P0209.

pdf

Yepoyyds

Econometría

2º Grado en Administración y Dirección de Empresas

Facultad de Administración y Dirección de Empresas (ADE)

Universidad Politécnica de Valencia

Reservados todos los derechos.

No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
 Departamento de Estadística e Investigación Operativa

No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
Aplicadas y Calidad
-
Grado en Administración y Dirección de Empresas
A.D.E. - U.P.V.
Alumnos: PRACTICA 2.09
UT 01
Sesión:
Grupo:

Se desea ajustar una función de producción de vegetales de la economía española, teniendo en

cuenta el número de empleados agrarios, la superficie cultivada y el número de tractores disponibles.
Para realizar el ajuste dispone de los valores de las variables observadas anualmente desde 1989 hasta
1996 (MRL036). La PRODUCCIÓN se mide en miles de millones de pesetas, el número de EMPLEADOS
en miles de personas, la SUPERFICIE en miles de hectáreas, y el número de TRACTORES en unidades.

Reservados todos los derechos.

1.- Propón un modelo multiplicativo con las variables propuestas, y explica el significado de sus
parámetros. (3p)

2.- Realiza el ajuste del modelo propuesto y determina si los parámetros resultan significativos. Indica
la hipótesis nula y la alternativa, y realiza la prueba utilizando tanto el estadístico t como el P-Valor.
(2p)

3.- Determina si el modelo resulta adecuado. Indica la hipótesis nula y la alternativa, y realiza la
prueba utilizando tanto el estadístico F como el P-Valor. (2p)

4.- Obtén el valor del coeficiente de determinación y del coeficiente de determinación corregido, y
explica sus significados. (1p)

5.- Estima, tanto de forma puntual como por intervalos de confianza, la producción de vegetales en
una situación promedio, es decir, con los promedios respectivos de empleados, superficie y
tractores. Interpreta los resultados obtenidos. (2p)

a64b0469ff35958ef4ab887a898bd50bdfbbe91a-5655488
 1.- Propón un modelo multiplicativo con las variables propuestas, y explica el significado de sus
parámetros.

El modelo multiplicativo solicitado sería el siguiente:

que no es modelo lineal en los parámetros, pero sí linealizable mediante logaritmos:

= ( )+ ( )+ ( )+ ( )+

No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
donde los parámetros tienen el siguiente significado:

β0 Promedio de la producción de vegetales cuando hay mil empleados agrarios, mil hectáreas cultivadas y un
tractor disponible.
β1 Incremento porcentual del promedio de la producción cuando aumenta en un 1% el número de empleados,
manteniéndose constantes la superficie cultivada y el número de tractores.
β2 Incremento porcentual del promedio de la producción cuando aumenta en un 1% la superficie cultivada,
manteniéndose constantes el número de empleados agrarios y el número de tractores.
β3 Incremento porcentual del promedio de la producción cuando aumenta en un 1% el número de tractores
disponibles, manteniéndose constantes el número de empleados agrarios y la superficie cultivada.

2.- Realiza el ajuste del modelo propuesto y determina si los parámetros resultan ser significativos.
Realiza la prueba utilizando tanto el estadístico t como el P-Valor.

Reservados todos los derechos.

Realizado el ajuste con gretl, el resultado es el siguiente;

Model 4: OLS, using observations 1983-1990 (T = 8)

Dependent variable: LOGPRODUCCION
-----------------------------------------------------------
coefficient std. error t-ratio p-value
-----------------------------------------------------------
const −60.7303 24.3970 −2.489 0.0675 *
LGEMPLEADOS 1.23822 0.445852 2.777 0.0500 **
LGSUPERFICIE −0.563966 1.17320 −0.4807 0.6558
LGTRACTORES 5.40724 1.39589 3.874 0.0179 **
-----------------------------------------------------------
Mean dependent var 14.55254 S.D. dependent var 0.107336
Sum squared resid 0.012971 S.E. of regression 0.056946
R-squared 0.839160 Adjusted R-squared 0.718531
F(3, 4) 6.956498 P-value(F) 0.045821

La prueba para cada uno de los parámetros del modelo se basa en el estadístico t.

H0 βi=0 Si │tcalc│≤tgdlrα entonces aceptar H0, o bien si P-valor ≥ α entonces aceptar H0

H1 βi≠0

Si se hace la prueba mediante el estadístico t, es necesario buscar en tabla el valor t40,025 y compararlo con el tcalc.
Los grados de libertad del residuo son 4, y en tablas de la distribución t, t40,025 = 2,776.

Parámetro LOG(β0)
H0 LOG(β0) = 0
H1 LOG(β0) ≠ 0

Como ∣tcalc∣= 2,489 < t40,025=2,776 se acepta H0 y se acepta que el valor de LOG(β0) es de 0. O bien, como el P-
valor = 0,0675 > 0,05 se acepta H0 con idéntica conclusión.

¿No te llega para pagar Wuolah Pro? ¿Un año sin anuncios gratis?
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-5655488
 Parámetro β1
H0 β1=0
H1 β1≠0

Como ∣tcalc∣= 2,777 ≰ t40,025 = 2,776 se rechaza H0 y se acepta que el valor de β1 es de 1,23822 miles de millones
de pesetas cuando el número de empleados aumenta en un 1%, dada una superficie cultivada y un número de
tractores, y que el número de empleados agrarios explica la producción agraria. O bien, como el P-valor = 0,0500
es prácticamente 0,05 se rechaza H0 con idéntica conclusión.

Parámetro β2

No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
H0 β2=0
H1 β2≠0

Como ∣tcalc∣= 0,4807 < t40,025 = 2,776 se acepta H0 y se acepta que el valor de β2 es 0, y que la superficie cultivada
no explica la producción agraria. O bien, como el P-valor = 0,6558 > 0,05 se rechaza H0 con idéntica conclusión.

Parámetro β3
H0 β3=0
H1 β3≠0

Como ∣tcalc∣= 3,874 ≰ t40,025 = 2,776 se rechaza H0 y se acepta que el valor de β3 es de 5,40724 miles de millones
de pesetas cuando el número de tractores aumenta en un 1%, dada una superficie cultivada y un número de
empleados, y que el número de tractores explica la producción agraria. O bien, como el P-valor = 0,0179 < 0,05
se rechaza H0 con idéntica conclusión.

Reservados todos los derechos.

3.- Determina si el modelo en sí resulta adecuado. Realiza la prueba utilizando tanto el estadístico F
como el P-Valor.

Se necesita ahora la tabla ANOVA, disponible en la correspondiente salida del ordenador, o en los resultados
adicionales en la de estimación de los parámetros:

Analysis of Variance:
-----------------------------------------------------------
Sum of squares df Mean square
-----------------------------------------------------------
Regression 0.0676764 3 0.0225588
Residual 0.0129713 4 0.00324284
Total 0.0806477 7 0.0115211
-----------------------------------------------------------
R^2 = 0.0676764 / 0.0806477 = 0.839160
F(3, 4) = 0.0225588 / 0.00324284 = 6.9565 [p-value 0.0458]

La prueba para el modelo es la prueba basada en el estadístico F.

H0 βi=0 ∀i≥1 Si Fcalc≤ FgdlM, gdlR α entonces aceptar H0, o bien si P-valor ≥ α entonces aceptar H0.
H1 βi≠0

En este caso

H0 β1 = β2 = β3 = 0 Si se utiliza el estadístico F, es necesario buscar en tablas F3,40,05, cuyo

H1 al menos uno es distinto de cero valor es 6,59138.

Como Fcalc = 6,9565 ≰ F3,40,05 = 6,59138 se rechaza H0, se debe aceptar que el modelo puede resultar adecuado.
O bien, como el P-valor = 0,0458 ≰ 0,05 se rechaza H0 con idéntica conclusión. Pese a que tenemos variables no
explicativas, o en el límite de serlo, el modelo todavía se considera adecuado.

4.- Obtén el valor del coeficiente de determinación y del coeficiente de determinación corregido, y
explica sus significados.

Llévate 1 año de WUOLAH PRO con BBVA. ¿Cómo? ¡+Info aquí!

a64b0469ff35958ef4ab887a898bd50bdfbbe91a-5655488
 En estos momentos se rehace el modelo, eliminando la variable explicativa SUPERFICIE, que ha resultado ser no

No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
explicativa, y es la que tiene mayor P-valor, y por lo tanto es la primera variable candidata a ser eliminada.

Model 6: OLS, using observations 1983-1990 (T = 8)

Dependent variable: LOGPRODUCCION
----------------------------------------------------------
coefficient std. error t-ratio p-value
----------------------------------------------------------
const −66.6112 19.4172 −3.431 0.0186 **
LGEMPLEADOS 1.14048 0.365007 3.125 0.0261 **
LGTRACTORES 5.47395 1.27772 4.284 0.0078 ***
----------------------------------------------------------
Mean dependent var 14.55254 S.D. dependent var 0.107336
Sum squared resid 0.013721 S.E. of regression 0.052385
R-squared 0.829869 Adjusted R-squared 0.761816
F(2, 5) 12.19454 P-value(F) 0.011939

El resultado es que ahora todos los P-valor son inferiores a un 5%, con lo que todas las estimaciones son
significativas, las variables explicativas, y el modelo adecuado.

Reservados todos los derechos.

Los valores solicitados se encuentran al pie de la tabla de estimación de parámetros.

R-squared 0.829869
Adjusted R-squared 0.761816

El coeficiente de determinación tiene un valor de 82,9869%.

El 82,9869% de la variabilidad de la producción vegetal se explica por el modelo propuesto.

El coeficiente de determinación corregido tiene un valor de 76,1816%.

Su valor no tiene significado.

5.- Estima, tanto de forma puntual como por intervalos de confianza, la producción de vegetales en
una situación promedio, es decir, con los promedios respectivos de empleados, superficie y tractores.
Interpreta los resultados obtenidos.

Dado que el modelo incluye sólo a empleados y tractores, se calculan los promedios y se añaden a los datos. Para
empleados, el promedio es de 450,28 miles de personas, y para tractores, 7,7238E5 unidades. Se toman
logaritmos y se incluyen en la última fila de los datos.

For 95% confidence intervals, t(5, 0.025) = 2.571

----------------------------------------------------------
prediction std. error 95% interval
----------------------------------------------------------
1991 14.568685 0.055763 14.425343 - 14.712027
----------------------------------------------------------

Deshaciendo la transformación logarítmica, se tiene que la estimación puntual es de e14,568685 = 2123730,988, y

los límites de los intervalos e14,425343 = 1840123,0456 y e14,712027 = 2451049,847.

Por lo tanto, cuando hay 450,28 miles de empleados, y 7,7238E5 tractores, se espera que la producción de
vegetales sea de 2123730,988 miles de millones de pesetas, si bien el valor real de la producción real estará entre
1840123,0456 y 2451049,847 miles de millones de pesetas con una probabilidad del 95%.

a64b0469ff35958ef4ab887a898bd50bdfbbe91a-5655488