8.1 El modelo de regresión múltiple.

8.2 Estimación de coeficientes. El método de mínimos cuadrados.

8.3 El ANVA y test F de significación global.

8.4 Inferencia estadística para los coeficientes de regresión individual.

8.5 Predicción.

F(4,69)=SCR/SCE=87177235/41509993.57=21.01

TABLA INFERIOR: ESTAN LOS PARAMETROS DE ESTIMACION.

COEF. =MEDIA

LA PUEBA T BASICA ES:

T=(BETA ESTIMADO-0)/DESVIACION ESTANDAR = (-13.40719-0)/72.10761 =-0.19

-ANALISIS DE SIGNIFICANCIA ESTADISTICA

-13,40719/72,10761= -0.19 ESTE VALOR ES MENOR A 1.96 QUE ES EL T DE TABLA PARA EL 95%
DE SIGNIFICANCIA, ESTE PARAMETRO NO ES ESTADISTICAMENTE SIGNIFICATIVO.

-EL VALOR P DA VALORES ENTRE 0 Y 1. UN VALOR QUE SEA MENOR A 0.05 ME DICE QUE ESTER
MODELO ES SIGNIFICATIVO AL 95%. SI ES MENOR A 0.10 ES SIGNIFICATIVO AL 90%.SI ES
MAYOR A 0.10 NO ES SIGNIFICATIVO.
-SI WEIGHT SUBE EN 1 UNIDAD EL PRECIO SUBE EN 5.7 UNIDADES.

EL VALOR 5.7 AL 95% DE CONFIANZA VA A ESTAR EN EL INTERVALO DE 3.689127 Y 7.743235

SI EL AUTO ES FOREIGN (EXTRANJERO) EL PRECIO VA A AUMENTAR EN 3550.194 UNIDADES.

TABLA SUPERIOR:

MODEL: SUMA EXPLICADA AL CUADRADO

RESIDUAL: SUMA RESIDUAL AL CUADRADO

TOTAL: SUMA TOTAL AL CUADRADO

DF: GRADO DE LIBERTAD

MS: MODEL/DF

R2: AJUSTE DEL MODELO LO MIDO CON EL COEFICIENTE DE DETERMINACION R 2, ME DICE EN

QUE GRADO PORCENTUAL VA A CAMBIAR LA VARIABLE DEPENDIENTE DADO EL CAMBIO DE LA
VARIABLE INDEPENDIENTE. SI EXISTE UN CAMBIO EN LA VARIABLE INDEPENDIENTE LA
VARIABLE DEPENDIENTE VARIARA EN 54%.MAS CERCA AL 100% ES MEJOR EL MODELO.

F(4;69) – F ESTADISTICO POR LA PRUEBA DE SIGNIFICACION GLOBAL DEL MODELO

PROB>F=0..000 COMO EL VALOR ES MENOR A 0.05 AL 95% de significancia el modelo es

globalmente significativo

MULTICOLINEALIDAD
HACE REFERENCIA ALCASO EN EL QUE 2 OMAS VARIABLES EXPLICATIVAS ESTAN
CORRELACIONADAS ENTRE SI.

METODOS DE DETECCION:

POCA SIGNIFICATIVIDAD DE LAS VARIABLES X, Y A LA VEZ R2 ALTO; ADEMAS DE UNA GRAN

SIGNIFACATIVIDAD CONJUNTA DEL MODELO.
VALORES ALTOS EN LA MATRIZ DE CORRELACIONES DE LAS VARIABLES EXPLICATIVAS:SI LAS
CORRELACIONES SON MENORES DE 50% SON BAJAS, ENTRE 50% Y 80% MEDIO, Y MAYORES A
80% ALTA.

ALTA CORELACION ENTRE EL PIB Y EL CONSUMO PUES ES MAYOR A 80 Y EL CONSUMO Y LA

INVERSION ES BAJA PUES ES MENOR A 50.

UNA RELACIONADA ES CUANDO LA DETERMINATE DE LA MATRIZ ES CERCANA A 0 HAY

MULTICOLINEALIDAD.

0.003356 ENTONCES DECIMOS QUE HAY MULTICOLINEALIDAD.

FACTOR DE INFLACION VIF>10

SI EL FACTOR INCREMENTO DE LA VARIANZA (VIF) ES 1 NO HAY MULTICOLINALIDAD, PERO SI
ES MAYOR A 10 LA MULTICOLINEALIDAD YA PUEDE CAUSAR PROBLEMAS EN EL MODELO.

SI EL FACTOR DE TOLERANCIA SE APROXIMA A O TAMBIEN NOS ARROJA PRESENCIA DE

MULTICOLINEALIDAD.

EN LE MODELO TENEMOS QUE LAS VARIABLES APDSS Y EDYSS EL VIF ESXCEDE EL VALOR DE 10
POR LO CUAL ESTAS VARIABLES ESTAN MUY CORRELACIONADAS, ASI MISMO EL FACTOR DE
TOLERANCIA ES MUY CERCANO A 0 POR LO CUAL NOS CORROBORA QUE HAY PRESENCIA DE
MULTICOLINEALIDAD.

HOMOCEDASTICIDAD
DETECTAR HOMOCEDASTICIDAD

PRUEBA DE WHITE

H0:NO HAY PROBLEMAS DE HETEROCEDASTICIDAD

H1: TIENE HETEROCEDASTICIDAD

REGLA:

PVALUE>0.05 – ACEPTAMOS H0

PVALUE<0.05 – RECHAZAMOS H0
PVALUE ES 0.0420 MENOR A 0.05 ENTONCES RECHAZAMOS LA HIPOTESIS NULA, NUESTRO
MODELO TIENE PROBLEMAS DE HETEROCEDASTICIDAD.