Supuesto Gretl para practicar | Econometría Judit Alonso
Utilizamos los datos de muestra de Gretl: Ramanathan DATA7-24
Haciendo clic con botón derecho y dando a “Información”, encontramos la siguiente
información sobre la base de datos de muestra:
DATA7-24
Data on the sale price and characteristics of homes in the Dove Canyon and Coto de Caza areas of Orange
County, California, compiled by Jody Schimmel. Dove Canyon is a neighborhood built around a golf course with
single family tract homes with relatively small lots. Coto de Caza is a more upscale area. It is more rural with
large custom homes, some with horse corrals.
saleprice = sale price in thousands of dollars (precio de venta en miles de $).
sqft = living area in square feet (área de la vivienda en pies cuadrados).
bedrms = number of bed rooms (número de habitaciones).
baths = number of baths (número de baños).
garage = number of car spaces (número de espacios para coches).
age = age of house in years (antigüedad).
city = 1 for Coto de Caza and 0 for Dove Canyon (esta variable es cualitativa, puede tomar valor 0 o 1,
veremos cómo utilizar este tipo de variables en el Tema 8).
Queremos estimar el siguiente modelo que pretende medir cómo el área de la vivienda, el
número de habitaciones, el número de baños y la antigüedad de la casa afectan a su precio
de venta en miles de dólares.
𝑠𝑎𝑙𝑒𝑝𝑟𝑖𝑐𝑒𝑖 = 𝛽0 + 𝛽1 𝑠𝑞𝑓𝑡𝑖 + 𝛽2 𝑏𝑒𝑑𝑟𝑚𝑠𝑖 + 𝛽3 𝑏𝑎𝑡ℎ𝑠𝑖 + 𝛽4 𝑎𝑔𝑒𝑖 + 𝑢𝑖
Estimamos el modelo por Mínimos Cuadrados Ordinarios (MCO):
Modelo 1: MCO, usando las observaciones 1-224
Variable dependiente: salepric
Coeficiente Desv. Típica Estadístico t valor p
const −501.954 72.2840 −6.944 <0.0001 ***
sqft 0.252769 0.0123578 20.45 <0.0001 ***
bedrms −16.9605 17.2330 −0.9842 0.3261
baths 36.9900 16.5297 2.238 0.0262 **
age 9.33367 3.21648 2.902 0.0041 ***
Media de la vble. dep. 642.9294 D.T. de la vble. dep. 371.3762
Suma de cuad. residuos 4515854 D.T. de la regresión 143.5978
R-cuadrado 0.853173 R-cuadrado corregido 0.850491
F(4, 219) 318.1371 Valor p (de F) 5.50e-90
Log-verosimilitud −1427.926 Criterio de Akaike 2865.851
Criterio de Schwarz 2882.909 Crit. de Hannan-Quinn 2872.737
1
Supuesto Gretl para practicar | Econometría Judit Alonso
Nuestro modelo estimado es:
̂ 𝑖=𝛽
𝑠𝑎𝑙𝑒𝑝𝑟𝑖𝑐𝑒 ̂0 + 𝛽
̂1 𝑠𝑞𝑓𝑡𝑖 + 𝛽
̂2 𝑏𝑒𝑑𝑟𝑚𝑠𝑖 + 𝛽
̂3 𝑏𝑎𝑡ℎ𝑠𝑖 + 𝛽
̂4 𝑎𝑔𝑒𝑖
̂ 𝑖 = −501.954∗∗∗ + 0.252769∗∗∗ ∙ 𝑠𝑞𝑓𝑡𝑖 − 16.9605 ∙ 𝑏𝑒𝑑𝑟𝑚𝑠𝑖 + 36.9900∗∗ ∙ 𝑏𝑎𝑡ℎ𝑠𝑖
𝑠𝑎𝑙𝑒𝑝𝑟𝑖𝑐𝑒
+ 9.33367∗∗∗ ∙ 𝑎𝑔𝑒𝑖
Cuando el área de la vivienda se incrementa en 1 pie cuadrado, el precio se incrementa en
0.25 miles de dólares, ceteris paribus. Además, este coeficiente es significativo para todos
los valores habituales de significación, ya que el p-valor del contraste de significatividad
individual es menor a 0.01, el valor de significación más bajo dentro de los habituales.
El coeficiente beta 2 no es significativo, no es estadísticamente distinto de cero, ya que el
p-valor es mayor que 0.1, el valor de significación más alto dentro de los habituales, por lo
que podemos concluir que el número de habitaciones de la casa no afecta al precio de
venta, una vez tenemos en cuenta el resto de las variables de nuestro modelo.
Cuando el número de baños de la casa se incrementa en 1, el precio de la casa se
incrementa en 36.99 miles de dólares, ceteris paribus. Este coeficiente es significativo
tanto al 10% como al 5% de significación, ya que el p-valor del contraste de
significatividad individual es menor a 0.1 y 0.05, pero no menor que 0.01.
Cuando la antigüedad de la casa se incrementa en 1 año, el precio de la vivienda se
incrementa en 9.33 miles de dólares, ceteris paribus. Este coeficiente es significativo para
todos los valores habituales de significación, ya que el p-valor del contraste de
significatividad individual es menor a 0.01, el valor de significación más bajo dentro de los
habituales.
Si analizamos la significación global de nuestro modelo, vemos que el p-valor para el
contraste F es 0.00000000…550, inferior al nivel de significación más pequeño (0.01), por
lo que rechazamos la hipótesis nula de que todos los coeficientes de nuestro modelo son
iguales a 0 para cualquier nivel habitual de significación.
Del total de variabilidad del precio de las viviendas, nuestro modelo recoge o explica el
85%, también cuando corregimos el R^2 por el número de variables independientes de
nuestro modelo. Este valor, que podemos considerar bueno para nuestro modelo, nos
lleva a pensar que no hay ninguna variable relevante que estemos omitiendo, dejando
fuera de nuestro modelo (aunque podríamos probar incluyendo el resto de variables que
tenemos en la base de datos para ver si nuestro modelo mejora al incluirlas).
2
Supuesto Gretl para practicar | Econometría Judit Alonso
Hemos encontrado un coeficiente que no es estadísticamente significativo, por lo que
podemos reestimar nuestro modelo sin considerar su variable asociada, número de
habitaciones (bedrms), variable irrelevante en nuestro modelo inicial:
𝑠𝑎𝑙𝑒𝑝𝑟𝑖𝑐𝑒𝑖 = 𝛾0 + 𝛾1 𝑠𝑞𝑓𝑡𝑖 + 𝛾2 𝑏𝑎𝑡ℎ𝑠𝑖 + 𝛾3 𝑎𝑔𝑒𝑖 + 𝑢𝑖
Modelo 2: MCO, usando las observaciones 1-224
Variable dependiente: salepric
Coeficiente Desv. Típica Estadístico t valor p
const −552.046 51.3227 −10.76 <0.0001 ***
sqft 0.248759 0.0116660 21.32 <0.0001 ***
baths 33.4616 16.1351 2.074 0.0393 **
age 9.97566 3.14942 3.167 0.0018 ***
Media de la vble. dep. 642.9294 D.T. de la vble. dep. 371.3762
Suma de cuad. residuos 4535827 D.T. de la regresión 143.5876
R-cuadrado 0.852523 R-cuadrado corregido 0.850512
F(3, 220) 423.9203 Valor p (de F) 3.98e-91
Log-verosimilitud −1428.420 Criterio de Akaike 2864.840
Criterio de Schwarz 2878.486 Crit. de Hannan-Quinn 2870.348
Nuestro nuevo modelo estimado es:
̂ 𝑖 = −552.046∗∗∗ + 0.2488∗∗∗ ∙ 𝑠𝑞𝑓𝑡𝑖 + 33.4616∗∗ ∙ 𝑏𝑎𝑡ℎ𝑠𝑖 + 9.97566∗∗∗ ∙ 𝑎𝑔𝑒𝑖
𝑠𝑎𝑙𝑒𝑝𝑟𝑖𝑐𝑒
Cuando el área de la vivienda se incrementa en 1 pie cuadrado, el precio se incrementa en
0.25 miles de dólares, ceteris paribus. Este coeficiente sigue siendo significativo para
todos los valores habituales de significación, ya que el p-valor del contraste de
significatividad individual es menor a 0.01, el valor de significación más bajo dentro de los
habituales.
Cuando el número de baños de la casa se incrementa en 1, el precio de la casa se
incrementa en 33.46 miles de dólares, ceteris paribus. Este coeficiente es significativo
tanto al 10% como al 5% de significación, ya que el p-valor del contraste de
significatividad individual es menor a 0.1 y 0.05, pero no menor que 0.01.
Cuando la antigüedad de la casa se incrementa en 1 año, el precio de la vivienda se
incrementa en 9.98 miles de dólares, ceteris paribus. Este coeficiente es significativo para
todos los valores habituales de significación, ya que el p-valor del contraste de
significatividad individual es menor a 0.01, el valor de significación más bajo dentro de los
habituales.
3
Supuesto Gretl para practicar | Econometría Judit Alonso
Si analizamos la significación global de nuestro modelo, vemos que el p-valor para el
contraste F es 0.00000000…398, inferior al nivel de significación más pequeño (0.01), por
lo que rechazamos la hipótesis nula de que todos nuestros coeficientes son iguales a 0
para cualquier nivel habitual de significación.
Del total de variabilidad del precio de las viviendas, nuestro modelo explica el 85%,
también cuando corregimos el R^2 por el número de variables independientes de nuestro
modelo.
