T4. Modelos con variables cualitativas
|
|
- Antonia Saavedra Miranda
- hace 7 años
- Vistas:
Transcripción
1 T4. Modelos con variables cualitativas Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad con variables de Oviedo) cualitativas Curso / 28
2 Índice 1 Las variables cualitativas en el ámbito económico 2 La trampa de las variables ficticias 3 Variables cualitativas dependientes Modelos Logit Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad con variables de Oviedo) cualitativas Curso / 28
3 Modelos con variables cualitativas Competencias Este tema analiza la posibilidad de incorporar características cualitativas para mejorar la capacidad explicativa de los modelos y presenta a título introductorio los modelos de variable cualitativa dependiente. Se pretende que a su finalización los alumnos hayan adquirido las siguientes competencias: Definir e interpretar las variables dummy Comprender las razones que impiden plantear modelos de regresión con variables dependientes cualitativas Interpretar los coeficientes estimados de un modelo logit Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad con variables de Oviedo) cualitativas Curso / 28
4 Las variables cualitativas en el ámbito económico Las variables cualitativas en el ámbito económico Algunas variables económicas pueden depender de características tales como el género, el sector de actividad, el lugar de residencia, la ideología poĺıtica... Ejemplos: Discriminación salarial por género, impacto sobre el gasto del tipo de gobierno En el análisis temporal pueden existir efectos asociados a la estacionalidad, o cambios de tendencia que también serán recogidos mediante variables cualitativas Ejemplos: Estacionalidad en el turismo, impacto de la ampliación de la Unión Europea,... Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad con variables de Oviedo) cualitativas Curso / 28
5 Las variables cualitativas en el ámbito económico Incorporación de variables cualitativas Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad con variables de Oviedo) cualitativas Curso / 28
6 Las variables cualitativas en el ámbito económico Incorporación de variables cualitativas Introducción de variable dummy: D = { 1 si el trabajador es hombre 0 si el trabajador es mujer Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad con variables de Oviedo) cualitativas Curso / 28
7 Las variables cualitativas en el ámbito económico Modelos con variable dummy: Y = β 1 + β 2 X + β 3 D + u Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad con variables de Oviedo) cualitativas Curso / 28
8 Las variables cualitativas en el ámbito económico Modelos con variable dummy: Y = β 1 + β 2 X + β 3 D + β 4 DX + u Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad con variables de Oviedo) cualitativas Curso / 28
9 Las variables cualitativas en el ámbito económico Modelos con variable dummy: Y = β 1 + β 2 X + β 3 D + β 4 DX + u En estos gráficos, β 3 y β 4 son significativos? Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad con variables de Oviedo) cualitativas Curso / 28
10 La trampa de las variables ficticias La trampa de las variables ficticias D A = D I = D C = D S = { 1 si el trabajador pertenece al sector agricultura 0 en otro caso { 1 si el trabajador pertenece al sector industria 0 en otro caso { 1 si el trabajador pertenece al sector construcción 0 en otro caso { 1 si el trabajador pertenece al sector servicios 0 en otro caso Y = β 1 + β 2 X + β 3 D A + β 4 D I + β 5 D C + β 6 D S + u Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad con variables de Oviedo) cualitativas Curso / 28
11 La trampa de las variables ficticias La trampa de las variables ficticias Y = β 1 + β 2 X + β 3 D A + β 4 D I + β 5 D C + β 6 D S + u D Ai + D Ii + D Ci + D Si = 1, i = 1,..., n 1 X 1 D A1 D I 1 D C1 D S1 1 X 2 D A2 D I 2 D C2 D S2 X = X n D An D In D Cn D Sn Relación lineal o Multicolinealidad entre las variables explicativas (rango no pleno ρ(x) k; X X = 0 X X no es invertible, EMC no definidos ) SOLUCIÓN: Excluir una de las r categorías consideradas, definiendo r-1 variables dummy (la categoría excluida es la referencia para la interpretación de coeficientes). Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad con variables de Oviedo) cualitativas Curso / 28
12 La trampa de las variables ficticias Modelo salarial en función de experiencia y sector económico: Y = β 1 + β 2 X + β 3 D I + β 4 D C + β 5 D S + u β 1 + β 2 X + β 5 β 1 + β 2 X + β 4 β 1 + β 2 X + β 3 β 1 + β 2 X Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad con variables de Oviedo) cualitativas Curso / 28
13 La trampa de las variables ficticias Ilustración: Variable dummy asociada al género Modelo 1: MCO, usando las observaciones Variable dependiente: salario Coeficiente Desv. Típica Estadístico t Valor p const experiencia Media de la vble. dep D.T. de la vble. dep Suma de cuad. residuos D.T. de la regresión R R 2 corregido F (1, 48) Valor p (de F ) Log-verosimilitud Criterio de Akaike Criterio de Schwarz Hannan--Quinn Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad con variables de Oviedo) cualitativas Curso / 28
14 La trampa de las variables ficticias Ilustración: Variable dummy asociada al género Modelo 2: MCO, usando las observaciones Variable dependiente: salario Coeficiente Desv. Típica Estadístico t Valor p const experiencia masculino Media de la vble. dep D.T. de la vble. dep Suma de cuad. residuos D.T. de la regresión R R 2 corregido F (2, 47) Valor p (de F ) 2.98e 30 Log-verosimilitud Criterio de Akaike Criterio de Schwarz Hannan--Quinn Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad con variables de Oviedo) cualitativas Curso / 28
15 La trampa de las variables ficticias Ilustración: Variable dummy asociada al género Modelo 3: MCO, usando las observaciones Variable dependiente: salario Coeficiente Desv. Típica Estadístico t Valor p const experiencia masculino exp masc Media de la vble. dep D.T. de la vble. dep Suma de cuad. residuos D.T. de la regresión R R 2 corregido F (3, 46) Valor p (de F ) 8.19e 45 Log-verosimilitud Criterio de Akaike Criterio de Schwarz Hannan--Quinn Los trabajadores de género MASCULINO ven aumentado su salario esperado y también el efecto marginal de la experiencia sobre el salario Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad con variables de Oviedo) cualitativas Curso / 28
16 La trampa de las variables ficticias Ilustración: Variable dummy asociada a la estacionalidad turismo Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad con variables de Oviedo) cualitativas Curso / 28
17 La trampa de las variables ficticias Ilustración: Variable dummy asociada a la estacionalidad Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad con variables de Oviedo) cualitativas Curso / 28
18 La trampa de las variables ficticias Ilustración: Variable dummy asociada a la estacionalidad Modelo 3: MCO, usando las observaciones 1983: :4 (T = 86) Variable dependiente: turismo Coeficiente Desv. Típica Estadístico t Valor p const dq dq dq Media de la vble. dep D.T. de la vble. dep Suma de cuad. residuos 1.38e+12 D.T. de la regresión R R 2 corregido F (3, 82) Valor p (de F ) Log-verosimilitud Criterio de Akaike Criterio de Schwarz Hannan--Quinn ˆρ Durbin--Watson Respecto al primer trimestre el turismo aumenta sistemáticamente el segundo trimestre y también el tercero. Por el contrario en el cuarto se reduce Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad con variables de Oviedo) cualitativas Curso / 28
19 Variables cualitativas dependientes Modelos de variable cualitativa dependiente En algunas ocasiones nuestro objetivo es explicar una variable dependiente cualitativa: Con dos modalidades: Modelos binomiales Con más de dos modalidades: Modelos multinomiales Con varias modalidades que presentan un orden natural: Modelos ordenados Con modalidades asociadas a una decisión que condiciona las siguientes: Modelos secuenciales Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad con variables de Oviedo) cualitativas Curso / 28
20 Variables cualitativas dependientes Modelos de variable cualitativa dependiente El modelo lineal y = Xβ + u no es aplicable para variables dependientes dicotómicas Las perturbaciones u son dicotómicas y por tanto no normales Al ser y dicotómica se cumple E(y) = p No está garantizado que E(y) = Xβ adopte valores entre 0 y 1 1 Y = t Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad con variables de Oviedo) cualitativas Curso / 28
21 Variables cualitativas dependientes Modelos de variable cualitativa dependiente SOLUCIÓN: Introducir una variable auxiliar ( variable índice ) Z continua que se interpreta como propensión a la categoría investigada (encontrar empleo, afiliarse a un sindicato, realizar una compra,...) { 1, si Z > 0 Y = 0, si Z 0 p i = P(Y = 1) = P(Z > 0) = P(x β + u > 0) = P(u > x β) = 1 F u ( x β) 1 p i = P(Y = 0) = P(Z 0) = P(x β + u 0) = P(u x β) = F u ( x β) Asumiendo ciertas distribuciones probabiĺısticas para u (logística, Normal, uniforme,... ) es posible conocer la distribución de probabilidad de la variable Y. Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad con variables de Oviedo) cualitativas Curso / 28
22 Variables cualitativas dependientes Modelos Logit, Probit y Uniforme Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad con variables de Oviedo) cualitativas Curso / 28
23 Variables cualitativas dependientes Modelos Logit Modelos Logit Función logística de distribución de los errores: F u (x) = e x p i = P(Y i = 1) = 1 F u ( x 1 iβ) = e x i β = ex 1 + e x i β p i ( 1 + e x i β) = e x i β e x i β = p i 1 p i ( ln e x β) ( ) pi i = ln = x 1 p iβ i ( ) pi ln = β 1 + β 2 X 2i + + β k X ki 1 p i Logit expresados como función lineal de las variables explicativas Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad con variables de Oviedo) cualitativas Curso / 28 i β
24 Variables cualitativas dependientes Modelos Logit Ilustración: Modelo logit para el empleo Modelo logit para explicar si una persona está ocupada en función de sus estudios Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad con variables de Oviedo) cualitativas Curso / 28
25 Variables cualitativas dependientes Modelos Logit Ilustración: Modelo logit para el empleo teración 0: log-verosimilitud = teración 1: log-verosimilitud = teración 2: log-verosimilitud = teración 3: log-verosimilitud = riterio de parada basado en Log-Verosimilitud Modelo 2: Logit, usando las observaciones Variable dependiente: empleo Coeficiente Desv. Típica z Pendiente const estudios Media de la vble. dep D.T. de la vble. dep R 2 de McFadden R 2 corregido Log-verosimilitud Criterio de Akaike Criterio de Schwarz Hannan--Quinn Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad con variables de Oviedo) cualitativas Curso / 28
26 Variables cualitativas dependientes Modelos Logit Ilustración: Modelo logit para el empleo Falso negativo Falso negativo Falso positivo Falso positivo Falso positivo Falso positivo Falso positivo Falso positivo Falso positivo Falso positivo Falso positivo Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad con variables de Oviedo) cualitativas Curso / 28
27 Variables cualitativas dependientes Modelos Logit Bondad de los modelos Logit Medida basada en razón de verosimilitudes 2 ln L NR L R Medida de Mc Fadden (1974) R 2 = 1 ln L NR ln L R Proporción de aciertos Núm, predicciones correctas Núm. observaciones LNR: Máx de L respecto a todos los parámetros LR: Máximo de L restringido (con β i = 0, i) La razón de verosimilitudes contrasta la nulidad de β Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad con variables de Oviedo) cualitativas Curso / 28
28 Variables cualitativas dependientes Modelos Logit Ilustración: Modelo logit para el empleo Coeficiente Desv. Típica z Pendiente const estudios Media de la vble. dep D.T. de la vble. dep R 2 de McFadden R 2 corregido Log-verosimilitud Criterio de Akaike Criterio de Schwarz Hannan--Quinn Evaluado en la media úmero de casos correctamente predichos = 442 (59.7 percent) (β X ) en la media de las variables independientes = Contraste de azón de verosimilitudes: χ 2 (1) = [0.0000] Predicho 0 1 Observado Este modelo logit clasifica correctamente 442 casos (casi el 60 %). Hay 248 falsos positivos (34 %) y 50 falsos negativos (6 %) Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad con variables de Oviedo) cualitativas Curso / 28
Ejercicio Heterocedasticidad_2
Ejercicio heterocedasticidad 2. 1 Ejercicio Heterocedasticidad_2 Tengamos los siguientes datos de los beneficios (B i ) y ventas (V i ) de 20 empresas: obs B V 1 13,2 61 2 15 78 3 22,2 158 4 15,2 110 5
Más detallesT6. Modelos multiecuacionales
T6. Modelos multiecuacionales Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 41 Índice 1 Los modelos multiecuacionales: SUR y SEM 2 Modelos
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 detallesPrácticas Tema 5. Ampliaciones del Modelo lineal básico
Prácticas Tema 5. Ampliaciones del Modelo lineal básico Ana J. López y Rigoberto Pérez Dpto. Economía Aplicada, Universidad de Oviedo PRÁCTICA 5.1. Se ha examinado la evolución reciente de las ventas de
Más detallesModelos para variables categóricas
Gabriel V. Montes-Rojas Modelo logit multinomial Supongamos que la variable dependiente toma muchos valores, ej. y = 0, 1, 2..., J, aunque los valores de y no representan ningún orden en particular. Éste
Más detallesy x Estimar por MCO un modelo lineal entre la variable explicada (y) y las
Ejercicio MLG Disponemos de los siguientes datos y x x3 7 6 0 4 3 7 8 6 3 6 6 5 8 9 8 Se pide. Estimar por MCO un modelo lineal entre la variable explicada (y) y las explicativas (x).. Comprobar que el
Más detallesMODELO ECONOMÉTRICO. José María Cara Carmona. Adrián López Ibáñez. Explicación del desempleo
José María Cara Carmona Adrián López Ibáñez MODELO ECONOMÉTRICO Explicación del desempleo Desarrollaremos un modelo econométrico para intentar predecir el desempleo. Trataremos los diversos problemas que
Más detallesEconomía Aplicada. Modelos con variables dependiente binarias. Departamento de Economía Universidad Carlos III de Madrid
Economía Aplicada Modelos con variables dependiente binarias Departamento de Economía Universidad Carlos III de Madrid Ver Stock y Watson (capítulo 11) 1 / 28 Modelos con variables dependiente binarias:
Más detallesEl Modelo de Regresión Lineal General Estimación
Tema 5 El 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 Tema 5 MRLG: Estimación 1
Más detallesECONOMETRÍA I. Tema 5: Análisis de regresión múltiple con información cualitativa
ECONOMETRÍA I Tema 5: Análisis de regresión múltiple con información cualitativa Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía Alexandra Soberon (UC) ECONOMETRÍA
Más detallesCorrelación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)
Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre
Más detallesTEMA 5. Modelos para Datos de Conteo
TEMA 5. Modelos para Datos de Conteo Profesor: Pedro Albarrán Pérez Universidad de Alicante. Curso 2010/2011. Contenido 1 Datos de Conteo 2 Regresión de Poisson 3 Extensiones Datos de Conteo Variable de
Más detallesEstimación del Probit Ordinal y del Logit Multinomial
Estimación del Probit Ordinal y del Logit Multinomial Microeconomía Cuantitativa R. Mora Departmento de Economía Universidad Carlos III de Madrid Esquema Introducción 1 Introducción 2 3 Introducción El
Más detallesPrácticas Tema 6. Modelos de ecuaciones simultáneas
Prácticas Tema 6. Modelos de ecuaciones simultáneas Ana J. López y Rigoberto Pérez Dpto. Economía Aplicada, Universidad de Oviedo PRÁCTICA 6.1- La oferta agregada de determinado producto agrícola (QS)
Más detallesMétodos Cuantitativos en Economía
Métodos Cuantitativos en Economía Mitos, leyendas y alguna media verdad Miguel Jerez Universidad Complutense de Madrid Abril 2015 Ver. 16/04/2015, Slide # 1 Esta conferencia se centra en una única idea
Más detallesTRABAJO ECONOMETRIA (ETAPAS 1,2 Y 3)
1 UNIVERSIDAD TRABAJO ECONOMETRIA (ETAPAS 1,2 Y 3) NOMBRE ALUMNO: ************** ASIGNATURA: ECONOMETRIA FECHA ENTREGA: 05/12/2011 NOTA=70% 2 1. Introducción La integración comercial de Chile al mundo
Más detallesEconometría III Examen. 29 de Marzo de 2012
Econometría III Examen. 29 de Marzo de 2012 El examen consta de 20 preguntas de respuesta múltiple. El tiempo máximo es 1:10 minutos. nota: no se pueden hacer preguntas durante el examen a no ser que sean
Más detallesIntroducción a la regresión ordinal
Introducción a la regresión ordinal Jose Barrera jbarrera@mat.uab.cat 20 de mayo 2009 Jose Barrera (UAB) Introducción a la regresión ordinal 20 de mayo 2009 1 / 11 Introducción a la regresión ordinal 1
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 detallesModelos con Datos de Panel
Modelos con Datos de Panel Econometría II Grado en Economía Universidad de Granada Modelosdedatosdepanel 1/26 Contenidos Modelosdedatosdepanel 2/26 Elmodelo Modelosdedatosdepanel 3/26 Elmodelo Hasta el
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 detallesT1. Modelos econométricos
T1. Modelos econométricos Rigoberto Pérez y Ana J. López Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 16 Índice 1 La modelización econométrica 2 Construcción de modelos
Más detallesEconometría de Económicas Ejercicios para el tema 2 y 3
Econometría de Económicas Ejercicios para el tema 2 y 3 Curso 2005-2006 Profesores Amparo Sancho Perez Guadalupe Serrano Pedro Perez 1 1- Los datos que se adjuntan hacen referencia a los datos de producción
Más detallesModelo lineal general (K variables)
Modelo lineal general (K variables) Interpretación y usos Mariana Marchionni marchionni.mariana@gmail.com Mariana Marchionni Modelo lineal general 1 / 45 Temario de la clase 1 El modelo lineal general
Más detallesCALIFICACION: - P C: precio medio de los productos sustitutivos existentes en el mercado en euros.
6 + 10 + 3 = 19 CALIFICACION: Ventasgdt Una empresa que produce una marca de detergente líquido desea contar con un modelo para planificar su producción, estimar las necesidades de materias primas y de
Más detallesEstadística para la Economía y la Gestión IN 3401 Clase 5
Estadística para la Economía y la Gestión IN 3401 Clase 5 21 de octubre de 2009 1 Variables Dummies o cualitativas 2 Omisión de Variables Relevantes Impacto sobre el Insesgamiento Impacto sobre la Varianza
Más detallesTema 3: Análisis de datos bivariantes
Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta
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 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 detallesTema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos
Tema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos Metodología de la Investigación en Fisioterapia Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura M.
Más detallesAuxiliar 9. MNL y MLE. Daniel Olcay. 21 de octubre de 2014 IN4402. Daniel Olcay (IN4402) Auxiliar 9 21 de octubre de / 13
Auxiliar 9 MNL y MLE Daniel Olcay IN4402 21 de octubre de 2014 Daniel Olcay (IN4402) Auxiliar 9 21 de octubre de 2014 1 / 13 Índice Modelos no lineales Probabilidad lineal Probit Logit Máxima verosimilitud
Más detallesEjemplo 4.2. Variables ficticias en Gretl. Pilar González y Susan Orbe. Dpto. Economía Aplicada III (Econometría y Estadística)
Ejemplo 4.2 Variables ficticias en Gretl Pilar González y Susan Orbe Dpto. Economía Aplicada III (Econometría y Estadística) Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 1 / 40
Más detallesTema 4: Cuestiones importantes en el Modelo Lineal General (MLG) Universidad Complutense de Madrid 2013
Tema 4: Cuestiones importantes en el Modelo Lineal General (MLG) Universidad Complutense de Madrid 2013 1 Colinealidad (I) La multicolinealidad es un problema que surge cuando las variables explicativas
Más detallesEjemplo 7.1. Heterocedasticidad. Pilar González y Susan Orbe. Dpto. Economía Aplicada III (Econometría y Estadística)
Ejemplo 7.1 Heterocedasticidad Pilar González y Susan Orbe Dpto. Economía Aplicada III (Econometría y Estadística) Pilar González y Susan Orbe OCW 2013 Ejemplo 7.1. Heterocedásticidad 1 / 22 Enunciado.
Más detallesDiplomado en Estadística Aplicada
Diplomado en Estadística Aplicada Con el propósito de mejorar las habilidades para la toma de decisiones, la División de Estudios de Posgrado de la Facultad de Economía ha conjuntado a profesores con especialidad
Más detallesFACTORES INFLUYENTES EN EL EMPLEO. Econometría II GECO Marina Calvillo Fuentes Rocío Crespo Roldán
FACTORES INFLUYENTES EN EL EMPLEO Econometría II GECO Marina Calvillo Fuentes Rocío Crespo Roldán 2 ÍNDICE: 1. INTRODUCCIÓN 2. PLANTEAMIENTO DEL PROBLEMA 3. GRÁFICOS DE LOS DATOS 4. ESTIMACIÓN DEL MODELO
Más detallesEjercicio 5. Pilar González y Susan Orbe. Dpto. Economía Aplicada III (Econometría y Estadística)
Ejercicio 5 Estimación del Modelo de Regresión Lineal General Pilar González y Susan Orbe Dpto. Economía Aplicada III (Econometría y Estadística) Pilar González y Susan Orbe OCW 2013 Ejercicio 5 Estimación
Más detallesTema 4: Cuestiones importantes en el Modelo Lineal General (MLG) Universidad Complutense de Madrid Febrero de 2012
Tema 4: Cuestiones importantes en el Modelo Lineal General (MLG) Universidad Complutense de Madrid Febrero de 2012 Colinealidad (I) La multicolinealidad es un problema que surge cuando las variables explicativas
Más detallesDocumento de Trabajo. Debo inscribir más de 22 créditos?
Documento de Trabajo Debo inscribir más de 22 créditos? Rodrigo Navia Carvallo 2004 El autor es Ph.D in Economics, Tulane University, EEUU. Máster of Arts in Economics, Tulane University, EEUU. Licenciado
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 detallesUNIVERSIDAD ABIERTA PARA ADULTOS (UAPA) Maestría en Dirección Financiera. Asignatura: Método Cuantitativo Empresarial
UNIVERSIDAD ABIERTA PARA ADULTOS (UAPA) Maestría en Dirección Financiera Asignatura: Método Cuantitativo Empresarial CLAVE: PDF-421 Prerrequisitos: Licenciatura No. de Créditos: 03 I. PRESENTACION El método
Más detallesEjemplo 6.2. Pilar González y Susan Orbe. Dpto. Economía Aplicada III (Econometría y Estadística)
Ejemplo 6.2 Inferencia en el Modelo de Regresión Lineal General Pilar González y Susan Orbe Dpto. Economía Aplicada III (Econometría y Estadística) Pilar González y Susan Orbe OCW 2013 Ejemplo 6.2 Inferencia
Más detallesEjercicio 6. Pilar González y Susan Orbe. Dpto. Economía Aplicada III (Econometría y Estadística)
Ejercicio 6 Inferencia en el Modelo de Regresión Lineal General Pilar González y Susan Orbe Dpto. Economía Aplicada III (Econometría y Estadística) Pilar González y Susan Orbe OCW 2013 Ejercicio 6 Inferencia
Más detallesEl Modelo de Regresión Lineal
ECONOMETRÍA I El Modelo de Regresión Lineal Dante A. Urbina CONTENIDOS 1. Regresión Lineal Simple 2. Regresión Lineal Múltiple 3. Multicolinealidad 4. Heterocedasticidad 5. Autocorrelación 6. Variables
Más detallesRegresores deterministas
CAPíTULO 7 Regresores deterministas 7.1. Variables ficticias Los datos estadísticos que se utilizan en un modelo de regresión pueden corresponder a variables cuantitativas y cualitativas. Mientras que
Más detallesDepartamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 13 REGRESIÓN LOGÍSTICA Es un tipo de análisis de regresión en el que la variable dependiente no es continua, sino dicotómica, mientras que las variables independientes pueden ser cuantitativas o cualitativas.
Más detallesEstadística Inferencial. Sesión No. 9 Regresión y correlación lineal
Estadística Inferencial Sesión No. 9 Regresión y correlación lineal Contextualización En la administración, las decisiones suelen basarse en la relación entre dos o más variables. En esta sesión se estudia
Más detallesASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN
CURSO DE BIOESTADÍSTICA BÁSICA Y SPSS ASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN Amaia Bilbao González Unidad de Investigación Hospital Universitario Basurto (OSI Bilbao-Basurto)
Más detallesGuía docente 2007/2008
Guía docente 2007/2008 Plan 247 Lic.Investigación y Tec.Mercado Asignatura 43579 METODOS CUANTITATIVOS PARA LA INVESTIGACION DE MERCADOS Grupo 1 Presentación Métodos y técnicas cuantitativas de investigación
Más detallesEconometría Aplicada
Econometría Aplicada y función de Verosimilitud Víctor Medina Los objetivos de esta parte del curso principalmente son: 1. Dar algunos ejemplos de decisiones económicas donde la variable dependiente es
Más detallesTema 10: Introducción a los problemas de Asociación y Correlación
Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación
Más detallesTaller 10: Modelos con variable dependiente cualitativa Econometría
Taller 10: Modelos con variable dependiente cualitativa 06216 11-04- 2011 Profesor: Carlos Giovanni González Espítia Monitores: Adriana Caicedo Jessica Echeverry Samir Aristizábal Notas: Recuerde que únicamente
Más detallesLucila Finkel Temario
Lucila Finkel Temario 1. Introducción: el análisis exploratorio de los datos. 2. Tablas de contingencia y asociación entre variables. 3. Correlación bivariada. 4. Contrastes sobre medias. 5. Regresión
Más detallesRegresión múltiple. Demostraciones. Elisa Mª Molanes López
Regresión múltiple Demostraciones Elisa Mª Molanes López El modelo de regresión múltiple El modelo que se plantea en regresión múltiple es el siguiente: y i = β 0 + β 1 x 1i + β 2 x 2i +...+ β k x ki +
Más detallesTEMA 3. Modelos de Elección Discreta
TEMA 3. Modelos de Elección Discreta Profesor: Pedro Albarrán Pérez Universidad de Alicante. Curso 2010/2011. Contenido 1 Introducción 2 Modelos para respuesta binaria Modelo Lineal de Probabilidad Modelos
Más detallesVariables Cualitativas
Tema 7 Variables Cualitativas Contenido 7.1. Introducción. Un ejemplo...................... 118 7.2. Modelo con una variable cualitativa................ 118 7.2.1. Incorporación de variables cuantitativas.............
Más detallesESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
Más detallesTema 2: Análisis de datos bivariantes
1 Tema 2: Análisis de datos bivariantes En este tema: Tabla de contingencia, tabla de doble entrada, distribución conjunta. Frecuencias relativas, marginales, condicionadas. Diagrama de dispersión. Tipos
Más detallesTEMA V ANÁLISIS DE REGRESIÓN LOGÍSTICA
TEMA V ANÁLISIS DE REGRESIÓN LOGÍSTICA LECTURA OBLIGATORIA Regresión Logística. En Rial, A. y Varela, J. (2008). Estadística Práctica para la Investigación en Ciencias de la Salud. Coruña: Netbiblo. Páginas
Más detallesCálculo de Probabilidades II Preguntas Tema 2
Cálculo de Probabilidades II Preguntas Tema 2 1. Demuestre que la suma de n v.a. Bernuolli(p) independientes tiene una distribución Binomial con parametros (n, p). 2. Se dice que una v.a tiene una distribución
Más detallesMODELO ECONOMETRICO DE VENTA DE CAMIONETAS
MODELO ECONOMETRICO DE VENTA DE CAMIONETAS Nombre: Evelyn Neira Cinthya Toledo Macarena Candia Fecha: 10 de Mayo 2012 Asignatura: Econometría Profesor: Pablo Quezada Introducción El mercado de vehículos
Más detallesAndrea Bayancela Espinel Coordinación y edición: Eugenio Paladines y David Villamar
Determinación de los niveles óptimos del Seguro de Depósitos del Ecuador a partir de su función de distribución de pérdidas esperadas y de la estimación de las probabilidades de riesgo alto de las entidades
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 detallesDiplomado en Econometría Coordinadora académica: M.F. Esperanza Sainz López
Diplomado en Econometría Coordinadora académica: M.F. Esperanza Sainz López Brindar al alumno los conocimientos de los métodos econométricos fundamentales y de los conceptos estadísticos que éstos requieren,
Más detallesUNIVERSIDAD DE ANTIOQUIA FACULTAD NACIONAL DE SALUD PÚBLICA Héctor Abad Gómez ldbello@saludpublica.udea.edu.co Facultad Nacional de Salud Pública Héctor Abad Gómez www.leondariobello.com www.ciemonline.info/moodle
Más detallesPérdida Esperada. Pérdida Esperada (PE): Valor esperado de pérdida por riesgo crediticio en un horizonte de tiempo determinado.
Pérdida Esperada Uno de los objetivos de este estudio es construir una función de pérdidas para el portafolio de la cartera de préstamos que ofrece la entidad G&T Continental, basados en el comportamiento
Más detallesECONOMETRÍA I. Tema 2: El Modelo de Regresión Lineal Simple. Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía
ECONOMETRÍA I Tema 2: El Modelo de Regresión Lineal Simple Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía Alexandra Soberon (UC) ECONOMETRÍA I 1 / 42 Modelo de Regresión
Más detallesAnálisis de datos Categóricos
Introducción a los Modelos Lineales Generalizados Universidad Nacional Agraria La Molina 2016-1 Introducción Modelos Lineales Generalizados Introducción Componentes Estimación En los capítulos anteriores
Más detallesEVOLUCIÓN DE DOS ÍNDICES BURSÁTILES Y DEL PRECIO DEL PETÓLEO EN ECONOMÍAS ABIERTAS EN CICLOS DE EXPANSIÓN-CRISIS EN EL PERÍODO 2003:1-2010:5.
EVOLUCIÓN DE DOS ÍNDICES BURSÁTILES Y DEL PRECIO DEL PETÓLEO EN ECONOMÍAS ABIERTAS EN CICLOS DE EXPANSIÓN-CRISIS EN EL PERÍODO 2003:1-2010:5. En este trabajo realizo un estudio entre las variables, con
Más detallesGRADO : ADE ASIGNATURA: ECONOMETRÍA I. Curso: 2 Cuatrimestre: 2 Asignaturas que se recomienda tener superadas: Estadística I y II
FICHA DESCRIPTIVA DE LA ASIGNATURA GUIA DOCENTE Curso Académico 2012/2013 GRADO : ADE ASIGNATURA: ECONOMETRÍA I Módulo Materia Ampliaciones de Métodos Cuantitativos Econometría Créditos 6 Ubicación Carácter
Más detallesMetodología cuantitativa IV
Departamento de Ciencias Políticas y Sociales Grado en Ciencias Políticas y de la Administración Universitat Pompeu Fabra Metodología cuantitativa IV Clase 8: regresión logística binaria Bruno Arpino (Despacho:
Más detallesESTADÍSTICA APLICADA. Tema 4: Regresión lineal simple
ESTDÍSTIC PLICD Grado en Nutrición Humana y Dietética Planteamiento del problema Tema 4: Regresión lineal simple Recta de regresión de mínimos cuadrados El modelo de regresión lineal simple IC y contrastes
Más detallesGuía breve de análisis de series temporales unidimensionales con Gretl
Guía breve de análisis de series temporales unidimensionales con Gretl 1. Pasos a seguir 1. Representación de la serie temporal (Variable Gráfico de series temporales). 2. Serie temporal no estacionaria
Más detallesESTADÍSTICA E INTRODUCCIÓN A LA ECONOMETRÍA
GUÍA DOCENTE 2012-2013 ESTADÍSTICA E INTRODUCCIÓN A LA ECONOMETRÍA 1. Denominación de la asignatura: ESTADÍSTICA E INTRODUCCIÓN A LA ECONOMETRÍA Titulación GRADO EN FINANZAS Y CONTABILIDAD Código 5592
Más detallesDistribuciones Probabilísticas. Curso de Estadística TAE,2005 J.J. Gómez Cadenas
Distribuciones Probabilísticas Curso de Estadística TAE,005 J.J. Gómez Cadenas Distribución Binomial Considerar N observaciones independientes tales que: El resultado de cada experimento es acierto o fallo
Más detallesMaestría en Bioinformática Probabilidad y Estadística: Clase 3
Maestría en Bioinformática Probabilidad y Estadística: Clase 3 Gustavo Guerberoff gguerber@fing.edu.uy Facultad de Ingeniería Universidad de la República Abril de 2010 Contenidos 1 Variables aleatorias
Más detallesTema 2: Análisis de datos bivariantes
Tema 2: Análisis de datos bivariantes Los contenidos a desarrollar en este tema son los siguientes: 1. Tablas de doble entrada. 2. Diagramas de dispersión. 3. Covarianza y Correlación. 4. Regresión lineal.
Más detallesModelos Dinámicos. Tema Introducción
Tema 6 Modelos Dinámicos 6.1. Introducción Este tema vuelve a ocuparse de la modelización de relaciones entre variables dentro de un contexto de datos en el tiempo o series temporales. Como ya comentamos
Más detallesTEMA 4 Modelo de regresión múltiple
TEMA 4 Modelo de regresión múltiple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Modelo de regresión múltiple.
Más detallesTema 6. Multicolinealidad. Contenido Multicolinealidad perfecta Multicolinealidad de grado alto
Tema 6 Multicolinealidad Contenido 6.1. Multicolinealidad perfecta...................... 108 6.. Multicolinealidad de grado alto................... 110 108 Tema 6. Multicolinealidad A la hora de estimar
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 detallesTribunal de la Oposición al Cuerpo Superior de Estadísticos del Estado
Tribunal de la Oposición al Cuerpo Superior de Estadísticos del Estado Pruebas selectivas para el ingreso en el Cuerpo Superior de Estadísticos del Estado. Orden ECC/1517/2015, de 16 de Julio (BOE 27/07/2015).
Más detallesUNIVERSIDAD DE MÁLAGA FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES DEPARTAMENTO DE ECONOMÍA APLICADA (ESTADÍSTICA Y ECONOMETRÍA) TESIS DOCTORAL
UNIVERSIDAD DE MÁLAGA FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES DEPARTAMENTO DE ECONOMÍA APLICADA (ESTADÍSTICA Y ECONOMETRÍA) TESIS DOCTORAL ANÁLISIS ECONÓMICO DE LA SATISFACCIÓN LABORAL DIRECTORA:
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 detallesAnálisis de Datos. Regresión logística. Profesor: Dr. Wilfrido Gómez Flores
Análisis de Datos Regresión logística Profesor: Dr. Wilfrido Gómez Flores 1 Regresión logística Supóngase que se tiene una variable binaria de salida Y, y se desea modelar la probabilidad condicional P(Y=1
Más detallesMarco Hernando Albarrán Núñez. Facultad de Ciencias Universidad Nacional Autónoma de México.
FACTORES QUE CONDICIONAN LA PROBABILIDAD DE COTIZAR A LAS PENSIONES DE RETIRO EN MÉXICO Marco Hernando Albarrán Núñez Facultad de Ciencias Universidad Nacional Autónoma de México marcoalbarran@ciencias.unam.mx
Más detallesECONOMETRÍA I. Tema 3: El Modelo de Regresión Lineal Múltiple: estimación
ECONOMETRÍA I Tema 3: El Modelo de Regresión Lineal Múltiple: estimación Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía Alexandra Soberon (UC) ECONOMETRÍA I 1 / 45
Más detallesContrastes de restricciones lineales y predicción
Tema 4 Contrastes de restricciones lineales y predicción Contenido 4.1. Contrastes de restricciones lineales................. 78 4.2. Contrastes utilizando Gretl..................... 80 4.3. Estimación
Más detallesGuillermo Ayala Gallego Universidad de Valencia
GoBack Regresión logística Guillermo Ayala Gallego Universidad de Valencia 4 de febrero de 2009 1 / 22 Puede que sea el procedimiento estadístico más utilizado. Con aplicaciones frecuentes en Medicina
Más detallesÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
Más detallesSesión 7 - Modelos de variable censurada y truncada
Sesión 7 - Modelos de variable censurada y truncada Manuel Barrón 5 de Julio de 2010 1 Mecanismos de censura y truncamiento 1.1 Distribución truncada Una distribución truncada es una parte de una distribución
Más detallesAnálisis de Datos y Métodos Cuantitativos para la D.T. VI versión MGM
Universidad Católica del Norte Escuela de Negocios Mineros Magister en Gestión Minera Análisis de Datos y Métodos Cuantitativos para la D.T. VI versión MGM Antofagasta, Junio de 2013 Profesor: Fernando
Más detallesEJERCICIOS RESUELTOS DE ECONOMETRÍA CON GRETL
EJERCICIOS RESUELTOS DE ECONOMETRÍA CON GRETL PRÁCTICA Rosa Badillo Amador Susana Tena Nebot Rocío Munuera Navarro PRÁCTICA Se pretende analizar de qué factores depende el salario mensual de las familias
Más detalles(3620) ECONOMETRÍA (3620)
Programa de la asignatura Curso: 2013 / 2014 (3620) ECONOMETRÍA (3620) PROFESORADO Profesor/es: MARIA ISABEL LANDALUCE CALVO - correo-e: iland@ubu.es FICHA TÉCNICA Titulación: LICENCIATURA EN ADMINISTRACIÓN
Más detallesPRINCIPIOS DE ECONOMETRÍA
PRINCIPIOS DE ECONOMETRÍA 2009-2010 I. IDENTIFICACIÓN Asignatura: Duración: Titulación: Ciclo: Departamento: Profesor: Principios de Econometría Semestral (Primer semestre) Licenciatura en Economía Primer
Más detallesModelo de Regresión Lineal Múltiple
Tema 3 Modelo de Regresión Lineal Múltiple Contenido 3.1. Introducción. Un ejemplo...................... 52 3.2. Estimación de Mínimos Cuadrados Ordinarios utilizando Gretl. 54 3.3. Análisis de los resultados
Más detallesCurs de Modelització Estadística Bàsica amb Deducer. Anabel Blasco Ana Vázquez Anna Espinal Llorenç Badiella Oliver Valero
Curs de Modelització Estadística Bàsica amb Deducer Anabel Blasco Ana Vázquez Anna Espinal Llorenç Badiella Oliver Valero 1. Model de Regressió Lineal 2. Model ANOVA 3. Model Lineal General 4. Model de
Más detallesDEMANDA DE AUTOMOVILES EN ESPAÑA
MODELO ECONOMETRICO DEMANDA DE AUTOMOVILES EN ESPAÑA Pablo Javier Benavides Montes (pablojavier@correo.ugr.es) 3º GECO A INDICE: Pagina 1. Resumen..2 2. Motivaciones.2 3. Introducción..2-4 4. Datos 5-9
Más detallesPORQUE LA ECONOMIA YA NO CRECE COMO EN LOS 60-70?.
PORQUE LA ECONOMIA YA NO CRECE COMO EN LOS 60-70?. La creciente apertura externa de la economía nicaragüense no deja de ser fuente de problemas y preocupaciones, en la medida en que porcentajes crecientes
Más detallesSesión 3 - Modelos de elección discreta binarios I
Sesión 3 - Modelos de elección discreta binarios I Manuel Barrón 28 de Junio de 2010 1 Modelo de probabilidad lineal (MPL) Empezaremos la discusión siguiendo el ejemplo de participación laboral en Greene.
Más detalles