AUTOCORRELACIN = LOS ERRORES ESTAN RELACIONADOS LINEALMENTE

ESTIMADORES BETA SERAN POCO EFICIENTES, LA ESTIMACION NO SERAN CERTERAS

LAS VARIABLES NO DEPENDEN SOLO DE LA VARIABLE EXPLICATIVA X SI NO QUE TAMBIEN DE Y
AUTOCORRELACIN POSITIVA LINEALMENTE
NEGATIVA NO LINEAL
DURBIN.WATSON
REGRESION ENTRE LOS ERRORES, EL DATO A EXPLIAR ES EL ERROR EN LA PENDIENTE T
SE REALIZA UN APRUEBA DE HIPOTESIS, SE CALCULA UN ESTADISTICO ESTIMADO Y COMPROBAR
SI EXISTE CORRELACION DE MANERA MATEMATICA
CMPROBAR QUE LA PENDIENTE SEA NULA, PARA DESCUBIR QUE NO EXSITE
AUTOCORRELACION
PENDIENTE = 0 H0
PENDIENTE >0 O < 0 H1
ESTADISTICO DE TABLA DE D-W QUE SE DEFINE
EN LA INFERENCIA DE LOS ERRORES
CON LOS ESTADISTICOS DE D-W
SE DEFINEN DOS ESTADISTICOS, UN dL y dU
GRAFICA CON FORMA DE CAMPANA CON LIMITANTES EN X DE
DL DU 4-DL 4-DU LOS CUATROS DEFINEN QUE ES PORQUE ES 4 VECES MAS ANCHO QUE EL GRAFICO
EL DL Y DU DEPENDEN DEL NUMERO DE OBSERVACIONES
(N) Y EL NUMERO DE VARIABLE EXPLICATIVA (K)
DEPENDENDIENDO DE LA GRAFICA, DE DONDE CAIGA EL VALOR
D-W SE DICE ESTUDIAR LA REGRESION DE ERRORES QUE SE EXPRESA DE LA SIGUIETNE MANERA
EL ESTADISTICO SE CALCULA CON LA FORMULA DE D-W
HIPOTESIS
PARA RECHAZAR O NO RECHAZAR LA HIPOTESIS NULA SE CONTRASTA
DURBIN - WATSON
DONDE e
t
ES EL ERROR OBSERVADO EN EL TIEMPO T
e
t-1
ES EL ERROR OBSERVADO EN EL TIEMPO t-1
P ES LA PENDIENTE DE LA REGRESION DE LOS ERRORES
W ES EL ERROR ALEATORIO
LA IDEA ES PROBAR LA SIGUIENTE HIPOTESIS
H0: P=0 SI SE CUMPLE DICE QUE NO EXISTE AUTOCORRELACION
H1: P>0 SI SE CUMPLE DICE QUE EXISTE AUTOCORRELACION POSITIVA
O
H1:P<0 SI SE CUMPLE DICE QUE EXISTE AUTOCORRELACION NEGATIVA
PARA DETERMINAR SI SE RECHAZA O NO SE RECHAZA LA HIPOTESIS NULA, SE CALCULA EL
ESTADISTICO DE D-W
DEL EJERCICIO 1
=SUMAXMENOSY2(EJERCICIOS!G27:G41;EJERCICIOS!G26:G40)
0.43421226
=SUMA.CUADRADOS(
0.51456229
D= 0.84384782
CON K=1 Y N=16, LOS VALORES DE D-W SON LOS SIGUIENTES
DL= 1.1
DU= 1.37
VALOR MAXIMO QUE SE TOMA CON LA CURVA
VALORES LLEGAN HASTA 4, PARA DETERMINAR
AUTOCORRE
LACION
NEGATIVA
ZONA
INDIFERENCIA
NO RECHAZO
H0
ZONA DE
INDIFERENCIA
1.1 1.37 2.63
COMO D OBSERVADO ES 0.84 ES MENOR A DL SE DETECTA (1.1) SE DETECTA
QUE EXISTE AUTOCORRELACION NEGATIVA
EN LOS ERRORES CON UN ALFA DE 0.05
D=

1
2

2

LAS VARIABLES NO DEPENDEN SOLO DE LA VARIABLE EXPLICATIVA X SI NO QUE TAMBIEN DE Y
SE REALIZA UN APRUEBA DE HIPOTESIS, SE CALCULA UN ESTADISTICO ESTIMADO Y COMPROBAR
LOS CUATROS DEFINEN QUE ES PORQUE ES 4 VECES MAS ANCHO QUE EL GRAFICO
D-W SE DICE ESTUDIAR LA REGRESION DE ERRORES QUE SE EXPRESA DE LA SIGUIETNE MANERA
DURBIN - WATSON
AUTOCORRE
LACION
POSITIVA
2.9
COMO D OBSERVADO ES 0.84 ES MENOR A DL SE DETECTA (1.1) SE DETECTA
LOS VALORES DE K Y N SE OBTIENEN DE LA TABLA
DE DATOS DE ESTADISITCA DE DURBIN Y WATSON
ENTREGADA JUNTO CON EL EJERCICIO 1
N = NUMERO DE OBSERVACIONES
K = NUMERO DE VARIABLES EXPLICATIVAS
LOS VALORES DE LAS MATRICES SE OBTIENEN DEL EJERCICIO 1 Y DE LA
TABLA DE RESIDUOS, DONDE LA MATRIZ 1 CONSIDERA LOS VALORES
DESDE LA OBS. 2 HASTA LAS 16 Y LA MATRIZ 2 DESDE 1 HASTA LA 15,
LUEGO EL DENOMINADOR, TOMA TODOS LOS VALORES

=
1
+

Tiempo x
t
Y
t
1 270.36 44.84 Resumen
2 258.38 42.97
3 254.96 41.98 Estadsticas de la regresin
4 259.7 42.75 Coeficiente de correlacin mltiple
5 265.4 43.95 Coeficiente de determinacin R^2
6 274.98 45.65 R^2 ajustado
7 281.86 46.87 Error tpico
8 285.78 47.35 Observaciones
9 290.58 48.13
10 290.18 47.95 ANLISIS DE VARIANZA
11 296.72 49.1
12 292.3 48.52 Regresin
13 301.7 50.22 Residuos
14 305.42 51.15 Total
15 314.96 52.78
16 321.1 53.91
Intercepcin
Variable X 1
Y =B0+B1X
LA REGRESION ES Y=-2.97+0.17X
Anlisis de los residuales
Observacin
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Estadsticas de la regresin
0.998650232
0.997302286
0.997109592
0.191714499
16
Grados de libertadSuma de cuadrados Promedio de los cuadrados F Valor crtico de F
1 190.2255377 190.2255377 5175.57852 2.1808E-19
14 0.514562288 0.036754449
15 190.7401
Coeficientes Error tpico Estadstico t Probabilidad Inferior 95% Superior 95%
-2.975523482 0.70162473 -4.240904508 0.00082253 -4.48035886 -1.4706881
0.176525262 0.002453734 71.94149374 2.1808E-19 0.17126253 0.181788
B0 Y B1 LOS VALORES QUE ESTAN ALLI B0
B1
Pronstico para Y Residuos Residuos estndares
44.74984637 0.090153627 0.486754368
42.63507373 0.334926267 1.808322397
42.03135734 -0.051357337 -0.277286769
42.86808708 -0.118087079 -0.637571701
43.87428107 0.075718927 0.408819031
45.56539308 0.084606916 0.456806758
46.77988689 0.090113113 0.486535627
47.47186591 -0.121865914 -0.657974257
48.31918717 -0.189187172 -1.021452881
48.24857707 -0.298577067 -1.612067046
49.40305228 -0.303052281 -1.636229467
48.62281062 -0.102810623 -0.555091583
50.28214809 -0.062148086 -0.335547812
50.93882206 0.211177939 1.140184675
52.62287306 0.157126939 0.848354371
53.70673817 0.20326183 1.097444289 X = OBSERVACIONES
Y = RESIDUOS ESTANDARES
GRAFICAMENTE SE PUEDE DETECTAR QUE EXISTE AUTOCORRELACION ENTRE LOS ERRORES DE LA REGRESION
PARA DETERMINAR MATEMATICAMENTE SI EXSITE
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
0 5
AUTOCORRELACION SE EFECTUA LA PRUEBA DE DE D-W
Inferior 95.0%Superior 95.0%
-4.48035886 -1.4706881
0.17126253 0.181788
GRAFICAMENTE SE PUEDE DETECTAR QUE EXISTE AUTOCORRELACION ENTRE LOS ERRORES DE LA REGRESION
PARA DETERMINAR MATEMATICAMENTE SI EXSITE
10 15 20
Series1
AUTOCORRELACION SE EFECTUA LA PRUEBA DE DE D-W
N NUMERO DE OBSERVACIONES
SE TOMAN PARA EL EJERCICIO N=16
Y CONSIDERAMOS DL Y DU
COCHRANE Y ORCUTT
DETERMINAR UNA NEUVA REGRESION QUE VA TENER UNA NUEVA VARIABLE
DONDE LA NUEVA VARIABLE YT PRIMA DEPENDERA DEL ERROR ANTERIOR Y
EL ACTUAL Y UN FACTOR DE AJUSTE RELACIONADO CON ESA OBSERVACIONES
AL IGUAL QUE EL VALOR DE LA VARIABLE EXPLICATIVA
Y A LA VEZ S NUESVO COEFICIENTES SERAN LOS MISMOS DE ANTES
Y EL COEFICIENTE DE
EL VALOR DE AJUSTE ESTA RELACIONADO CON EL ESTADISITICO DE TABLA
METODO DE CORRECCION DE LA AUTOCORRELACION
ESTE MERODO DETALLA APLICAR UN FACTOR DE AJUSTE EN CADA
OBSERVACION EL CUAL DEPENDERA DE LOS ERRORES
L FACTOR DE AJUSTE ES EL SIGUIENTE
R=
R= 0.27273463 R= 0.5300323
0.51456229
Y=Yt-r*Yt-1
se deben calcular las nuevas PBSERVAICONES QUE ESTEN RELACIONADAS CON EL
FACTOR DE AJUSTE Y CON LAS OBS DEL TIEMPO ANTERIOR
SE COMIENZA DE LA OBS. NUMERO 2
Y1=Y2-r*Yt-1 19.2033517 115.080468 X=Xt-r*Xt-1 Resumen
Y2=Y3-r*Y2-1 19.2045121 118.010255
20.4992441 124.562965 Estadsticas de la regresin
21.2911192 127.750612 Coeficiente de correlacin mltiple
22.3550805 134.309428 Coeficiente de determinacin R^2
22.6740256 136.111718 R^2 ajustado
22.5073861 136.385096 Error tpico
23.0329706 139.10737 Observaciones

1
2

2

22.4395455 136.163215
23.6849513 142.915228 ANLISIS DE VARIANZA
22.4954141 135.028816 Grados de libertad
24.5028329 146.771559 Regresin
24.5317779 145.509255 Residuos
25.6688479 153.077535 Total
Y
15
=Y
16
-r*Y
15 25.9348953 154.161027
B0
B1
Anlisis de los residuales
Observacin
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
1.08 1.36 1.62
D
NO EXISTE AUTOCORRELACION PORQUE D=1.62 Y ES MAYOR A DU= 1.36 Y 4-DU = 2.64
BO BO/1-R
B0= -1.51382149 ESTE COEFICIEBNTE SE OBTIENE DE LA SEGUNDA REGRESION
LA CUAL ES AFECTADA POR EL FACTOR DE AJUSTE
R= 0.5300323
BO -3.22111815
B1= 0.1773805
AUTOCORRELACION
Y=-3.22+X0*0.177
Estadsticas de la regresin
0.997013
0.99403492
0.99357606
0.16382386
15
ANLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crtico de F
1 58.1410345 58.1410345 2166.34899 7.5728E-16
13 0.34889736 0.02683826
14 58.4899318
Coeficientes Error tpico Estadstico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%
-1.51382149 0.52127451 -2.90407734 0.01231118 -2.6399666 -0.38767638 -2.6399666
0.1773805 0.00381102 46.5440543 7.5728E-16 0.16914728 0.185613712 0.16914728
Anlisis de los residuales
Pronstico para Y ResiduosResiduos estndares
18.8992089 0.30414282 1.92660527
19.418896 -0.21438384 -1.3580233
20.581219 -0.08197489 -0.51927335
21.1466454 0.14447385 0.91517557 D= 1.62
22.3100514 0.04502908 0.28523854 =SUMAXMENOSY2(I64:I77;I63:I76)/SUMA.CUADRADOS(I63:I77)
22.6297426 0.04428297 0.28051232
22.6782345 -0.17084832 -1.08224574
23.1611127 -0.12814203 -0.81172096
22.638877 -0.19933154 -1.26267388
23.8365524 -0.15160112 -0.96032359
22.4376569 0.05775727 0.36586579
24.5205904 -0.01775753 -0.11248582
24.2966823 0.2350956 1.4892228 CON N=15 Y K=1 LOS VALORES DE DL Y DU
25.6391476 0.02970033 0.18813798 DL= 1.08
25.8313379 0.10355736 0.65598838 DU= 1.36
2.64 2.92
NO EXISTE AUTOCORRELACION PORQUE D=1.62 Y ES MAYOR A DU= 1.36 Y 4-DU = 2.64
ESTE COEFICIEBNTE SE OBTIENE DE LA SEGUNDA REGRESION
LA CUAL ES AFECTADA POR EL FACTOR DE AJUSTE
Superior 95.0%
-0.38767638
0.18561371
=SUMAXMENOSY2(I64:I77;I63:I76)/SUMA.CUADRADOS(I63:I77)
2 OPCIONES O CUALIDADES 1 D = 1 0
3 OPCIONES
2D 00
10
01
11
5 OPCIONES
3D = 000
001

111
MODELOS ANOVA TIENEN SU VARIABLE EXPLICATIVA COMO VARIABLE TIPO TONICA
TIPO TONICA
obs SALARIO GASTO D1 D2 ZONA
1 19583 3346 1 0 NORTE
2 20263 3114 1 0 NORTE
3 20325 3554 1 0 NORTE Estadsticas de la regresin
4 26800 4642 1 0 NORTE
5 29470 4669 1 0 NORTE
6 26610 4888 1 0 NORTE
7 30678 5710 1 0 NORTE
8 27170 5536 1 0 NORTE
9 25853 4168 1 0 NORTE
10 24500 3547 1 0 NORTE
11 24274 3159 1 0 NORTE
12 27170 3621 1 0 NORTE
13 30168 3782 1 0 NORTE
14 26525 4247 1 0 NORTE
15 27360 3982 1 0 NORTE
16 21690 3568 1 0 NORTE
17 21974 3155 1 0 NORTE
18 20816 3059 1 0 NORTE
19 18095 2967 1 0 NORTE
20 20939 3285 1 0 NORTE
21 22644 3914 1 0 NORTE
22 24624 4517 0 1 SUR
23 27186 4349 0 1 SUR
24 33990 5020 0 1 SUR
25 23382 3594 0 1 SUR
26 20627 2821 0 1 SUR
27 22795 3366 0 1 SUR
28 21570 2920 0 1 SUR
29 22080 2980 0 1 SUR
30 22250 3731 0 1 SUR
31 20940 2853 0 1 SUR
32 21800 2533 0 1 SUR
33 22934 2729 0 1 SUR
34 18443 2305 0 1 SUR
35 19538 2642 0 1 SUR
36 20460 3124 0 1 SUR
37 21419 2752 0 1 SUR
38 25160 3429 0 1 SUR
39 22482 3947 0 0 ESTE
40 20969 2509 0 0 ESTE
41 27224 5440 0 0 ESTE
42 25892 4042 0 0 ESTE
43 22644 3402 0 0 ESTE
44 24640 2829 0 0 ESTE
45 22341 2297 0 0 ESTE
46 25610 2932 0 0 ESTE
47 26015 3705 0 0 ESTE
48 25788 4123 0 0 ESTE
49 29132 3608 0 0 ESTE
50 41480 8349 0 0 ESTE
51 25845 3766 0 0 ESTE
CUANDO SEA D1=1 EL SALARIO DEL MAESTRO ZONA NORTE
D2 = 1 EL SALARIO DEL MAESTRO ESTA RELACIONADO CON LA ZONA SUR
D1=D2=0 SALARIO DE MAESTRO DE ZONA ESTE
RECHAZO H0
-2.010634758
POR LO TANTO EN LA REGRESION SIGUIENTE
Y
LA NUEVA REGRESION QUE TIENE LOS COEFICIENTES SIGNIFICATIVOS ES
Y
COMO LOS SALARIOS DE LOS MAESTROS UBICADOS EN LA ZONA NORTE ESTAN RELACIONADOS CUANDO D1 TOME EL VALOR DE 1
VALOR QUE NO EXISTE , LOS SALARIOS SON COINCIDENTES CON LOS SALARIOS DE LOS MAESTROS DE LA ZONA ESTE
Y= 26158.61
EN EL CASO DE OS SALARIOS DE LOS MAESTROS DE LA ZONA SUR, LOS CUALES ESTAN RELACIONADOS CUANDO D2 TOMA EL VALOR
DE 1, LOS SALARIOS DISMINUYEN UN 3264.61. POR LO TANTO LOS SALARIOS MEDIOS DE LOS MAESTROS DE LA ZONA SUR SON
Y = 26158.61-3264.51
Y= 22894
Resumen
Estadsticas de la regresin
Coeficiente de correlacin mltiple 0.300137982
Coeficiente de determinacin R^2 0.090082808
R^2 ajustado 0.052169592
Error tpico 4068.946725
Observaciones 51
ANLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresin 2 78676546.98
Residuos N-K 48 794703717.6
Total 50 873380264.6
Coeficientes Error tpico
Intercepcin 26158.61538 1128.522773
D1 -1734.472527 1435.952713
D2 -3264.615385 1499.15485
CON EL MODELO ANOVA ANTERIOR DONDE LAS VARIABLES EXPLICATIVAS SON VARIABLES DICOTOMICAS (LAS CUALES REPRESENTAN
LA AUSENCIA DE ALGUNA CUALIDAD) LA IDEA ES ANALIZAR LA VARIACION DE LAS VARABLES EXPLICADAS ENTRE SUS DISTINTAS
OPCIONES.
EN ESTE EJEMPLO ES DETERMINAR SI EXISTE VARIACIN ENTRE LOS SALARIOS DE LOS MAESTROS ENTRE LAS DISTINTAS ZONAS
DE UBICACIN (SUR, NORTE, ESTE)
PARA ANALIZAR SI EXSITE VARIACIN ENTRE LOS SALARIOS DE LOS MAESTROS
SE REALIZA LA PRUEBA DE HIPOTESIS INDIVIDUAL PARA CADA UNO
DE LOS COEFICIENTES QUE ACOMPAAN A LAS VARIABLES DICOTOMICAS
PRUEBA INDIVIDUAL PARA B1
HIPOTESIS
H0: B1=0
H1; B1 <> 0
SE OBTIENE EL T OBSERVADO DE LOS DATOS
TOBS= -1.207889724
Y SE OBTIENE LOS VALORES DE TABLA DE T-STUDENT
TTABLA1 -2.010634758 =INV.T(0.05/2;(I14))
TTABLA2 2.010634758 =INV.T(1-0.05/2;I14)
COMO TOBS. >TTABLA 1, SE RECHAZA LA HIPOTESIS NULA, POR LO TANTO
B1 ES DISTINTO DE CERO CON UN ALFA DE 5%
Y= B0+B1*D1+B2*D2
LA PRUEBA INDIVIDUAL PARA EL OTRO COEFICIENTE, B2
H0: B2=0
H1:B1<>0
TOBS -2.17763721
TTABLA1 -2.010634758 =INV.T(0.05/2;(I14))
TTABLA2 2.010634758 =INV.T(1-0.05/2;I14)
COMO TOBS ES MENOR A TTABLA1 , SE DICE QUE B2 ES DISTINTO DE CERO
CON UN ALFA DE 5%
RECHAZO H0 NO RECHAZO RECHAZO H0
-2.010634758 -1.2 2.010634758
POR LO TANTO EN LA REGRESION SIGUIENTE
Y 26158.61538 +D1
LA NUEVA REGRESION QUE TIENE LOS COEFICIENTES SIGNIFICATIVOS ES
Y 26158.61538 +D2(-3264.61)
COMO LOS SALARIOS DE LOS MAESTROS UBICADOS EN LA ZONA NORTE ESTAN RELACIONADOS CUANDO D1 TOME EL VALOR DE 1
VALOR QUE NO EXISTE , LOS SALARIOS SON COINCIDENTES CON LOS SALARIOS DE LOS MAESTROS DE LA ZONA ESTE
Y= 26158.61 ESTADISTICAMENTE LOS SALARIOS PROMEDIOS DE LOS MAESTROS DE LA ZONA
NORTE Y ESTE SON IGUALES
EN EL CASO DE OS SALARIOS DE LOS MAESTROS DE LA ZONA SUR, LOS CUALES ESTAN RELACIONADOS CUANDO D2 TOMA EL VALOR
DE 1, LOS SALARIOS DISMINUYEN UN 3264.61. POR LO TANTO LOS SALARIOS MEDIOS DE LOS MAESTROS DE LA ZONA SUR SON
Y = 26158.61-3264.51 ESTADISTICAMENTE LOS SALARIOS PROMEDIOS DE LOS MAESTROS DE LA ZONA SUR
Y= 22894 SON INFERIORES EN 3264.61 CON RESPECTO A LOS SALARIOS DE LOS MAESTROS DE LA ZONA NORTE Y SUR
Promedio de los cuadrados F Valor crtico de F
39338273.49 2.376026544 0.103763567
16556327.45
Estadstico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%
23.17951928 1.0227E-27 23889.56827 28427.6625 23889.56827
-1.207889724 0.233007488 -4621.648964 1152.70391 -4621.648964
-2.17763721 0.034379354 -6278.868233 -250.362536 -6278.868233
CON EL MODELO ANOVA ANTERIOR DONDE LAS VARIABLES EXPLICATIVAS SON VARIABLES DICOTOMICAS (LAS CUALES REPRESENTAN
LA AUSENCIA DE ALGUNA CUALIDAD) LA IDEA ES ANALIZAR LA VARIACION DE LAS VARABLES EXPLICADAS ENTRE SUS DISTINTAS
EN ESTE EJEMPLO ES DETERMINAR SI EXISTE VARIACIN ENTRE LOS SALARIOS DE LOS MAESTROS ENTRE LAS DISTINTAS ZONAS
(-1734.4725)+D2(-3264.61)
COMO LOS SALARIOS DE LOS MAESTROS UBICADOS EN LA ZONA NORTE ESTAN RELACIONADOS CUANDO D1 TOME EL VALOR DE 1
VALOR QUE NO EXISTE , LOS SALARIOS SON COINCIDENTES CON LOS SALARIOS DE LOS MAESTROS DE LA ZONA ESTE
ESTADISTICAMENTE LOS SALARIOS PROMEDIOS DE LOS MAESTROS DE LA ZONA
EN EL CASO DE OS SALARIOS DE LOS MAESTROS DE LA ZONA SUR, LOS CUALES ESTAN RELACIONADOS CUANDO D2 TOMA EL VALOR
DE 1, LOS SALARIOS DISMINUYEN UN 3264.61. POR LO TANTO LOS SALARIOS MEDIOS DE LOS MAESTROS DE LA ZONA SUR SON
ESTADISTICAMENTE LOS SALARIOS PROMEDIOS DE LOS MAESTROS DE LA ZONA SUR
SON INFERIORES EN 3264.61 CON RESPECTO A LOS SALARIOS DE LOS MAESTROS DE LA ZONA NORTE Y SUR
Superior 95.0%
28427.6625
1152.703909
-250.3625358