Solución Taller No. 5 Econometría II Prof. Bernal
|
|
- Benito Ríos Botella
- hace 5 años
- Vistas:
Transcripción
1 Solución Taller No. 5 Econometría - 7 II Prof. Bernal. a. Los resultados de la estimación son los siguientes (no hay que olvidar que las variables precio hay que transformarlas a logaritmos):. gen lpreciov log(preciov). gen lprecioclog(precioc). reg lpreciov lprecioc edad habitac area dist Source SS df MS Number of obs F( 5, 35) Model Prob > F. Residual R-squared Adj R-squared.9986 Total Root MSE.639 lpreciov Coef. Std. Err. t P> t [95% Conf. Interval] lprecioc edad e-6.45 habitac area -6.5e-6.89e e e-6 dist -4.e-9.6e e-7.3e-7 _cons b. Se observa que todos los parámetros, excepto el asociado a la distancia, son significativos al 5%. Por un lado, la relación entre el precio de compra y el precio de venta es elástica, es decir, si el precio de compra aumenta en %, el valor por lo que se vendería la casa aumentaría en promedio.%. El coeficiente asociado a la edad indica que una casa con año de antigüedad en comparación a otra tendrá un precio de venta.774% mayor. Por su parte, el parámetro asociado a área muestra que si esta se incrementa en pie cuadrado, el precio de venta disminuiría en promedio.65%. En este caso, la constante no tiene mucha interpretación económica. c. Para una prueba de significancia global, la hipótesis nula es la siguente:, B,..., B5 Al ser una prueba de múltiples restricciones, se debe construir un estáditico F:
2 F ESS / q RSS /( N k ) 6.97 / /(3 5 ) El valor crítico del estadístico F, con 5 grados de libertad en el numerador y 36 en el denominador al 5% de significancia es.46, por lo que se rechaza la prueba de hipótesis y se puede afirmar que el modelo es conjuntamente significativo. d. Al correr el modelo de regresión en STATA, se observa que el estadístico F que arroja es exactamente el mismo que el calculado manualmente. Inclusive, se puede obtener ese mismo valor por medio de los comandos del programa de la siguiente manera:. test lprecioc edad habitac area dist ( ) lprecioc ( ) edad ( 3) habitac ( 4) area ( 5) dist F( 5, 35) Prob > F. e. La hipótesis a evaluar es la siguiente:, B3,..., B5 El modelo restringido queda así. lpreciov B + B lprecioc + u Los resultados de la estimación de este modelo son los siguientes:. reg lpreciov lprecioc Source SS df MS Number of obs F(, 39). Model Prob > F. Residual R-squared Adj R-squared.9985 Total Root MSE.68 lpreciov Coef. Std. Err. t P> t [95% Conf. Interval] lprecioc _cons
3 El valor calculado del estadístico F es el siguiente (se puede construirlo bajo el enfoque de suma de cuadrado de los errores o por el de R-Cuadrado): F ( ) / 4 (.846) /(3 4 ) R.4.69 RSS ) / q ) /( N k ) El valor crítico del estadístico F, con 4 grados de libertad en el numerador y 36 en el denominador, al 5% es de.4, por lo que se rechaza la prueba de hipótesis y se afirma que existe evidencia de que el área construida, la edad y el número de habitaciones son estadísticamente significativas en conjunto para explicar la variación del precio de venta. Igualmente, en STATA se puede realizar directamente esta prueba de hipótesis. Después de haber corrido el modelo original, se efectúa la siguiente línea de comando:. test edad habitac area dist ( ) edad ( ) habitac ( 3) area ( 4) dist F( 4, 35) 5.5 Prob > F.4 f. [Alternativa ] El R-cuadrado del modelo estimado es de.9986, por lo que se puede decir que prácticamente el total de la variación de los precios está explicada por la variación del precio de compra y las características observables de las viviendas. Es decir, tan sólo el.% de la variación de lpreciov se explicaría por factores no incluidos en el modelo, por lo que este presenta un poder de predicción casi perfecto. [Alternativa ] Al estimar el modelo solo con las características observables del inmueble (edad, habitaciones, área, distancia) y excluyendo el precio de compra, se obtiene un R de.579. Esto significa que el 57.% de la variación de los precios de las viviendas está explicada por estas características observables. El restante 4.9% está explicado por la variación del precio de compra y factores no incluidos en el modelo. g. Para la correspondiente prueba de hipótesis, el modelo restringido es el siguiente: lpreciov B + lprecioc + u
4 Sin embargo, para que pueda ser estimado, se debe transformar de la siguiente forma: lpreciov lprecioc B + u Los resultados de la estimación son los siguientes:. gen lventa_lcompra lpreciov - lprecioc. reg lventa_lcompra Source SS df MS Number of obs F(, 3). Model. Prob > F. Residual R-squared Adj R-squared. Total Root MSE.69 lventa_lco~a Coef. Std. Err. t P> t [95% Conf. Interval] _cons La construcción del estadistico F sólo se puede realizar bajo el enfoque de suma de cuadrado de los resiudales, debido que la suma de cuadrado total es distinta para cada modelo: F ( ) / 5 (.846) /(3 5 ) R RSS ) / q ) /( N k ) 5.3 El valor crítico del estadístico F, con 5 grados de libertad en el numerador y 35 en el denominador al 5%, es.46, por lo que se rechaza la hipótesis nula. h. Usando el comado test de STATA, después de haber corrido el modelo original, la prueba de hipótesis se realiza de la siguiente forma:. test edad habitac area dist ( ) edad ( ) habitac ( 3) area ( 4) dist F( 4, 35) 5.5 Prob > F.4
5 . test lprecioc, accum ( ) edad ( ) habitac ( 3) area ( 4) dist ( 5) lprecioc F( 5, 35) 5.3 Prob > F. El comando accum es el que permite agrupar los distintos valores de las restricciones. Como se puede observar, los resultados son exactamente los mismos.. Los siguientes resultados se obtuvieron a través de MCO. La variable dependiente es el número de suscripciones a las revistas A y B respectivamente. Las variables explicativas están detalladas en la primera columna: Var. Dependiente -> ln(suscripciones A) ln(suscripciones A) ln(suscripciones B) ln(precio) -.48 (.44) ln(# de fotos por edición).44 (.9) ln(caracteres / millón).6 (.98 Constante 3.4 (.38) (.38) 4.77 (.55) -. (.4).373 (.8).35 (.98) 3.43 (.38) R N 5 Donde ln(precio) es el logaritmo del precio por número, ln(# fotos por edición) es el logaritmo del número de fotos incluidas en cada número de la revista, ln(caracteres / millón) es el logaritmo del número de caracteres en cada número de la revista dividido por un millón. a. La elasticidad precio de la demanda corresponde al cambio porcentual de la demanda de revistas ante cambios porcentuales en el precio. Manteniendo todo lo demás constante: ln( suscr) b ln( precio Δsuscr Δprecio b suscr precio ) Δ % suscr b Δ% precio
6 Así, la elasticidad precio-demanda para la revista A es de -.48 y para la B, -.. Entonces, por más que ambas sean inelásticas (porque el valor absoluto es menor que ), la demanda para la revista B es más inelástica que para la A. Para probar estadísticamente si una demanda es menos elástica que la otra, partamos primero del modelo poblacional: ln( suscra) B ln( suscrb) C Así, la prueba de hipótesis es: + B ln( precio) + B ln( fotos) + B3 ln( caracteres) + u + C ln( precio) + C ln( fotos) + C ln( caracteres) + v C < C Lo que equivale a una prueba de cola izquierda (dado que en efecto b < c entonces tiene sentido evaluar la hipótesis alterna de que B < C). Asumiendo que las muestras son independientes (es decir, que no hay covarianza entre ellas), el t- estadístico calculado es: 3 t.48 (.) (.44) + (.4) 5.4 El valor crítico del t-estadístico al 5% de significancia y con n + n ( k + ) + 5 (3 + ) 49 grados de libertad, es de Por lo cual se rechaza la hipótesis nula en favor de la hipótesis alterna, de tal forma que existe evidencia estadística de que las elasticidades precio-demanda de las revistas A y B son diferentes. aciendo la prueba de dos colas, es decir bajo la hipótesis alterna: C, los valores críticos al 5% de significancia son -.96 y.96 y el valor del estadístico t es el mismo (-5.4). Por tanto, también en este caso se rechaza la hipótesis nula a favor de la hipótesis alterna dado que -5.4<-.96. b. Es posible mostrar si la demanda de una revista es mayor si tiene un mayor número de fotos. La prueba de hipótesis a chequear es: C > C Donde n es el tamaño de muestra del modelo, n es el tamaño de muestra del modelo y k es el número de variables explicativas.
7 Dado que en efecto b > c entonces tiene sentido plantear una prueba de hipótesis de cola derecha. Asumiendo de nuevo que las muestras son independientes (no hay covarianza entre ellas), el t-estadístico calculado es: t (.9) + (.8).343 El valor crítico del t-estadístico al 5% de significancia y con n + n ( k + ) + 5 (3 + ) 49 grados de libertad, es de.645. Así, no se puede rechazar la hipótesis nula y se puede afirmar que estadísticamente no hay evidencia de que la elasticidad de la demanda al número de fotos de la revista A sea mayor que la misma elasticidad en el caso de la revista B. Si hiciéramos una prueba de hipótesis de dos colas, entonces los valores críticos al 5% de significancia serían -.96 y.96. Como -.96<.34<.96 entonces tampoco se puede rechazar la hipótesis nula en este caso (a favor de la hipótesis alterna B. C c. Es posible averiguar si el logaritmo del número de fotos por edición y el logaritmo del número de caracteres dividido por un millón son conjuntamente significativos en la explicación de la demanda de la revista A. La respectiva hipótesis nula es:, B3 El modelo presentado en la segunda columna de la tabla impone exactamente estas dos restricciones, por lo que a partir de los R-Cuadrados del modelo original y éste (el restringido), se puede construir el estadístico F: F ( ) / (.69) /( 3 ) 9.84 El valor crítico del estadístico F al 5% de significancia, con grados de libertad en el numerador y 996 en el denominador, es de 3.. Así, se rechaza la hipótesis nula y se puede asegurar que el logaritmo del número de fotos por edición y el logaritmo del número de caracteres dividido por un millón son conjuntamente significativos estadísticamente.
SOLUCION TALLER 1 SOLUCION PUNTO 1. - Función de producción cuadrática. Se espera que: >0 porque x2 es un insumo de producción
SOLUCION TALLER 1 SOLUCION PUNTO 1 - Función de producción cuadrática Se espera que: >0 porque x1 es un insumo de producción >0 porque x2 es un insumo de producción
Más detallesINTERVALOS DE CONFIANZA
INTERVALOS DE CONFIANZA condicional en que!! sea verdadero hipótesis nula H :!!.5%.5%! -.96sd! -sd!! +sd! +.96sd Si el nivel de significación es 5%, la estimación obtenida (círculo pequeño) no nos permitiría
Más detallesSección Teórica. , cuya información se presenta a continuación. Completar las celdas necesarias para responder a las preguntas 1 a 5.
UNAM Facultad de Economía Licenciatura en Economía Examen parcial de Introducción a la Econometría Noviembre 10, 2015 AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA
Más detallesPronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple
Pronósticos, Series de Tiempo y Regresión Capítulo 4: Regresión Lineal Múltiple Temas Modelo de regresión lineal múltiple Estimaciones de Mínimos Cuadrados Ordinarios (MCO); estimación puntual y predicción
Más detallesEjercicio 1(10 puntos)
ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Segundo Parcial Montevideo, 4 de julio de 2015. Nombre: Horario del grupo: C.I.: Profesor: Ejercicio 1(10 puntos) La tasa de desperdicio en una empresa
Más detallesEjercicio 1 (20 puntos)
ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Examen Montevideo, 15 de diciembre de 2015. Nombre: C.I.: EXAMEN Libre Reglamentado El examen consta de dos partes. La primera parte debe ser realizada
Más detallesEstimación de una función de gasto en alimentos
Base de datos http://www.principlesofeconometrics.com/poe4/poe4stata.htm Definición de variables http://www.principlesofeconometrics.com/poe4/data/def/food.def food.def food_exp income Obs: 40 food_exp
Más detallesGuía de interpretaciones y comandos STATA en apoyo a la solución de algunos ejercicios de la tarea para el Examen Final con
UNAM Facultad de Economía Curso de licenciatura Introducción a la econometría Guía de interpretaciones y comandos STATA en apoyo a la solución de algunos ejercicios de la tarea para el Examen Final con
Más detallesModelación estadística: La regresión lineal simple
Modelación estadística: La regresión lineal simple Gabriel Cavada Ch. 1 1 División de Bioestadística, Escuela de Salud Pública, Universidad de Chile. Statistical modeling: Simple linear regression Cuando
Más detallesBeatriz Sánchez Reyes. 22 de septiembre de 2010
Regresión cuantílica Beatriz Sánchez Reyes 22 de septiembre de 2010 Índice Definición de cuantil Regresión cuantílica - Estimación - Inferencia Regresión mediana (Ejemplo) Regresión cuartílica (Ejemplo)
Más detallesINTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión
INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------
Más detallesEJERCICIOS CAPITULO 9. GUJARATI-PORTER (2010)
EJERCICIOS CAPITULO 9. GUJARATI-PORTER (2010) 9.21 a) clear edit tsset year list +-------------------------------+ year savings income dum ------------------------------- 1. 1970 61 727.1 0 2. 1971 68.6
Más detallesRepaso de estadística básica. Juan D. Barón Santiago de Chile, 8 de abril de 2013
Repaso de estadística básica Juan D. Barón Santiago de Chile, 8 de abril de 2013 1 I. CONCEPTOS ESTADÍSTICOS BÁSICOS 2 Las decisiones se toman bajo incertidumbre Las decisiones se basan en información
Más detallesModelo 1: MCO, usando las observaciones 1994: :03 (T = 218) Variable dependiente: INFLACION
UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA DPTO. ACAD. DE ECONOMIA 1º El investigador especifica el modelo siguiente: EXAMEN PARCIAL DE ECONOMETRIA I Se le pide estimar el modelo por el método
Más detallesINTEREXPORT TELECOMUNICACIONES Y SERVICIOS S.A.
INTEREXPORT TELECOMUNICACIONES Y SERVICIOS S.A. ESTUDIO PARA LA FIJACION DE TARIFAS DE LOS SERVICIOS AFECTOS A FIJACION TARIFARIA PRESTADOS POR INTEREXPORT TELECOMUNICACIONES Y SERVICIOS S.A. PERIODO 2010-2015
Más detallesEscuela de Economía Universidad de Carabobo Profesor: Exaú Navarro Pérez.
Escuela de Economía Universidad de Carabobo Profesor: Exaú Navarro Pérez. Econometría Regresión Múltiple: Municipio Ocupados Población Analfabeta Mayor de 10 años Total de Viviendas Bejuma 18.874 1.835
Más detallesEn cada una de las tablas de esta sección se incluyen también los comandos de Stata con los cuales se obtuvo la información.
Apéndice 1. Tablas y Anexos En cada una de las tablas de esta sección se incluyen también los comandos de Stata con los cuales se obtuvo la información. Esta es la tabla de correlaciones entre variables
Más detallesAnálisis de la evolución y tendencia de las tasas de hepatitis A en Chile desde a 2002
Rev Chil Salud Pública CIFRAS DE HOY Análisis de la evolución y tendencia de las tasas de hepatitis A en Chile desde 197 5 a 2002 GABRIEL CA V ADAOJ, ROSA MONT AÑOOJ, SERGIO AL V ARADOOl, MARÍA TERESA
Más detalles... *Elasticidad ingreso del gasto en electricidad (Modelo Restringido). reg lviv ling
---- ---------------------------------------- log: C:\datos\docencia\econIccee\practicas2009\chowlog log type: text opened on: 17 Sep 2009, 17:58:52 use "$ruta\chowdta", clear * crear variable logaritmo
Más detallesEXAMEN DE ESTADÍSTICA II Junio de 2002 SOLUCIÓN (tiempo:100 minutos)
EXAMEN DE ESTADÍSTICA II Junio de 2002 SOLUCIÓN (tiempo:100 minutos) PROBLEMA 1 Se quiere comparar la cantidad de energía necesaria para realizar 3 ejercicios o actividades: andar, correr y montar en bici.
Más detallesTEORÍAS MODELOS DATOS EMPÍRICOS
LA ESTADÍSTICA APLICADA ES LA REPRESENTACIÓN DE LA REALIDAD CON MODELOS PROBABILÍSTICOS. ES UNA DISCIPLINA DE LAS MATEMÁTICAS APLICADAS EN CONSTANTE DESARROLLO Y EVOLUCIÓN. CÓMO SE CONSTRUYEN LOS MODELOS
Más detallesEJERCICIO T1 NOMBRE: Correctas Incorrectas En Blanco Puntos
ECONOMETRÍA EJERCICIO T1 APELLIDOS: NOMBRE: FIRMA: GRUPO: DNI: Pregunta 1 A B C En Blanco Pregunta A B C En Blanco Pregunta 3 A B C En Blanco Pregunta 4 A B C En Blanco Pregunta 5 A B C En Blanco Pregunta
Más detallesECONOMETRÍA I. Tema 4: El Modelo de Regresión Lineal Múltiple: inferencia y validación
ECONOMETRÍA I Tema 4: El Modelo de Regresión Lineal Múltiple: inferencia y validación Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía Alexandra Soberon (UC) ECONOMETRÍA
Más detallesYearly analysis Confidence interval ci ch4
Data obtained from the statistical program stata: Yearly analysis Confidence interval ci 243 49.80329 1.063871 47.70766 51.89892 sum,d ------------------------------------------------------------- Percentiles
Más detallesBienvenidos a EEiPP 2013! Introducción al Taller Internacional de Encuestas y Evaluación de Impacto
Bienvenidos a EEiPP 2013! Introducción al Taller Internacional de Encuestas y Evaluación de Impacto Sebastian Martinez BID Juan Muñoz Sistemas Integrales 1 Pregunta Que porcentaje de los integrantes de
Más detallesFunciones de Regresión No Lineales (SW Cap. 6)
Funciones de Regresión No Lineales (SW Cap. 6) Todo anteriormente ha sido lineal en las X s La aproximación de que la función de regresión es lineal puede ser satisfactoria para algunas variables pero
Más detallesREGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE
UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o
Más detallesDETERMINANTES DE LOS INGRESOS
DETERMINANTES DE LOS INGRESOS Mariana Marchionni mariana@depeco.econo.unlp.edu.ar CEDLAS Universidad Nacional de La Plata Ecuaciones de Mincer (1974) 1 (1) ln Y = α + β educación + γ experiencia laboral
Más detalles5.5 Modelo de regresión. se especificó en los términos siguientes: (6.3.1) 1,2,3,..N. Donde:
5.5 Modelo de regresión El modelo de regresión lineal que se aplicó para explicar la relación entre producción antigüedad, edad, capital humano, apiarios y camioneta de los apicultores nayaritas se especificó
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesPrueba de Hipótesis. Para dos muestras
Prueba de Hipótesis Para dos muestras Muestras grandes (n mayor a 30) Utilizar tabla Z Ho: μ1 = μ2 H1: μ1 μ2 Localizar en valor de Zt en la tabla Z Error estándar de la diferencia de medias Prueba de
Más detallesConsecuencias económicas de eventos climáticos en la gestión hídrica de la cuenca del Canal de Panamá
Consecuencias económicas de eventos climáticos en la gestión hídrica de la cuenca del Canal de Panamá Eco. Eduardo Zegarra, PhD Investigador Principal de GRADE 13 de Julio del 2013 Contenido 1. Objetivos
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesSesión 8 Procesando la Encuesta de Demografía y Salud (ENDS) Colombia 2010
La reproducción total o parcial de este material está prohibida. Material provisional y sujeto a cambios Sesión 8 Procesando la Encuesta de Demografía y Salud (ENDS) Colombia 2010 Juan D. Barón juandbaron@gmail.com
Más detallesEXAMEN EXTRAORDINARIO DE ECONOMETRÍA Universidad Carlos III de Madrid Junio 2016
EXAMEN EXTRAORDINARIO DE ECONOMETRÍA Universidad Carlos III de Madrid Junio 2016 Responda a las 4 preguntas en dos horas y media. 1. Se está llevando a cabo una investigación econométrica sobre los precios
Más detallesCUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES
TUTORÍA DE INTRODUCCIÓN A LA ESTADÍSTICA (º A.D.E.) CUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES 1º) Qué ocurre cuando r = 1: a) Los valores teóricos no
Más detallesUNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE ECUACIONES SIMULTÁNEAS: EJERCICIO 19.
UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE ECUACIONES SIMULTÁNEAS: EJERCICIO 19.15 ECONOMETRÍA 2 Econometría.weebly.com Wilhem.weebly.com Ejercicio 19.15 Considérese
Más detallesIker Ustárroz, Juan M. Cabasés, María Errea Universidad Pública de Navarra
Iker Ustárroz, Juan M. Cabasés, María Errea Universidad Pública de Navarra INCAPACIDAD TEMPORAL La incapacidad temporal (IT) es un factor importante en la gestión económica del Sistema Nacional de Salud.
Más detallesUNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo A)
TIEMPO: 2 HORAS Instrucciones: UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo A) 1. Este un modelo de examen que le servirá para autoevaluarse de todos los contenidos del curso de Econometria
Más detallesEconometría Universidad Carlos III de Madrid Examen Extraordinario 25 de Junio de Pr (N (0, 1) > 1, 282) = 0, 10
Econometría Universidad Carlos III de Madrid Examen Extraordinario 25 de Junio de 2014 Instrucciones para la realización del examen: Dispone de 2 horas y media para responder al examen La evaluación consta
Más detallesPruebas de Hipótesis-ANOVA. Curso de Seminario de Tesis Profesor QF Jose Avila Parco Año 2016
Pruebas de Hipótesis-ANOVA Curso de Seminario de Tesis Profesor Q Jose Avila Parco Año 2016 Análisis de la Varianza de un factor (ANOVA) El análisis de la varianza (ANOVA) es una técnica estadística paramétrica
Más detallesMuestreo e inferencia
Images created with STATA software. 1 Muestreo e inferencia Calidad de los datos y las mediciones Razones para hablar de muestreo Formación académica de la población Comprender los datos que se van a utilizar
Más detallesUniversidad de la República, Facultad de Ciencias Económicas y Administración.
Universidad de la República, Facultad de Ciencias Económicas y Administración. ECONOMETRIA II- CURSO 2010 Practica 5 MODELOS DE VARIABLE DEPENDIENTE TRUNCADA CENSURADA, MODELOS DE SELECTIVIDAD, MODELOS
Más detallesFolleto de Estadísticas. Teoría del 2do Parcial
Folleto de Estadísticas Teoría del 2do Parcial 2012 Variables aleatorias conjuntas continuas: Sean X y Y dos variables aleatorias continuas con ellas se asocia una función denominada función de densidad
Más detallesGráfico 1: Evolución del exceso de rentabilidad de la empresa y de la cartera de mercado
Caso 1: Solución Apartado a) - 2 0 2 4 6 0 2 0 4 0 6 0 8 0 1 0 0 p e r i o d E x c e s s r e t u r n, c o m p a n y a e x c e s s r e t u r n m a r k e t p o r t f o l i o Gráfico 1: Evolución del exceso
Más detallesRESPUESTAS BREVES A LA PRÁCTICA 7
RESPUESTAS BREVES A LA PRÁCTICA 7 EJERCICIO 1 Las salidas que proporciona el programa son: Unweighted Least Squares Linear Regression of X Puntaje en Inteligencia Predictor Variables Coefficient Std Error
Más detallesTODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis
TODO ECONOMETRIA Bondad del ajuste Contraste de hipótesis Índice Bondad del ajuste: Coeficiente de determinación, R R ajustado Contraste de hipótesis Contrastes de hipótesis de significación individual:
Más detallesCURSO: ECONOMETRÍA Y ANÁLISIS DE POLÍTICAS FISCALES INSTRUCTOR: HORACIO CATALÁN ALONSO. Especificación de los modelos VAR
CURSO: ECONOMETRÍA Y ANÁLISIS DE POLÍTICAS FISCALES INSTRUCTOR: HORACIO CATALÁN ALONSO Especificación de los modelos VAR Modelos VAR es una extensión de un AR(p) Permiten un mejor entendimiento de la
Más detallesEconometría Aplicada
Econometría Aplicada Inferencia estadística, bondad de ajuste y predicción Víctor Medina Intervalos de confianza Intervalos de confianza Intervalos de confianza Intervalos de confianza La pregunta que
Más detallesREGRESIÓN CON DOS VARIABLES: ESTIMACIÓN DE INTERVALOS Y PRUEBA DE HIPÓTESIS
REGRESIÓN CON DOS VARIABLES: ESTIMACIÓN DE INTERVALOS Y PRUEBA DE HIPÓTESIS Teoría de la estimación: Estimación puntual Estimación por intervalos ESTIMACIÓN DE INTERVALOS: IDEAS BÁSICAS 1 Lo que se busca
Más detalles4.1 Análisis bivariado de asociaciones
4.1 Análisis bivariado de asociaciones Los gerentes posiblemente estén interesados en el grado de asociación entre dos variables Las técnicas estadísticas adecuadas para realizar este tipo de análisis
Más detalles1.- Lo primero que debemos hacer es plantear como hasta ahora la hipótesis nula y la alternativa
PRUEBA DE HIPÓTESIS PARA DIFERENCIA DE MEDIAS Introducción Como hemos visto hasta ahora ya sabemos cómo hacer inferencia sobre bases de datos para medias con valores conocidos y desconocidos de desviación
Más detallesRegresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A
Regresión lineal REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL MÚLTIPLE N A Z IRA C A L L E J A Qué es la regresión? El análisis de regresión: Se utiliza para examinar el efecto de diferentes variables (VIs
Más detallesT2. El modelo lineal simple
T2. El modelo lineal simple Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 40 Índice 1 Planteamiento e hipótesis básicas 2 Estimación de
Más detallesEJC 15: DATOS PANEL. PRIMERA DIFERENCIA-EFECTOS FIJOS-EFECTOS ALEATORIOS Wooldridge, pags. 419, 441, 449, 452.
EJC 15: DATOS PANEL. PRIMERA DIFERENCIA-EFECTOS FIJOS-EFECTOS ALEATORIOS Wooldridge, pags. 419, 441, 449, 452. En este ejemplo se presentan los estimadores de primera diferencia, de efectos fijos y de
Más detallesSOLUCIÓN PROPUESTA. Es de notar que dadao que los datos provienen de un corte transversal, valores de bondad de ajuste resultan ser bajos.
SOLUCIÓN PROPUESTA 1. a) reg w educa exp Source SS df MS Number of obs = 528 -------------+------------------------------ F( 2, 525) = 69.36 Model 2914.64782 2 1457.32391 Prob > F = 0.0000 Residual 11030.6042
Más detallesPasos. i Aplicar la prueba X 2 para determinar la significación estadística de las proporciones entre ambas variables (no son iguales)
Relación entre variables cualitativas Pasos Construir una tabla de contingencia Crear una tabla con las frecuencias esperadas f ei (frecuencias teóricas en caso de que X e Y fueran independientes), calculadas
Más detallesUniversidad Maimónides Clase 8 Análisis de Varianza. Pedro Elosegui
Estadística stica Aplicada Universidad Maimónides 2014 Clase 8 Análisis de Varianza Pedro Elosegui 1 11-3 Características de la distribución F Existe una familia de distribuciones F. Cada miembro de la
Más detallesEXAMEN FINAL DE ECONOMETRÍA SOLUCIONES Conteste cada pregunta en un cuadernillo diferente en dos horas y media
EXAMEN FINAL DE ECONOMETRÍA SOLUCIONES Conteste cada pregunta en un cuadernillo diferente en dos horas y media 1. Sean (Y; X; W ) tres variables aleatorias relacionadas por el siguiente modelo de regresión
Más detallesModelo de Regresión Lineal
Modelo de Regresión Lineal Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Introducción Un ingeniero, empleado por un embotellador de gaseosas,
Más detallesAnálisis de Tendencias de los indicadores en las Encuestas de Verificación Nacional Muestral
Análisis de Tendencias de los indicadores en las Encuestas de Verificación Nacional Muestral Introducción A partir de 1994, el Registro Federal de Electores ha llevado a cabo diversos ejercicios cuyo objetivo
Más detallesSoluciones Examen Final de Econometría Universidad Carlos III de Madrid 26 de Mayo de 2015
Soluciones Examen Final de Econometría Universidad Carlos III de Madrid 26 de Mayo de 2015 Conteste todas las preguntas en dos horas y media. Pregunta 1 (33 puntos: Un investigador está considerando las
Más detallesEconomía Aplicada. Secciones Cruzadas Repetidas o Datos Fusionados. Basado en Wooldridge cap.13
Economía Aplicada Secciones Cruzadas Repetidas o Datos Fusionados Departamento de Economía Universidad Carlos III de Madrid Basado en Wooldridge cap.13 1 / 13 Dos Ejemplos de Secciones Cruzadas Repetidas
Más detallesMétodos Estadísticos Multivariados
Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 20 Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre
Más detallesAnálisis Estadístico
Universidad Torcuato Di Tella Análisis Estadístico Examen Final 05/07/2017 TEMA 1 Nombre y Apellido: Número de legajo: Instrucciones El examen tiene dos partes. La parte A (40 puntos) contiene 10 preguntas
Más detallesRegresión Lineal. El modelo de regresión caracteriza la relación entre una variable respuesta que depende de k variables independientes o regresoras.
Regresión Lineal Los factores envueltos en la experimentación pueden ser de tipo cuantitativos o cualitativos Un factor cuantitativo es aquel que sus niveles pueden ser asociados con puntos dentro de una
Más detallesTEMA 3: Contrastes de Hipótesis en el MRL
TEMA 3: Contrastes de Hipótesis en el MRL Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 3: Contrastes de Hipótesis Curso 2011-12
Más detallesTaller 7: Problemas Econométricos Econometría
Taller 7: Problemas Econométricos 06216 09-2010 Profesor: Carlos Giovanni González Espitia Monitores: Ana Beatriz Arcos Andrés Felipe Cuadros Notas: Recuerde que únicamente tres preguntas, seleccionadas
Más detallesInstrumentos Económicos y Regulación de la Contaminación Industrial: Primera aproximación el caso del Río Bogotá
CONDESAN Experiencias y Métodos M de Manejo de Cuencas y su Contribución n al Desarrollo Rural en los Andes Bogotá, 8-10 de Noviembre del 2004 Instrumentos Económicos y Regulación de la Contaminación Industrial:
Más detallesOdds = = e. UD1: El modelo de regresión logística 1. 1 e
RE2. Regresión logística binaria, multinomial, de Poisson y binomial negativa Curso 204/5 Solución resumida de la prueba de evaluación Unidad didáctica (D) La regresión logística puede utilizarse en cualquiera
Más detallesEXAMEN DE ECONOMETRÍA
EXAMEN DE ECONOMETRÍA UNIVERSIDAD CARLOS III DE MADRID CURSO 2015-1 Responda todas las preguntas en 2 horas y media. Valores críticos al final del examen. 1 A partir de una muestra aleatoria de compra-venta
Más detallesRegresión Múltiple (SW Capítulo 5) Estimación MCO de la relación entre las notas y el número de estudiantes por profesor:
Regresión Múltiple (SW Capítulo 5) Estimación MCO de la relación entre las notas y el número de estudiantes por profesor:!notas = 698.9.8 STR, R =.05, SER = 8.6 (0.4) (0.5) es ésta una estimación creíble
Más detallesEndogeneidad y heterogeneidad no observada. 2. Modelo de regresión clásico y endogeneidad
Endogeneidad y heterogeneidad no observada Preparado por Guido Pinto Aguirre (actualizado a Abril 2010) Menú de hoy: 1. Referencia 2. Modelo de regresión clásico y endogeneidad 3. Heterogeneidad no observada
Más detalleslog Y = log + v log K + (1 )v log L 1=2 log(1 )v[log(k=l)] 2 + U = log K + 2 log L + 3 [log(k=l)] 2 + U;
Universidad Carlos III de Madrid Econometría Examen Final, Convocatoria Extraordinaria, Curso 2014-2015. Duración del examen: 2 horas. Nota importante: Alguna información contenida en las salidas es redundante.
Más detallesIntroducción a la Econometría Capítulo 4
Introducción a la Econometría Capítulo 4 Ezequiel Uriel Jiménez Universidad de Valencia Valencia, Septiembre de 2013 4.1 El contraste de hipótesis: una panorámica 4.2 Contraste de hipótesis utilizando
Más detallesEJERCICIO T2 NOMBRE: Correctas Incorrectas En Blanco Puntos
ECONOMETRÍA EJERCICIO T APELLIDOS: NOMBRE: FIRMA: GRUPO: DNI: Pregunta A B C En Blanco Pregunta A B C En Blanco Pregunta 3 A B C En Blanco Pregunta 4 A B C En Blanco Pregunta 5 A B C En Blanco Pregunta
Más detallesActividad A5. Modelo de Regresión Lineal General. Estimación. Pilar González y Susan Orbe. Dpto. Economía Aplicada III (Econometría y Estadística)
Actividad A5 Modelo de Regresión Lineal General. Estimación Pilar González y Susan Orbe Dpto. Economía Aplicada III (Econometría y Estadística) Pilar González y Susan Orbe OCW 2013 Actividad A5. Estimación
Más detallesEstadística II Tema 4. Regresión lineal simple. Curso 2009/10
Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores
Más detallesEconometría I (LADE). Curso 2001/2002 PRÁCTICA 08
PRÁCTICA 08 HETEROCEDASTICIDAD Y NORMALIDAD En el fichero Datos08.wf1 tenemos la renta y consumo anual (en dólares) para 500 familias con el que se pretende estimar el siguiente modelo: C i = β + β R +
Más detallesEJEMPLO APLICADO EN PRUEBAS DE ESPECIFICACIÓN ECONOMÉTRICA MODELO DE PRODUCCIÓN AGREGADA PARA LA ECONOMÍA MEXICANA
EJEMPLO APLICADO EN PRUEBAS DE ESPECIFICACIÓN ECONOMÉTRICA MODELO DE PRODUCCIÓN AGREGADA PARA LA ECONOMÍA MEXICANA DR. ROGER ALEJANDRO BANEGAS RIVERO UNIVERSIDAD AUTÓNOMA GABRIEL RENÉ MORENO A partir del
Más detallesBioestadística. Curso Práctica: La recta de regresión
Bioestadística. Curso 2012-2013 Carmen M a Cadarso, M a del Carmen Carollo, Xosé Luis Otero, Beatriz Pateiro Índice 1. Introducción 2 2. El diagrama de dispersión 2 3. Covarianza 4 4. Coeciente de correlación
Más detallesActividad A5.1. Cambio de escala. a. Para estimar el modelo (1) se pincha: Modelo -- Mínimos cuadrados ordinarios SCR = 7803, 175 R 2 = 0, 89855
Actividad A5.1. Cambio de escala. Alquiler de sombrillas a. Para estimar el modelo (1) se pincha: Ŝ t = 22, 1467 0, 610208 P t + 11, 7892 T t t = 1, 2,..., 22 SCR = 7803, 175 R 2 = 0, 89855 ˆβ 1 : se estima
Más detallesPrácticas Tema 2: El modelo lineal simple
Prácticas Tema 2: El modelo lineal simple Ana J. López y Rigoberto Pérez Departamento de Economía Aplicada. Universidad de Oviedo PRACTICA 2.1- Se han analizado sobre una muestra de 10 familias las variables
Más detallesRegresión. Instituto Tecnológico de Ciudad Victoria Maestría en Ciencias en Biología Sesión de Cómputo. Modelo I
Regresión La regresión lineal estima la relación de una variable con respecto a otra, por medio de la expresión de una variable en términos de una función lineal de otra variable. Existen dos modelos de
Más detalles3 CAPÍTULO III TRABAJO EMPÍRICO. Para toda evaluación cuantitativa generalmente se tiene uno que basar en
3 CAPÍTULO III TRABAJO EMPÍRICO. 3.1 Modelo Econométrico Para toda evaluación cuantitativa generalmente se tiene uno que basar en experiencias anteriores (Allard, 1980, p. 1). Las experiencias anteriores
Más detallesINFLUENCIA DE LA TASA DE INTERÉS DE POLÍTICA MONETARIA SOBRE LAS TASAS DE INTERÉS ACTIVA Y PASIVA
INFLUENCIA DE LA TASA DE INTERÉS DE POLÍTICA MONETARIA SOBRE LAS TASAS DE INTERÉS ACTIVA Y PASIVA The impact of policy interest rate on loan and deposit interest rates Jaime Aristy Escuder * Resumen: En
Más detallesMultiple Linear Regression
Multiple Linear Regression Aniel Nieves-González Aniel Nieves-González () LSP 1 / 16 Considere el ejemplo en cual queremos modelar las ventas en una cadena de tiendas por departamento. La v.a. dependiente
Más detallesLICENCIATURAS EN ECONOMÍA Y EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS Curso Primer Cuatrimestre ASIGNATURA: ECONOMETRÍA I
LICENCIATURAS EN ECONOMÍA Y EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS Curso 2000-2001 Primer Cuatrimestre ASIGNATURA: ECONOMETRÍA I EXAMEN FINAL DEL DÍA 25 DE ENERO DE 2001 Departamento de Economía Cuantitativa
Más detallesSoluciones Hoja de Ejercicios 4
Soluciones Hoja de Ejercicios 4 Econometría I 1. Considera la siguiente ecuación para explicar los salarios de los directores generales en términos de ventas anuales de la compañía (sales, del rendimiento
Más detallesANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL
ANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL Msc. Lácides Baleta Octubre 16 Página 1 de 11 REGRESIÓN Y CORRELACIÓN LINEAL Son dos herramientas para investigar la dependencia de una variable dependiente Y
Más detallesInformación sobre Gastos de Consumo Personal y Producto Interno Bruto ( ) en miles de millones de dólares de 1992.
Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Análisis y Diseño de Modelos Econométricos Profesor: MSc. Julio Rito Vargas Avilés. Participantes: Docentes /FAREM-Carazo Encuentro No.4
Más detallesENUNCIADOS DE PROBLEMAS
UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I 22 de Septiembre de 2007 ENUNCIADOS DE PROBLEMAS Muy importante: Tenga en cuenta que algunos resultados de las tablas han podido ser omitidos. PROBLEMA 1:
Más detallesEXAMEN ECONOMETRÍA I GRUPO 53 - DADE 8 de septiembre de 2005 Prof. Rafael de Arce
EXAMEN ECONOMETRÍA I GRUPO 53 - DADE 8 de septiembre de 005 Prof. Rafael de Arce NOMBRE: DNI: PARTE I.- TEST 1. La hipótesis de rango pleno en el MBRL supone: Que las variables explicativas no tengan ninguna
Más detallesAnálisis Probit. StatFolio de Ejemplo: probit.sgp
STATGRAPHICS Rev. 4/25/27 Análisis Probit Resumen El procedimiento Análisis Probit está diseñado para ajustar un modelo de regresión en el cual la variable dependiente Y caracteriza un evento con sólo
Más detallesImages created with STATA software. Regresión múltiple. Por qué controlar?
Images created wth STATA software. Regresón múltple Por qué controlar? Ejemplo de la smpatía de Gore Supongamos: La smpatía de Gore está en funcón de la de Clnton y no drectamente en funcón del partdo.
Más detallesEstadística II Ejercicios Tema 5
Estadística II Ejercicios Tema 5 1. Considera los cuatro conjuntos de datos dados en las transparencias del Tema 5 (sección 5.1) (a) Comprueba que los cuatro conjuntos de datos dan lugar a la misma recta
Más detallesMEDIDAS DE ASOCIACION
MEDIDAS DE ASOCIACION OBJETIVOS DE LA LECCION Que es asociación Identificar las medidas apropiadas para un diseño de estudio Construir tablas de contingencia Calcular e interpretar las medidas de asociación
Más detallesTaller I Econometría I
Taller I Econometría I 1. Considere el modelo Y i β 1 + ɛ i, i 1,..., n donde ɛ i i.i.d. N (0, σ 2 ). a) Halle el estimador de β 1 por el método de mínimos cuadrados ordinarios. Para realizar el procedimiento
Más detallesEjercicios de Clase. 1. Defina los siguientes términos y explique su significado
Ejercicios de Clase. 1. Defina los siguientes términos y explique su significado a. Coeficiente de elasticidad precio b. Coeficiente de elasticidad ingreso c. Coeficiente de elasticidad cruzado 2. Un estudio
Más detalles