Varianza del error no constante: heteroscedasticidad. Fortino Vela Peón Universidad Autónoma Metropolitana
|
|
- María Nieves Bustos Aguilar
- hace 6 años
- Vistas:
Transcripción
1 Varianza del error no constante: heteroscedasticidad Fortino Vela Peón Universidad Autónoma Metropolitana Octubre, /08/2011 México, D. F. 1
2 Tipos de residuales En ocasiones resulta mejor considerar a los residuales escalados. Son útiles además para identificar puntos atípicos o valores extremos. Residuales estandarizados que se definen como ˆ uˆ i d i ˆi 2 (1 h ) 11/08/2011 ii 2 i Residuales estudentizados que se definen como r uˆ 2
3 Patrones hipóteticos de los residuos para la identificación de heteroscedasticidad Los gráficos siguientes muestran un diagrama de 2 dispersión entre y Yˆ. ṷ 11/08/2011 Fuente: Tomado de Gujarati y Porter (2010, 377) 3
4 Los gráficos siguientes muestran un diagrama de 2 dispersión entre ṷ y X. 11/08/ Fuente: Tomado de Gujarati y Porter (2010, 378)
5 Pruebas gráficas en Stata Stata tiene implementado dentro de sus rutinas ambos tipos de gráficas para la identificación de heteroscedasticidad en los residuales. Despues de estimar el modelo de regresión la sintaxis a utilizar es: rvfplot y rvpplot. rvfplot muestra el diagrama de dispersión entre residuales y valores ajustados. Por su parte, rvpplot elabora el diagrama de dispersión entre residuales y cualquiera de las variables predictoras (X s), razón por la requiere que se señale cual es la variable a considerar, esto es, por ejemplo: rvpplot x2 11/08/2011 5
6 Calculo de residuales en Stata Stata permite el calculo de los residuales estandarizados y estudentizados. Una vez estimado una ecuación de regresión, la sintaxis es la siguiente: predict residual, resid predict rstand, rstand predict rstud, rstuden (residuales simples) (residuales estandarizados) (residuales estudentizados) 11/08/2011 6
7 Métodos formales: pruebas de Park, Glesjer y Breusch-Pagan-Godfrey Las tres pruebas son en esencia muy similares. Cada una de ellas es una prueba del Multiplicador de Lagrange (LM), por lo que siguen el mismo procedimiento general. Dado el modelo de regresión: y i x x i 3 3i k x ki u i se realizan los pasos siguientes: 1.- Se estima el modelo de regresión y se obtienen los residuales: uˆ i y 2.- Se estiman las regresiones auxiliares siguientes y obtienen sus R 2. 11/08/ i yˆ i
8 11/08/ i pi p i i Z Z u ln... ln ˆ ln donde a) Para la prueba de Park la regresión auxiliar es n i i i i n u u u / ˆ / ˆ ~ b) Para la prueba de Glesjer la regresión auxiliar es i pi p i i Z Z u... ˆ c) Para la prueba de Breusch-Pagan-Godfrey la regresión auxiliar es i pi p i i Z Z u... ~
9 En cada regresión auxiliar, las Z i 's pueden ser algunos o todos los regresores 3.- A continuación se calcula el estadístico de prueba LM. Bajo Ho: homoscedasticidad, se puede demostrar que el producto del tamaño de la muestra n por la R 2 obtenida de las regresiones auxiliares sigue asintoticamente una distribución Ji-cuadrada con un número de grados de libertad igual al número de regresores. Esto es: 11/08/ nr p Es importante observar que los estadísticos de prueba propuestos originalmente por Park y Glesjer son estadísticos de prueba de Wald. Sin embargo, según lo precisado por Engle (1984), puesto que todas estas pruebas son diseñadas para muestras grandes, operacionalmente son equivalentes a la prueba LM.
10 4.- Una vez que se encuentra el estadístico de prueba se compara a nr 2 con el valor crítico de Ji-cuadrada. Así, 2 2 si nr p, la conclusión es que hay heteroscedasticidad; 2 2 por el contrario, si nr p hay homoscedasticidad. Las pruebas Park, Glesjer, y de Breusch-Pagan- Godfrey requieren el conocimiento sobre la fuente de heteroscedasticidad, es decir, la(s) variable(s) Z que puede ser causa del problema. En la prueba de Park, el término de error en la regresión auxiliar puede no satisfacer los supuestos del modelo de regresión lineal clásico y puede ser heteroscedástico en sí mismo. 11/08/
11 En la prueba de Glejser, el término del error u i es diferente a cero, puede tener autocorrelación y es, irónicamente, heteroscedástico. En la prueba de Breusch-Pagan-Godfrey el término de error es absolutamente sensible al supuesto de normalidad (principalmente en pequeñas muestras). La hipótesis nula de la prueba Breusch-Pagan/Cook- Weisberg es que la varianza del error es la misma versus la alternativa de que la varianza del error es una función multiplicativa de una o más variables independientes. 11/08/
12 Prueba Breusch-Pagan-Godfrey en Stata La prueba Breusch-Pagan-Godfrey implementada en Stata. ha sido La sintaxis es estat hettest Las opciones posibles son: estat hettest varlist especifica las variables explicativas consideradas en la prueba (en caso de omisión se realiza con los valores ajustados de la dependiente, yhat). estat hettest,normal calcula la prueba suponiendo que los residuales de la regresión se distribuyen normalmente (es la opción por defecto). estat hettest,iid provoca que se calcule la versión N*R 2 versión del estadístico de prueba, el cuál elimina el supuesto de normalidad. estat hettest,fstat provoca que se calcule la versión basada en el estadístico F. 11/08/
13 Ejemplo Verificamos la prueba hettest de forma manual. Para ello se considera la influencia que se sobre el ingreso (income) presentan las variables: escolaridad (educ), la experiencia laboral (jobexp) y la raza (race) en una muestra de 20 individuos, información que se encuentra en el archivo labora1 ubicado en: Una vez recuperado el archivo de datos se calculan algunas estadísticas descriptivas de la variables en análisis. 11/08/
14 use clear sum reg income educ jobexp Variable Obs Mean Std. Dev. Min Max income educ jobexp race Del listado se puede señalar que el ingreso promedio de los individuos en la muestra alcanzo los dólares; su nivel escolaridad promedio fue de 12 años al igual que los años de experiencia laboral. 11/08/
15 graph matrix income educ jobexp race income educ 0 20 jobexp race /08/
16 reg income educ jobexp Source SS df MS Number of obs = F( 2, 17) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = income Coef. Std. Err. t P> t [95% Conf. Interval] educ jobexp _cons estat hettest Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of income chi2(1) = /08/2011 Prob > chi2 =
17 rvfplot, yline(0) Fitted values 11/08/
18 Residuals rvpplot educ, yline(0) rvpplot jobexp, yline(0) educ jobexp 11/08/
19 predict yhat predict e, resid gen e2= e^2 / (e(rss)/e(n)) reg e2 yhat Source SS df MS Number of obs = F( 1, 18) = 0.18 Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = e2 Coef. Std. Err. t P> t [95% Conf. Interval] yhat _cons display "Chi Square (1) = " e(mss) / 2 Chi Square (1) = display "Prob > chi2 = " chi2tail(1, e(mss)/ 2) Prob > chi2 = /08/
20 Prueba de White en Stata La prueba de White se puede estimar vía la sintaxis estat imtest, white o simplemente imtest, white, o bien whitetst. Stata computa la prueba extendida de White considerando en la regresión auxiliar a los residuales al cuadrado contra todos los regresores, los productos cruzados y los cuadrados de los distintos regresores. 11/08/
21 Ejemplo Se desea establecer la influencia que se sobre el número de hijos nacidos vivos (ceb) por mujer presentan las variables: edad de la madre (age), edad al primer nacimiento (agefbrth) y la escolaridad (educ). Para ello se considera la información de 4361 mujeres en los Estados Unidos misma que se encuentra en el archivo fertil2 ubicado en: Una vez recuperado el archivo de datos, lo primero a resolver es determinar qué variables presentan valores perdidos (missing values). 11/08/
22 use clear keep Para ello se puede recurrir al archivo mdesc el cual realiza un conteo del número de valores perdidos para cada una de las variables numéricas (findit mdesc). mdesc age educ ceb agefbrth Variable Missing Total Missing/Total age educ ceb agefbrth dis =3273 drop if missing(agefbrth) 11/08/
23 sum ceb educ age agefbrth Variable Obs Mean Std. Dev. Min Max age educ ceb agefbrth La edad promedio de las mujeres captadas en la muestra (con registros validos) fue de 30 años con una edad al primer nacimiento de 19 años. No obstante, hubo quienes tuvieron a su primer hijo a los 10 años. En promedio el número de hijos nacidos vivos por mujer es de 3.2. La escolaridad promedio fue de 5.4 años. 11/08/
24 Se espera que el número de hijos nacidos vivos (ceb): - aumente con la edad actual de la madre (age); - disminuya con la edad al primer nacimiento (agefbrth); - disminuya con mayores niveles de escolaridad (esc) 11/08/
25 graph matrix ceb age agefbrth educ ceb age 0 40 agefbrth educ /08/
26 regress ceb age agefbrth educ estimates store original Source SS df MS Number of obs = F( 3, 3269) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = ceb Coef. Std. Err. t P> t [95% Conf. Interval] age agefbrth educ _cons /08/
27 rvfplot Fitted values 11/08/
28 hettest age agefbrth Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: age agefbrth hettest chi2(2) = Prob > chi2 = Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of ceb chi2(1) = Prob > chi2 = /08/
29 imtest, white White's test for Ho: homoskedasticity against Ha: unrestricted heteroskedasticity chi2(9) = Prob > chi2 = Cameron & Trivedi's decomposition of IM-test Source chi2 df p Heteroskedasticity Skewness Kurtosis Total /08/
30 regress ceb age agefbrth educ,robust estimates store robustos Linear regression Number of obs = 3273 F( 3, 3269) = Prob > F = R-squared = Root MSE = Robust ceb Coef. Std. Err. t P> t [95% Conf. Interval] age agefbrth educ _cons /08/
31 estimates table original robustos, b(%9.4f) se(%5.3f) t(%5.2f) Variable original robustos age agefbrth educ _cons /08/
32 Soluciones al problema de heteroscedasticidad Cuando de presenta una estructura de errores heteroscedastica se puede proceder por alguna de las siguientes rutas: a) Aplicar mínimos cuadrados ponderados; b) Corregir los errores estándar por heteroscedasticidad. 11/08/
33 COMIDA Diagrama de dispersión entre los gastos en comida e ingreso INGRESO 11/08/
34 regress comida ingreso Source SS df MS Number of obs = F( 1, 38) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = comida Coef. Std. Err. t P> t [95% Conf. Interval] ingreso _cons /08/
35 rvfplot Fitted values 11/08/
36 Residuals rvpplot ingreso INGRESO 11/08/
37 whitetst White's general test statistic : Chi-sq( 2) P-value = 6.8e-04 hettest Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of comida chi2(1) = Prob > chi2 = /08/
38 regress comida ingreso [aweight=1/ ingreso] Source SS df MS Number of obs = F( 1, 38) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = comida Coef. Std. Err. t P> t [95% Conf. Interval] ingreso _cons /08/
39 Errores estándar corregidos por heteroscedasticidad Si los errores son heteroscedasticos condicionalmente, es psoible aplicar un enfoque robusto. Hubber (1967) y White (1980) propusieron el estimador sandwich de la varianza de los errores, el cual corrige la hetersoscedasticidad. Se ha señalado que bajo heteroscedasticidad Var βˆ E (X'X) 1 X' E( uu' ) X(X' X) 1 Var βˆ E (X'X) 1 X' X(X' X) 1 11/08/ u
40 Ejemplo Para los datos de gastos en comida e ingreso se obtienen los errores estándar corregidos de acuerdo al estimador de Hubber y White. En Stata se tiene regress comida ingreso, robust Linear regression Number of obs = 40 F( 1, 38) = Prob > F = R-squared = Root MSE = Robust comida Coef. Std. Err. t P> t [95% Conf. Interval] ingreso _cons /08/
41 0 Density histogram resid, normal Residuals 11/08/
42 Prueba Jarque_Bera sum resid, detail scalar nobs=r(n) scalar s=r(skewness) scalar k=r(kurtosis) scalar JB=(nobs/6)*(s^2+((k-3)^2)/4) scalar chi2_95=invchi2(2,.95) scalar pval=1-chi2(2,jb) di JB di chi2_95 di pval JB= chi2_95= pvalue=0 11/08/
43 Prueba SK sktest resid Skewness/Kurtosis tests for Normality joint Variable Obs Pr(Skewness) Pr(Kurtosis) adj chi2(2) Prob>chi resid 3.3e /08/
Pronósticos, 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 detallesEstimar efectos parciales con margins
Estimar efectos parciales con margins David M. Drukker Director of Econometrics Stata 2010 Spanish Stata Users Group meeting Madrid September 2010 1 / 31 Información general Esta charla muestra como usar
Más detallesViernes 7 de octubre de 2005 Mate 3026 Estadística con Programación Prof. José N. Díaz Caraballo
Viernes 7 de octubre de 2005 Mate 3026 Estadística con Programación Prof. José N. Díaz Caraballo Favor de abrir el navegador Mozilla Firefox y escriba la siguiente dirección http://math.uprag.edu/area.mtw
Más detallesUniversidade de Vigo. Linealidad. El comportamiento esperado de la variable dependiente
Linealidad El comportamiento esperado de la variable dependiente El concepto de linealidad Indica que el valor esperado de la variable dependiente depende linealmente de las variables independientes El
Más detallesAnálisis de Regresión
Análisis de Regresión Diplomado en Lean Six Sigma Objetivo 1.Identificar problemas que incluyan una Y continua y una X continua 2. Entender la diferencia entre regresión lineal y no lineal 3. Ajustar modelos
Más detallesUniversidade de Vigo. Heterocedasticidad. Estimadores, test y posibles soluciones factibles.
Heterocedasticidad Estimadores, test y posibles soluciones factibles. Concepto Un modelo heterocedástico es aquel en que las varianzas de las perturbaciones no son constantes, por lo tanto, la variabilidad
Más detallesRegresión con Variables Ficticias
apítulo XII Regresión con Variables Ficticias onceptos y Definiciones La regresión con variables ficticias (variables dummy) surge por la necesidad que tiene el investigador de involucrar variables cualitativas
Más detallesRegresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A
Regresión lineal REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL MÚLTIPLE N A Z IRA C A L L E J A Qué es la regresión? El análisis de regresión: Se utiliza para examinar el efecto de diferentes variables (VIs
Más 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 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 detallesAnálisis de Regresión y Correlación con MINITAB
Análisis de Regresión y Correlación con MINITAB Primeras definiciones y conceptos de la regresión El análisis de la regresión es una técnica estadística que se utiliza para estudiar la relación entre variables
Más detallesTercera práctica de REGRESIÓN.
Tercera práctica de REGRESIÓN. DATOS: fichero practica regresión 3.sf3 1. Objetivo: El objetivo de esta práctica es aplicar el modelo de regresión con más de una variable explicativa. Es decir regresión
Más detallesaprendizaje del análisis de regresión lineal con Stata
UNIVERSIDAD AUTÓNOMA METROPOLITANA XOCHIMILCO DIVISIÓN DE CIENCIAS SOCIALES Y HUMANIDADES El proceso de enseñanza-aprendizaje aprendizaje del análisis de regresión lineal con Stata Fortino Vela Peón Noviembre,
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
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 detallesMULTICOLINEALIDAD EN LAS REGRESORAS Y NORMALIDAD DEL TÉRMINO DE ERROR EN LOS MODELOS DE REGRESIÓN LINEAL
MULTICOLINEALIDAD EN LAS REGRESORAS Y NORMALIDAD DEL TÉRMINO DE ERROR EN LOS MODELOS DE REGRESIÓN LINEAL Noviembre, 2011 Multicolinealidad El termino multicolinealidad se le atribuye originalmente a Frisch
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 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 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 detallesMinisterio de Hacienda y Crédito Público Dirección General de Inversiones Públicas FACTOR DE CORRECCIÓN SOCIAL (FCS) TIPO DE CAMBIO DE MERCADO
Ministerio de Hacienda y Crédito Público Dirección General de Inversiones Públicas FACTOR DE CORRECCIÓN SOCIAL (FCS) TIPO DE CAMBIO DE MERCADO NICARAGUA JUNIO 2010 ÍNDICE 1. FCS VIGENTE TIPO DE CAMBIO
Más detallesAnálisis de Componentes de la Varianza
Análisis de Componentes de la Varianza Resumen El procedimiento de Análisis de Componentes de Varianza está diseñado para estimar la contribución de múltiples factores a la variabilidad de una variable
Más detallesModelo Econométrico sobre el Turismo
Modelo Econométrico sobre el Turismo Ruth Rubio Rodríguez Miriam Gómez Sánchez Mercados 3ºA GMIM Índice Planteamiento del Problema..4 1. Estadísticos Descriptivos...5 2. Matriz Correlaciones 5 3. Gráfico
Más detallesUna metodología para manejar variables
Una metodología para manejar variables continuas en los modelos pronóstico: Polinomios fraccionales Javier Zamora Unidad de Bioestadística Clínica- IRyCIS Enero 2011 Índice Manejo de variables continuas
Más detallesEjemplos del Suplemento 1 resueltos con Minitab
O1 Ocho pasos para el desarrollo de una investigación Ejemplos del Suplemento 1 resueltos con Minitab O2 Tabla de Contenido Prueba de Normalidad... 3 Regresión Lineal... 7 Prueba t... 10 Prueba Z... 13
Más detallesSe asignaron al azar ratas en condiciones similares a cuatro dietas (A D). Dos semanas después se midió el tiempo de coagulación.
EJEMPLO 1 Se asignaron al azar ratas en condiciones similares a cuatro dietas (A D). Dos semanas después se midió el tiempo de coagulación. DIETA1 DIETA2 DIETA3 DIETA4 62 63 68 56 60 67 66 62 63 71 71
Más detallesLAB 13 - Análisis de Covarianza - CLAVE
LAB 13 - Análisis de Covarianza - CLAVE Se realizó un experimento para estudiar la eficacia de un promotor de crecimiento en terneros en lactación. Se usaron cuatro dosis de la droga (0, 2.5, 5 y 7.5 mg).
Más detallesMétodos Estadísticos Multivariados
Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 20 Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre
Más detallesEL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD)
EL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD) Fortino Vela Peón fvela@correo.xoc.uam.mx FVela-0 Objetivo Introducir las ideas básicas del principio de máxima verosimilitud. Problema Considere el experimento
Más detallesANOVA (Análisis de varianza)
ANOVA (Análisis de varianza) Las pruebas de hipótesis son una herramienta útil cuando se trata de comparar dos tratamientos La experimentación usualmente requiere comparación de más de dos tratamientos
Más detallesAnálisis Probit. StatFolio de Ejemplo: probit.sgp
STATGRAPHICS Rev. 4/25/27 Análisis Probit Resumen El procedimiento Análisis Probit está diseñado para ajustar un modelo de regresión en el cual la variable dependiente Y caracteriza un evento con sólo
Más detallesUNIVERSIDAD CATÓLICA SANTO TORIBIO DE MOGROVEJO
UNIVERSIDAD CATÓLICA SANTO TORIBIO DE MOGROVEJO PRODUCTIVIDAD LABORAL Y PROTECCION SOCIAL DE LAS MYPES EN EL SECTOR COMERCIO DE LA CIUDAD DE CHICLAYO TESIS PARA OPTAR EL TÍTULO DE: ECONOMISTA AUTOR: Bach.Oscar
Más detalles1. Cómo introducir datos en SPSS/PC? - Recordatorio
1 Taller de Estadística Curso 2oo5/2oo6 Descripción de datos bivariantes El objetivo de esta práctica es familiarizarse con las técnicas de descripción de datos bidimensionales y con algunas de las opciones
Más detallesEstadística II Tema 4. Regresión lineal simple. Curso 2010/11
Estadística II Tema 4. Regresión lineal simple Curso 010/11 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores
Más detalles9. REGRESIÓN LINEAL. Dr. Edgar Acuña http://math.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ
9. REGRESIÓN LINEAL Dr. Edgar Acuña http://math.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ Ejemplo Ejemplo 3.23. El dueño de una empresa que vende carros desea determinar
Más detallesECONOMETRIA APLICADA NOTAS DATOS DE PANEL
ECONOMETRIA APLICADA NOTAS DATOS DE PANEL Revisión En una de las referencias clásicas en la literatura, Hsiao (1986) los describe como secciones cruzadas de individuos observadas a lo largo del tiempo.
Más detallesGuía CERO para datos de panel. Un enfoque práctico
Working Paper # 2014/16 Guía CERO para datos de panel. Un enfoque práctico Romilio Labra y Celia Torrecillas UAM-Accenture Working Papers ISSN: 2172-8143 Edited by: UAM-Accenture Chair on the Economics
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 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 detallesECONOMETRÍA CON ESTIMACIONES PARA MÉXICO. Guía para la solución de los ejemplos
ECONOMETRÍA CON ESTIMACIONES PARA MÉXICO Guía para la solución de los ejemplos Autora: María Delfina Ramírez Posgrado/ Facultad de Economía / UNAM Esta guía contiene las instrucciones de cómputo para los
Más detallesEstadísticos Descriptivos
ANÁLISIS EXPLORATORIO DE DATOS El análisis exploratorio tiene como objetivo identificar el modelo teórico más adecuado para representar la población de la cual proceden los datos muéstrales. Dicho análisis
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 detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detalles4.1 Análisis bivariado de asociaciones
4.1 Análisis bivariado de asociaciones Los gerentes posiblemente estén interesados en el grado de asociación entre dos variables Las técnicas estadísticas adecuadas para realizar este tipo de análisis
Más detallesCOMANDOS DE STATA REVISADOS EN ESTA CLASE
COMANDOS DE STATA REVISADOS EN ESTA CLASE Examinar los datos: entrega información sobre las variables y etiquetas permite explorar los datos cuenta
Más detallesDiferencia de la tasa de cambio
Ejemplo 1: Prueba de raíz unitaria de Dickey y Fuller Este ejemplo utiliza información del archivo erate1.wf1. Sea LO el logaritmo de la tasa de cambio oficial peso-dólar en Colombia para el período 197:1
Más detallesTUTORIAL PARA LA ESTIMACIÓN DE UN MODELO CON PRESENCIA DE HETEROCEDASTICIDAD EN EASYREG. Julio César Alonso C.
TUTORIAL PARA LA ESTIMACIÓN DE UN MODELO CON PRESENCIA DE HETEROCEDASTICIDAD EN EASYREG Julio César Alonso C. No. 15 Junio de 008 APUNTES DE ECONOMÍA ISSN 1794-09X No. 15, Junio de 008 Editor Julio César
Más detallesAnálisis de regresión lineal simple
Análisis de regresión lineal simple El propósito de un análisis de regresión es la predicción Su objetivo es desarrollar un modelo estadístico que se pueda usar para predecir los valores de una variable
Más detallesEJERCICIOS PROPUESTOS - ANÁLISIS DE REGRESION MULTIPLE
EJERCICIOS PROPUESTOS - ANÁLISIS DE REGRESION MULTIPLE. En un estudio diseñado para analizar l efect de añadir avena a la dieta estadounidense tradicional, se dividieron aleatoriamente l individu en d
Más detallesRegresión en Cadena. StatFolio de Ejemplo: ridge reg.sgp
Regresión en Cadena Resumen El procedimiento Regresión en Cadena está diseñado para ajustar un modelo de regresión múltiple cuando las variables independientes exhiben multicolinealidad. Multicolinealidad
Más detallesTema 5. Análisis de regresión (segunda parte) Estadística II, 2010/11
Tema 5 Análisis de regresión (segunda parte) Estadística II, 2010/11 Contenidos 5.1: Diagnóstico: Análisis de los residuos 5.2: La descomposición ANOVA (ANalysis Of VAriance) 5.3: Relaciones no lineales
Más detallesEstadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1
Estadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1 Relación entre dos variables Al estudiar conjuntos de variables con más de una variable, una pregunta
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 detalles10 12 CAPÍTULO 10. MODELOS DE VARIABLE DEPENDIENTE DISCRETA
10 12 CAPÍTULO 10. MODELOS DE VARIABLE DEPENDIENTE DISCRETA Ejemplo 10.1 Modelos Probit y Logit para la probabilidad de tener carro propio en Holanda El archivo NLCAR contiene información para 2,820 hogares
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detallesPráctica 5 ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS
Práctica. Intervalos de confianza 1 Práctica ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS Objetivos: Ilustrar el grado de fiabilidad de un intervalo de confianza cuando se utiliza
Más detallesCOMPETITIVIDAD A NIVEL PAÍS; UNA EVALUACIÒN DEL CASO BOLIVIA.
COMPETITIVIDAD A NIVEL PAÍS; UNA EVALUACIÒN DEL CASO BOLIVIA. CÓDIGO: 7054 Resumen La competitividad a nivel país entendida como la capacidad que tiene una economía de incrementar el nivel de vida de los
Más detallesCómo se hace la Prueba t a mano?
Cómo se hace la Prueba t a mano? Sujeto Grupo Grupo Grupo Grupo 33 089 74 5476 84 7056 75 565 3 94 8836 75 565 4 5 704 76 5776 5 4 6 76 5776 6 9 8 76 5776 7 4 78 6084 8 65 45 79 64 9 86 7396 80 6400 0
Más detalles. gen princ=(faminc-ww*whrs)/1000. . probit lfp wa kl6 k618 we princ
UCEMA ECONOMETRIA APLICADA - Probit- El archivo MROZ.xls tiene datos de un un estudio clásico donde se trata de estimar una ecuación de salarios para mujeres. La primer etapa del estudio es determinar
Más detallesEl análisis de la varianza de un factor es una extensión del test de t para dos muestras independientes, para comparar K muestras.
4. ANÁLISIS DE LA VARIANZA DE UN FACTOR 4. INTRODUCCIÓN 8 El análisis de la varianza de un factor es una extensión del test de t para dos muestras independientes, para comparar K muestras. Hemos visto
Más detallesECONOMETRIA ORDEN DE INTEGRACIÓN N Y RAÍCES UNITARIAS. Mtro. Horacio Catalán Alonso
ECONOMETRIA ORDEN DE INTEGRACIÓN N Y RAÍCES UNITARIAS Mtro. Horacio Catalán Alonso Orden de Integración ORDEN DE INTEGRACIÓN Econometría (1) X t = X t-1 + u t Como: E(u t ) = 0 y la Var(u t ) = 2 constante
Más detallesSOLUCIÓN A LOS EJERCICIOS DEL SPSS Bivariante
SOLUCIÓ A LOS EJERCICIOS DEL SPSS Bivariante. a). La media y la varianza de las variables estatura y peso en la escala de medida norteamericana. Peso Peso: Transformar -> Calcular: Libras.4536 Peso libras
Más detallesObjetivos del análisis de supervivencia
Regresión de Cox Javier Zamora Unidad de Bioestadística Clínica. IRYCIS 1 Objetivos del análisis de supervivencia Estimar e interpretar las curvas de supervivencia i y/o riesgo. Comparar curvas de supervivencia,
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detallesSegunda práctica de REGRESIÓN.
Segunda práctica de REGRESIÓN. DATOS: fichero practica regresión 2.sf3. Objetivo: El objetivo de esta práctica es interpretar una regresión y realizar correctamente la diagnosis. En la primera parte se
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
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 detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesANEXO USO DEL PROGRAMA GIVE-WIN Y PC-GIVE
ANEXO USO DEL PROGRAMA GIVE-WIN Y PC-GIVE Para la realización de la presente tesis se utilizó una versión demostrativa del paquete computacional llamado Versión 2.10 de febrero del año 2002. Este software
Más detallesCAPÍTULO 4 (Continuación): ESTADÍSTICA DESCRIPTIVA BIVARIADA
Página de CAPÍTULO (Continuación): ESTADÍSTICA DESCRIPTIVA BIVARIADA Relaciones entre dos variables cuantitativas A menudo nos va a interesar describir la relación o asociación entre dos variables. Como
Más detallesAdrian De León Arias. 1. Introducción.
EL CRECIMIENTO EN MEXICO Y SU INTERDEPENDENCIA CON ESTADOS UNIDOS: UN ANÁLISIS DE COINTEGRACIÓN. MEXICO S ECONOMIC GROWTH AND ITS INTERDEPENDENCE WITH THE UNITED STATES: A COINTEGRATION ANALYSIS- Adrian
Más detallesPregunta: Cómo podemos decidir si nuestros datos provienen de una distribución normal?
Pregunta: Cómo podemos decidir si nuestros datos provienen de una distribución normal? 1) Mirar el Histograma para ver si tiene forma de campana 2) Ver la relación entre la media y la mediana 3) Ver los
Más detalles4. Regresión Lineal Simple
1 4. Regresión Lineal Simple Introducción Una vez conociendo las medidas que se utilizan para expresar la fuerza y la dirección de la relación lineal entre dos variables, se tienen elementos base para
Más detallesScientia Et Technica ISSN: Universidad Tecnológica de Pereira Colombia
Scientia Et Technica ISSN: 01221701 scientia@utp.edu.co Universidad Tecnológica de Pereira Colombia URRUTIA MOSQUERA, JORGE ANDRÉS; SALAZAR, HEVER DARÍO; CRUZ TREJOS, EDUARDO ARTURO EVALUACIÓN DE LA ROBUSTEZ
Más detallesTipo de punta (factor) (bloques)
Ejemplo Diseño Bloques al Azar Ejercicio -6 (Pág. 99 Montgomery) Probeta Tipo de punta (factor) (bloques) 9. 9. 9.6 0.0 9. 9. 9.8 9.9 9. 9. 9.5 9.7 9.7 9.6 0.0 0. ) Representación gráfica de los datos
Más detallesFundamentos de Estadística y Simulación Básica
Fundamentos de Estadística y Simulación Básica TEMA 2 Estadística Descriptiva Clasificación de Variables Escalas de Medición Gráficos Tabla de frecuencias Medidas de Tendencia Central Medidas de Dispersión
Más detallesRegresión con variables independientes cualitativas
Regresión con variables independientes cualitativas.- Introducción...2 2.- Regresión con variable cualitativa dicotómica...2 3.- Regresión con variable cualitativa de varias categorías...6 2.- Introducción.
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.
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 detallesAPÉNDICE B ANOVA para las salsas comerciales
APÉNDICE B ANOVA para las salsas comerciales ANOVA de una vía para Densidad de salsas comerciales One-way ANOVA: Densidad versus Marca Marca 3 8727.7 2909.2 41.22 0.000 Error 8 564.6 70.6 Total 11 9292.4
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 detallesDiagnósticos regresión
Diagnósticos regresión de Cox Víctor Abraira Unidad de Bioestadística Clínica. IRYCIS 1 Diagnósticos de regresión Se trata de evaluar lo adecuado del modelo. Hay tres aspectos: Asunciones Bondad de ajuste
Más detallesACTIVIDAD 2: La distribución Normal
Actividad 2: La distribución Normal ACTIVIDAD 2: La distribución Normal CASO 2-1: CLASE DE BIOLOGÍA El Dr. Saigí es profesor de Biología en una prestigiosa universidad. Está preparando una clase en la
Más detallesTIPO DE CAMBIO REAL DETERMINANTES Y EFECTOS SOBRE LA CUENTA CORRIENTE. EXPORTACIONES NO TRADICIONALES
TIPO DE CAMBIO REAL DETERMINANTES Y EFECTOS SOBRE LA CUENTA CORRIENTE. EXPORTACIONES NO TRADICIONALES JEISON ANDRES BUITRAGO DANIEL ARAGON URREGO CARLOS ANDRES ZAPATA UNIVERSIDAD DEL TOLIMA FACULTAD DE
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 detallesMulticolinealidad. Universidad de Granada. RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17
Román Salmerón Gómez Universidad de Granada RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17 exacta: aproximada: exacta: aproximada: RSG Incumplimiento de las
Más detallesJorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http://www.docentes.unal.edu.co/jeortizt/
Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http://www.docentes.unal.edu.co/jeortizt/ 1 2 3 Analizador de Datos de Entrada (Input Analyzer) Menú: Tools / Input Analyzer 4 Analizador de Datos de Entrada
Más detalles