TRABAJO FINAL

ECONOMETRÍA
DI LEO MAURO

UNIVERSIDAD DE MENDOZA
Facultad de Ciencias Económicas y
Empresariales Licenciatura en
Administración de Negocios
Econometría

2021
PROF. Mgter. Rosana María JAN CASAÑ O
Mgter. Roberto LATORRE
1
Índice
Consignas……………………………………………………………………………………………………………………… 3
Resolución ………………………………………………………………………………………………………………….… 4
Test de White. ………………………………………………………………………………………………….………..….5
Análisis de multicolinealidad…………………………………………………………………………………………. 6
Análisis de Autocorrelación…………………………………………………………………………………….………7

Bibliografía………………………………………………………………………………………………………………….…8

2
Consignas
Se trata de ver qué variables determinan los precios de los autos usados. Te han
tocado datos sobre Audi A3.

Te pido que como variables independientes uses Mileage (las millas recorridas),
mpg (Miles per gallon, o sea el consumo de combustible) y el número de variables
dummy necesarios para reflejar el tipo de transmisión.

Además de la regresión principal, les voy a pedir:

● Un test de White.
● Un análisis de multicolinealidad (al menos una regresión auxiliar)
● Un análisis de autocorrelación.

3
Resolución
En Primer Lugar, lo que hice fue crear mis variables Dummies en el Excel base,

Tenía la variable “fuel type” que incluía: Petrol, Hybrid y Diesel; por lo tanto creé dos
variables Dummies, Petrol e Hybrid, en donde iba a tomar el valor 1 cuando sea Petrol y 0
en caso contrario; de igual forma para Hybrid. (no lo hice para Diesel por la regla de
dummies de n-1 para no incurrir en la multicolinealidad perfecta).

De igual forma lo hice para la variable dada de “Transmission” que incluia automatic, semi-
auto y manual.

Ya con mis variables explicativas listas, hice mi regresion principal, en donde puse el
precio(variable dependiente) en funcion de la constante, y de mis variables independientes
(MILEAGE, MPG, MANUAL, PETROL, SEMI_AUTO E HYBRID).

4
Test de White
Luego, según lo requerido, hice el Test de white para detectar Heterocedasticidad,

lo hice desde la regresión principal, view, resid diagnostic, y seleccione Test de White
incluyendo productos cruzados.

Como podemos ver, la Prob del F statistic me da no significativo por lo tanto acepto la
Hipotesis nula de que hay homocedasticidad.

5
Análisis de multicolinealidad
Análisis de multicolinealidad, en primer lugar, hice la matriz de correlación, seleccione
las variables explicativas “Quick”, “Group”, “Correlation”, en donde pude ver el grado de
relación entre variables y así elegir que variable usar como variable dependiente en mi
regresión auxiliar.

(Matriz de correlación)

El grado mas alto de relación lo vi entre, Manual y semi auto, por lo tanto a continuación mi
regresion auxiliar tiene como variable dependiente a semi auto y la puse en funcion de las
demas variables independientes para detectar si alguna de ellas estaba contribuyendo a
explicar el cambio en semi auto.

Podemos ver que la variable manual es significativa, por lo tanto está contribuyendo a
explicar el comportamiento de semi auto.

6
Análisis de Autocorrelación
Respondiendo a la consigna se elabora un analisis de autocorrelación, donde queremos
saber si los residuos están interrelacionados entre sí o no.

A continuación se utiliza el metodo del estadistico d de Durbin Watson.

Como conclusión: No sabemos si es una autocorrelación negativa o si no existe

autocorrelación ya que está en un intervalo de indecisión, lo que sí sabemos es que no hay
autocorrelación positiva.

7
Bibliografía
 Heterocedasticidad
o María JAN CASAÑO,Test de White - Clase virtual: Trabajo Práctico N°7:
Heterocedasticidad
o Roberto LATORRE, Filminas sobre Heterocedasticidad

 Análisis de Multicolinealidad
o Roberto LATORRE Filminas sobre Multicolinealidad,
o María JAN CASAÑO, Trabajo Práctico: Multicolinealidad,

 Análisis de Autocorrelación
o Roberto LATORRE , Filminas sobre Autocorrelación,
o María JAN CASAÑO ,Trabajo Práctico: Autocorrelación