UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE
|
|
- Gabriel Díaz Chávez
- hace 6 años
- Vistas:
Transcripción
1 UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE CAPÍTULO 8: ANÁLISIS DE REGRESIÓN MÚLTIPLE: EL PROBLEMA DE LA INFERENCIA ECONOMETRÍA 2 WILHEM ROOSVELT GUARDIA VÁSQUEZ Econometría.weebly.com Wilhem.weebly.com
2 EJERCICIO APLICATIVO La siguiente tabla ofrece datos sobre la mortalidad infantil (MI), la tasa de analfabetismo femenina (TANF), el PBI percápita (PBIPC) y la tasa de la población con acceso sostenible a mejores fuentes de abastecimiento de agua potable y saneamiento para 32 países de América Latina y el Caribe. Mortalidad infantil, tasa de analfabetismo y datos relacionados de 32 países Obs Países MI TANF PBIPC PAS 1 Antillas Neerlandesas Argentina Bahamas Barbados Belice Bolivia Brasil Chile Colombia Costa Rica Cuba Ecuador El Salvador Granada Guatemala Guyana Haití Honduras Jamaica México Nicaragua Panamá Paraguay Perú Puerto Rico República Dominicana San Vicente y las Granadinas Santa Lucía Suriname Trinidad y Tabago Uruguay Venezuela Fuente: CEPAL MI: Tasa de mortalidad infantil por quinquenios ; número de defunciones de niños menores de 1 año de edad por cada mil nacidos vivos TANF: Tasa de analfabetismo femenino de 15 y más años de edad, 2005 PBIPC: PBI percápita en millones de dólares a 2006 PAS: Población con acceso sostenible a mejores fuentes de abastecimiento de agua potable y a mejores servicios de saneamiento, en % a 2006.
3 PREGUNTAS a) A priori, Cuál es la relación esperada entre la mortalidad infantil y cada una de las demás variables? Sustente su respuesta utilizando la matriz de correlación. 4 b) Haga la regresión de la mortalidad infantil sobre la tasa de analfabetismo femenina y el PBI percápita MI = b 1 + b 2 TANF + b 3 PBIPC + e y obtenga los resultados habituales de una regresión. Interprete los resultados. 6 c) Del apartado b) analice si los coeficientes parciales son estadísticamente significativos, individualmente, al 1%, 5% y 10% de significancia. Calcule el intervalo de confianza para los mismos al 99 % de confianza. 7 d) Del apartado b) establezca un intervalo de confianza para σ u 2 al 99 por ciento de confianza. Contraste H 0 : σ u 2 = 100 frente a H a : σ u 2 < 100 al 5 por ciento significancia. 8 e) Del apartado b) calcule la matriz de varianzas-covarianzas de los estimadores. Interprete los resultados. 9 f) Interprete el coeficiente de determinación ajustado. Construya la tabla ANOVA y a partir de ésta contrastar la significatividad conjunta del modelo H 0 : R 2 = 0 frente a H a : R 2 > 0 al 1%, 5% y 10 % de significancia. Interprete los resultados. 9 g) Realizar los siguientes contrastes de hipótesis: H 0 : β 2 = 1; H 0 : β 3 = H 0 : β 2 + β 3 = 0.60 al 1% de significancia (análisis: dos colas). Para cada caso muestre el F estadístico con su respectiva probabilidad. Pista: Utilice el contraste de Wald. 11 h) Haga la regresión de la mortalidad infantil sobre la tasa de analfabetización femenina, el PBI percápita y población con acceso sostenible a mejores fuentes de abastecimiento de agua, es decir, MI = b 1 + b 2 TANF + b 3 PBIPC + b 4 PAS + e y obtenga los resultados habituales. Construya la tabla ANOVA incremental y a partir de ésta decidir si merece la pena añadir la variable PAS al 1%, 5% y 10% de significancia. Cuáles son las consecuencias de añadir la variable PAS?. 23 Página 3
4 Mortalidad Infantil (defunciones de niños menores de 1 año por cada mil nacidos) ECONOMETRÍA 2 RESPUESTAS a) A priori, Cuál es la relación esperada entre la mortalidad infantil y cada una de las demás variables? Sustente su respuesta utilizando la matriz de correlación. La relación entre la Mortalidad Infantil y la tasa de analfabetismo es positiva. Ceteris Paribus, si la tasa de analfabetismo (TANF) se reduce, la mortalidad infantil (MI) también se reduce. El coeficiente de correlación entre MI y TANF es Matriz de correlación entre la variable endógena (MI) y las variables exógenas MI TANF PBIPC PAS MI TANF PBIPC PAS Fuente: elaboración propia en base a los datos de la CEPAL MortaIidad Infantil vs. Tasa de analfabetismo femenino en América Latina y el Caribe. 60 Bolivia Haití 50 Guyana Perú Chile Elaboración propia Fuente: CEPAL Coeficiente de correlación = Tasa de analfabetismo femenino de 15 y más años de edad Página 4
5 MI (defunciones de niños menores de 1 añopor cada mil nacidos vivos) ECONOMETRÍA 2 La relación entre la MI y el PBI percápita es negativa. Ceteris Paribus, si el ingreso por habitante aumenta, la mortalidad infantil se reduce. El coeficiente de correlación de entre MI y PBIPC es Mortalidad Infantil vs PBI percápita en América Latina y el Caribe Haití Bolivia Coeficiente de correlación = Perú Chile Puerto Rico Elaboración propia Fuente: CEPAL PBI percápita (millones de US$) La relación entre la Mortalidad Infantil y la población con acceso sostenible a mejores fuentes de abastecimiento de agua potable (PAS) es negativa. Ceteris Paribus, si la población tiene mejor acceso a los servicios básicos como el agua dentro de la vivienda, tenderá a contraer menos enfermedades y por ende la mortalidad infantil se reducirá. El coeficiente de correlación entre MI y PAS en Página 5
6 Mortalidad infantil (defunciones de niños menores de 1 año por cada 1000 nacidos vivos) ECONOMETRÍA 2 Mortalidad Infantil versus población con m ejores fuentes de abastecim iento de agua en Am érica Latina y el Caribe Haití Bolivia Perú Coeficiente de correlación= Chile Cuba % de Población con acceso a mejores fuentes de abastecimiento de agua Elaboración propia Fuente: CEPAL b) Haga la regresión de la mortalidad infantil sobre la tasa de analfabetismo femenina y el PBI percápita MI = b 1 + b 2 TANF + b 3 PBIPC + e y obtenga los resultados habituales de una regresión. Interprete los resultados. Dependent Variable: MI Method: Least Squares Sample: 1 32 Included observations: 32 Variable Coefficient Std. Error t-statistic Prob. C TANF PBIPC R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Página 6
7 MI = *TANF *PBIPC+RESID Interpretación Si la tasa de analfabetismo femenino de 15 y más años de edad se incrementa en 1 por ciento (Ceteris paribus), la tasa de mortalidad infantil aumenta en 0.52 por ciento. Si el PBI percápita aumenta en 1 dólar (ceteris paribus), la tasa de mortalidad infantil disminuye en por ciento. c) Del apartado b) analice si los coeficientes parciales son estadísticamente significativos, individualmente, al 1%, 5% y 10% de significancia. Calcule el intervalo de confianza para los mismos al 99 % de confianza. El punto de corte es significativo al 1%, 5% y 10% de significancia. La pendiente de la tasa de analfabetismo es significativo al 5% y 10% pero no al 1% de significancia. La pendiente del PBI percápita es significativo al 5% y 10% pero no al 1% de significancia. Intervalo de confianza 1 (α = 1%) 99% Región de no rechazo t 29 RA RA Como el valor de la t student t para n-k=32-3=29 grados de libertad, tenemos que los intervalos de confianza al 99% para los parámetros estimados serán: 1 Análisis de dos colas. Scalar z1=@qtdist(0.995,29)= Scalar z2=@qtdist(0.005,29)= Página 7
8 ( ) ( ) ( ) 2 d) Del apartado b) establezca un intervalo de confianza para σ u al 99 por ciento de confianza. Contraste H 0 : σ u 2 = 100 frente a H a : σ u 2 < 100 al 5 por ciento significancia. σ u 2 = SRC n k = = u Prob ( n k) b 2 u 2 u ( n k) 1 a El valor de a y b lo obtendremos de la tabla estadística Se sabe que 2 2 Prob( a b) 1 n k 2 Pr ob ( ) 99% Por lo tanto Prob (32 3) u (32 3) 99% Prob σ u = 99% Es decir, en aplicaciones prácticas, 95 de cada 100 intervalos incluirán el auténtico σ u 2. 2 Análisis de dos colas. Scalar z3=@qchisq(0.995,29)= Scalar z4=@qchisq(0.005,29)= Página 8
9 e) Del apartado b) calcule la matriz de varianzas-covarianzas de los estimadores. Interprete los resultados. b 1 b 2 b 3 b 1 b 2 b E E E-07 La diagonal principal del Var-cov(β j ) es la varianza de los estimadores. Por ejemplo Var(b1)= , var(b2) , var(b3)= Por encima o por debajo de la diagonal principal son las covarianzas de los estimadores. Por ejemplo Cov(b1,b2)= f) Interprete el coeficiente de determinación ajustado. Construya la tabla ANOVA y a partir de ésta contrastar la significatividad conjunta del modelo H 0 : R 2 = 0 frente a H a : R 2 > 0 al 1%, 5% y 10 % de significancia. Interprete los resultados. El valor de R 2 ajustado es , es decir, el42.94% de la variación de la mortalidad infantil está explicada por las variables independientes (Tasa de analfabetismo femenina, PBI percápita). TABLA ANOVA Análisis de la varianza para contrastar la significatividad del conjunto de regresores del modelo (Excluido el término independiente) Fuente de variación Suma al cuadrado Grados de libertad Suma de cuadrados medios F * Explicado por la regresión, Q 1 = TANF, PBIPC 2 = F = Q 1 Q No explicada por la regresión Q 2 = = = Total Página 9
10 H 0 : R 2 = 0 H a : R 2 > 0 F(2,29) 10% 5% 1% Dado que F es mayor que los puntos críticos para cada nivel de significancia, se rechaza la hipótesis nula. TABLA ANOVA EN EVIEWS Página 10
11 Wald Test: Equation: EQ01 Test Statistic Value df Probability F-statistic (2, 29) Chi-square Null Hypothesis Summary: Normalized Restriction (= 0) Value Std. Err. C(2) C(3) Restrictions are linear in coefficients. g) Realizar los siguientes contrastes de hipótesis: H 0 : β 2 = 1; H 0 : β 3 = H 0 : β 2 + β 3 = al 1% de significancia (análisis: dos colas). Para cada caso muestre el F estadístico con su respectiva probabilidad. Pista: Utilice el contraste de Wald. ********************************************************************** Método de la prueba t 3 t = b 2 β 2 se(b 2 ) = = % Región de no rechazo t 29 RA RA El valor del estadístico t pertenece a la región de no rechazo. Por lo tanto, no se debe rechazar la hipótesis nula al 1% de significancia. 3 Para una descripción más detallada de esta prueba véase Damodar Gujarati. Econometría. Cuarta Edición. Págs Página 11
12 Observe: t 2 29 = F 1,29 = ( ) 2 = Método de la prueba F : Mínimos cuadrados restringidos 4 Mínimos cuadrados sin restringir Dependent Variable: MI Method: Least Squares Sample: 1 32 Included observations: 32 MI = b 1 + b 2 TANF + b 3 PBIPC + e Variable Coefficient Std. Error t-statistic Prob. C TANF PBIPC R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Mínimos cuadrados restringidos H 0 : β 2 = 1 H a : β 2 1 MI = b 1 + 1TANF + b 3 PBIPC + e MI TANF = b 1 + b 3 PBIPC + e 4 Véase Damodar Gujarati. Econometría. Cuarta Edición. Págs Página 12
13 Dependent Variable: MI-TANF Method: Least Squares Date: 09/12/08 Time: 17:40 Sample: 1 32 Included observations: 32 Variable Coefficient Std. Error t-statistic Prob. C PBIPC R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Bajo el supuesto de normalidad y la hipótesis nula y alternativa planteado líneas arriba, F = SRC r SRC c SRC n k = F c, n k Constituirá el estadístico prueba particularizado bajo la hipótesis nula, a comparar con el valor crítico de una distribución F-Snedecor con c y n-k grados de libertad, respectivamente. Nota: SRC r : Suma de residuos al cuadrado restringido SRC: Suma de residuos al cuadrado sin restringir c: denota el número de restricciones (1 en nuestro ejemplo) n: número de observaciones k: número de variables explicativas incluyendo el punto de corte en la regresión no restringida Para nuestro ejemplo, F = = F 1,29 En Eviews elegir la opción View/Coefficient Tests/Wald-Coefficient Restrictions... y escribir c(2)=1. El resultado se presenta en la siguiente ventana. Observe el resultado coincide con los Página 13
14 cálculos anteriores. La hipótesis nula no se debe rechazar al 1% de significancia 5 aunque sí al 5% y 10% de significancia. Wald Test: Equation: EQ01 Test Statistic Value df Probability F-statistic (1, 29) Chi-square Null Hypothesis Summary: Normalized Restriction (= 0) Value Std. Err C(2) Restrictions are linear in coefficients. Método estadístico del Multiplicador de Lagrange (LM) 6 para q restricciones de exclusión. PASOS 1. Haga la regresión de Y sobre el conjunto restringido de variables independientes y conserve los residuos. 2. Haga la regresión de Residuos sobre todas las variables independientes y obtenga la R cuadrada (R 2 u ). 5 Obsérvese el p-value es apenas 1.55%. Dado que este último es menor que 5% y 10% de significancia se debe rechazar la hipótesis nula. 6 Para una descripción más detallada de esta prueba véase Jeffrey M. Wooldridge. Introducción a la Econometría. Págs Página 14
15 2 3. Calcule el ML=nR u (el tamaño de la muestra multiplicado por la R cuadrada obtenida en el paso Compare el ML con el valor crítico apropiado, c, de una distribución χ 2 q. Si ML>c, se rechaza la hipótesis nula. Mejor aun obtenga el valor p como probabilidad de 2 que una variable aleatoria χ q exceda el valor estadístico de la prueba. Si el valor p (p-value) es menor que el nivel de significancia deseado, entonces se rechaza la hipótesis nula. En caso contrario no rechazamos la hipótesis nula. La regla de rechazo es esencialmente la misma que la de la prueba F. En nuestro ejemplo, el modelo original está dada por: MI = b 1 + b 2 TANF + b 3 PBIPC + e (Sin restringir) Bajo la hipótesis nula y alternativa H 0 : β 2 = 1 H a : β 2 1 El modelo restringido estará dada por Ordenando: MI = b 1 + 1TANF + b 3 PBIPC + e MI TANF = b 1 + b 3 PBIPC + e (Modelo restringido 7 ) Y corriendo el modelo, obtenemos: MI-TANF = *PBIPC 7 El número de restricciones es q=1. Página 15
16 Haciendo la regresión de los residuos sobre todas las variables independientes, obtenemos el R cuadrado que se presenta en la siguiente tabla. Dependent Variable: RESID RESTRINGO Method: Least Squares Date: 09/19/08 Time: 12:48 Sample: 1 32 Included observations: 32 Variable Coefficient Std. Error t-statistic Prob. PBIPC TANF C R-squared Mean dependent var 5.07E-16 Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) A continuación calculamos el estadístico LM ML=nR u 2 ML=32( )= ~ χ 1 2 Prob χ = (NOTA 8 ) Dado que el p-value es menor que 5% y 10% de significancia, se rechaza la hipótesis nula. No obstante no se debe rechazar al 1% de significancia. 8 Para calcular la probabilidad, en la zona de comandos, escribir scalar z1=2*@chisq( ,1) Página 16
17 ************************************************************************** Método de la prueba t H 0 : β 3 = H a : β t = b 3 β 3 se(b 3 ) = ( 0.005) = α = 2 prob t = % Región de no rechazo t 29 RA RA El valor del estadístico t pertenece a la región de rechazo. Por lo tanto, se debe rechazar la hipótesis nula al 1% de significancia. El p-value es casi cero, por lo tanto se rechaza la hipótesis nula al 1%, 5% y 10% de significancia. Método de la prueba F : Mínimos cuadrados restringidos H 0 : β 3 = H a : β Mínimos cuadrados sin restringir MI = b 1 + b 2 TANF + b 3 PBIPC + e Página 17
18 Dependent Variable: MI Method: Least Squares Sample: 1 32 Included observations: 32 Variable Coefficient Std. Error t-statistic Prob. C TANF PBIPC R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Mínimos cuadrados restringidos MI = b 1 + b 2 TANF 0.005PBIPC + e MI PBIPC = b 1 + b 2 TANF + e Dependent Variable: MI+0.005*PBIPC Method: Least Squares Date: 09/12/08 Time: 18:13 Sample: 1 32 Included observations: 32 Variable Coefficient Std. Error t-statistic Prob. C TANF R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Bajo el supuesto de normalidad y la hipótesis nula y alternativa planteado líneas arriba, F = SRC r SRC c SRC n k = F c, n k Página 18
19 Constituirá el estadístico prueba particularizado bajo la hipótesis nula, a comparar con el valor crítico de una distribución F-Snedecor con c y n-k grados de libertad, respectivamente. Nota: SRC r : Suma de residuos al cuadrado restringido SRC: Suma de residuos al cuadrado sin restringir c: denota el número de restricciones (1 en nuestro ejemplo) n: número de observaciones k: número de variables explicativas incluyendo el punto de corte en la regresión no restringida Para nuestro ejemplo, F = = F 1,29 En Eviews, elegir la opción View/Coefficient Tests/Wald-Coefficient Restrictions... y escribir c(3)= El resultado se presenta en la siguiente ventana. Observe el resultado coincide con los cálculos anteriores. La hipótesis nula se debe rechazar al 1%, 5% y 10% de significancia Wald Test: Equation: EQ01 Test Statistic Value df Probability F-statistic (1, 29) Chi-square Null Hypothesis Summary: Normalized Restriction (= 0) Value Std. Err C(3) Restrictions are linear in coefficients. ************************************************************************ Método de la prueba t H 0 : β 2 + β 3 = 0.60 H a : β 2 + β Página 19
20 t = b 2 + b 3 β 2 + β 3 se b 2 + b 3 t = b 2 + b var(b 2 ) + var(b 3 ) + 2cov(b 2 b 3 ) Matriz de varianzas-covarianzas b 1 b 2 b 3 b 1 b 2 b E E E-07 t = = ~t 29 Obsérvese t 2 29 = ( ) 2 = ~F(1,29) 99% Región de no rechazo t 29 RA RA Dado que el estadístico t pertenece a la región de no rechazo, se acepta la hipótesis nula. Método de la prueba F : Mínimos cuadrados restringidos H 0 : β 2 + β 3 = 0.60 β 2 = 0.60 β 3 MI = β 1 + β 2 TANF + β 3 PBIPC + e MI = β 1 + (0.60 β 3) TANF + β 3 PBIPC + e MI = β TANF β 3 TANF + β 3 PBIPC + e MI = β TANF + β 3 (PBIPC TANF) + e Página 20
21 Mínimos cuadrados restringidos MI 0.60TANF = β 1 + β 3 (PBIPC TANF) + e Dependent Variable: MI-0.60*TANF Method: Least Squares Date: 09/12/08 Time: 19:14 Sample: 1 32 Included observations: 32 Variable Coefficient Std. Error t-statistic Prob. C PBIPC-TANF R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Dependent Variable: MI Method: Least Squares Sample: 1 32 Included observations: 32 Mínimos cuadrados sin restringir MI = b 1 + b 2 TANF + b 3 PBIPC + e Variable Coefficient Std. Error t-statistic Prob. C TANF PBIPC R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Bajo el supuesto de normalidad y la hipótesis nula y alternativa planteado líneas arriba, F = SRC r SRC c SRC n k = F c, n k Página 21
22 Constituirá el estadístico prueba particularizado bajo la hipótesis nula, a comparar con el valor crítico de una distribución F-Snedecor con c y n-k grados de libertad, respectivamente. Nota: SRC r : Suma de residuos al cuadrado restringido SRC: Suma de residuos al cuadrado sin restringir c: denota el número de restricciones (1 en nuestro ejemplo) n: número de observaciones k: número de variables explicativas incluyendo el punto de corte en la regresión no restringida Para nuestro ejemplo, F = = F 1,29 En Eviews elegir la opción View/Coefficient Tests/Wald-Coefficient Restrictions... y escribir c(2)+c(3)=0.60. El resultado se presenta en la siguiente ventana. Observe el resultado coincide con los cálculos anteriores. La hipótesis nula no se debe rechazar dado que el p-value es mayor que el 1% de significancia. Página 22
23 Wald Test: Equation: EQ01 Test Statistic Value df Probability F-statistic (1, 29) Chi-square Null Hypothesis Summary: Normalized Restriction (= 0) Value Std. Err C(2) + C(3) Restrictions are linear in coefficients. h) Haga la regresión de la mortalidad infantil sobre la tasa de analfabetización femenina, el PBI percápita y población con acceso sostenible a mejores fuentes de abastecimiento de agua, es decir, MI = b 1 + b 2 TANF + b 3 PBIPC + b 4 PAS + e y obtenga los resultados habituales. Construya la tabla ANOVA incremental y a partir de ésta decidir si merece la pena añadir la variable PAS al 1%, 5% y 10% de significancia. Cuáles son las consecuencias de añadir la variable PAS?. Dependent Variable: MI Method: Least Squares Sample: 1 32 Included observations: 32 MODELO SIN LA VARIABLE PAS Variable Coefficient Std. Error t-statistic Prob. C TANF PBIPC R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) MI = *TANF *PBIPC+RESID Página 23
24 MODELO CON LA VARIABLE PAS Dependent Variable: MI Method: Least Squares Sample: 1 32 Included observations: 32 Variable Coefficient Std. Error t-statistic Prob. C TANF PBIPC PAS R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) MI = *TANF *PBIPC *PAS ANÁLISIS MARGINAL DE UNA VARIABLES: PAS H 0 : β 4 = 0 H a : β 4 0 TABLA ANOVA INCREMENTAL Fuente de variación Explicada por la regresión TANF & PBIPC Explicada por la regresión TANF & PBIPC & PAS Suma al cuadrado Grados de libertad 2 R m 1 = R k 1 = Incremento debido a PAS R k 1 R m 1 = Q 3 = = No explicada por la regresión 1 R k 1 = Q 4 = = TOTAL SCM F* F = = Prob(F*)= Dado que el p-value es mayor que α = 1%, 5%y10%, no se rechaza la Hipótesis nula. Por lo tanto la variable PAS es irrelevante en el modelo. Obsérvese además t 2 25 = ( ) 2 = = F(1,28) Es decir, se demuestra estadísticamente que el cuadrado del valor crítico de una distribución t-student con n-k grados de libertad equivale al valor crítico de una Página 24
25 distribución F-Snedecor con 1 y n-k grados de libertad, en el numerador y denominador, respectivamente. Ojo, n es el número de observaciones y k el número de variables explicativas incluyendo el punto de corte. Para realizar el análisis incremental en Eviews seleccionar la opción View/Coefficient Tests/Omitted Variables-Likelihood Ratio y escribir PAS. Omitted Variables: PAS F-statistic Probability Log likelihood ratio Probability Test Equation: Dependent Variable: MI Method: Least Squares Date: 09/12/08 Time: 19:43 Sample: 1 32 Included observations: 32 Variable Coefficient Std. Error t-statistic Prob. C TANF PBIPC PAS R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Página 25
26 Alternativamente, podemos utilizar el contraste de Wald eligiendo la opción View/Coefficient Tests/Wald-Coefficient Restrictions y escribir la hipótesis nula c(4)=0. Wald Test: Equation: EQ05 Test Statistic Value df Probability F-statistic (1, 28) Chi-square Null Hypothesis Summary: Normalized Restriction (= 0) Value Std. Err. C(4) Restrictions are linear in coefficients. Las dos tablas anteriores nos muestran el mismo resultado calculado en la tabla Anova incremental. Página 26
27 REFERENCIAS BIBLIOGRÁFICAS - Gujarati Damodar. Econometría. Cuarta Edición. Capítulo 8. Págs Jeffrey M. Wooldrige. Introducción a la Econometría. Capítulo 5. Págs Capítulo 8. Págs Página 27
ECONOMETRÍA II PRÁCTICAS DE ORDENADOR. Práctica 3
ECONOMETRÍA II PRÁCTICAS DE ORDENADOR Práctica 3 Considere la ecuación de inversión RINV t = β 1 +β 2 RPIB t +β 3 r t +u t donde RINV es la inversión real privada, RPIB es el PIB real y r es el tipo de
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 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 detalles(5 x 3) ( 3 x 5) ( 5 x 1) b1 335, ,3-26, ,59 b2 = 0, , ,8 12,85 = 2,94 b3-26,79 13,8 2, ,31
VENTAS PUBLIC. PRECIOS 1990 0, 0, 10 1991 1 0, 1992 2 0,8 199, 0,8 199 1, Y X U 0, 1 0, 10 U1 Modelo matricial con término constante 1 1 0, U2 (el vector de unos recoge ese término constante) 2 1 0,8 U,
Más detallesErrores de especificación. Series simuladas
Estimación modelo correcto Dependent Variable: Y Date: 05/13/02 Time: 17:07 Sample: 2 100 Included observations: 99 Errores de especificación. Series simuladas C 5.376164 0.253524 21.20578 0.0000 X1 0.954713
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 detallesSOLUCIÓN DE LA PRIMERA PRÁCTICA CALIFICADA DE ECONOMETRIA I
UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA SOLUCIÓN DE LA PRIMERA PRÁCTICA CALIFICADA DE ECONOMETRIA I 1º El investigador especifica el modelo siguiente: (7 puntos) M1(t) = a + b P(t) + c(0) PBI(t)
Más detallesQUINTA PRÁCTICA CALIFICADA DE ECONOMETRIA II. Dependent Variable: CREDITOSB Method: Least Squares Sample: 1992M M07 Included observations: 211
UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA QUINTA PRÁCTICA CALIFICADA DE ECONOMETRIA II 1º Verificar si cointegra el modelo siguiente: CREDITOSB = a + b EMI + U 1.1. Aplicando la prueba alternativa
Más detallesSOLUCIÓN DEL EXAMEN PARCIAL DE ECONOMETRIA I
UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA SOLUCIÓN DEL EXAMEN PARCIAL DE ECONOMETRIA I 1º El investigador especifica los modelos siguientes: MODELO 1: IMP(t) = a + b IMP(t-1) + c IPM(t) + u(t)
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 II PRÁCTICAS DE ORDENADOR. Práctica 2
ECONOMETRÍA II PRÁCTICAS DE ORDENADOR Práctica 2 El fichero epflic.wf1 contiene una submuestra de hogares de la Encuesta de Presupuestos Familiares 1990/91 formada por parejas con o sin hijos en los que
Más detallesÍndice General de Ventas en Grandes Almacenes y su logaritmo
En los gráficos y cuadros que se presentan en las páginas siguientes se presentan resultados relativos a la variable Índice General de Ventas en grandes superficies en España con periodicidad mensual desde
Más detallesCointegración del Índice de Precios al Consumidor y Liquidez monetaria ( ). Venezuela.
Cointegración del Índice de Precios al Consumidor y Liquidez monetaria (1997-211). Venezuela. Informe Técnico. PC LC/FT. 2 de Octubre 212 Jhoner Perdomo Karen Tizado Resumen En la búsqueda de una variable
Más detallesCAPITULO 4. MODELO ECONOMETRICO. 4.1 Planteamiento del modelo.
96 CAPITULO 4. MODELO ECONOMETRICO. 4. Planteamiento del modelo. Desde el principio de esta investigación se ha hecho hincapié en descubrir el peso que tiene la inversión neta en el crecimiento de la economía
Más detallesSOLUCIÄN DE LA PRIMERA PRÅCTICA CALIFICADA DE ECONOMETRIA II
UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA DPTO. ACAD. DE ECONOMIA SOLUCIÄN DE LA PRIMERA PRÅCTICA CALIFICADA DE ECONOMETRIA II 1Ä El investigador especifica el modelo siguiente: Donde: Se le pide:
Más detallesINTRODUCCION AL ECONOMETRIC VIEWS. Aquí se introduce la frecuencia y las fechas de comienzo y final de los datos.
INTRODUCCION AL ECONOMETRIC VIEWS Introducción de datos 1. Creando una hoja de trabajo (workfile) File New Workfile Aquí se introduce la frecuencia y las fechas de comienzo y final de los datos. 2. Importación
Más detallesFactores explicativos detrás de la apreciación del tipo de cambio real desde los noventa en El Salvador.
Factores explicativos detrás de la apreciación del tipo de cambio real desde los noventa en El Salvador. Versión preliminar. Oscar Cabrera Melgar Resumen 1. Las apreciaciones en el tipo de cambio real
Más detallesEducación y Crecimiento Económico
Educación y Crecimiento Económico Trabajo Final de Licenciatura en Economía Tutor: Alberto Landro María Lucía Kovacs 03-980095-02 D.N.I.: 27.939.169 Índice Sección I: Introducción... 3 Sección II: Marco
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 detallesIntroducción al tema de raíces unitarias en la modelación econométrica
Banco Central de Costa Rica Departamento de Investigación Económica DIE-NT-01-2008 SEMINARIO-TALLER TÓPICOS DE ECONOMETRIA APLICADA PARTE I Introducción al tema de raíces unitarias en la modelación econométrica
Más detallesECONOMETRIA: PRÁCTICA OBLIGATORIA (En formato Manual de Uso)
ECONOMETRIA: PRÁCTICA OBLIGATORIA (En formato Manual de Uso) Leer los datos del fichero de Excel (datelectricidad.xls): Al revisar los datos en Excel se ha verificado que la información disponible es de
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 detallesEL DESARROLLO EN COLOMBIA: UN ENFOQUE DESDE EL IDH Y LA DISTRIBUCIÓN DEL INGRESO ( )
EL DESARROLLO EN COLOMBIA: UN ENFOQUE DESDE EL IDH Y LA DISTRIBUCIÓN DEL INGRESO (1980 2015) Luis Armando Mojica Castro María Esperanza Cuenca Coral Trabajo presentado en la Serie de Seminarios IEEC Departamento
Más detallesRevista Internacional del Mundo Económico y del Derecho Volumen II (2010) Págs. de 1-20 ESTUDIO SOBRE EL DESEMPLEO EN ESPAÑA
Volumen II (2010) Págs. de 1 20 ESTUDIO SOBRE EL DESEMPLEO EN ESPAÑA Study of unemployment in Spain Autores: Alexandra García Mollons Miguel Torollo Arroyo Universidad Rey Juan Carlos I Resumen: El fin
Más detallesModelos Econométricos Lección 4. Estimación de una sola ecuación entre variables cointegradas (con mecanismo de corrección del error)
Modelos Econométricos Lección 4. Estimación de una sola ecuación entre variables cointegradas (con mecanismo de corrección del error) Presentado por Juan Muro Motivación Para entender en profundidad la
Más detallesENUNCIADOS DE PROBLEMAS
UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I Curso 2005/06 EXAMEN FINAL (Convocatoria ordinaria) 30 de Enero de 2006 ENUNCIADOS DE PROBLEMAS PROBLEMA 1: PROBABILIDAD DE DENEGACIÓN DE UNA HIPOTECA Se
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 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 detallesModelo Econométrico del Turismo en España. Facultad de Ciencias Económicas y Empresariales. Grado en Marketing e Investigación de Mercados
Facultad de Ciencias Económicas y Empresariales Grado en Marketing e Investigación de Mercados Modelo Econométrico del Turismo en España Presentado por: Silvia Veganzones González Tutelado por: María Isabel
Más detallesCointegración El caso bivariado
Cointegración El caso bivariado Definición: La serie Y t es integrada de orden d (denotada I(d)) si al menos debe ser diferenciada d veces para que sea estacionaria. Ejemplos: 1. El proceso random walk
Más detallesTema 4. Regresión lineal simple
Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores de mínimos cuadrados: construcción y propiedades Inferencias
Más detallesEJEMPLO DE APLICACIÓN DE MODELIZACIÓN ARIMA A LA SERIE DE COTIZACIONES DIARIAS DE TERRA - LYCOS NOVIEMBRE 1999 A JUNIO 2001
EJEMPLO DE APLICACIÓN DE MODELIZACIÓN ARIMA A LA SERIE DE COTIZACIONES DIARIAS DE TERRA - LYCOS NOVIEMBRE 1999 A JUNIO 2001 CURSO DE TÉCNICAS DE PREVISIÓN DE VARIABLES FINANCIERAS PROGRAMA CITIUS Junio
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 detallesSeminario Regional Proyecto: Fortaleciendo las Capacidades de Análisis de la Política Macroeconómica en Centroamérica y El Caribe
Estimación: de una Función de Demanda Mensual por Emisión Monetaria (1997-2004) para Honduras, mediante modelos Econométricos, serie de tiempo y Pronostico. Seminario Regional Proyecto: Fortaleciendo las
Más detallesEnvejecimiento y protección social en América Latina
Envejecimiento y protección social en América Latina Daniel Titelman Panel sobre seguridad social y empleo en la vejez: tendencias y perspectivas en América Latina y el Caribe Segunda Conferencia regional
Más detallesTema 6.- Variables ficticias y contrastes de estabilidad
Guía de estudio de los temas principales del 2º examen parcial. Econometría 4º de Economía.Facultade de CC.Económicas de la USC Curso 2003-2004. Nota ampliada el 13-5-2004. Esta guía está disponible en
Más detallesPRINCIPALES INDICADORES SOCIO- ECONOMICOS DE AMÉRICA
PRINCIPALES INDICADORES SOCIO- ECONOMICOS DE AMÉRICA 01. POBLACIÓN (TOTAL, EN MILES) Población de facto en un país, área o región, el 1 de julio del año indicado. Los datos están presentados en miles.
Más detallesESTIMACIÓN DE LA FUNCIÓN DE EXPORTACIONES DE CATALUÑA A LOS PRINCIPALES PAÍSES EUROPEOS
ESTIMACIÓN DE LA FUNCIÓN DE EXPORTACIONES DE CATALUÑA A LOS PRINCIPALES PAÍSES EUROPEOS Estimaciones individuales Dependent Variable: LOG(X?) Method: Pooled Least Squares Date: 11/23/02 Time: 13:14 Sample(adjusted):
Más detallesConfianza en el uso de internet: En el comercio electrónico Based on 2016 Cybersecurity Report Data Set
Confianza en el uso de internet: En el Pais_EN Pais_ES Dimension_EN Argentina Argentina Culture and Society Bahamas Bahamas Culture and Society Barbados Barbados Culture and Society Belize Belice Culture
Más detallesLa representación de la juventud en los parlamentos de América Latina y el Caribe Una mirada sobre cantidades y porcentajes
La representación de la juventud en los parlamentos de América Latina y el Caribe Una mirada sobre cantidades y porcentajes legisladores(as) Variable: 40 Región: Sudamérica Uruguay Perú Paraguay Ecuador
Más detallesLas brechas de igualdad: la situación de las mujeres en el contexto regional
Seminario Género, Educación y Políticas Públicas, MINEDUC Las brechas de igualdad: la situación de las mujeres en el contexto regional Paulina Pavez División de Asuntos de Género CEPAL Santiago de Chile,
Más detallesRegresión con heterocedasticidad y autocorrelación
Regresión con heterocedasticidad y autocorrelación Tema 6 Regresión con heterocedasticidad La heterocedasticidad significa que var( i ) cte Es la norma, no la excepción, en especial con datos transversales
Más detallesGuía del 1º Parcial. Econometría 4º curso. Licenciatura de Economía. USC ttp://www.usc.es/economet/econometria.htm
Guía de estudio del 1º Parcial. Econometría 4º Curso, Licenciatura de Economía. USC. 22-2-2013. Profesoras María del Carmen Guisán Seijas y Pilar Expósito Díaz. Bibliografía básica: Guisán, M.C. (1997)
Más detallesI. NIVELES Y TENDENCIAS DE LA MORTALIDAD GENERAL EN AMÉRICA LATINA
I. NIVELES Y TENDENCIAS DE LA MORTALIDAD GENERAL EN AMÉRICA LATINA Perú: Situación y Perspectivas de la Mortalidad por Sexo y Grupos de Edad, Nacional y por Departamentos, 1990-2025 13 14 Instituto Nacional
Más detallesCrecimiento i y Desarrollo Humano: Perú en la década del 2000
Crecimiento i y Desarrollo Humano: Perú en la década del 2000 Fernando Vásquez Encuentro de Economistas del BCRP Las expresiones vertidas en esta presentación no representan necesariamente las del Banco
Más detallesLOS OBJETIVOS DE DESARROLLO DEL MILENIO Y LA EQUIDAD DE GÉNEROG
LOS OBJETIVOS DE DESARROLLO DEL MILENIO Y LA EQUIDAD DE GÉNEROG Proyecto Fortaleciendo la capacidad de los países de América Latina y el Caribe para alcanzar los Objetivos del Milenio Daniela Zapata S.
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 detallesReporte periódico de avance en el ODM4 en América Latina y el Caribe, 2008
Reporte periódico de avance en el ODM4 en América Latina y el Caribe, 2008 Introducción Reducir entre 1990 y 2015 en dos terceras partes la mortalidad durante los primeros cinco años de vida constituye
Más detalleslínea de la CEPAL la CEPAL (DEyPE( micas. Santiago, de marzo 2006 Claudia de Camino (Deype Económicas stica y Proyecciones Estadística CEPAL)
Bases y bancos de datos en línea de la División de Estadística stica y Proyecciones Económicas de la CEPAL Taller sobre bases de datos del comercio internacional Santiago, 16-17 17 de marzo 2006 Claudia
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 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 detallesProyecciones del PBI para el 2003.
Proyecciones del PBI para el 2003. Por Pablo Frigolé, para Stockssite pablofrigole@stockssite.com Después de muchas preguntas sobre cuál sería el valor de las variables futuras más importantes de la economía
Más detallesEJERCIOS DE PBI-PERCÁPITA EN AMÉRICA LATINA TRABAJO Nº 1: ELABORACIÓN DE INDICADORES
EJERCIOS DE PBI-PERCÁPITA EN AMÉRICA LATINA CIFRAS Y ANÁLISIS TRABAJO Nº 1: ELABORACIÓN DE INDICADORES 1. Hallar un Índice con base en 1990 para: la Población Total, el PBI per capita en dólares de 1990
Más detallesSALUD Y PROTECCIÓN SOCIAL EN EL CONTEXTO DE LA DINÁMICA DEMOGRÁFICA Y LOS DERECHOS HUMANOS
SALUD Y PROTECCIÓN SOCIAL EN EL CONTEXTO DE LA DINÁMICA DEMOGRÁFICA Y LOS DERECHOS HUMANOS Dirk Jaspers_Faijer, Director CELADE-División de Población CEPAL CONTENIDOS 1. La protección en salud en el marco
Más detallesSOLUCIÓN DEL EXAMEN PARCIAL DE ECONOMETRIA II
UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA DPTO. ACAD. DE ECONOMIA SOLUCIÓN DEL EXAMEN PARCIAL DE ECONOMETRIA II 1º El investigador especifica el siguiente modelo: Se le pide: 1.1. Realice la prueba
Más detallesDISCREPANCIAS ESTADÍSTICAS OBSERVADAS ODM 4.A Y 5.A: MORTALIDAD INFANTIL Y MATERNA
DISCREPANCIAS ESTADÍSTICAS OBSERVADAS ODM 4.A Y 5.A: MORTALIDAD INFANTIL Y MATERNA Sesión 5 Daniel Taccari División de Estadística y Proyecciones Económicas CEPAL ODM 4.A y 5.A 2 Consideraciones generales:
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 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 detallesTransformaciones, desigualdades y perspectivas demográficas en América Latina y el Caribe
Transformaciones, desigualdades y perspectivas demográficas en América Latina y el Caribe Segunda Reunión de la Conferencia Regional sobre Población y Desarrollo de América Latina y el Caribe Ciudad de
Más detallesTRABAJO FINAL ECONOMETRIA MODELO ECONOMETRICO MULTIVARIADO PASS TROUGH (PAIS DE BRASIL)
TRABAJO FINAL ECONOMETRIA MODELO ECONOMETRICO MULTIVARIADO PASS TROUGH (PAIS DE BRASIL) 1. Introducción.- El presente trabajo hace referencia al modelo económico Pass Through en el cual se analizará el
Más detallesInfluencia de la política económica en los principales indicadores de la economía peruana Amer Ernesto Fernández Dávila Angulo
Influencia de la política económica en los principales indicadores de la economía peruana 1950-2006 Amer Ernesto Fernández Dávila Angulo Introducción Todo grupo de medidas económicas tiene por objeto mejorar
Más detallesDiseño de Ciudad. Planeación. Desarrollo. Ejecucion de la Politica
Incidencia de las Políticas Públicas de Desarrollo Urbanístico en la Ciudad de Cali Conceptos Fundamentales de la Economía Regional y Urbana con Aplicaciones a la Economía del Sector Publico y al Análisis
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 detallesTASA GLOBAL DE FECUNDIDAD. Períodos América Latina y el Caribe Argentina Cuba Brasil México Bolivia Guatemala Haití Jamaica Belice Trinidad y Tabago
Gráfico 1 TASA GLOBAL DE FECUNDIDAD Y ESPERANZA DE VIDA AL NACER: ESTIMACIONES Y PROYECCIONES 197-25, PROMEDIO DE AMÉRICA LATINAY EL CARIBE Y PAÍSES SELECCIONADOS 7 TASA GLOBAL DE FECUNDIDAD 6 5 Hijos
Más detallesTema 3.2: Modelo lineal general: inferencia y predicción. Universidad Complutense de Madrid 2013
Tema 3.2: Modelo lineal general: inferencia y predicción Universidad Complutense de Madrid 2013 Contraste de hipótesis paramétricas en el MLG (I) Necesitamos añadir a la lista de hipótesis del MLG, la
Más detallesSe permite un folio escrito por las dos caras. Cada problema se realiza en hojas diferentes y se entregan por separado.
NORMAS El examen consta de dos partes: 0.0.1. Diez Cuestiones: ( tiempo: 60 minutos) No se permite ningún tipo de material (libros, apuntes, calculadoras,...). No se permite abandonar el aula una vez repartido
Más detallesCurso: Economía Ambiental del Turismo. Aplicación del Método Costo de Viaje
Curso: Economía Ambiental del Turismo Aplicación del Método Costo de Viaje Estimación de Modelos Poisson para la estimación del Excedente del Consumidor a través del Método del Costo de Viaje: El caso
Más detallesEstadísticas Tributarias en América Latina y el Caribe
Estadísticas Tributarias en América Latina y el Caribe Andrea Podestá Comisión Económica para América Latina y el Caribe Taller de Estadísticas Tributarias Montevideo, Uruguay, 3 de julio de 2013 Contenido
Más detallesNueva estimación sobre el volumen del PBI informal en base al método de la demanda de circulante. Joaquín Días y Carla Di Paula.
Nueva estimación sobre el volumen del PBI informal en base al método de la demanda de circulante. Joaquín Días y Carla Di Paula Octubre 2009 Este documento tiene por objetivo presentar una nueva estimación
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 detallesEconomía de Frontera: Turismo Fronterizo
Año 34 - Edición Nº 61-18 de Agosto de 2015 Economía de Frontera: Turismo Fronterizo Lic. Gerardo Alonso Schwarz Resumen Ejecutivo En el presente trabajo se busca explicar cantidad de pernoctaciones de
Más detallesECONOMETRÍA II Curso: 2009/2010 Práctica 5
ECONOMETRÍA II Curso: 2009/2010 Práctica 5 Prof. Juan de Dios Tena El objetivo de esta práctica es introducir al alumno en los ejercicios de especificación, estimación y análisis de resultados de modelos
Más detallesEjemplos de estudios de series de tiempo
1 Ejemplos de estudios de series de tiempo Ejemplo 1 Pasajeros Aerolíneas Internacionales (PAI) Este estudio está realizado sobre un famoso conjunto de datos mensuales, el número de pasajeros de aerolíneas
Más detallesEstadística II Examen final junio - 17/06/16 Curso 2015/16 Soluciones Duración del examen: 2 h. y 45 min.
Estadística II Examen final junio - 17/06/16 Curso 201/16 Soluciones Duración del examen: 2 h. y 4 min. 1. (3, puntos) La publicidad de un fondo de inversión afirma que la rentabilidad media anual del
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 detallesBANCO INTERAMERICANO DE DESARROLLO ESTADISTICAS BASICAS DELOS PAISES DE AMERICA LATINA Y EL CARIBE
BANCO INTERAMERICANO DE DESARROLLO ESTADISTICAS BASICAS DELOS PAISES DE AMERICA LATINA Y EL CARIBE SUPERFICIE, POBLACION Y FUERZA DE TRABAJO PRODUCTO INTERNO BRUTO Y COEFICIENTES MONEDAS, EXPORTACIONES
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 detallesESTUDIO DE LA RECAUDACIÓN DEL IMPUESTO A LOS INGRESOS BRUTOS Abril de 2017
ESTUDIO DE LA RECAUDACIÓN DEL IMPUESTO A LOS INGRESOS BRUTOS Abril de 2017 Por Adrián Gutiérrez Cabello Colaborador: Víctor Pérez Barcia Introducción El Impuesto sobre los Ingresos Brutos, principal recurso
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 detallesMODELO DE RESPUESTAS Objetivos 2, 3, 4, 5, 6, 7, Y 8.
UNIVERSIDAD NACIONAL ABIERTA ESTADÍSTICA GENERAL 745) VICERRECTORADO ACADÉMICO INTEGRAL ÁREA DE MATEMÁTICA Fecha: 17/ 01 /009 MODELO DE RESPUESTAS Objetivos, 3, 4, 5, 6, 7, Y 8. OBJ. 1 PTA 1 Una compañía
Más detallesViolencia y Autonomía de las mujeres
Violencia y Autonomía de las mujeres Mesa redonda de políticas: Empoderamiento económico y monitoreo integral del ejercicio de los derechos de las mujeres Comisión Interamericana de Mujeres, Washington,
Más detallesUSO DEL FILTRO DE KALMAN PARA ESTIMAR LA TENDENCIA DE UNA SERIE
DIVISIÓN ECONÓMICA DEPARTAMENTO DE INVESTIGACIONES ECONÓMICAS INFORME TÉCNICO DIE-87-003-IT USO DEL FILTRO DE KALMAN PARA ESTIMAR LA TENDENCIA DE UNA SERIE Ana Cecilia Kikut V. OCTUBRE, 003 Entre los diferentes
Más detallesPrácticas Tema 4: Modelo con variables cualitativas
Prácticas Tema 4: Modelo con variables cualitativas Ana J. López y Rigoberto Pérez Departamento de Economía Aplicada. Universidad de Oviedo PRACTICA 4.1- Se dispone de información sobre 16 familias sobre
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 detallesbandera mapa moneda emblema capital escritor Argentina Argentina antonella.simon@ac-nantes.fr antonella.simon@ac-nantes.fr
Argentina Argentina Argentina Argentina Argentina Argentina Bolivia Bolivia Bolivia Bolivia Bolivia Bolivia Chile Chile Chile Chile Chile Chile Colombia Colombia Colombia Colombia Colombia Colombia Costa
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 detallesPortada. subtítulo Y EL CARIBE: RETOS PENDIENTES Y NUEVOS DESAFÍOS. Dirk Jaspers_Faijer Director CELADE-División de Población CEPAL
POBLACIÓN Y Portada SALUD EN AMÉRICA LATINA Y EL CARIBE: RETOS PENDIENTES Y NUEVOS DESAFÍOS subtítulo Dirk Jaspers_Faijer Director CELADE-División de Población CEPAL Mensajes clave sobre población y salud
Más detallesCambio Climático en América Latina y el Caribe. Luis Miguel Galindo
Cambio Climático en América Latina y el Caribe Luis Miguel Galindo Jefe Unidad de Economía del Cambio Climático División de Desarrollo Sostenible y Asentamientos Humanos CEPAL Contenido 1. Introducción
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 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 detallesCAPITULO IV MODELOS MULTIECUACIONALES
CAPITULO IV MODELOS MULTIECUACIONALES 1. INTRODUCCIÓN En el modelo básico de regresión y para cualquier punto muestral t tenemos: y = β x + β x + + β x + u t 1 1t 2 2 t... k kt t expresándolo en matrices
Más detallesde noviembre 2011
SUPUESTOS MACROECONÓMICOS 2012-20152015 15 de noviembre 2011 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993
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 detallesEconometría. Auxiliar 4. Profesor : Mattia Makovec Semestre : Otoño 2010 Auxiliar : Gonzalo Viveros A.
Econometría Auxiliar 4 Profesor : Mattia Makovec Semestre : Otoño 2010 Auxiliar : Gonzalo Viveros A. Pregunta 1 El archivo salarios.xls contiene observaciones mensuales en US$ del salario (Wage) de 935
Más detallesUN Regional Workshop on Statistics of International Trade in Services 11 14 December 2012, Bogota, Colombia
UN Regional Workshop on Statistics of International Trade in Services 11 14 December 2012, Bogota, Colombia Claudia de Camino División de Estadísticas CEPAL 1 Presentación n resultados Indicadores Macroeconómicos
Más detallesLos Mercados Laborales, Pobreza y Desigualdad desde un enfoque de Derechos Humanos. Informe del Observatorio de Salarios 2017
Los Mercados Laborales, Pobreza y Desigualdad desde un enfoque de Derechos Humanos Informe del Observatorio de Salarios 2017 Objetivo El presente Informe sobre mercados laborales, pobreza y desigualdad,
Más detallesAugmented Dickey-Fuller. Test de raíces unitarias en Z T
ANEXOS CUADRO A1. Augmented Dickey-Fuller. Test de raíces unitarias en Z T Estadístico ADF -3.231287 1% Valor Crítico -3.4549* 5% Valor Crítico -2.8718 10% Valor Crítico -2.5722 Variable Dependiente D(LOG(Z93))
Más detallesPROPIEDAD DE VIVIENDA EN ESTADOS UNIDOS DE LA POBLACIÓN INMIGRANTE DE ORIGEN LATINOAMERICANO Y DEL CARIBE
PROPIEDAD DE VIVIENDA EN ESTADOS UNIDOS DE LA POBLACIÓN INMIGRANTE DE ORIGEN LATINOAMERICANO Y DEL CARIBE Jesús A. Cervantes González Seminario Remesas y Migración San José, Costa Rica; Noviembre 29-30
Más detallesLas variables incluidas en el modelo se interpretan de la siguiente forma:
PRÁCTICA 4: EL MODELO LINEAL DE PROBABILIDAD - Estimar un modelo lineal de probabilidad - Interpretar los coeficientes estimados - Obtener las probabilidad estimadas - Contrastar la normalidad de las perturbaciones
Más detallesPanorama económico de América Latina. Los mariachis callaron
Panorama económico de América Latina Los mariachis callaron Strategic International Treasury Conference EuroFinance Miami Mayo 2016 Juan Carlos Moreno-Brid (PhD Cambridge) Facultad de Economía Universidad
Más detalles