Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PRUEBA F DE BONDAD DE
AJUSTE PARA TODA LA
ECUACIÓN
Chapter heading
Análisis de regresión múltiple
PRUEBA F DE BONDAD DE AJUSTE PARA TODA LA ECUACIÓN
Y 1 2 X 2 ... k X k u
H 0 : 2 ... k 0
H 1 : at least one 0
1
PRUEBA F DE BONDAD DE AJUSTE PARA TODA LA ECUACIÓN
Y 1 2 X 2 ... k X k u
H 0 : 2 ... k 0
H 1 : at least one 0
Y 1 2 X 2 ... k X k u
H 0 : 2 ... k 0
H 1 : at least one 0
Por supuesto, esperamos rechazarlo y concluir que el modelo tiene cierto poder
explicativo.
3
PRUEBA F DE BONDAD DE AJUSTE PARA TODA LA ECUACIÓN
Y 1 2 X 2 ... k X k u
H 0 : 2 ... k 0
H 1 : at least one 0
El modelo no tendrá poder explicativo si resulta que Y no está relacionado con ninguna de
las variables explicativas. Matemáticamente, por lo tanto, la hipótesis nula es que todos los
coeficientes b2, ..., bk son cero.
4
PRUEBA F DE BONDAD DE AJUSTE PARA TODA LA ECUACIÓN
Y 1 2 X 2 ... k X k u
H 0 : 2 ... k 0
H 1 : at least one 0
5
PRUEBA F DE BONDAD DE AJUSTE PARA TODA LA ECUACIÓN
Y 1 2 X 2 ... k X k u
H 0 : 2 ... k 0
H 1 : at least one 0
En el modelo de regresión múltiple hay una diferencia entre los roles de las pruebas F y t.
La prueba F prueba el poder explicativo del conjunto de variables, mientras que las
pruebas t prueban su poder explicativo individualmente.
6
PRUEBA F DE BONDAD DE AJUSTE PARA TODA LA ECUACIÓN
Y 1 2 X 2 ... k X k u
H 0 : 2 ... k 0
H 1 : at least one 0
En el modelo de regresión simple, la prueba F era equivalente a la prueba t (de dos lados)
del coeficiente de pendiente porque el "grupo" contenía en una sola variable.
7
PRUEBA F DE BONDAD DE AJUSTE PARA TODA LA ECUACIÓN
Y 1 2 X 2 ... k X k u
H 0 : 2 ... k 0
H 1 : at least one 0
ESS k 1
F k 1, n k
RSS n k
ESS
k 1 R 2 k 1
TSS
RSS
n k 1 R 2
n k
TSS
8
PRUEBA F DE BONDAD DE AJUSTE PARA TODA LA ECUACIÓN
Y 1 2 X 2 ... k X k u
H 0 : 2 ... k 0
H 1 : at least one 0
ESS k 1
F k 1, n k
RSS n k
ESS
k 1 R 2 k 1
TSS
RSS
n k 1 R 2
n k
TSS
9
PRUEBA F DE BONDAD DE AJUSTE PARA TODA LA ECUACIÓN
Y 1 2 X 2 ... k X k u
H 0 : 2 ... k 0
H 1 : at least one 0
ESS k 1
F k 1, n k
RSS n k
ESS
k 1 R 2 k 1
TSS
RSS
n k 1 R 2
n k
TSS
10
PRUEBA F DE BONDAD DE AJUSTE PARA TODA LA ECUACIÓN
S 1 2 ASVABC 3 SM 4 SF u
S 1 2 ASVABC 3 SM 4 SF u
H 0 : 2 3 4 0, H 1 : at least one 0
La hipótesis nula para la prueba F de bondad de ajuste es que los tres coeficientes de
pendiente son iguales a cero. La hipótesis alternativa es que al menos uno de ellos es
distinto de cero.
12
PRUEBA F DE BONDAD DE AJUSTE PARA TODA LA ECUACIÓN
S 1 2 ASVABC 3 SM 4 SF u
H 0 : 2 3 4 0, H 1 : at least one 0
. reg S ASVABC SM SF
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 3, 496) = 81.06
Model | 1235.0519 3 411.683966 Prob > F = 0.0000
Residual | 2518.9701 496 5.07856875 R-squared = 0.3290
-----------+------------------------------ Adj R-squared = 0.3249
Total | 3754.022 499 7.52309018 Root MSE = 2.2536
----------------------------------------------------------------------------
S | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-----------+----------------------------------------------------------------
ASVABC | 1.242527 .123587 10.05 0.000 .999708 1.485345
SM | .091353 .0459299 1.99 0.047 .0011119 .1815941
SF | .2028911 .0425117 4.77 0.000 .1193658 .2864163
_cons | 10.59674 .6142778 17.25 0.000 9.389834 11.80365
----------------------------------------------------------------------------
13
PRUEBA F DE BONDAD DE AJUSTE PARA TODA LA ECUACIÓN
S 1 2 ASVABC 3 SM 4 SF u
H 0 : 2 3 4 0, H 1 : at least one 0
. reg S ASVABC SM SF
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 3, 496) = 81.06
Model | 1235.0519 3 411.683966 Prob > F = 0.0000
Residual | 2518.9701 496 5.07856875 R-squared = 0.3290
-----------+------------------------------ Adj R-squared = 0.3249
Total | 3754.022 499 7.52309018 Root MSE = 2.2536
----------------------------------------------------------------------------
ESS k 1 1235 3
F k 1, n k F 3,496 81.1
RSS n k 2519 496
14
PRUEBA F DE BONDAD DE AJUSTE PARA TODA LA ECUACIÓN
S 1 2 ASVABC 3 SM 4 SF u
H 0 : 2 3 4 0, H 1 : at least one 0
. reg S ASVABC SM SF
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 3, 496) = 81.06
Model | 1235.0519 3 411.683966 Prob > F = 0.0000
Residual | 2518.9701 496 5.07856875 R-squared = 0.3290
-----------+------------------------------ Adj R-squared = 0.3249
Total | 3754.022 499 7.52309018 Root MSE = 2.2536
----------------------------------------------------------------------------
ESS k 1 1235 3
F k 1, n k F 3,496 81.1
RSS n k 2519 496
15
PRUEBA F DE BONDAD DE AJUSTE PARA TODA LA ECUACIÓN
S 1 2 ASVABC 3 SM 4 SF u
H 0 : 2 3 4 0, H 1 : at least one 0
. reg S ASVABC SM SF
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 3, 496) = 81.06
Model | 1235.0519 3 411.683966 Prob > F = 0.0000
Residual | 2518.9701 496 5.07856875 R-squared = 0.3290
-----------+------------------------------ Adj R-squared = 0.3249
Total | 3754.022 499 7.52309018 Root MSE = 2.2536
----------------------------------------------------------------------------
ESS k 1 1235 3
F k 1, n k F 3,496 81.1
RSS n k 2519 496
16
PRUEBA F DE BONDAD DE AJUSTE PARA TODA LA ECUACIÓN
S 1 2 ASVABC 3 SM 4 SF u
H 0 : 2 3 4 0, H 1 : at least one 0
. reg S ASVABC SM SF
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 3, 496) = 81.06
Model | 1235.0519 3 411.683966 Prob > F = 0.0000
Residual | 2518.9701 496 5.07856875 R-squared = 0.3290
-----------+------------------------------ Adj R-squared = 0.3249
Total | 3754.022 499 7.52309018 Root MSE = 2.2536
----------------------------------------------------------------------------
ESS k 1 1235 3
F k 1, n k F 3,496 81.1
RSS n k 2519 496
Por lo tanto, el estadístico F es 81.1. Todos los paquetes de regresión serios lo calculan por
usted como parte de los diagnósticos en la salida de regresión.
17
PRUEBA F DE BONDAD DE AJUSTE PARA TODA LA ECUACIÓN
S 1 2 ASVABC 3 SM 4 SF u
H 0 : 2 3 4 0, H 1 : at least one 0
. reg S ASVABC SM SF
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 3, 496) = 81.06
Model | 1235.0519 3 411.683966 Prob > F = 0.0000
Residual | 2518.9701 496 5.07856875 R-squared = 0.3290
-----------+------------------------------ Adj R-squared = 0.3249
Total | 3754.022 499 7.52309018 Root MSE = 2.2536
----------------------------------------------------------------------------
1235 3
Fcrit,0.1% 3,500 5.51 F 3,496 81.1
2519 496
El valor crítico para F(3,496) no se indica en las tablas F, pero sabemos que debe estar muy
cerca de F(3 , 500), que se da. En el nivel del 0,1%, es 5.51. Por lo tanto, rechazamos
fácilmente H0 a un nivel 0.1%.
18
PRUEBA F DE BONDAD DE AJUSTE PARA TODA LA ECUACIÓN
S 1 2 ASVABC 3 SM 4 SF u
H 0 : 2 3 4 0, H 1 : at least one 0
. reg S ASVABC SM SF
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 3, 496) = 81.06
Model | 1235.0519 3 411.683966 Prob > F = 0.0000
Residual | 2518.9701 496 5.07856875 R-squared = 0.3290
-----------+------------------------------ Adj R-squared = 0.3249
Total | 3754.022 499 7.52309018 Root MSE = 2.2536
----------------------------------------------------------------------------
1235 3
Fcrit,0.1% 3,500 5.51 F 3,496 81.1
2519 496
Este resultado podría haberse anticipado porque tanto ASVABC como SF tienen
estadísticos t muy significativos. Así que sabíamos de antemano que tanto b2 y b4 eran
distintos de cero.
19
PRUEBA F DE BONDAD DE AJUSTE PARA TODA LA ECUACIÓN
S 1 2 ASVABC 3 SM 4 SF u
H 0 : 2 3 4 0, H 1 : at least one 0
. reg S ASVABC SM SF
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 3, 496) = 81.06
Model | 1235.0519 3 411.683966 Prob > F = 0.0000
Residual | 2518.9701 496 5.07856875 R-squared = 0.3290
-----------+------------------------------ Adj R-squared = 0.3249
Total | 3754.022 499 7.52309018 Root MSE = 2.2536
----------------------------------------------------------------------------
1235 3
Fcrit,0.1% 3,500 5.51 F 3,496 81.1
2519 496
S 1 2 ASVABC 3 SM 4 SF u
H 0 : 2 3 4 0, H 1 : at least one 0
. reg S ASVABC SM SF
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 3, 496) = 81.06
Model | 1235.0519 3 411.683966 Prob > F = 0.0000
Residual | 2518.9701 496 5.07856875 R-squared = 0.3290
-----------+------------------------------ Adj R-squared = 0.3249
Total | 3754.022 499 7.52309018 Root MSE = 2.2536
----------------------------------------------------------------------------
1235 3
Fcrit,0.1% 3,500 5.51 F 3,496 81.1
2519 496
S 1 2 ASVABC 3 SM 4 SF u
H 0 : 2 3 4 0, H 1 : at least one 0
. reg S ASVABC SM SF
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 3, 496) = 81.06
Model | 1235.0519 3 411.683966 Prob > F = 0.0000
Residual | 2518.9701 496 5.07856875 R-squared = 0.3290
-----------+------------------------------ Adj R-squared = 0.3249
Total | 3754.022 499 7.52309018 Root MSE = 2.2536
----------------------------------------------------------------------------
1235 3
Fcrit,0.1% 3,500 5.51 F 3,496 81.1
2519 496
S 1 2 ASVABC 3 SM 4 SF u
H 0 : 2 3 4 0, H 1 : at least one 0
. reg S ASVABC SM SF
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 3, 496) = 81.06
Model | 1235.0519 3 411.683966 Prob > F = 0.0000
Residual | 2518.9701 496 5.07856875 R-squared = 0.3290
-----------+------------------------------ Adj R-squared = 0.3249
Total | 3754.022 499 7.52309018 Root MSE = 2.2536
----------------------------------------------------------------------------
1235 3
Fcrit,0.1% 3,500 5.51 F 3,496 81.1
2519 496
Sin embargo, si las variables explicativas están altamente correlacionadas y el modelo está
sujeto a una multicolinealidad grave, los errores estándar de los coeficientes podrían ser
tan grandes que ninguno de los estadísticos t parezca significativo.
23
PRUEBA F DE BONDAD DE AJUSTE PARA TODA LA ECUACIÓN
S 1 2 ASVABC 3 SM 4 SF u
H 0 : 2 3 4 0, H 1 : at least one 0
. reg S ASVABC SM SF
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 3, 496) = 81.06
Model | 1235.0519 3 411.683966 Prob > F = 0.0000
Residual | 2518.9701 496 5.07856875 R-squared = 0.3290
-----------+------------------------------ Adj R-squared = 0.3249
Total | 3754.022 499 7.52309018 Root MSE = 2.2536
----------------------------------------------------------------------------
1235 3
Fcrit,0.1% 3,500 5.51 F 3,496 81.1
2519 496
En esta situación sabrías que tu modelo esta bien, pero usted no está en posición de
identificar las contribuciones hechas por las variables explicativas individualmente.
24
Copyright Christopher Dougherty 2016.
Individuals studying econometrics on their own who feel that they might benefit
from participation in a formal course should consider the London School of
Economics summer school course
EC212 Introduction to Econometrics
http://www2.lse.ac.uk/study/summerSchools/summerSchool/Home.aspx
or the University of London International Programmes distance learning course
EC2020 Elements of Econometrics
www.londoninternational.ac.uk/lse.
2016.04.30