Anlisis de Econometra
SEGUNDA PARTE SOLEMNE 1
Integrantes:
Tamara Carrizo Anriquez
Javiera Lora Seplveda
Camila Villarroel Gonzlez
Facultad de Ciencias Empresariales
Carrera de Ingeniera Comercial
Econometra
Pgina 1
I[40%]El Archivo Problema_2_P1.xlsx
[http://econua2013.webege.com/Pruebas/Prueba1/Boston_Housing.xlsx] contiene datos
relativos a variables de casas habitacin en Boston, MA, USA. Considerando siempre un riesgo
del 5% base, se pide:
11 Ajustar un modelo de regresin mltiple con variable respuesta AVEV y regresoras las dems
variables de la base excepto PTRATIO.
R: Y = b0 + b1*x1 + b2*x2 + b3*x3 + b4*x4 + b5*x5 + b6*x6 + b7*x7 + b8*x8 + b9*x9 + b10*x10 +
b11*x11 + b12*x12 + b13*x13
AVEV = b0 + b1*CRIM + b2*ZN + b3*INDUS + b4*CHAS + b5*NOX + b6*RM + b7*AGE + b8*DIS +
b9*RAD + b10*TAX + b11*PTRATIO + b12*BLACKS + b13*LSTAT.
12 Cul es el coeficiente de determinacin? y Qu significa en este modelo?
R: El coeficiente de determinacin se llama R cuadrado y en este caso es igual a 0,740740, el cual
nos permite ver la bondad del ajuste de un modelo de regresin. Un modelo es confiable cuando
su ajuste sea bueno, es decir, mayor a 0,7.
En este caso R
2
= 0,740740, ende es confiable.
13 Es este modelo vlido?
R: Ho:B0=B1=B2=B3=B4=B5=B6=B7=B8=B9=B10=B11=B12=B13
Pvalue = 6,1 e
-135
6,1 e
-135
< 0,05
Por lo que se rechaza la hiptesis nula (Ho), entonces el modelo es globalmente vlido con un
riesgo del 5%.
Facultad de Ciencias Empresariales
Carrera de Ingeniera Comercial
Econometra
Pgina 2
14 Son todas las variables significativas individualmente? Cules si y cules no?
Coeficiente Valor p Riesgo
Constante 14163.5 0.00104 < 0.05 Rechazo Ho Va
Ho: X1=0 CRIM -0.102923 0.00298 < 0.05 Rechazo Ho Va
Ho: X2=0 ZN 0.0776744 0.00001 < 0.05 Rechazo Ho Va
Ho: X3=0 INDUS -0.0375689 0.55799 > 0.05 No Rechazo
Ho
No Va
Ho: X4=0 CHAS 3277.54 0.000111 < 0.05 Rechazo Ho Va
Ho: X5=0 NOX -8587.02 0.02396 < 0.05 Rechazo Ho Va
Ho: X6=0 RM 4.29231 0.00001 < 0.05 Rechazo Ho Va
Ho: X7=0 AGE -0.00698193 0.61432 > 0.05 No Rechazo
Ho
No Va
Ho: X8=0 DIS -1.61127 0.0001 < 0.05 Rechazo Ho Va
Ho: X9=0 RAD 215.211 0.00179 < 0.05 Rechazo Ho Va
Ho: X10=0 TAX -0.0143695 0.0003 < 0.05 Rechazo Ho Va
Ho: X11=0 BLACKS 0.0086448 0.00231 < 0.05 Rechazo Ho Va
Ho: X12=0 LSTAT -0.541696 0.00001 < 0.05 Rechazo Ho Va
Las variables INDUS y AGE no aportan informacin al modelo, por ende no son significativas
individualmente y convienen eliminarlas del modelo.
15 Qu modelo ajustado final deja usted? Presente p-valor y coeficiente de determinacin.
AVEV = b0 + b1*CRIM + b2*ZN + b3*INDUS + b4*CHAS + b5*NOX + b6*RM + b7*AGE + b8*DIS +
b9*RAD + b10*TAX + b11*PTRATIO + b12*BLACKS + b13*LSTAT.
Facultad de Ciencias Empresariales
Carrera de Ingeniera Comercial
Econometra
Pgina 3
Quedando el Nuevo modelo de la siguiente forma:
AVEV = b0 + b1*CRIM + b2*ZN + b4*CHAS + b5*NOX + b6*RM + b8*DIS + b9*RAD + b10*TAX +
b11*PTRATIO + b12*BLACKS + b13*LSTAT.
Modelo 2: MCO, usando las observaciones 1-506
Variable dependiente: AVEV
Coeficiente Desv. Tpica Estadstico t Valor p
const 14195,9 4281,24 3,3158 0,00098 ***
CRIM -0,102139 0,0344178 -2,9676 0,00315 ***
ZN 0,0800222 0,0133696 5,9854 <0,00001 ***
CHAS 3208,16 895,854 3,5811 0,00038 ***
NOX -9609,32 3548,13 -2,7083 0,00700 ***
RM 4,27814 0,421858 10,1412 <0,00001 ***
DIS -1,55583 0,195124 -7,9736 <0,00001 ***
RAD 227,958 65,9306 3,4575 0,00059 ***
TAX -0,015499 0,00350609 -4,4206 0,00001 ***
BLACKS 0,00859758 0,00281152 3,0580 0,00235 ***
LSTAT -0,553724 0,0496713 -11,1478 <0,00001 ***
Media de la vble. dep. 22532,81 D.T. de la vble. dep. 9197,104
Suma de cuad. residuos 1,23e+10 D.T. de la regresin 4982,279
R-cuadrado 0,712348 R-cuadrado corregido 0,706537
F(10, 495) 122,5828 Valor p (de F) 5,0e-127
Log-verosimilitud -5020,325 Criterio de Akaike 10062,65
Criterio de Schwarz 10109,14 Crit. de Hannan-Quinn 10080,88
AVEV = 14195.9 0.102139x1 + 0.0800222x2 + 3208.16x3 9609.32x4 + 4.27814x5 1.55583x6 +
227.958x7 0.015499x8 + 0.00859758x9 0.553724x10
Facultad de Ciencias Empresariales
Carrera de Ingeniera Comercial
Econometra
Pgina 4
16 Efectuar un anlisis preliminar del modelo ajustado final:
16.1 Se verifica la hiptesis de homocedasticidad del modelo?
Si bien no se ve una tendencia clara, la mayora se encuentra cercano al 0.
Facultad de Ciencias Empresariales
Carrera de Ingeniera Comercial
Econometra
Pgina 5
16.2 Se verifica la hiptesis de normalidad del modelo?
Si bien existe una tendencia en los errores, no se ve claramente que tienen una forma cercana a la
normal.
Facultad de Ciencias Empresariales
Carrera de Ingeniera Comercial
Econometra
Pgina 6
16.3 Se verifica la hiptesis de multicolinealidad del modelo?
Facultad de Ciencias Empresariales
Carrera de Ingeniera Comercial
Econometra
Pgina 7
La multicolinealidad en el modelo se presenta cuando las variables independientes presentan alto
nivel de correlacin. Por lo que en trminos empricos hay que definir los lmites de tolerancia de
colinealidad
Aqu se presenta una fuerte correlacin entre las variables explicativas del modelo, esta ha de ser
fuerte y significativa ya que es muy distinta en sus valores al cero.
Anlisis de la matriz de correlaciones. Algunos autores recomiendan correlaciones mayores 0.8
0.85 indica la presencia de colinealidad.
Facultad de Ciencias Empresariales
Carrera de Ingeniera Comercial
Econometra
Pgina 8
16.4 Se verifica la hiptesis de independencia del modelo?
Residuos con tendencia lineal, aqu podemos notar que se sigue un mismo patrn de manera
positiva y ascendente, solo se puede apreciar puntos que estn fuera de la curva por las
fluctuaciones que esta tiene.
-20000
-15000
-10000
-5000
0
5000
10000
15000
20000
25000
30000
-20000 -15000 -10000 -5000 0 5000 10000 15000 20000
Cuantiles de la Normal
Grfico Q-Q de uhat3
y = x
Facultad de Ciencias Empresariales
Carrera de Ingeniera Comercial
Econometra
Pgina 9
16.5 Qu pasa con la presencia de outliers?
Aqu podemos observar de manera numrica que hay datos distantes al resto, como se puede
apreciar en el grafico anterior, existen datos atpicos dentro del conjunto, estos datos pueden ser
indicativos de que pertenecen a algo diferente al de la muestra establecida que no seran de
utilidad en el modelo original.
Facultad de Ciencias Empresariales
Carrera de Ingeniera Comercial
Econometra
Pgina
10
17 Mejora el modelo ajustado en 11si se introduce la variable PTRATIO? De dos indicadores
vlidos para comparar los modelos. Qu modelo deja usted?
Modelo que incluye variable PTRATIO
Modelo 1: MCO, usando las observaciones 1-506
Variable dependiente: AVEV
Coeficiente Desv. Tpica Estadstico t Valor p
const 36495 5103,05 7,1516 <0,00001 ***
CRIM -0,108798 0,0328068 -3,3163 0,00098 ***
ZN 0,0465781 0,0137308 3,3922 0,00075 ***
INDUS 0,0205904 0,0614599 0,3350 0,73775
CHAS 2688,03 861,405 3,1205 0,00191 ***
NOX -17774,2 3819 -4,6541 <0,00001 ***
RM 3,80571 0,417876 9,1073 <0,00001 ***
AGE 0,000549511 0,0132072 0,0416 0,96683
DIS -1,47568 0,19939 -7,4010 <0,00001 ***
RAD 307,095 66,3917 4,6255 <0,00001 ***
TAX -0,0122976 0,00375948 -3,2711 0,00115 ***
PTRATIO -0,95422 0,130811 -7,2946 <0,00001 ***
BLACKS 0,00929289 0,0026857 3,4601 0,00059 ***
LSTAT -0,52471 0,0506962 -10,3501 <0,00001 ***
Media de la vble. dep. 22532,81 D.T. de la vble. dep. 9197,104
Suma de cuad. residuos 1,11e+10 D.T. de la regresin 4744,408
R-cuadrado 0,740740 R-cuadrado corregido 0,733890
F(13, 492) 108,1315 Valor p (de F) 6,1e-135
Log-verosimilitud -4994,033 Criterio de Akaike 10016,07
Criterio de Schwarz 10075,24 Crit. de Hannan-Quinn 10039,27
Facultad de Ciencias Empresariales
Carrera de Ingeniera Comercial
Econometra
Pgina
11
Si comparamos con el modelo que habamos analizado anteriormente, es decir, que no incluya la
variable PTRATIO, podemos decir que:
(Con PTRATIO)
(Sin PTRATIO)
Como se ve anteriormente se encuentra el R-cuadrado de los modelos tanto con PTRATIO como
sin este, el modelo que se escoge es el con PTRATIO equivalente a 0.740740, ya que, el modelo es
vlido globalmente y posee un nivel mayor de confiabilidad respecto al modelo sin PTRATIO.
Los 2 valores Validos son: CRIM, ZN, INDUS, ya que el valor de P es menor a 0.05 (riesgo)
18 Mejora el modelo ajustado en 11si se introduce la variable PTRATIO y el cubo de la variable
NOX? De dos indicadores vlidos para comparar los modelos 11 y 18. Qu modelo deja usted?
R
2
0,740740
R-cuadrado 0,712700
Facultad de Ciencias Empresariales
Carrera de Ingeniera Comercial
Econometra
Pgina
12
19 Sobre el modelo original ajustado en 11, docime la hiptesis que b3 = 2 + 1.25 * b2 y
b1 = 1.5 + 0.75 * b2? Qu concluye usted? En caso de ser necesario presente el nuevo
estimador de los parmetros b.
Ya que, el Pvalue=9.76718e-207, se rechaza la hiptesis nula y por ende va, esto quiere decir, que el
modelo es globalmente valido. Y van las restricciones.
Coeficiente Desv. Tpica Estadstico t Valor p
------------------------------------------------------------------
Ho: Bo=0 const -4217,63 9622,70 -0,4383 0,6614 Se rechaza, VA
Ho: B1=0 CRIM 1,00000 0,00000 NA NA
Ho: B2=0 ZN 0,0103247 0,0306993 0,3363 0,7368 No se rechaza, NO VA
Ho: B3=0 INDUS 2,01032 0,0306993 65,48 5,78e-246 *** No se rechaza, NO VA
Ho: B4=0 CHAS 2194,13 2020,71 1,086 0,2781 No se rechaza, NO VA
Ho: B5=0 NOX -28899,0 8301,35 -3,481 0,0005 *** Se rechaza, VA
Ho: B6=0 RM 6,86450 0,963422 7,125 3,69e-012 *** No se rechaza, NO VA
Ho: B7=0 AGE -0,0254226 0,0311447 -0,8163 0,4147 Se rechaza, VA
Ho: B8=0 DIS 1,03646 0,447467 2,316 0,0210 ** No se rechaza, NO VA
Facultad de Ciencias Empresariales
Carrera de Ingeniera Comercial
Econometra
Pgina
13
Ho: B9=0 RAD 145,374 143,815 1,011 0,3126 No se rechaza, NO VA
Ho: B10=0 TAX -0,0642250 0,00808058 -7,948 1,29e-014 *** No se rechaza, NO VA
Ho: B11=0 BLACKS 0,0214042 0,00630851 3,393 0,0007 *** No se rechaza, NO VA
Ho: B12=0 LSTAT -0,908339 0,118279 -7,680 8,60e-014 *** No se rechaza, NO VA
11.0 En una misma grafica presente el modelo inicial observado, modelo ajustado en 11, modelo
ajustado final 15.
Grfico inicial
Facultad de Ciencias Empresariales
Carrera de Ingeniera Comercial
Econometra
Pgina
14
Grfico SIN PTRATIO
Grfico SIN INDUS Y SIN AGE
