Econometria

Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1de 23

Econometra I

Dr. Juan Walter Tudela Mamani

Facultad de Ingeniera Econmica


Universidad Nacional del Altiplano

Sesiones de laboratorio

Sesin de laboratorio 4
Anlisis de regresin mltiple
lineal y no lineal con Eviews
5.0

Ingrese al programa Eviews 5.0

Para el calculo del intervalo de confianza, se tiene que el valor de la t


de Student (t0.025= 2.262) para 9 grados de libertad; en consecuencia,
los intervalos de confianza al 95% para los parmetros estimados
seran:

39.15735 2.2625.887060

1.016100 2.2620.190895

1.86164 2.2620.267325

0.34266 2.2620.617052

El R2 ajustado vale 0.88 (indicativo de un buen ajuste al ser muy alto) que
quiere decir que el 88% de la variacin en la supervivencia de
determinada clase de planta esta explicada por las concentraciones de
tres productos diferentes.
El error estndar de la regresin (S.E. of regression) es bajo y estima la
desviacin tpica del error (su cuadrado es la varianza residual estimada:
2=4.29). Los valores bajos de los criterios de informacin de Akaike y
Schwarz indican que el modelo es bueno. El valor del estadstico de Durbin
Watson, no demasiado alejado de 2, indica que los problemas de
autocorrelacin no son relevantes. La suma de los errores al cuadrado
(sum squared resid) es el valor de la funcin objetivo en el mnimo cuando
estimamos por mnimos cuadrados ordinarios. El logaritmo de la funcin
de verosimilitud (log likelihood) es el valor de la funcin objetivo en el
mximo cuando se estima por mxima verosimilitud. Las caractersticas
bsicas de la variable dependiente vienen recogidas por su media (mean
dependent var) y cuasi desviacin tpica muestral (S.D. dependent var).

La ecuacin del modelo definitivo ajustado es:

y 39.15 1.016 x1 1.86 x2 0.34 x3

Al interpretar el modelo se observar que un aumento unitario en la


concentracin del primer producto produce un aumento de 1.016 unidades
de la variable Y, es decir, un aumento de un 1.016% en la variable Y por
estar dada esta ltima variable en tanto por ciento.

De igual forma, un aumento unitario en la concentracin del segundo


producto produce un descenso de 1.86 unidades de la variable Y, es decir,
un descenso de un 1.86% en la variable Y.
Por ltimo, un aumento unitario en la concentracin del tercer producto
produce un descenso del 0.34% en la variable Y.
En cuanto a la constante podra interpretarse indicando que para valores
nulos de las concentraciones de los tres productos, el porcentaje de
supervivencia de las plantas es del 39.15%, es decir, las plantas sobreviven
casi con un 40% de probabilidad aunque no se le apliquen determinadas
concentraciones de los tres productos. La constante juega el papel de una
cota fija de supervivencia de las plantas independiente de la aplicacin o
no de las correspondientes concentraciones.

Significatividad conjunta de los parmetros


estimados del modelo: La prueba F

Significatividad conjunta de los parmetros


estimados del modelo: El contraste de Wald

Se observa el rechazo de la
nulidad simultnea de los
parmetros estimados por esta
va (alternativa al test de la F),
en efecto, el p-valor es muy
pequeo, es decir, se acepta la
significatividad conjunta de
los parmetros del modelo

Contraste de hiptesis: b2=-2.5

El p-valor muy pequeo indica el rechazo de la hiptesis de que b2=-2.5

Clculo de las predicciones

Al hacer clic sobre YF se obtiene la prediccin de la variable dependiente pedida (24.22311).


Si se hace clic sobre SEf se obtiene el error estandar de la prediccin (2.209586) que se
utiliza para el clculo del intervalo de confianza para la prediccin invidual.

24.22311 2.2622.209586 19.2 29.2

Anlisis de residuos: Estas bandas permiten detectar residuos significativamente distintos


de cero (atpicos). En nuestro caso los residuos 5, 11 y 12 se salen de las bandas (aunque no
demasiado), lo que puede indicar que son atpicos.

Anlisis de residuos estandarizados: No se observan problemas de comportamiento


sistemtico residual por lo que puede suponerse aleatoriedad de los residuos. Los posibles
valores atpicos pueden venir orignados por la presencia de una variable poco significativa
en el modelo (x3).

También podría gustarte