INFORME 2: Análisis de los supuestos revisados

Yance Rosales Aldair David 19120056

I. Verificando los supuestos sin software Eviews

1. Promedio de residuos

31

∑ ei = 0
1
 2. Homocedasticidad:

Calcula la matriz X por X transpuesta

matrix eet=e*@transpose(e)
show eet
 2.246109-(1.96*3.7196985)= -5.0445
2.246109-(1.96*3.7196985)= 9.5367181

No presenta homocedasticidad.
Los datos presentan heterocedasticidad.
 3. No Autocorrelación

Calcula la matriz X por X transpuesta

matrix eet=e*@transpose(e)
show eet

-0.07487-(1.96*2.1454536) =-4.279959
-0.07487+(1.96*2.1454536) =4.1302188
 4. Multicolinealidad Perfecta
'Rutina para calcular el rango de la matriz X
scalar rangox=@rank(x)

Multicolinealidad Imperfecta:
Hay dos variables que no se aproximan a la unidad es por ello por lo que no hay
Multicolinealidad Imperfecta.
 5. Normalidad:

(1948=1, 1949=2, ...,1978=31)

Los residuos dibujan una campana de Gauss.

Regla: Si la probabilidad asociada al JB es mayor al 0.05 entonces existe
normalidad de los residuos.
Jarque-Bera: 1.274908
Probabilidad: 0.528637; entonces si existe la normalidad de los residuos.
Verificando el software estadístico con eviews:

Teniendo la regresión:
1. Promedio de los residuos:
 2. Homocedasticidad

Regla: Para que exista Homocedasticidad el valor de la probabilidad asociada al

estadístico F debe ser mayor que el 0.05.
Observamos que el “estadístico F= 2.585013”; por lo que si existe Homocedasticidad.
3. No Autocorrelación
Se ubica los valores en la tabla.

1.650 2.35

Regla: Para que no exista NO Autocorrelación el valor del estadístico DW debe

estar
comprendido entre los valores du y 4-du
Entonces nuestro DW=0.936182; del cual no esta en el rango de du y 4-du. Existe
autocorrelación.

4. No Multicolinealidad
Ya se sabe que no existe multicolinealidad perfecta. Pero si se observa que hay alta
colinealidad entre los regresores por los indicadores de correlación cercanos a uno entre
ellos. r12=-0.305424; r13=0.182018; r23=0.827147
Se calcula el Factor inflacionario de la Varianza (FIV) y la tolerancia (TOL)

Regla: El FIV con valor uno, indica que no hay multicolinealidad y cuanto mayor a
uno indica presencia de multicolinealidad, La Tolerancia es la inversa de FIV por
lo que sí es uno indica presencia de no multicolinealidad. Este procedimiento es
para dos variables a la vez.
Cuando se desea revisar la multicolinealidad entre los regresores en conjunto
se procede de esta manera.

Con el mismo análisis anterior.

Pero si se desea saber si todo el problema en conjunto tiene multicolinealidad se
procede así:
Se encuentran los valores propios del vector de regresores
GROUP GRP 1 ingsal ingnosalagri ingagr
Sym XX=@inner(GRP)
vector VPRO=@eigenvalues(XX)

Luego se calcula el número de

condición k

K= 368,493,788

Regla: Si k esta entre 100 y 1000 la multicolinealidad ve de moderada a fuerte.

Si es mayor a 1000 es multicolinealidad grave.
Entonces como mi K es mayor a 1000 tengo una multicolinealidad grave.

6. Estabilidad:
Por ser un ejercicio teórico nos ubicamos aproximadamente en la mitad de la serie.

Regla: Si la probabilidad asociada al estadístico F es mayor a 0.05 entonces

existe estabilidad en el modelo.
Estadístico F: 3.284883; entonces existe estabilidad en el modelo.