Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Nombre:Selena Rivera
Fecha: 14-02-2020
Tabla 1: Estadísticos
Number of obs 22
F(4, 17) 139.0
6
Prob > F 0.000
0
R-squared 0.970
3
Adj R-squared 0.963
4
Root MSE 1.406
4
Fuente: Base de datos klein9
Tabla 2: Coeficientes
consump Coef. Std. Err. t P>t [95% Interval]
Conf.
wagetot 0.982746 0.2731715 3.6 0.002 0.4064045 1.559088
profits 0.7747467 0.4804033 1.61 0.125 -0.2388156 1.788309
totinc -0.3216726 0.3596345 -0.89 0.384 -1.080435 0.4370899
taxnetx 0.5914036 0.4009233 1.48 0.158 -0.2544706 1.437278
_cons 15.27896 1.870693 8.17 0.000 11.33214 19.22577
Fuente: Base de datos klein9
Estacionalizar
Hipótesis
H o =Noes estacionaria
H 1=Es estacionaria
Variable consump
Análisis
Análisis
La variable con segunda diferencia tiene probabilidad del test de Dickey-Fuller de 0.0017
por lo que se rechaza H0 por lo que el modelo es estacionario en segunda diferencia
Variable wagetot
Análisis
Análisis
La variable con segunda diferencia tiene probabilidad del test de Dickey-Fuller de 0.0001
por lo que se rechaza la hipótesis nula por lo que el modelo es estacionario en segunda
diferencia.
Variable profits
Análisis
La variable con primera diferencia tiene probabilidad del test de Dickey-Fuller es de 0.0388
por lo que se rechaza la hipótesis nula por lo que el modelo es estacionario en primera
diferencia.
Variable totinc
Análisis
Análisis
La variable con segunda diferencia tiene probabilidad del test de Dickey-Fuller de 0.0007
por lo que se rechaza la hipótesis nula, por lo que el modelo es estacionario en segunda
diferencia.
Variable taxnetx
Análisis
Análisis
La variable con primera diferencia tiene probabilidad del test de Dickey-Fuller es de 0.0056
por lo que se rechaza la hipótesis nula, por lo que el modelo es estacionario en primera
diferencia.
Sesgo de especificación.
Hipótesis
Análisis
La Prob > F de 0,3328 es mayor al 0.05 del nivel de significancia, es decir que se acepta la
hipótesis nula, lo que significa que el modelo no tiene variables omitidas.
Multiplicador de Lagrange
Hipótesis
Número de observaciones = 20
- R^2 = 0.8572
- 20 x 0.8572 = 17.144
- Gados de libertad = 4
- Chi ^ 2 = 9.488
Análisis
Prueba VIF
Análisis
Los valores VIF de todas las variables independientes son menores a 10 lo que significa
que no existe multicolinealidad en modelo.
Los niveles de asociatividad de las variables son altos por lo que a priori se puede decir que
hay multicolinealidad.
- Grafico
-10 0 10 -5 0 5
d2wagetot 0
-5
10
0 d2totinc
-10
5
d1profits 0
-5
5
0 d1taxnetx
-5
-5 0 5 -5 0 5
Método de Parks
Análisis
Las variables no son significativas al 5% lo que significa que las variables, lo que significa
que las variables son homosedásticas.
Método de Glejser
Análisis
Las variables no son significativas al 5% lo que significa que las variables, lo que significa
que las variables son homosedásticas.
Método de Breusch-Pagan
Hipótesis
Análisis
La Prob > chi2 es 0.9541 el cual es mayor que el nivel de significancia lo que significa que
se aceptó Ho y se rechazó H1. En otras palabras, el modelo es homosedástico.
Método White
Análisis
Corrección
Histograma de residuos
.4
.3
Density
.2.1
0
-2 -1 0 1 2
Residuals
Análisis
Estadístico de Jarque-Bera
Hipótesis
Diagrama de autocorrelación
0.50
Autocorrelations of e
0.00
-0.50
0 2 4 6 8
Lag
Bartlett's formula for MA(q) 95% confidence bands
Ilustración 4: correlograma
Análisis
Según el gráfico, el primer rezago sale un poco del límite lo que a priori se puede decir que
el modelo tiene autocorrelación.
Estadístico de Durbin-Watson
2.8075
36
Análisis
Prueba de Rachas
Hipótesis
H 0=Existe autocorrelacion
R= número de rachas = 16
2 N1 N2
Media=E ( R )= +1
N
2(10)(10)
Media=E ( R )= +1
20
2(10)(10)
Media=E ( R )= +1
20
Media=E ( R )=11
2
2 N 1 N 2 ( 2 N 1 N 2−N )
Varianza=σ R=
( N )2 ( N −1 )
2(10)(10) ( 2(10)(10)−20 )
Varianza=σ 2R= 2
( 20 ) ( 20−1 )
2
Varianza=σ R=4 , 74
Análisis
El intervalo no cumple con los términos. Lo que significa que se rechaza la hipótesis nula y
se acepta la alternativa. En otras palabras, los residuos muestran autocorrelación.
2
H 0 : Prob> ch i =0 No existe autocorrelacion
2
H 0 : Prob> ch i ≠ 0 Existe autocorrelacion
El chi^2 es de 0.0277 lo cual es menor que el nivel de significancia lo que significa que se
rechaza la hipótesis y se acepta la alternativa. En otras palabras, el modelo tiene
autocorrelación.
Corrección
Análisis
Al aplicar el comando, el estadístico de Durbin-Watson se reduce a 2.039 entrando de esta
manera a la zona de no autocorrelación. De esta manera el modelo queda cumple con el
supuesto de autocorrelación.
Método de Hauman
Hipótesis
Análisis
Después del valor obtenido en P>|t| de los residuos se puede determinar que la variable
d2wagetot no funciona solo como variable exógena; debido a que, el valor de P > |t| de los
residuos es menor al nivel de significancia del 0,05. Por lo tanto, se rechaza la hipotesis
nula y se acepta la alternativa.
Método de Pindick
Hipótesis
Análisis
Método de Gujarati
Análisis
Modelo econométrico
Elasticidades
β1 ( )
X ¿
Y
=(−0.1878184 ) (
0.5799999
0.1299997 )
=−0.838
Análisis
Ante una variación del cien por ciento en el salario total se espera que el consumo tenga
una variación del 83.8%. No es estadísticamente significativa debido a que el valor de la
elasticidad es menor a 1.
β2 ( )
X ¿
Y (
=( 0.0439362 )
0.5142857
0.1299997 )
=0.174
Análisis
Ante una variación del cien por ciento en las ganancias privadas se espera que el consumo
tenga una variación del 17.4%. No es estadísticamente significativa debido a que el valor de
la elasticidad es menor a 1.
( ) ( )
¿
X 0.6000004
β3 =( 0.5977289 ) =2.759
Y 0.1299997
Análisis
Ante una variación del cien por ciento en el ingreso total se espera que el consumo tenga
una variación del 275.9%%. Es estadísticamente significativa debido a que el valor de la
elasticidad es mayor a 1.
β4 ( )
X ¿
Y (
= ( 0.024834 )
0.3904762
0.1299997 )
=0.075
Análisis
Ante una variación del cien por ciento en los impuestos indirectos se espera que el consumo
tenga una variación del 7.5%. No es estadísticamente significativa debido a que el valor de
la elasticidad es menor a 1.
Modelo econométrico
Interpretación
d 2 consump=0.166
Análisis
Cuando las variables independientes toman sus valores medios el consumo esperado es de
0.166 dólares.
d 2 consump=−4.38
Análisis
Cuando las variables independientes toman sus valores medios el consumo esperado es de -
4.38 dólares.
II PARTE: 2 EJERCICIOS DE APLICACIÓN
^
Tasinv i=−4,138216+0,8486802 Tasahoi +0,072419 PIBpci +ui
2
R =0 , 98
^
lnTasinv i=−0,3694631+0,826453 ln Tasa h oi +0,0162419 ln PIBpc i+ ui
2
R =0 ,87
0,8486802
B1=t= =12 , 05
0,0703945
0,072419
B2=t= =3 , 95
0,0183
MODEOS LOG-LOG
0,826453
B1=t= =11, 6
0,0707358
La variable tasa de ahorro estadísticamente significativa debido a que el valor t es mayor al
nivel de confianza de 2,56, por lo rechaza la hipótesis nula y se acepta la alternativa.
0,0162419
B2=t= =0,075
0,216248
B2 :Manteniedo constantes las demás variables cuando la variable PIB percapita varia en 1
dólar, el valor esperado en la tasa de inversión tendría un aumento de 0,0724 dolares.
MODELO LOG-LOG
B2 :Manteniedo constantes las demás variables cuando la variable PIB percapita varia en 1
%, el valor esperado en la tasa de inversión tendría un aumento de 0,016 %.
Si existe diferencia en el modelo nivel- nivel se interpreta con las unidades de origen que
sería dólares, mientras que en el modelo log-log se lo realiza mediante porcentaje y se
observa que en el segundo modelo el beta no es estadísticamente significativo.
β 1: Manteniedo constantes las demás variables cuando la variable tasa de ahorro varia en 1
dólar, el valor esperado en la tasa de inversión tendría un aumento de 0,0848 dolares.
β 2: Manteniedo constantes las demás variables cuando la variable PIB percapita varia en 1
dólar, el valor esperado en la tasa de inversión tendría un aumento de 0,0724 dolares.
MODELO LOG-LOG
β 1: Manteniedo constantes las demás variables cuando la variable tasa de ahorro varia en 1
%, el valor esperado en la tasa de inversión tendría un aumento de 0,826 %.
β 2: Manteniedo constantes las demás variables cuando la variable PIB percapita varia en 1
%, el valor esperado en la tasa de inversión tendría un aumento de 0,016 %.
d)Con los resultados de los modelos de regresión, ¿Qué modelo preferiría? ¿porque?
El modelo que escogería seria nivel- nivel ya que los betas son estadísticamente
significativos de manera individual y también su R2 es alto.
Detalle para que sirven los siguientes comandos del programa Stata:
help: Obtendremos la ayuda referente al comando que hemos escrito después de help.
xtset: Después de esta estimación puede hacerse un contraste de Breusch y Pagan de que
los efectos individuales no son significativos.