Beruflich Dokumente
Kultur Dokumente
Aplicaciones de Probabilidades y
Estadstica en Gestin.
Pregunta 1.
Parte A.
Para realizar una estimacin del modelo requerido a travs de MCO en el
programa STATA se utiliza el comando reg, que es el de regresin lineal, y se le
dan como argumento las variables que se quieren estimar en el modelo, en
primer lugar la variable dependiente, en este casi cigs, luego las variables
explicativas como sigue: reg cigs lincome lcigpric educ age age 2
(age_2) restaurn, con lo que se busca obtener una estimacin de la siguiente
forma
^ s t= ^1 + ^
2lincom et + ^
3lcigpric t + ^
4edu ct + ^
5ag e t + ^6ag e t +
2
cig
^
7restaurn
Con los datos entregados se obtienen los siguientes valores para la estimacin.
^
cig s t=3,64+ 0,88lincom et 0,75lcigpri ct 0,5edu c t + 0,77ag e t
0,01ag e 2t 2,82restaur nt
Parte B.
H 0=Homocedasticidad
H 1=Heterodasticidad
chi2(25) = 52.17
Prob > chi2 = 0.0011
Source chi2 df p
H 1=Heterocedasticidad
chi2(6) = 69.26
Prob > chi2 = 0.0000
Como resultado se obtuvo un p-valor=0.0, por lo que al 95% de confianza se
rechaza la hiptesis nula a favor de la alternativa de homocedasticidad, por lo
que al menos una de las variables explicativas del modelo tiene influencia en la
varianza de los residuos.
Parte C.
Robust
cigs Coef. Std. Err. t P>|t| [95% Conf. Interval]
^
cig s t=3,64+ 0,88lincom et 0,75lcigpri ct 0,5edu c t + 0,77ag e t
0,01ag e 2t 2,82restaur nt
Donde se observa que hay una variacin con respecto a la primera regresin
lineal es en los errores estndar de los estimadores, como se observa a
continuacin
Variable Error Estndar Error Estndar
Robusto
Lincome 0.727 0.596
Lcigpric 5.773 6.035
Educ 0.167 0.162
Age 0.160 0.138
Age_2 0.0017 0.0014
Restaurn 1.111 1.001
constante 24.078 25.616
FALTA COMENTARIO
FALTA PARTE D.
Pregunta 2.
Parte A.
Para estimar un modelo de regresin lineal por medio de MCO en STATA, como
el que se pide en el enunciado, se ocupa el comando reg, y como argumento
se le dan la variable dependiente seguido por las variables independientes, y
con los datos se obtiene la siguiente regresin.
Parte B.
En este caso se tiene que el valor de los residuos disminuye a medida que
aumenta el tiempo desde el ao 1985 hasta el ao 1995, luego desde este
ao, 1995, el valor de los residuos comienza a aumentar, por lo que se podra
deber a un cambio estructural en los datos, y tambin se aprecia una
disminucin de la dispersin a medida que aumenta el tiempo desde 1995-
2010.
Se aprecia que medida que aumenta el ahorro (log(ahorro)) aumenta la
dispersin de los residuos, por lo que puede haber presencia de
heterocedasticidad.
Este grfico es muy similar al de residuos vs tiempo, por lo que a medida que
aumenta el pib, desde los 7,8 hasta 9,4 millones aproximadamente, el valor
de los residuos disminuye, y desde los 9,5 hasta los 11 millones
aproximadamente el valor de los residuos aumenta, pero la dispersin de los
datos en este tramo disminuye, por lo que puede haber heterocedasticidad y
tambin un cambio estructural en los datos.
Se aprecia que la dispersin de los datos disminuye hasta los 2,8 millones y
luego desde este punto comienza a aumentar la dispersin, por lo que puede
haber heterocedasticidad.
Se aprecia que la dispersin de los datos disminuye a medida que aumentan
las exportaciones, por lo que puede haber presencia de heterocedasticidad en
los datos.
Parte E.
1 14.712 1 0.0001
Parte G.
Parte I.
. hettest log_ahorro
chi2(1) = 1.60
Prob > chi2 = 0.2053