Download - Ejercicios 1 regresión
-
8/15/2019 Ejercicios 1 regresión
1/17
Ejercicio2.
-
8/15/2019 Ejercicios 1 regresión
2/17
A. Con la información proporcionada, obtenga, analice e interprete:a) Para cada variable independiente: Modelo de regresión lineal
simple, intervalos de conana de la pendiente, la variana delmodelo, an!lisis de variana, eval"e la adec#ación del modelo#sando an!lisis resid#al, coeciente de determinación.
• Para $, %&:M'( e *ntervalo de conana
+ariana del modelo
An!lisis de variana
-
8/15/2019 Ejercicios 1 regresión
3/17
An!lisis resid#al
Coeciente de determinación
• Para $, %2:
-
8/15/2019 Ejercicios 1 regresión
4/17
M'( e *ntervalo de conana
+ariana del modelo
An!lisis de variana
An!lisis resid#al
Coeciente de determinación
• Para $, %M'( e *ntervalo de conana
-
8/15/2019 Ejercicios 1 regresión
5/17
+ariana del modelo
An!lisis de variana
An!lisis resid#al
Coeciente de determinación
• Para $, %-M'( e *ntervalo de conana
-
8/15/2019 Ejercicios 1 regresión
6/17
+ariana del modelo
An!lisis de variana
An!lisis resid#al
Coeciente de determinación
• Para $, %
M'( e *ntervalo de conana
-
8/15/2019 Ejercicios 1 regresión
7/17
+ariana del modelo
An!lisis de variana
An!lisis resid#al
Coeciente de determinación
• Para $, %/
M'( e *ntervalo de conana
-
8/15/2019 Ejercicios 1 regresión
8/17
+ariana del modelo
An!lisis de variana
An!lisis resid#al
Coeciente de determinación
• Para 0, %1M'( e *ntervalo de conana
-
8/15/2019 Ejercicios 1 regresión
9/17
+ariana del modelo
An!lisis de variana
An!lisis resid#al
2
-/3
&&2&-&/&3
4rec#encia
Coeciente de determinación
-
8/15/2019 Ejercicios 1 regresión
10/17
b) Con las siete variables independientes: Modelo de regresión linealm"ltiple, estimar los par!metros, variana del modelo, an!lisis devariana.
• M'(M 0 estimación de par!metros
• +ariana del modelo
• An!lisis de variana
5. 'ealice las pr#ebas de s#bconj#nto de coecientesa) 6o: 5&7, donde 5&785&, 52)
e acepta la 9ipótesis n#la.
b) 6o: 5&7, donde 5&785&, 5, 5)
e rec9aa la 9ipótesis n#la.
c) 6o: 5&7, donde 5&785, 5, 51)
e rec9aa la 9ipótesis n#la.
d) 6o: 5&7, donde 5&7851, 52, 5-)
-
8/15/2019 Ejercicios 1 regresión
11/17
e rec9aa la 9ipótesis n#la.
C. btenga modelos de regresión e identi;#e el modelo ;#e parece serel #sti;#e s# resp#esta.
-
8/15/2019 Ejercicios 1 regresión
12/17
Ejercicio 2. (a tabla proporciona información sobre los a#tomóviles depasajeros n#evos vendidos en EE. ??. como f#nción de diversas variables.
a) @esarrolle #n modelo lineal o log lineal apropiado para estimar #naf#nción de demanda de a#tomóviles en EE. ??.
b) i decide incl#ir todas las regresoras dadas en la tabla como variables
eplicativas, Bespera encontrar el problema de m#lticolineadlidadBPor ;#D
c) i espera lo anterior, Bcómo resolvera el problema Plantee loss#p#estos claramente 0 m#estre todos los c!lc#los de maneraeplcita.
@esarrollo
a)
El modelo es:
Y =2933.91+50.54∗ X 1−103.5∗ X 2+6.12∗ X 3−105.98∗ X 4+0.12∗ X 5
-
8/15/2019 Ejercicios 1 regresión
13/17
b)
(a colinealidad es moderada.
c) Fo 9a0 m#lticolinealidad grave, por lo tanto no se emplear! alg"nmDtodo para corregirla.
Ejercicio /. (a tabla presenta información acerca de los precios de acciones8$) 0 los precios al cons#midor 8%) epresados en cambios porcent#alesan#ales para #n corte transversal de 2 pases.
-
8/15/2019 Ejercicios 1 regresión
14/17
a) Gra;#e los datos en #n diagrama de dispersión.b) Efect"e la regresión de $ sobre % 0 eamine los resid#os de esta
regresión. BH#D observac) Como los datos de C9ile parecen atpicos, repita la regresión en b) sin
la información sobre C9ile. A9ora eamine los resid#os de esta
regresión. BH#D observad) i, con base en los res#ltados de b), concl#0e ;#e 9#bo9eteroscedasticidad en la variana del error, pero con base en losres#ltados de c) modica este res#ltado, B;#D concl#siones generalesobtiene
@esarrollo
a)
b)
-
8/15/2019 Ejercicios 1 regresión
15/17
Como el valor obtenido al m#ltiplicar nI'J2 es menor ;#e el valortab#lar, se concl#0e ;#e no 9a0 9etroscedasticidad.
c)
-
8/15/2019 Ejercicios 1 regresión
16/17
Como el valor obtenido al m#ltiplicar nI'J2 es menor ;#e el valor
tab#lar, se concl#0e ;#e no 9a0 9etroscedasticidad.
d) 5as!ndonos en el an!lisis empleado, tanto en c) como en b), se llegóa la concl#sión de ;#e no 9a0 9eteroscedasticidad, por lo tanto p#edoarmar ;#e la información de C9ile no es relevante o dic9o de otramanera no afecta al modelo.Por otra parte, si inicialmente se detecta 9eteroscedasticidad 0 aleliminar esa información deja de eistir dic9o fenómeno, entonces laconcl#sión es ;#e la 9eteroscedasticidad 9a sido provocada por #ndato o#tlier.
Ejercicio &. Kiene la sig#iente información:
-
8/15/2019 Ejercicios 1 regresión
17/17
C'& basado en las primeras observaciones 7 , gl 7 2
C'2 basado en las primeras observaciones 7 &-, gl 7 2
'ealice la pr#eba de GoldfeldLH#andt en el nivel de signicancia de .
Como podemos observar, el valor de lambda ecede al 4 tab#lar, por lo
tanto es probable la eistencia de 9etroscedasticidad.