Beatriz Sánchez Reyes. 22 de septiembre de 2010
|
|
- Valentín Ponce Iglesias
- hace 7 años
- Vistas:
Transcripción
1 Regresión cuantílica Beatriz Sánchez Reyes 22 de septiembre de 2010
2 Índice Definición de cuantil Regresión cuantílica - Estimación - Inferencia Regresión mediana (Ejemplo) Regresión cuartílica (Ejemplo)
3 Definición de cuantil Un cuantil es un valor b de la muestra que deja por debajo una proporción de observaciones igual a θ* y una proporción (1-θ) de observaciones por encima. Los cuantiles más utilizados son: - Mediana - Cuartiles - Deciles - Percentiles o centiles Una forma alternativa de expresar los cuantiles es a través del siguiente problema de minimización: *0<θ<1
4 Regresión cuantílica La regresión cuantílica (Koenker y Basset, 1978) busca modelizar la relación existente entre x e y para distintos cuantiles de la distribución de la variable dependiente y. y i =x i β θ + u i
5 Estimación (I) La estimación de los parámetros en el caso de la regresión cuantílica se lleva a cabo a través de la minimización de las desviaciones absolutas ponderadas con pesos asimétricos:
6 Estimación (II) Una forma alternativa a la expresión anterior: Donde tal que: ρ(u) (θ-1) θ u
7 Estimación (III) Expresado como un problema de programación lineal, se tiene la siguiente expresión:
8 Inferencia (I) Cálculo de Λ θ mediante bootstrapp (Efron, 1979): donde:
9 Inferencia (II) Pseudo- R 2 =
10 Regresión mediana La regresión mediana es un caso particular de la regresión cuantílica en el que: θ=0,5 Por tanto, la expresión para el cálculo de los parámetros de la regresión quedaría de la siguiente manera:
11 Ejemplo 1: Regresión mediana ante la presencia de atípicos var_pob i =(renta_pc) i β θ + u i var_pob i : Variación de la población en cada uno de los municipios extremeños de más de habitantes entre los años 1999 y (renta_pc) i : Renta per cápita de los municipios extremeños de más de habitantes en 2007 (último año disponible). θ=0,5
12 Paso 1.- Estimar los modelos: var_pob i =(renta_pc) i β MCO + u i var_pob i =(renta_pc) i β Med + u i Paso 2.- Estimar y comparar los modelos anteriores ante la presencia de un dato atípico.
13 . REGRESIÓN MCO reg var_pob renta_pc Source SS df MS Number of obs = F( 1, 38) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = var_pob Coef. Std. Err. t P> t [95% Conf. Interval] renta_pc _cons REGRESIÓN CUANTÍLICA qreg var_pob renta_pc Iteration 1: WLS sum of weighted deviations = Iteration 1: sum of abs. weighted deviations = Iteration 2: sum of abs. weighted deviations = Median regression Number of obs = 40 Raw sum of deviations (about ) Min sum of deviations Pseudo R2 = var_pob Coef. Std. Err. t P> t [95% Conf. Interval] renta_pc _cons renta_pc var_pob Fitted values renta_pc var_pob Fitted values
14 . REGRESIÓN MCO reg var_pob renta_pc Source SS df MS Number of obs = F( 1, 38) = 0.01 Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = var_pob Coef. Std. Err. t P> t [95% Conf. Interval] renta_pc _cons REGRESIÓN CUANTÍLICA qreg var_pob renta_pc Iteration 1: WLS sum of weighted deviations = Iteration 1: sum of abs. weighted deviations = Iteration 2: sum of abs. weighted deviations = Iteration 3: sum of abs. weighted deviations = Iteration 4: sum of abs. weighted deviations = Iteration 5: sum of abs. weighted deviations = Median regression Number of obs = 40 Raw sum of deviations (about ) Min sum of deviations Pseudo R2 = var_pob Coef. Std. Err. t P> t [95% Conf. Interval] renta_pc _cons renta_pc renta_pc var_pob Fitted values var_pob Fitted values
15 Regresión cuartílica La regresión cuartílica es otro caso particular de la regresión cuantílica en el que: θ=0,25; y i =x i β 0,25 + u i θ=0,5; y i =x i β 0,50 + u i θ=0,75 y i =x i β 0,75 + u i
16 Ejemplo 2: Regresión cuartílica ante la presencia de heteroscedasticidad Base de datos: Ingreso y gasto medio mensual de 200 individuos. Consumo y gasto medio mensual Gastos ( ) Ingresos ( )
17 Paso 1.- Estimar los modelos: gasto i =ingreso i β 0,25 + u i gasto i =ingreso i β 0,50 + u i gasto i =ingreso i β 0,75 + u i Paso 2.- Comprobar que hay diferencias significativas entre cuartiles.
18 Estimación del modelo para θ=0,25; θ=0,50 y θ=0,75.. sqreg gasto ingreso, q( ) (fitting base model) (bootstrapping...) Simultaneous quantile regression Number of obs = 200 bootstrap(20) SEs.25 Pseudo R2 = Pseudo R2 = Pseudo R2 = Bootstrap gasto Coef. Std. Err. t P> t [95% Conf. Interval] q25 ingreso _cons q50 ingreso _cons q75 ingreso _cons
19 Comprobación de que existen diferencias entre cuartiles. iqreg gasto ingreso, q(.25.75) (fitting base model) (bootstrapping...) Interquantile regression Number of obs = 200 bootstrap(20) SEs.75 Pseudo R2 = Pseudo R2 = Bootstrap gasto Coef. Std. Err. t P> t [95% Conf. Interval] ingreso _cons test [q25]ingreso=[q75]ingreso ( 1) [q25]ingreso - [q75]ingreso = 0 F( 1, 198) = Prob > F =
20 Conclusión La minimización de las desviaciones en valor absoluto en lugar de al cuadrado (MCO), hace que la regresión cuantílica sea especialmente útil ante la presencia de atípicos, heteroscedasticidad o cambio estructural.
Estimación 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 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 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 detallesSolución Taller No. 5 Econometría II Prof. Bernal
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
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 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 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 detallesSOLUCION 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 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 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 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 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 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 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 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 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 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 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 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 detallesRegresión por Cuantiles
Regresión por Cuantiles Pablo Flores Universidad Iberoamericana paflores@bcie.org 22 de agosto de 2016 Pablo Flores (UNIBE) Short title 22 de agosto de 2016 1 / 1 Sumario Definición. Ejemplos Pablo Flores
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 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 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 detallesVarianza del error no constante: heteroscedasticidad. Fortino Vela Peón Universidad Autónoma Metropolitana
Varianza del error no constante: heteroscedasticidad Fortino Vela Peón Universidad Autónoma Metropolitana fvela@correo.xoc.uam.mx Octubre, 2010 11/08/2011 México, D. F. 1 Tipos de residuales En ocasiones
Más detallesMULTICOLINEALIDAD (Gujarati y Porter, Capítulo 10) Ejemplo de la sección donde
MULTICOLINEALIDAD (Gujarati y Porter, 2010. Capítulo 10) Ejemplo de la sección 10.10 Datos Longley obs Y X1 X2 X3 X4 X5 TIME 1947 60323 830 234289 2356 1590 107608 1 1948 61122 885 259426 2325 1456 108632
Más detallesPRUEBA DE FALTA DE AJUSTE (Lack-of-fit Test) Fortino Vela Peón fvela@correo.xoc.uam.mx
PRUEBA DE FALTA DE AJUSTE (Lack-of-fit Test) Fortino Vela Peón fvela@correo.xoc.uam.mx Octubre, 2011 Introducción Un supuesto básico del modelo es la existencia de una relación lineal entre la variable
Más detallesImpacto de la Crisis del Sector Eléctrico en la Economía Dominicana Parte I: Hogares
Impacto de la Crisis del Sector Eléctrico en la Economía Dominicana Parte I: Hogares Cuerpo de Investigadores: Fabricio Gómez Jaqueline Mora Oliver Cruz Mariano Jiménez Jorge Nova Muestra de hogares por
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 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 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 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 detallesTEMA 2.1: MODELOS DE REGRESIÓN LINEAL MÚLTIPLE
TEMA.1: MODELOS DE REGRESIÓN LINEAL MÚLTIPLE ESTUDIO DE LA RELACIÓN DE DEPENDENCIA ENTRE UNA VARIABLE (DEPENDIENTE, EXPLICADA O REGRESADA) Y UNA O MAS VARIABLES (EXPLICATIVAS, INDEPENDIENTES, COVARIABLES
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 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 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 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 DE ECONOMETRÍA 08/07/99-1
EXAMEN DE ECONOMETRÍA 08/07/99 - TEORÍA (2p) T- Metodología Box-Jenkins. CUESTIONES (2p) C- Tratar de formular al menos dos modelos ARIMA para la serie CONSUMO DE ENERGÍA ELÉCTRICA, de la cual conocemos
Más detallesUniversitat Pompeu Fabra Licenciatura de ADE y Economía Econometría I / 10143) Profesor: Javier Coronado Examen Final Diciembre 2011
Econometría I Examen Final 1 Universitat Pompeu Fabra Licenciatura de ADE y Economía Econometría I / 10143) Profesor: Javier Coronado Examen Final Diciembre 2011 Este examen consta de un total de 50 puntos.
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 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 detallesImpacto Cuantitativo de INFOCAP en el ingreso y empleo de sus ex - alumnos
PONTIFICIA UNIVERSIDAD CATÓLICA DE CHILE FACULTAD DE CIENCIAS ECONÓMICAS Y ADMINISTRATIVAS INSTITUTO DE ECONOMIA CENTRO DE ESTUDIOS INFOCAP LA UNIVERSIDAD DEL TRABAJADOR Impacto Cuantitativo de INFOCAP
Más detallesMultiple Linear Regression
Multiple Linear Regression Aniel Nieves-González Abril 2013 Aniel Nieves-González () Time Series Abril 2013 1 / 15 Considere el ejemplo en cual queremos modelar las ventas en una cadena de tiendas por
Más detallespeso edad grasas Regresión lineal simple Los datos
Regresión lineal simple Los datos Los datos del fichero EdadPesoGrasas.txt corresponden a tres variables medidas en 25 individuos: edad, peso y cantidad de grasas en sangre. Para leer el fichero de datos
Más detallesEconometría Tutorial 6 Ejercicios de Multicolinealidad
Econometría Tutorial 6 Ejercicios de Multicolinealidad En los siguientes ejercicios vamos a retomar la Curva de Kuznets Ambiental analizada en los primeros dos trabajos prácticos. La relación entre contaminación
Más detallesEstimación de Efectos Causales Dinámicos (SW Capítulo 13) efecto causal dinámico
Estimación de Efectos Causales Dinámicos (SW Capítulo 13) Un efecto causal dinámico es el que produce un cambio en X sobre Y a lo largo del tiempo. Por ejemplo: El efecto de un incremento en los impuestos
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 detallesANÁLISIS ESTADÍSTICO DE LAS PUNTUACIONES PARA ASCENSOS DOCENTES
ANÁLISIS ESTADÍSTICO DE LAS PUNTUACIONES PARA ASCENSOS DOCENTES - Informe sometido y presentado a la Junta Administrativa del RUM en su reunión ordinaria del día jueves de 20 enero de 2011. El informe
Más detallesSesión 8 - Modelos con datos de conteo
Sesión 8 - Modelos con datos de conteo Manuel Barrón 5 de Julio de 2010 1 El modelo de regresión de Poisson 1.1 Estimación e inferencia En algunos contextos querremos analizar situaciones en las que el
Más detallesTécnicas Cuantitativas para el Management y los Negocios
Segundo cuatrimestre - 4 Técnicas Cuantitativas para el Management y los Negocios Mag. María del Carmen Romero 4 romero@econ.unicen.edu.ar Módulo III: APLICACIONES Contenidos Módulo III Unidad 9. Análisis
Más detallesProyectando los efectos de estrategias de adaptación en el consumo residencial de agua en Santiago
Proyectando los efectos de estrategias de adaptación en el consumo residencial de agua en Santiago 26 Agosto 2016 O. Melo, S. Vicuña, M. Gil, M. Molinos, J. Gironás, J. Herrera, S. Reyes Motivación Proyecciones
Más detallesEjercicios Wooldridge (2010) 5ª. ed.
Ejercicios Wooldridge (2010) 5ª. ed. Capitulo 2 C2.2 use "C:\fvela\econometrics wooldridge\stata\ceosal2.dta", clear i) sum salary ceoten Variable Obs Mean Std. Dev. Min Max ---------------------- salary
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 detallesConsidere la tasa de nacimiento (B) como la variable respuesta y la actividad económica de las mujeres (W) como variable regresora.
ESTADISTICA (Q) - Ejercicio de regresión - Junio 2010 El archivo tasa_nacimiento.sx contiene datos de tasas de nacimiento y otras variables para 26 naciones. Fuente: Statistical Abstract of the United
Más detallesPráctica 3: Regresión simple con R
Estadística II Curso 2010/2011 Licenciatura en Matemáticas Práctica 3: Regresión simple con R 1. El fichero de datos Vamos a trabajar con el fichero salinity que se encuentra en el paquete boot. Para cargar
Más detallesTablas de errores de muestreo
Tablas de errores de muestreo Bases trimestrales de microdatos de la Encuesta Permanente de Hogares (EPH) Tercer trimestre de 2014 en adelante Tablas de errores de muestreo Bases trimestrales de microdatos
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 detallesECONOMÍAS DE ESCALA EN LAS UNIVERSIDADES PÚBLICAS ESPAÑOLAS
ECONOMÍAS DE ESCALA EN LAS UNIVERSIDADES PÚBLICAS ESPAÑOLAS Rodrigo Ubierna Beguin Economista - Doctorando Universidad Nacional de Educación a Distancia - UNED ubierna_rodrigo@yahoo.es Resumen Este artículo
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 detallesMedidas de Tendencia central Medidas de Dispersión Medidas de Asimetría
Medidas de Tendencia central Medidas de Dispersión Medidas de Asimetría 1 Intento de resumir la distribución, expresando el valor que se puede considerar mas típico o representativo de los datos. El término
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 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 detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesDemanda de los servicios TIC en hogares de República Dominicana. Fabricio Gómez Mazara, Msc Miembro del Consejo Directivo INDOTEL
Demanda de los servicios TIC en hogares de República Dominicana Fabricio Gómez Mazara, Msc Miembro del Consejo Directivo INDOTEL El estudio fue realizado en base al módulo de telecomunicaciones de la Encuesta
Más detallesJavier Roca Pardiñas Prof. Titular de Universidade Dpto. Estatística e I.O. Universidade de Vigo
Javier Roca Pardiñas Prof. Titular de Universidade Dpto. Estatística e I.O. Universidade de Vigo 30/10/2013 Modelos Lineales de Regresión Índice 1. Planteamiento de modelo Caso práctico 2. Estimación y
Más detallesCOLEGIO CALASANCIO. MADRID. ESTADÍSTICA UNIDIMENSIONAL. 4º E.S.O.
Repasa de cursos anteriores: Estadística. Población. Muestra. Carácter estadístico: cualitativo (modalidad) y cuantitativo (variable estadística), que puede ser (discreta y continua] Frecuencias: absolutas
Más detallesPREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2
PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2 Preg. 1. Para comparar la variabilidad relativa de la tensión arterial diastólica y el nivel de colesterol en sangre de una serie de individuos, utilizamos
Más detallesRegresión múltiple. Efecto de varias variables ambientales sobre una especie de ganso migratorio. Luz
Nombre: AGRO 6600 LAB 12 Regresión múltiple Los datos adjuntos se tomaron para estudiar el efecto de varias variables ambientales sobre el tiempo en el que una especie de ganso migratorio deja su nido
Más detallesESTADÍSTICA Camerina Laura Ramírez Gallegos
ESTADÍSTICA DEFINICIÓN La Estadística es una disciplina que utiliza recursos matemáticos para organizar y resumir una gran cantidad de datos obtenidos de la realidad, e inferir conclusiones respecto de
Más detallesMSc. Víctor Hugo Herrera Ballesteros
ESTIMACIÓN DE LA DEMANDA DE CIGARRILLOS EN PANAMA (CONSIDERACIONES PARA POLÍTICA FISCAL) MINISTERIO DE SALUD DE LA REPÚBLICA DE COSTA RICA INSTITUTO CONMEMORATIVO GORGAS DE ESTUDIOS DE LA SALUD, PANAMÁ
Más detallesREGRESIÓN CUANTÍLICA: ESTIMACIÓN Y CONTRASTES
REGRESIÓN CUANTÍLICA: ESTIMACIÓN Y CONTRASTES Abril 2012 nº 21 José Vicéns Otero Beatriz Sánchez Reyes La regresión mínimo cuadrática es uno de los métodos más empleados en las estimaciones econométricas,
Más detallesTema: Análisis de regresión y análisis de varianza. La tabla ANOVA tiene la siguiente representación: CMR F c CME SCE CME=SCE/GLE
Clase de economería 1: Universidad Cenroamericana UCA Tema: Análisis de regresión y análisis de varianza La abla ANOVA iene la siguiene represenación: Fuenes de variación Grados de liberad uma de cuadrados
Más detallesEXTENSIÓN DEL MODELO DE REGRESIÓN LINEAL DE DOS VARIABLES
EXTENSIÓN DEL MODELO DE REGRESIÓN LINEAL DE DOS VARIABLES REGRESIÓN A TRAVÉS DEL ORIGEN Y Y i = β 1 + β 2X i + ε i Y i = β 2X i + ε i X A MENOS QUE EXISTA UNA EXPECTATIVA A PRIORI MUY FUERTE ES ACONSEJABLE
Más detallesPráctica 4 EJERCICIOS 1.- REGRESIÓN LINEAL SIMPLE 5.1 Regresión de Peso sobre Altura Datos en Encuesta.sgd a) Estudio descriptivo de ambas variables
EJERCICIOS 1.- REGRESIÓN LINEAL SIMPLE 5.1 Regresión de Peso sobre Altura Datos en Encuesta.sgd a) Estudio descriptivo de ambas variables Marco elementos atípicos: b) Obtener la recta de regresión y comprobar
Más detallesL FME al YoMO Se cumplen los cánones de belleza? Pedro Delicado, Lourdes Rodero 1 de marzo de 2017
L FME al YoMO 2017. Se cumplen los cánones de belleza? Pedro Delicado, Lourdes Rodero 1 de marzo de 2017 Comprobación de los cánones de belleza Canon Egipcio. Altura, Palma de la mano Canon de proporcionalidad:
Más detallesImpacto de la Crisis del Sector Eléctrico en la Economía Dominicana Parte II: Empresas
Impacto de la Crisis del Sector Eléctrico en la Economía Dominicana Parte II: Empresas Cuerpo de Investigadores: Fabricio Gómez Oliver Cruz Mariano Jiménez Jorge Nova Muestra de empresas por región Regiones
Más detallesESTIMACIÓN DE LA DEMANDA DE CIGARRILLOS EN PANAMA (Consideraciones para Política Fiscal)
ESTIMACIÓN DE LA DEMANDA DE CIGARRILLOS EN PANAMA (Consideraciones para Política Fiscal) Panamá, 21 de marzo de 2013 MSc. Víctor Hugo Herrera Ballesteros Antecedentes Normativos Medidas de control y fiscales
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 detallesLA VOLATILIDAD DEL PRECIO DEL PETRÓLEO Y SUS EFECTOS EN LA ECONOMÍA ECUATORIANA EN LA ÚLTIMA DECADA.
569 LA VOLATILIDAD DEL PRECIO DEL PETRÓLEO Y SUS EFECTOS EN LA ECONOMÍA ECUATORIANA EN LA ÚLTIMA DECADA. THE OIL PRICE VOLATILITY AND ITS IMPACT ON THE ECONOMY IN ECUADOR IN THE LAST DECADE *EC. HOLGER
Más detallesCrecimiento y Desarrollo Económicos
Crecimiento y Desarrollo Económicos Gonzalo de León gonzalo.de.leon@hotmail.com El mundo es, desde el punto de vista económico, un lugar muy desigual. De qué depende el nivel de ingreso de una persona
Más detallesGEOESTADÍSTICA APLICADA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO GEOESTADÍSTICA APLICADA Tema: Análisis Exploratorio de Datos Instructores: Dr. Martín A. Díaz Viera (mdiazv@imp.mx) Dr. Ricardo Casar González (rcasar@imp.mx) 2009
Más detallesEstadística Descriptiva en R: Parámetros y estadísticos. José Enrique Martín García Universidad Politécnica de Gimialcón (Copyright 2016)
Estadística Descriptiva en R: Parámetros y estadísticos José Enrique Martín García Universidad Politécnica de Gimialcón (Copyright 2016) Parámetros y Estadísticos Parámetro: Es una cantidad numérica calculada
Más detallesGUIA DOCENTE ESTADISTICA
1 GUIA DOCENTE ESTADISTICA 1- Datos de identificación Asignatura: Estadística Carácter: Formación básica Titulación: Psicología Ciclo: Grado Curso: 1 Cuatrimestre: Anual Departamento: Metodología de las
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 detallesLos datos siguientes contienen indicadores demográficos y criminales sobre 47
Los datos siguientes contienen indicadores demográficos y criminales sobre 47 estados de EEUU. Los datos fueron recogidos por la Uniform Crime Report del FBI y otras agencies del gobierno para determinar
Más detallesANEXOS. 1) Modelo Probit.
ANEXOS 1) Modelo Probit. Estos modelos pertenecen a los modelos de respuesta binaria 1, es decir, la variable dependiente es una variable dicotómica, donde toma 1 para indicar el éxito en la variable de
Más detallesRegresión Múltiple b=read.table("datoempleado.dat",header=t,sep="\t")
Regresión Múltiple b=read.table("datoempleado.dat",header=t,sep="\t") Ejemplo: (archivo datoempleado.dat) Fh (Referencia=Mujer) variables en el archivo names(b) [1] "id" "sexo" "fechnac" "educ" "catlab"
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 detallesRegresión con Datos de Panel (SW Ch. 8)
Regresión con Datos de Panel (SW Ch. 8) Un conjunto de datos de panel contiene observaciones de múltiples unidades individuales (individuos), en el que cada unidad se observa en dos ó más momentos del
Más detallesEl Crédito Educativo en la Educación Superior en el Ecuador: Análisis de resultados
FACULTAD LATINOAMERICANA DE CIENCIAS SOCIALES FLACSO - SEDE ECUADOR PROGRAMA DE FORMACIÓN EN POLÍTICAS SOCIALES Y GESTIÓN DEL DESARROLLO TESIS AUSPICIADA POR EL FONDO DE SOLIDARIDAD TITULO El Crédito Educativo
Más detalles1. MEDIDAS DE TENDENCIA CENTRAL
1. MEDIDAS DE TENDENCIA CENTRAL Lo importante en una tendencia central es calcular un valor central que actúe como resumen numérico para representar al conjunto de datos. Estos valores son las medidas
Más detallesESTADÍSTICA 1.- NOCIONES GENERALES
ESTADÍSTICA 1.- NOCIONES GENERALES : Conjunto de elementos cuyo conocimiento es objeto de estudio. Ejemplo: Jóvenes de Laguna de Duero. : Parte de la población cuyo estudio sirve para inferir características
Más detallesMEDIDAS DE POSICIÓN CUANTILES CUARTILES DECILES CARLOS DARIO RESTREPO
MEDIDAS DE POSICIÓN Las Medidas de Posición, también conocidas como Otras Medidas de Dispersión, son otras medidas o métodos que resultan ser más prácticos para precisar ciertas situaciones en las que
Más detallescon los supuestos clásicos, uno de ellos es que ninguna de las variables X 1, X 2,, X K es
TEMA 2: EXTENSIONES DEL MODELO DE REGRESIÓN LINEAL MÚLTIPLE: MULTICOLINEALIDAD Y TRANSFORMACIONES LINEALES. Wooldridge: Capítulos 6 (apartado 6.1) y 7 Gujarati: Capítulos 9 (apartado 9.8), 10 y 12 1. MULTICOLINEALIDAD
Más detalles18/06/2010 REGRESIÓN LINEAL MULTIVARIADA. Descripción. Objetivos
TALLERES DE VERANO EN MÉTODOS DE INVESTIGACIÓN EN POBLACIÓN Y TERRITORIO REGRESIÓN LINEAL MULTIVARIADA Fortino Vela Peón fvela@correo.xoc.uam.mx Juan F. Islas Aguirre jfislas@correo.xoc.uam.mx Junio, 2010
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 detalles