Formación Bruta de Capitali = f(Ventasi) + ei

FBKi = a + b Vi + ei

Empresa FBK Ventas Pronóstico Residuos Residuos

para Y absolutos Mínimos Cuadrados Ordinarios
1 29.3 135 29.8 -0.455 0.455
2 31.5 150 31.0 0.505 0.505 Estadísticas de la regresión
3 43.2 300 43.4 -0.192 0.192 Coeficiente de correlación múltiple 0.99
4 36.9 225 37.2 -0.293 0.293 Coeficiente de determinación R^2 0.99
5 32.7 170 32.6 0.052 0.052 R^2 ajustado 0.99
6 43.2 310 44.2 -1.018 1.018 Error típico 0.73
7 42.9 285 42.2 0.748 0.748 Observaciones 30
8 30.2 145 30.6 -0.381 0.381
9 39.1 250 39.3 -0.159 0.159 ANÁLISIS DE VARIANZA
10 30.5 140 30.2 0.332 0.332 gl
11 42.8 280 41.7 1.061 1.061 Regresión 1
12 32.8 180 33.5 -0.674 0.674 Residuos 28
13 36.3 215 36.4 -0.067 0.067 Total 29
14 37.4 235 38.0 -0.620 0.620
15 37.9 230 37.6 0.294 0.294 Coeficientes
16 44.9 315 44.6 0.269 0.269 Intercepción 18.60
17 45.9 330 45.9 0.029 0.029 Ventas 0.08
18 45.8 345 47.1 -1.311 1.311
19 41.2 260 40.1 1.114 1.114
20 35.1 200 35.1 -0.027 0.027
21 28.7 120 28.5 0.185 0.185
22 38.1 250 39.3 -1.159 1.159
23 49.3 355 47.9 1.363 1.363
24 31.9 165 32.2 -0.334 0.334
25 37.8 245 38.8 -1.046 1.046
26 31.5 150 31.0 0.505 0.505
27 27.6 100 26.9 0.738 0.738
28 35.7 205 35.5 0.160 0.160
29 40.8 278 41.6 -0.773 0.773
30 46.2 320 45.0 1.155 1.155
Sum cuad Prom cuad F Valor crítico de F
1048.486 1048.486 1989.931 0.00000
14.753 0.527
1063.239

Error típico Estadístico tProbabilidad

0.446 41.741 0.00000
0.002 44.609 0.00000
Métodos Graficos de detección

2
Gráfico de dispersión
FRK y Ventas
1.5
400

1
350

300 0.5

250 0
1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293
200 -0.5

150
-1

100
28 33 38 43 48 53 -1.5

Gráfico de dispersión
|residuos| y ventas
2
1.8
1.6
1.4
1.2
1
0.8
0.6
0.4
0.2
0
99 149 199 249 299 349 399
0.6
0.4
0.2
0
99 149 199 249 299 349 399
192021222324252627282930
Test para detectar heterocedasticidad: WHITE
Test de White, intenta detectar la existencia de un comportamiento h
Para ello utiliza una regresión auxiliar, donde regresa los residuos al
FBK FBK Error Error Ventas Ventas todos sus posibles productos cruzados.
pronost cuadrado cuadrado Si el modelo original es:
29 29.75 -0.45 0.21 135 18,225
Yt = b1 + b2 Xt + b3 Zt + et
32 30.99 0.51 0.26 150 22,500
43 43.39 -0.19 0.04 300 90,000 La regresión auxiliar será:
37 37.19 -0.29 0.09 225 50,625
e2t = b0 + b1 Xt + b2 Zt + b3 X2t + b4 Z2t + b5 Xt Zt + vt
33 32.65 0.05 0.00 170 28,900
43 44.22 -1.02 1.04 310 96,100 donde vt es el términos de error de la regresión auxiliar que cumple c
43 42.15 0.75 0.56 285 81,225 E(v)=0, Var(v)= homocedástica, el modelo está bien especificado.
30 30.58 -0.38 0.15 145 21,025
El estadístico es: n.R2 y se distribuye como un Chi-cuadrado de (
39 39.26 -0.16 0.03 250 62,500
31 30.17 0.33 0.11 140 19,600 Si nR2 > χ(k-1) rechazo la H0 de homocedasticidad y el modelo orig
43 41.74 1.06 1.13 280 78,400 constantes (es decir, es heterocedastica).
33 33.47 -0.67 0.45 180 32,400
36 36.37 -0.07 0.00 215 46,225
37 38.02 -0.62 0.38 235 55,225 En nuestro ejemplo…
38 37.61 0.29 0.09 230 52,900
45 44.63 0.27 0.07 315 99,225 H0: la correlación no es significativa (homoceda
46 45.87 0.03 0.00 330 108,900
46 47.11 -1.31 1.72 345 119,025 Regresión Auxiliar:
41 40.09 1.11 1.24 260 67,600 Coeficientes Error típico
35 35.13 -0.03 0.00 200 40,000 Intercepción 0.9901 0.8911
29 28.52 0.18 0.03 120 14,400 Ventas -0.0100 0.0082
38 39.26 -1.16 1.34 250 62,500 Ventas cuadrado 0.0000 0.0000
49 47.94 1.36 1.86 355 126,025
32 32.23 -0.33 0.11 165 27,225 R2 = 0.37
38 38.85 -1.05 1.09 245 60,025 K = 3
32 30.99 0.51 0.26 150 22,500 N = 30
28 26.86 0.74 0.54 100 10,000
36 35.54 0.16 0.03 205 42,025 Estadístico : nR2 11.16
41 41.57 -0.77 0.60 278 77,284 Chi-sqr (2 gl): 5.99
46 45.04 1.16 1.33 320 102,400 Conclusión: como el nR2 es mayor que el estadístico
Entonces hay evidencia de heterocedasticidad al 5% d
encia de un comportamiento heterocedastico en los residuos.
onde regresa los residuos al cuadrado contra todas las vbles. explicativas y

b 5 Xt Zt + vt

gresión auxiliar que cumple con los supuestos de

elo está bien especificado.

como un Chi-cuadrado de (k-1) gl [si incluimos al intercepto]

cedasticidad y el modelo original presenta evidencia de varianzas no

a).

gnificativa (homocedasticidad)

Estadístico t Probabilidad
1.1110 0.2764
-1.2181 0.2337
1.7564 0.0904
mayor que el estadístico de tabla o teorica, se concluye rechazar la H 0
terocedasticidad al 5% de significación
 variables originales variables transformadas
Empresa Y X error Y*= Y/X cte*= 1/X X*= X/X
1 29.3 135 -0.455 0.217 0.0074 1
2 31.5 150 0.505 0.210 0.0067 1
3 43.2 300 -0.192 0.144 0.0033 1
4 36.9 225 -0.293 0.164 0.0044 1
5 32.7 170 0.052 0.192 0.0059 1
6 43.2 310 -1.018 0.139 0.0032 1
7 42.9 285 0.748 0.151 0.0035 1
8 30.2 145 -0.381 0.208 0.0069 1
9 39.1 250 -0.159 0.156 0.0040 1
10 30.5 140 0.332 0.218 0.0071 1
11 42.8 280 1.061 0.153 0.0036 1
12 32.8 180 -0.674 0.182 0.0056 1
13 36.3 215 -0.067 0.169 0.0047 1
14 37.4 235 -0.620 0.159 0.0043 1
15 37.9 230 0.294 0.165 0.0043 1
16 44.9 315 0.269 0.143 0.0032 1
17 45.9 330 0.029 0.139 0.0030 1
18 45.8 345 -1.311 0.133 0.0029 1
19 41.2 260 1.114 0.158 0.0038 1
20 35.1 200 -0.027 0.176 0.0050 1
21 28.7 120 0.185 0.239 0.0083 1
22 38.1 250 -1.159 0.152 0.0040 1
23 49.3 355 1.363 0.139 0.0028 1
24 31.9 165 -0.334 0.193 0.0061 1
25 37.8 245 -1.046 0.154 0.0041 1
26 31.5 150 0.505 0.210 0.0067 1
27 27.6 100 0.738 0.276 0.0100 1
28 35.7 205 0.160 0.174 0.0049 1
29 40.8 278 -0.773 0.147 0.0036 1
30 46.2 320 1.155 0.144 0.0031 1

Y* Coeficientes Error típico Estadístico tProbabilidad

X* = B1 0.0807 0.0016 50.019 0.00000
constante = 19.0219 0.3105 61.256 0.00000

Residuos de MCP 1/Xi

0.006

0.004

0.002

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
-0.002

-0.004

-0.006
Resumen

Estadísticas de la regresión
Coeficiente de correlación
múltiple 0.9963
Coeficiente de determinación
R^2 0.9926
R^2 ajustado 0.9923
Error típico 0.0030
Observaciones 30

ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los Valor crítico
F
libertad cuadrados cuadrados de F
Regresión 1 0.0344 0.0344 3752.2594391 0.000000
Residuos 28 0.0003 0.0000
Total 29 0.0347

Superior
Coeficientes Error típico Estadístico t Probabilidad Inferior 95%
95%
Intercepción 0.0807 0.0016 50.0190 0.000000 0.0774 0.0840
Variable X 1 19.0219 0.3105 61.2557 0.000000 18.3858 19.6580

Análisis de los residuales

Observación Y estim Residuos

1 0.221588513289 -0.004551476 -0.004551476252 Residuos de MCP 1/Xi
2 0.20749820276 0.002501797 0.00250179724
3 0.144091805377 -9.18054E-05 -9.18053773E-05 0.006
4 0.165227271171 -0.001227271 -0.001227271171
5 0.192579050434 -0.000226109 -0.000226109258 0.004
6 0.14204643772 -0.002691599 -0.00269159901
7 0.147428984187 0.003097332 0.003097331603 0.002
8 0.211871057752 -0.003595196 -0.003595195683
9 0.156773084854 -0.000373085 -0.000373084854 0
1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728
10 0.216556259529 0.001300883 0.001300883329
11 0.148620833762 0.004236309 0.004236309095 -0.002
12 0.186362736966 -0.004140515 -0.004140514743
-0.004

-0.006
 0
1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728
-0.002

13 0.169159450854 -0.000322242 -0.000322241552 -0.004

14 0.161629745079 -0.002480809 -0.002480808909
15 0.163389404581 0.001393204 0.001393204115 -0.006
16 0.141072453121 0.001467229 0.001467229419
17 0.138327587433 0.000763322 0.000763321657
18 0.135821405719 -0.003067783 -0.00306778253
19 0.153846635744 0.004614903 0.004614902718
20 0.175795004068 -0.000295004 -0.000295004068
21 0.239201401451 -3.47348E-05 -3.47347842E-05
22 0.156773084854 -0.004373085 -0.004373084854
23 0.134268279022 0.00460496 0.004604960414
24 0.195969766872 -0.002636434 -0.002636433539
25 0.158325894586 -0.00404018 -0.0040401803
26 0.20749820276 0.002501797 0.00250179724
27 0.270904600142 0.0050954 0.005095399858
28 0.173475257823 0.000671084 0.000671083641
29 0.149109577832 -0.002346988 -0.002346987904
30 0.140128905541 0.004246094 0.004246094459
1/Xi

8192021222324252627282930
8192021222324252627282930