Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Presentado por:
Raúl Mauricio Leyton
Presentado A:
Roger Ojeda Solarte
2. Responder:
a) ¿Qué es un coeficiente beta? ¿Por qué la prueba de significancia se basa en la hipótesis
de que beta es igual a cero?
El coeficiente beta pertenece a los parámetros muestrales o estimadores (el de la pendiente
y el intercepto, β γβ respectivamente). Es decir, son las variables para hallar a través del
cálculo.
Así mismo si los datos inician en el origen no posee el coeficiente del intercepto y el
modelo no debe llevar βo .
“La beta tiene como relación el numero 1y si el resultado en su calculo es mayor volatilidad
y por ende mayor riesgo, cuando es igual a 1 la rentabilidad de la acción tiene movimiento
en la misma proporción que el índice de referencia, por otro lado dado que el coeficiente
beta por su formula la varianza del mercado no puede dar cero, la función beta se aproxima
a cero mas no da cero.
El modelo simple estudia la dependencia de una variable respecto de una única variable
explicativa.
El modelo múltiple estudia la dependencia de una variable respecto de mas de una variable
explicativa.
Para el primer caso, el modelo que relaciona el salario con la antigüedad en el empleo y con
otros factores observamos:
Salario= β o+ β 1+ ¿ ¿ antigüedad + u
El coeficiente de correlación mide como es de fuerte es la relación lineal entre dos variables
y el coeficiente de determinación o bondad del ajuste mide cuanta varianza explica un
modelo cualquiera. El coeficiente de determinación coincide con el cuadro de correlación
solo para modelo lineales entre dos variables.
Coeficiente de determinación r2
Este se basa en la siguiente descomposición
SCT=SCE+SCR
Suma de Cuadrados Totales (SCT): Es la variación total de los valores reales de Y
respecto de su media muestral.
Suma de Cuadrados Explicada (SCE): Variación de los valores de Y estimados
alrededor de su medida, que apropiadamente puede llamarse la suma de cuadrados
debido a la regresión es decir debido a las variables (s) explicativas (s) o explicada
por esta.
Suma de Cuadrados de los Residuos (SCR): La variación residual o no explicada de
los valores de Y alrededor de la línea de regresión o también como (Gujarati,2009,
p.75)
2
R R cuadrado de coeficiente de determinacion
En la gráfica, lo que se puede apreciar es una relación inversa entre el salario mínimo y el
PBI pre cápita, se ve que hay una mala distribución de los recursos dentro de estos países.
Lo que se convierte en un tema con bastante que debatir porque los salarios mínimos
pueden depender de su efecto sobre el empleo, la naturaleza de la industria donde se
impone y la fuerza del gobierno hace que se cumpla.
Gasto en Economía
7000000 Gasto en
6000000 comida
5000000 f(x)=0.44x+942087.77
2
4000000 R =0.37
3000000
2000000
1000000
0
Se puede observar que hay una relación entre los gastos de comida con los gastos totales
proporcionalmente directa ya que entre mayor es el gasto total el gasto en comida aumenta.
Según lo establecido en Excel la formula es; { y: 0.4368x+942088; con un R2 de 0.3698}
No existe una relación lineal indefinida porque al satisfacer las necesidades de alimentación
de las personas, estos gastos tienden a disminuir ya que los individuos deciden destinar su
dinero en otra variedad de productos o vienen. En conclusión, se denota que los gastos
totales sobre pasan o llegan a 700 rupias existe gran variabilidad con respecto a una
relación lineal.
Hombre-Lectura Critica
540
530
520
510
500
490
480
470
460
1965 1970 1975 1980 1985 1990 1995 2000 2005 2010 2015
Calificaciones
Años
540
520
500
480
460
440
420
1965 1970 1975 1980 1985 1990 1995 2000 2005 2010 2015
Calificaciones
Años
Hombre-Matematicas
550
540
530
520
510
500
490
480
1965 1970 1975 1980 1985 1990 1995 2000 2005 2010 2015
Calificaciones Hombres
Años
Mujeres
520
510
500
490
480
470
460
450
440
430
420
1965 1970 1975 1980 1985 1990 1995 2000 2005 2010 2015
Calificaciones Mujeres
Años
Con el transcurso de los años la proporción denotada, tanto como para el genero masculino
como para el femenino, en relación en las puntuaciones verbales reflejan una estimada a la
baja, en los años de 1980 especificamente niveles muy bajos, los puntajes tanto para las
matemáticas para los hombres y las mujeres parecen señalar una tendencia de alza, aunque
hay que recalcar que se presentan variaciones año tras año.
Se podría hacer el modelo de regresión simple de la lectura critica con las matemáticas, de
la puntuación en ambos sexos.
2500 Hombres
2000
1500
1000
Mujeres
500
0
400 420 440 460 480 500 520 540 560 580
Comando Inicial
Regress Isalary Isales Imktual
La ecuacion se presenta de la siguiente manera:
Log(salario)= 4.620917+ 0.162128 log(sales) + 0.106708 log (mktval)+u
N=177 y R2=0.2991
La variable profits no puede incluirse en el modelo en forma logarítmica porque presenta
valores negativos y no es posible realizar el logaritmo natural de un número menor a cero.
Se introduce el siguiente comando:
regress Isalary Isales Imktval Profits
Al añadir profits (utilidades de la empresa) la ecuación es la siguiente:
Log (salario)=4.686924+0.161368 log(sales)+0.097529 log(mktval)+0.0000357 profits +u
N=177 Y R^2=0.2993
Como se observa, ambos modelos (el primero sin profits y el segundo incorporando esta
variable) presentan un R cuadrado de 0.2991 y 0. 2993.Si se recuerda el R cuadrado estima
que parte del comportamiento de la variable dependiente es explicada por las variables
independientes introducidas en el modelo. Es así que las variables independientes
seleccionadas para el modelo 1 y 2 tienen un poder explicativo de apenas el 29,9%.
Regress Isalary Isales Imktval profits ceoten
La ecuación que se obtiene es:
Log(salary)=4.557780+0.162239log (sales)+ 0.1017598log(mktval)+0.0000291 profits
+0.011685ceoten
N=177
R^2 =0.318
Por cada año adicional, dejando las demás variables iguales, el salario aumentaría en un
1.168%
Hay que recordar que el coeficiente de correlación muestral estima la dependencia lineal
entre dos variables. En el caso observado un coeficiente de 0,77 se valora alto, pues esta
cerca de 1 que indicaría que la correlación muestral entre las dos variables es total y por
tanto se violaría el supuesto de no colinealidad perfecta. De acuerdo a esto los estimadores
de MCO corren el riesgo de no expresar claramente el efecto sobre la variable dependiente
debido a un cambio en alguna de las dos variables independientes; si existiera una relación
lineal perfecta entre las dos variables los estimadores no serian insesgados.
Regress atndrte priGPA ACT
En forma de ecuación es:
andrte =75.700405+17.260591 prigpa +-1.7165529 act + u
El intercepto tiene un valor Bo de 75,7 se puede interpretar como el valor predicho para la
variable atndrte cuando las variables priGPA y ACT son iguales a cero. Dicho de otra
forma: el intercepto 75,7 es la predicción del porcentaje de asistencia a clases si la
calificación promedia general acumulada y el examen de admisión a la universidad son
ambos en cero. Este intercepto no tiene mucha utilidad si se tiene en cuenta la lógica detrás
del modelo, pues sería incoherente que un individuo tuviera cero en su promedio de notas y
sacara cero en su examen de admisión a la universidad, pero tuviera un promedio de
asistencia a clases de 75,5%, si dicha situación se diera ni siquiera podría entrar a
matricularse en la universidad.
Los coeficientes de pendientes estimados son:
- 17.260591* priGPA
- 1.7165529* ACT
No necesariamente una fuerte correlación entre las variables incita a eliminar una de las
dos.
BIBLIOGRAFIA