

Se obtiene los siguientes resultados de la programación:

 Valores propios del vector de regresores

Luego organizamos los valores propios del vector de regresores y

resulta que la multicolinealidad es moderana-fuerte porque resulta 11,
lo ilustra en la siguiente tabla:
Valor propio máx Valor propio min k= vpmax/vpmin k^(1/2)
48.92786643 4.587674204 11 3.27

4. Normalidad:

Histograma y estadística de los residuos

En consecuencia, La probabilidad asociada al Jarque-Bera es

38.9903%, por lo tanto, es mayor que el 5%, la suma de las dos colas,
entonces existe normalidad de los residuos.

Por lo tanto, ahora si satisface los 4 supuestos analizados:

 Homoscedasticidad P=0.8104

No autocorrelación DW=1.684246

Multicolinealidad K=11

Normalidad P=0.389903

Por consiguiente, interpretaremos la nueva regresión, sin antes mencionar

que las variables dummys introducidas son para fines ilustrativos del presente
trabajo:

 El gasto de consumo personal promedio en un Ferraro F50 es de

965.1832 miles de millones de dólares.

 El gasto de consumo personal promedio en una mansión es menor

que la de un Ferrari F50 y también de un Chevrolet silverado y este
último se diferencia con un Ferrari F50 en 24.69583 miles de millones
de dólares.

β 1+ β2 = 989.87903
β 1+ β3 = 963.217991
β 1= 965.1832

Ferrari F50 Chevrolet silv. Mansión

 Por último, realizaremos la gráfica correspondiente que ilustre el trabajo
realizado, donde el PCE, gasto de consumo personal, se de en tres formas
dinstintas:

989.87903
Yi
965.1832

963.217991

β 1 + β2 PCE en:

Ferrari F50
β1
Chevrolet Silverado
β 1 + β3
Mansión

Xi
Valores expresados en miles de millones de dólares