LA DIMENSIÓN DE LA SUBJETIVIDAD EN LA FORMACIÓN DEL VALOR INMOBILIARIO

Tamaño: px
Comenzar la demostración a partir de la página:

Download "LA DIMENSIÓN DE LA SUBJETIVIDAD EN LA FORMACIÓN DEL VALOR INMOBILIARIO"

Transcripción

1 LA DIMENSIÓN DE LA SUBJETIVIDAD EN LA FORMACIÓN DEL VALOR INMOBILIARIO APLICACIÓN DEL MÉTODO DE ANÁLISIS DE ECUACIONES ESTRUCTURALES AL MERCADO RESIDENCIAL DE LISBOA ANEXOS ALUMNO DIRECTOR DIRECTOR ANTÓNIO JORGE FERREIRA VAZ FEDERICO GARCÍA ERVITI JUAN FRANCISCO PADIAL MOLINA TESIS DOCTORAL UNIVERSIDAD POLITÉCNICA DE MADRID ESCUELA TÉCNICA SUPERIOR DE ARQUITECTURA DE MADRID PROGRAMA DOCTORADO CONSTRUCCIÓN Y TECNOLOGÍA 2013

2 LA DIMENSIÓN DE LA SUBJETIVIDAD EN LA FORMACIÓN DEL VALOR INMOBILIARIO APLICACIÓN DEL MÉTODO DE ANÁLISIS DE ECUACIONES ESTRUCTURALES AL MERCADO RESIDENCIAL DE LISBOA ANEXOS 10 ANEXOS 10.1 AEE :: OUTPUT MODELO COMPONENTE OBJETIVA/SUBJETIVA 10.2 AEE :: OUTPUT ANÁLISIS TEMPORAL (2 EN 2 AÑOS) 10.3 AEE :: ESTIMACIÓN MODELOS (COMPONENTE OBJETIVA/SUBJETIVA, ANÁLISIS POR DISTRITO Y ANÁLISIS TEMPORAL) 10.4 RL :: OUTPUT

3 LA DIMENSIÓN DE LA SUBJETIVIDAD EN LA FORMACIÓN DEL VALOR INMOBILIARIO APLICACIÓN DEL MÉTODO DE ANÁLISIS DE ECUACIONES ESTRUCTURALES AL MERCADO RESIDENCIAL DE LISBOA ANEXOS 10.1 AEE :: OUTPUT MODELO COMPONENTE OBJETIVA/SUBJETIVA

4 00 aee FINAL MODEL ALL DATA_81 06fev13.amw Página 1 de 9 C:\( j ) v\doutoramento ETSAM\_ TESE jv april12\ texto tese + modelos AEE\Modelos AEE WORK IN PROGRESS 12DEZ12\_Modelo FINAL Comp OBJECT + SUBJECTIV AEE\ 00 aee FINAL MODEL ALL DATA_81 06fev13.amw Analysis Summary Date and Time Date: quarta-feira, 6 de Fevereiro de 2013 Time: 11:18:17 Title jv Groups Group number 1 (Group number 1) Notes for Group (Group number 1) The model is recursive. Sample size = Variable Summary (Group number 1) Your model contains the following variables (Group number 1) Observed, endogenous variables ZCCCOMLOCord ZCCGLBLOCord ZCQEQURBord ZCNIVSOZNord ZCCONSVEXord_1 ZCCONSVINord_1 ZCCONSTRord ZCAPRCCNSord ZIndPRODconstructionAJUS ZIndConfConsumPT ZICLIMAECO ZVAVBANCINE ZMPVTBEM ZAREABEM ZCodigoTIPOLOGIA_a Unobserved, endogenous variables Sub_Localización Sub_Inmueble Unobserved, exogenous variables e16 e17 e20 e22 e25 e26 e27 e28 e30 Sub_Coyuntura e32 e35 e36 e39 COMPONENTE_SUBJETIVA e45 e46 COMPONENTE_OBJETIVA e47 e48 Variable counts (Group number 1) Number of variables in your model: 37 Number of observed variables: 15 Number of unobserved variables: 22 Number of exogenous variables: 20 Number of endogenous variables: 17 Parameter summary (Group number 1) Weights Covariances Variances Means Intercepts Total Fixed Labeled Unlabeled Total Assessment of normality (Group number 1) Variable min max skew c.r. kurtosis c.r. Página 1 de 9

5 00 aee FINAL MODEL ALL DATA_81 06fev13.amw Página 2 de 9 ZCodigoTIPOLOGIA_a -2,678 4,172,348 15,120 1,122 24,393 ZAREABEM -2,560 8,114 1,114 48,473 3,245 70,567 ZMPVTBEM -1,621 10,831 2, ,290 13, ,852 ZVAVBANCINE -3,261 1,472-1,103-47,963 1,899 41,305 ZICLIMAECO -2, ,951-41, ,588 ZIndConfConsumPT -2,325 1,474 -,604-26,279 -,769-16,725 ZIndPRODconstructionAJUS -3,133 1,063-1,077-46,865,423 9,201 ZCAPRCCNSord -4,235 3,697 -,693-30,164,905 19,693 ZCCONSTRord -4,297 3,741 -,756-32,900,985 21,416 ZCCONSVINord_1-1,577 3,249,079 3,437 -, ZCCONSVEXord_1-1,791 3,385 -,321-13,943 -,427-9,283 ZCNIVSOZNord -4,392 2,915 -,413-17,950 1,687 36,682 ZCQEQURBord -2,488 3,920 -,379-16,496 4,519 ZCCGLBLOCord -2,668 4,256 -,484-21,060 -,299-6,498 ZCCCOMLOCord -2,743 4,045 -,354-15,416,281 6,118 Multivariate 89, ,350 Observations farthest from the centroid (Mahalanobis distance) (Group number 1) Observation number Mahalanobis d-squared p1 p , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , Página 2 de 9

6 00 aee FINAL MODEL ALL DATA_81 06fev13.amw Página 3 de , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , Models Default model (Default model) Notes for Model (Default model) Computation of degrees of freedom (Default model) Number of distinct sample moments: 120 Number of distinct parameters to be estimated: 40 Degrees of freedom (120-40): 80 Result (Default model) Minimum was achieved Chi-square = 5361,398 Degrees of freedom = 80 Probability level = 0 Group number 1 (Group number 1 - Default model) Estimates (Group number 1 - Default model) Scalar Estimates (Group number 1 - Default model) Maximum Likelihood Estimates Regression Weights: (Group number 1 - Default model) Estimate S.E. C.R. P Label Sub_Localización <--- COMPONENTE_SUBJETIVA 10 Sub_Inmueble <--- COMPONENTE_SUBJETIVA 1, ,947 *** par_4 ZCCGLBLOCord <--- Sub_Localización, ,578 *** par_1 ZCCONSVINord_1 <--- Sub_Inmueble, ,291 *** par_2 ZIndConfConsumPT <--- Sub_Coyuntura, ,636 *** par_3 ZAREABEM <--- COMPONENTE_OBJETIVA 10 ZMPVTBEM <--- COMPONENTE_OBJETIVA, ,428 *** par_5 ZMPVTBEM <--- Sub_Coyuntura 0 7 2,933 3 par_6 ZCAPRCCNSord <--- Sub_Inmueble 10 ZCCONSTRord <--- Sub_Inmueble, ,886 *** par_8 ZCCCOMLOCord <--- Sub_Localización, ,220 *** par_9 ZCNIVSOZNord <--- Sub_Localización 10 ZCQEQURBord <--- Sub_Localización, ,546 *** par_10 ZVAVBANCINE <--- Sub_Coyuntura, ,388 *** par_11 ZICLIMAECO <--- Sub_Coyuntura 10 ZIndPRODconstructionAJUS <--- Sub_Coyuntura, ,479 *** par_12 Página 3 de 9

7 00 aee FINAL MODEL ALL DATA_81 06fev13.amw Página 4 de 9 ZCodigoTIPOLOGIA_a <--- COMPONENTE_OBJETIVA, ,115 *** par_13 ZCCONSVEXord_1 <--- Sub_Inmueble, ,437 *** par_14 ZMPVTBEM <--- COMPONENTE_SUBJETIVA -, ,929 *** par_21 Standardized Regression Weights: (Group number 1 - Default model) Estimate Sub_Localización <--- COMPONENTE_SUBJETIVA,829 Sub_Inmueble <--- COMPONENTE_SUBJETIVA,703 ZCCGLBLOCord <--- Sub_Localización,665 ZCCONSVINord_1 <--- Sub_Inmueble,548 ZIndConfConsumPT <--- Sub_Coyuntura,854 ZAREABEM <--- COMPONENTE_OBJETIVA,995 ZMPVTBEM <--- COMPONENTE_OBJETIVA,412 ZMPVTBEM <--- Sub_Coyuntura 8 ZCAPRCCNSord <--- Sub_Inmueble,971 ZCCONSTRord <--- Sub_Inmueble,964 ZCCCOMLOCord <--- Sub_Localización,648 ZCNIVSOZNord <--- Sub_Localización,750 ZCQEQURBord <--- Sub_Localización,402 ZVAVBANCINE <--- Sub_Coyuntura,893 ZICLIMAECO <--- Sub_Coyuntura,911 ZIndPRODconstructionAJUS <--- Sub_Coyuntura,863 ZCodigoTIPOLOGIA_a <--- COMPONENTE_OBJETIVA,732 ZCCONSVEXord_1 <--- Sub_Inmueble,578 ZMPVTBEM <--- COMPONENTE_SUBJETIVA -,589 Covariances: (Group number 1 - Default model) Estimate S.E. C.R. P Label Sub_Coyuntura <--> COMPONENTE_OBJETIVA -, ,421 *** par_7 COMPONENTE_SUBJETIVA <--> COMPONENTE_OBJETIVA -, ,902 *** par_15 Sub_Coyuntura <--> COMPONENTE_SUBJETIVA -, ,379 *** par_16 e32 <--> e36, ,885 *** par_17 e16 <--> e17, ,129 *** par_18 e25 <--> e26, ,440 *** par_19 e17 <--> e20, ,167 *** par_20 Correlations: (Group number 1 - Default model) Estimate Sub_Coyuntura <--> COMPONENTE_OBJETIVA -,073 COMPONENTE_SUBJETIVA <--> COMPONENTE_OBJETIVA -,595 Sub_Coyuntura <--> COMPONENTE_SUBJETIVA -,053 e32 <--> e36,188 e16 <--> e17,547 e25 <--> e26,594 e17 <--> e20,294 Variances: (Group number 1 - Default model) Estimate S.E. C.R. P Label Sub_Coyuntura, ,613 *** par_22 COMPONENTE_SUBJETIVA, ,302 *** par_23 COMPONENTE_OBJETIVA, ,583 *** par_24 e45, ,826 *** par_25 e46, ,091 *** par_26 e47 0 e16, ,708 *** par_27 e17, ,340 *** par_28 e20, ,896 *** par_29 e22, ,765 *** par_30 e25, ,085 *** par_31 e26, ,263 *** par_32 e27, ,625 *** par_33 e28, ,112 *** par_34 e30, ,565 *** par_35 e32, ,637 *** par_36 e35, ,608 *** par_37 e36, ,794 *** par_38 e39, ,245 *** par_39 e48, ,482 *** par_40 Squared Multiple Correlations: (Group number 1 - Default model) Estimate Sub_Inmueble,494 Sub_Localización,688 ZCodigoTIPOLOGIA_a,535 ZAREABEM,990 ZMPVTBEM,806 ZVAVBANCINE,797 Página 4 de 9

8 00 aee FINAL MODEL ALL DATA_81 06fev13.amw Página 5 de 9 ZICLIMAECO,829 ZIndConfConsumPT,730 ZIndPRODconstructionAJUS,744 ZCAPRCCNSord,943 ZCCONSTRord,928 ZCCONSVINord_1,300 ZCCONSVEXord_1,334 ZCNIVSOZNord,562 ZCQEQURBord,161 ZCCGLBLOCord,442 ZCCCOMLOCord,420 Matrices (Group number 1 - Default model) Factor Score Weights (Group number 1 - Default model) ZCodigoTIPOLOGIA_a ZAREABEM ZMPVTBEM ZVAVBANCINE ZICLIMAECO ZIndConfConsumPT ZIndPRO COMPONENTE_OBJETIVA 5, COMPONENTE_SUBJETIVA 1,035 -, Sub_Coyuntura 0-3 9,243,338,161 Sub_Inmueble Sub_Localización 0 0 -, Total Effects (Group number 1 - Default model) COMPONENTE_OBJETIVA COMPONENTE_SUBJETIVA Sub_Coyuntura Sub_Inmueble Sub_Localización Sub_Inmueble 0 1, Sub_Localización ZCodigoTIPOLOGIA_a, ZAREABEM ZMPVTBEM,414 -, ZVAVBANCINE 0 0, ZICLIMAECO ZIndConfConsumPT 0 0, ZIndPRODconstructionAJUS 0 0, ZCAPRCCNSord 0 1, ZCCONSTRord 0 1,089 0,992 0 ZCCONSVINord_1 0,605 0,551 0 ZCCONSVEXord_1 0,637 0,581 0 ZCNIVSOZNord ZCQEQURBord 0, ,536 ZCCGLBLOCord 0, ,869 ZCCCOMLOCord 0, ,864 Standardized Total Effects (Group number 1 - Default model) COMPONENTE_OBJETIVA COMPONENTE_SUBJETIVA Sub_Coyuntura Sub_Inmueble Sub_Localización Sub_Inmueble 0, Sub_Localización 0, ZCodigoTIPOLOGIA_a, ZAREABEM, ZMPVTBEM,412 -, ZVAVBANCINE 0 0, ZICLIMAECO 0 0, ZIndConfConsumPT 0 0, ZIndPRODconstructionAJUS 0 0, ZCAPRCCNSord 0,682 0,971 0 ZCCONSTRord 0,677 0,964 0 ZCCONSVINord_1 0,385 0,548 0 ZCCONSVEXord_1 0,406 0,578 0 ZCNIVSOZNord 0, ,750 ZCQEQURBord 0, ,402 ZCCGLBLOCord 0, ,665 ZCCCOMLOCord 0, ,648 Direct Effects (Group number 1 - Default model) COMPONENTE_OBJETIVA COMPONENTE_SUBJETIVA Sub_Coyuntura Sub_Inmueble Sub_Localización Sub_Inmueble 0 1, Sub_Localización ZCodigoTIPOLOGIA_a, ZAREABEM ZMPVTBEM,414 -, ZVAVBANCINE 0 0, ZICLIMAECO ZIndConfConsumPT 0 0, ZIndPRODconstructionAJUS 0 0, ZCAPRCCNSord ZCCONSTRord 0 0 0,992 0 ZCCONSVINord_ ,551 0 ZCCONSVEXord_ ,581 0 ZCNIVSOZNord ZCQEQURBord ,536 Página 5 de 9

9 00 aee FINAL MODEL ALL DATA_81 06fev13.amw Página 6 de 9 ZCCGLBLOCord ,869 ZCCCOMLOCord ,864 Standardized Direct Effects (Group number 1 - Default model) COMPONENTE_OBJETIVA COMPONENTE_SUBJETIVA Sub_Coyuntura Sub_Inmueble Sub_Localización Sub_Inmueble 0, Sub_Localización 0, ZCodigoTIPOLOGIA_a, ZAREABEM, ZMPVTBEM,412 -, ZVAVBANCINE 0 0, ZICLIMAECO 0 0, ZIndConfConsumPT 0 0, ZIndPRODconstructionAJUS 0 0, ZCAPRCCNSord 0 0 0,971 0 ZCCONSTRord 0 0 0,964 0 ZCCONSVINord_ ,548 0 ZCCONSVEXord_ ,578 0 ZCNIVSOZNord ,750 ZCQEQURBord ,402 ZCCGLBLOCord ,665 ZCCCOMLOCord ,648 Indirect Effects (Group number 1 - Default model) COMPONENTE_OBJETIVA COMPONENTE_SUBJETIVA Sub_Coyuntura Sub_Inmueble Sub_Localización Sub_Inmueble Sub_Localización ZCodigoTIPOLOGIA_a ZAREABEM ZMPVTBEM ZVAVBANCINE ZICLIMAECO ZIndConfConsumPT ZIndPRODconstructionAJUS ZCAPRCCNSord 0 1, ZCCONSTRord 0 1, ZCCONSVINord_1 0, ZCCONSVEXord_1 0, ZCNIVSOZNord ZCQEQURBord 0, ZCCGLBLOCord 0, ZCCCOMLOCord 0, Standardized Indirect Effects (Group number 1 - Default model) COMPONENTE_OBJETIVA COMPONENTE_SUBJETIVA Sub_Coyuntura Sub_Inmueble Sub_Localización Sub_Inmueble Sub_Localización ZCodigoTIPOLOGIA_a ZAREABEM ZMPVTBEM ZVAVBANCINE ZICLIMAECO ZIndConfConsumPT ZIndPRODconstructionAJUS ZCAPRCCNSord 0, ZCCONSTRord 0, ZCCONSVINord_1 0, ZCCONSVEXord_1 0, ZCNIVSOZNord 0, ZCQEQURBord 0, ZCCGLBLOCord 0, ZCCCOMLOCord 0, Modification Indices (Group number 1 - Default model) Covariances: (Group number 1 - Default model) M.I. Par Change e48 <--> e ,521,160 e47 <--> e ,532 -,127 Variances: (Group number 1 - Default model) M.I. Par Change Regression Weights: (Group number 1 - Default model) M.I. Par Change ZCodigoTIPOLOGIA_a <--- Sub_Inmueble 1003,471,213 Página 6 de 9

10 00 aee FINAL MODEL ALL DATA_81 06fev13.amw Página 7 de 9 Minimization History (Default model) Iteration Negative Smallest Condition # eigenvalues eigenvalue Diameter F NTries Ratio 0 e 14 -, , e* 9 -,438 2, ,914 20,649 2 e 3-1,263, ,885 5,980 3 e 2-1,057, , ,039 4 e 1 -,072, ,071 5,870 5 e ,477, ,383 10,752 6 e 0 407,247, , e 0 384,383, ,614 1,883 8 e , , ,129 9 e 0 719,705, , , e 0 794,659, , , e 0 808, , e 0 807, , Pairwise Parameter Comparisons (Default model) Variance-covariance Matrix of Estimates (Default model) par_1 par_2 par_3 par_4 par_5 par_6 par_7 par_8 par_9 par_10 par_11 par_12 par_13 par_14 par_15 par_16 par_17 p par_1 0 par_2 0 0 par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ Correlations of Estimates (Default model) par_1 par_2 par_3 par_4 par_5 par_6 par_7 par_8 par_9 par_10 par_11 par_12 par_13 par_14 par_15 par_16 par_17 p par_1 10 par_ par_ par_4, par_ par_ , par_ par_8 0, , par_9, , par_10, , , par_11 0 0, par_12 0 0, , par_ par_14 0, , , par_15, ,426, ,277, par_16, ,046 2,404 -,471 0, Página 7 de 9

11 00 aee FINAL MODEL ALL DATA_81 06fev13.amw Página 8 de 9 par_ , ,312 -, par_18 -, , ,334 -, , par_19 0 -, , par_20 -, , ,031 -, , par_21 -, ,429,711, ,277 -, , par_ , , ,404 -, ,059,105 par_23 -, ,674,193, ,437 -, ,681 -,073 0 par_ , ,543,047 0 par_25 -, ,043 -,261 -, ,337 -, , par_26 0 -, ,191 -,288 -, , ,064 -, par_27 -, , ,341 -, , par_28 -, , ,224 -, , par_29 -, , par_30, , ,404, , par_ , par_32 0 -, par_33 0 -,104 0, , , par_34 0, , , , par_ , ,139 par_ , ,176 -, ,601 par_37 0 0, ,337, ,363 par_ , ,335 -, ,618 par_ ,543, par_ Model Fit Summary CMIN Model NPAR CMIN DF P CMIN/DF Default model , Saturated model Independence model , ,484 RMR, GFI Model RMR GFI AGFI PGFI Default model,058,943,915,629 Saturated model 0 10 Independence model,332,360,268,315 Baseline Comparisons Model NFI RFI IFI TLI Delta1 rho1 Delta2 rho2 CFI Default model,957,944,958,945,958 Saturated model Independence model Parsimony-Adjusted Measures Model PRATIO PNFI PCFI Default model,762,729,730 Saturated model Independence model NCP Model NCP LO 90 HI 90 Default model 5281, , ,518 Saturated model Independence model , , ,716 FMIN Model FMIN F0 LO 90 HI 90 Default model,472,465,444,487 Saturated model Independence model 11,086 11,077 10,975 11,180 RMSEA Model RMSEA LO 90 HI 90 PCLOSE Default model,076,075,078 0 Independence model,325,323,326 0 AIC Model AIC BCC BIC CAIC Default model 5441, , , ,884 Saturated model , , ,458 Independence model , , , ,889 Página 8 de 9

12 00 aee FINAL MODEL ALL DATA_81 06fev13.amw Página 9 de 9 ECVI Model ECVI LO 90 HI 90 MECVI Default model,479,459,501,479 Saturated model Independence model 11,089 10,986 11,192 11,089 HOELTER Model HOELTER HOELTER Default model Independence model Execution time summary Minimization: 9 Miscellaneous: 1,254 Bootstrap: 0 Total: 1,283 Página 9 de 9

13 LA DIMENSIÓN DE LA SUBJETIVIDAD EN LA FORMACIÓN DEL VALOR INMOBILIARIO APLICACIÓN DEL MÉTODO DE ANÁLISIS DE ECUACIONES ESTRUCTURALES AL MERCADO RESIDENCIAL DE LISBOA ANEXOS 10.2 AEE :: OUTPUT ANÁLISIS TEMPORAL (2 EN 2 AÑOS) 232

14 03 aee FINAL MODEL ALL DATA_81 19dez12_analisis 2n2 anos.amw Página 1 de 18 C:\( j ) v\doutoramento ETSAM\_ TESE jv april12\ texto tese + modelos AEE\Modelos AEE WORK IN PROGRESS 12DEZ12\_Modelo FINAL Comp OBJECT + SUBJECTIV AEE\ 03 aee FINAL MODEL ALL DATA_81 19dez12_analisis 2n2 anos.amw Analysis Summary Date and Time Date: quarta-feira, 19 de Dezembro de 2012 Time: 15:33:26 Title jv Groups Group number 1 (Group number 1) Notes for Group (Group number 1) The model is recursive. Sample size = 5729 Variable Summary (2006 a 2008) Your model contains the following variables (2006 a 2008) Observed, endogenous variables ZCCCOMLOCord ZCCGLBLOCord ZCQEQURBord ZCNIVSOZNord ZCCONSVEXord_1 ZCCONSVINord_1 ZCCONSTRord ZCAPRCCNSord ZIndPRODconstructionAJUS ZIndConfConsumPT ZICLIMAECO ZVAVBANCINE ZMPVTBEM ZAREABEM ZCodigoTIPOLOGIA_a Unobserved, endogenous variables Sub_Localización Sub_Inmueble Unobserved, exogenous variables e16 e17 e20 e22 e25 e26 e27 e28 e30 Sub_Coyuntura e32 e35 e36 e39 COMPONENTE_SUBJECTIVA e45 e46 COMPONENTE_OBJECTIVA e47 e48 Variable counts (2006 a 2008) Number of variables in your model: 37 Number of observed variables: 15 Number of unobserved variables: 22 Number of exogenous variables: 20 Number of endogenous variables: 17 Parameter summary (2006 a 2008) Weights Covariances Variances Means Intercepts Total Fixed Labeled Unlabeled Total Assessment of normality (2006 a 2008) Variable min max skew c.r. kurtosis c.r.

15 03 aee FINAL MODEL ALL DATA_81 19dez12_analisis 2n2 anos.amw Página 2 de 18 ZCodigoTIPOLOGIA_a -2,678 4,172,327 10,097 1,185 18,314 ZAREABEM -2,473 6, ,326 2,545 39,318 ZMPVTBEM -1,480 9,692 2,656 82,079 11, ZVAVBANCINE -,903 1,472 -,537-16,593 -,411-6,351 ZICLIMAECO -, ,931-59,676 4,404 68,040 ZIndConfConsumPT -,729 1,474 -,685-21,171 -,295-4,558 ZIndPRODconstructionAJUS,262 1,063 -,793-24,510 -,749-11,579 ZCAPRCCNSord -4,235 3,697 -,576-17,807,559 8,643 ZCCONSTRord -4,297 3,741 -,655-20,243,657 10,154 ZCCONSVINord_1-1,577 3,249,242 7,468,145 2,233 ZCCONSVEXord_1-1,791 3,385 -,232-7,166 -,408-6,300 ZCNIVSOZNord -4,392 2,915 -,282-8,699 1,734 26,796 ZCQEQURBord -2,488 3,920 -,281-8,677 -,328-5,074 ZCCGLBLOCord -2,668 4,256 -,310-9,571 -,448-6,928 ZCCCOMLOCord -2,743 4,045 -,235-7,249,218 3,372 Multivariate 90, ,453 Observations farthest from the centroid (Mahalanobis distance) (2006 a 2008) Observation number Mahalanobis d-squared p1 p , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

16 03 aee FINAL MODEL ALL DATA_81 19dez12_analisis 2n2 anos.amw Página 3 de 18 Group number 2 (Group number 2) Notes for Group (Group number 2) The model is recursive. Sample size = 3849 Variable Summary (2008 a 2010) Your model contains the following variables (2008 a 2010) Observed, endogenous variables ZCCCOMLOCord ZCCGLBLOCord ZCQEQURBord ZCNIVSOZNord ZCCONSVEXord_1 ZCCONSVINord_1 ZCCONSTRord ZCAPRCCNSord ZIndPRODconstructionAJUS ZIndConfConsumPT ZICLIMAECO ZVAVBANCINE ZMPVTBEM ZAREABEM ZCodigoTIPOLOGIA_a Unobserved, endogenous variables Sub_Localización Sub_Inmueble Unobserved, exogenous variables e16 e17 e20 e22 e25 e26 e27 e28 e30 Sub_Coyuntura e32 e35 e36 e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

17 03 aee FINAL MODEL ALL DATA_81 19dez12_analisis 2n2 anos.amw Página 4 de 18 COMPONENTE_SUBJECTIVA e45 e46 COMPONENTE_OBJECTIVA e47 e48 Variable counts (2008 a 2010) Number of variables in your model: 37 Number of observed variables: 15 Number of unobserved variables: 22 Number of exogenous variables: 20 Number of endogenous variables: 17 Parameter summary (2008 a 2010) Weights Covariances Variances Means Intercepts Total Fixed Labeled Unlabeled Total Assessment of normality (2008 a 2010) Variable min max skew c.r. kurtosis c.r. ZCodigoTIPOLOGIA_a -2,678 4,172,397 10,053 1,054 13,347 ZAREABEM -2,560 6,054,944 23,901 2,080 26,335 ZMPVTBEM -1,621 9,612 2,766 70,055 12, ,153 ZVAVBANCINE -,635,293,097 2,459-1,248-15,799 ZICLIMAECO -1,699,162 -, ,648-8,211 ZIndConfConsumPT -1,880 1,224 -,283-7,175 -,663-8,400 ZIndPRODconstructionAJUS -1,423,384 -, ,636-8,049 ZCAPRCCNSord -4,235 3,697 -,878-22,232 1,503 19,031 ZCCONSTRord -4,297 3,741 -,932-23,599 1,498 18,969 ZCCONSVINord_1-1,577 3,249 -,062-1,571 -,601-7,605 ZCCONSVEXord_1-1,791 3,385 -,359-9,083 -,581-7,362 ZCNIVSOZNord -4,392 2,915 -,480-12,154 1,648 20,871 ZCQEQURBord -2,488 3,920 -,541-13,712,168 2,133 ZCCGLBLOCord -2,668 4,256 -,576-14,599 -,232-2,935 ZCCCOMLOCord -2,743 4,045 -,438-11,090,264 3,345 Multivariate ,652 Observations farthest from the centroid (Mahalanobis distance) (2008 a 2010) Observation number Mahalanobis d-squared p1 p , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

18 03 aee FINAL MODEL ALL DATA_81 19dez12_analisis 2n2 anos.amw Página 5 de 18 Group number 3 (Group number 3) Notes for Group (Group number 3) The model is recursive. Sample size = 1774 Variable Summary (2010 a 2012) Your model contains the following variables (2010 a 2012) Observed, endogenous variables ZCCCOMLOCord ZCCGLBLOCord ZCQEQURBord ZCNIVSOZNord ZCCONSVEXord_1 ZCCONSVINord_1 ZCCONSTRord ZCAPRCCNSord , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

19 03 aee FINAL MODEL ALL DATA_81 19dez12_analisis 2n2 anos.amw Página 6 de 18 ZIndPRODconstructionAJUS ZIndConfConsumPT ZICLIMAECO ZVAVBANCINE ZMPVTBEM ZAREABEM ZCodigoTIPOLOGIA_a Unobserved, endogenous variables Sub_Localización Sub_Inmueble Unobserved, exogenous variables e16 e17 e20 e22 e25 e26 e27 e28 e30 Sub_Coyuntura e32 e35 e36 e39 COMPONENTE_SUBJECTIVA e45 e46 COMPONENTE_OBJECTIVA e47 e48 Variable counts (2010 a 2012) Number of variables in your model: 37 Number of observed variables: 15 Number of unobserved variables: 22 Number of exogenous variables: 20 Number of endogenous variables: 17 Parameter summary (2010 a 2012) Weights Covariances Variances Means Intercepts Total Fixed Labeled Unlabeled Total Assessment of normality (2010 a 2012) Variable min max skew c.r. kurtosis c.r. ZCodigoTIPOLOGIA_a -2,678 4,172,293 5,037 1,058 9,100 ZAREABEM -2,502 8,114 1,470 25,277 5,226 44,928 ZMPVTBEM -1,469 10,831 2,934 50,453 15, ,573 ZVAVBANCINE -3,261 -,528 -,417-7,178-1,370-11,776 ZICLIMAECO -2,659 -,258 -,209-3,589-1,354-11,642 ZIndConfConsumPT -2,325-1,087 -,335-5, ,773 ZIndPRODconstructionAJUS -3,133 -,968 -,505-8,680 -, ZCAPRCCNSord -4,235 3,697 -,696-11,960,965 8,297 ZCCONSTRord -4,297 3,741 -,732-12,585 1,085 9,324 ZCCONSVINord_1-1,577 3,249 -,165-2,842 -,095 -,814 ZCCONSVEXord_1-1,791 3,385 -,522-8,980 9,250 ZCNIVSOZNord -4,392 2,915 -,631-10,842 1,541 13,247 ZCQEQURBord -2,488 3,920 -,402-6,917,969 8,327 ZCCGLBLOCord -2,668 4,256 -,891-15,327,511 4,390 ZCCCOMLOCord -2,743 4,045 -,573-9,845,829 7,124 Multivariate ,996 Observations farthest from the centroid (Mahalanobis distance) (2010 a 2012) Observation number Mahalanobis d-squared p1 p , , , , , , , , , , , ,

20 03 aee FINAL MODEL ALL DATA_81 19dez12_analisis 2n2 anos.amw Página 7 de , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

21 03 aee FINAL MODEL ALL DATA_81 19dez12_analisis 2n2 anos.amw Página 8 de 18 34, , , , , , Models Default model (Default model) Notes for Model (Default model) Computation of degrees of freedom (Default model) Number of distinct sample moments: 360 Number of distinct parameters to be estimated: 120 Degrees of freedom ( ): 240 Result (Default model) Minimum was achieved Chi-square = 6096,712 Degrees of freedom = 240 Probability level = a 2008 (2006 a Default model) Estimates (2006 a Default model) Scalar Estimates (2006 a Default model) Maximum Likelihood Estimates Regression Weights: (2006 a Default model) Estimate S.E. C.R. P Label Sub_Localización <--- COMPONENTE_SUBJECTIVA 10 Sub_Inmueble <--- COMPONENTE_SUBJECTIVA 1,181,031 38,453 *** par_4 ZCCGLBLOCord <--- Sub_Localización, ,869 *** par_1 ZCCONSVINord_1 <--- Sub_Inmueble, ,641 *** par_2 ZIndConfConsumPT <--- Sub_Coyuntura 1,373,361 3,805 *** par_3 ZAREABEM <--- COMPONENTE_OBJECTIVA 10 ZMPVTBEM <--- COMPONENTE_OBJECTIVA, ,226 *** par_5 ZMPVTBEM <--- Sub_Coyuntura,086,070 1,229,219 par_6 ZCAPRCCNSord <--- Sub_Inmueble 10 ZCCONSTRord <--- Sub_Inmueble, ,185 *** par_8 ZCCCOMLOCord <--- Sub_Localización, ,715 *** par_9 ZCNIVSOZNord <--- Sub_Localización 10 ZCQEQURBord <--- Sub_Localización, ,368 *** par_10 ZVAVBANCINE <--- Sub_Coyuntura 1,114,299 3,723 *** par_11 ZICLIMAECO <--- Sub_Coyuntura 10 ZIndPRODconstructionAJUS <--- Sub_Coyuntura -,181,047-3,820 *** par_12 ZCodigoTIPOLOGIA_a <--- COMPONENTE_OBJECTIVA, ,122 *** par_13 ZCCONSVEXord_1 <--- Sub_Inmueble, ,461 *** par_14 ZMPVTBEM <--- COMPONENTE_SUBJECTIVA -, ,475 *** par_21 Standardized Regression Weights: (2006 a Default model) Estimate Sub_Localización <--- COMPONENTE_SUBJECTIVA,845 Sub_Inmueble <--- COMPONENTE_SUBJECTIVA,724 ZCCGLBLOCord <--- Sub_Localización,671 ZCCONSVINord_1 <--- Sub_Inmueble,555 ZIndConfConsumPT <--- Sub_Coyuntura,396 ZAREABEM <--- COMPONENTE_OBJECTIVA,995 ZMPVTBEM <--- COMPONENTE_OBJECTIVA,452 ZMPVTBEM <--- Sub_Coyuntura 4 ZCAPRCCNSord <--- Sub_Inmueble,970 ZCCONSTRord <--- Sub_Inmueble,962 ZCCCOMLOCord <--- Sub_Localización,651 ZCNIVSOZNord <--- Sub_Localización,733 ZCQEQURBord <--- Sub_Localización,412 ZVAVBANCINE <--- Sub_Coyuntura,267 ZICLIMAECO <--- Sub_Coyuntura,659 ZIndPRODconstructionAJUS <--- Sub_Coyuntura -,118 ZCodigoTIPOLOGIA_a <--- COMPONENTE_OBJECTIVA,727 ZCCONSVEXord_1 <--- Sub_Inmueble,594 ZMPVTBEM <--- COMPONENTE_SUBJECTIVA -,529 Covariances: (2006 a Default model) Estimate S.E. C.R. P Label Sub_Coyuntura <--> COMPONENTE_OBJECTIVA ,830,067 par_7 COMPONENTE_SUBJECTIVA <--> COMPONENTE_OBJECTIVA -, ,275 *** par_15

22 03 aee FINAL MODEL ALL DATA_81 19dez12_analisis 2n2 anos.amw Página 9 de 18 Sub_Coyuntura <--> COMPONENTE_SUBJECTIVA 4 2 1,591,112 par_16 e32 <--> e36, ,700 *** par_17 e16 <--> e17, ,175 *** par_18 e25 <--> e26, ,683 *** par_19 e17 <--> e20, ,117 *** par_20 Correlations: (2006 a Default model) Estimate Sub_Coyuntura <--> COMPONENTE_OBJECTIVA -,035 COMPONENTE_SUBJECTIVA <--> COMPONENTE_OBJECTIVA -,605 Sub_Coyuntura <--> COMPONENTE_SUBJECTIVA,037 e32 <--> e36,823 e16 <--> e17,533 e25 <--> e26,529 e17 <--> e20,335 Variances: (2006 a Default model) Estimate S.E. C.R. P Label Sub_Coyuntura 5 7 3,775 *** par_64 COMPONENTE_SUBJECTIVA, ,711 *** par_65 COMPONENTE_OBJECTIVA, ,938 *** par_66 e45, ,916 *** par_67 e46, ,470 *** par_68 e47 0 e16, ,477 *** par_69 e17, ,875 *** par_70 e20, ,059 *** par_71 e22, ,361 *** par_72 e25, ,518 *** par_73 e26, ,697 *** par_74 e27, ,887 *** par_75 e28, ,402 *** par_76 e30, ,412 *** par_77 e32, ,088 *** par_78 e35, ,953 *** par_79 e36, ,443 *** par_80 e39, ,683 *** par_81 e48, ,881 *** par_82 Squared Multiple Correlations: (2006 a Default model) Estimate Sub_Inmueble,524 Sub_Localización,714 ZCodigoTIPOLOGIA_a,528 ZAREABEM,989 ZMPVTBEM,774 ZVAVBANCINE,071 ZICLIMAECO,434 ZIndConfConsumPT,157 ZIndPRODconstructionAJUS 4 ZCAPRCCNSord,941 ZCCONSTRord,926 ZCCONSVINord_1,308 ZCCONSVEXord_1,352 ZCNIVSOZNord,538 ZCQEQURBord,170 ZCCGLBLOCord,450 ZCCCOMLOCord,423 Matrices (2006 a Default model) Factor Score Weights (2006 a Default model) ZCodigoTIPOLOGIA_a ZAREABEM ZMPVTBEM ZVAVBANCINE ZICLIMAECO ZIndConfConsumPT ZIndPR COMPONENTE_OBJECTIVA 6, COMPONENTE_SUBJECTIVA 0 3 -, Sub_Coyuntura ,030,386,100 Sub_Inmueble Sub_Localización 0 8 -, Modification Indices (2006 a Default model) Covariances: (2006 a Default model) M.I. Par Change Variances: (2006 a Default model) M.I. Par Change

23 03 aee FINAL MODEL ALL DATA_81 19dez12_analisis 2n2 anos.amw Página 10 de 18 Regression Weights: (2006 a Default model) M.I. Par Change 2008 a 2010 (2008 a Default model) Estimates (2008 a Default model) Scalar Estimates (2008 a Default model) Maximum Likelihood Estimates Regression Weights: (2008 a Default model) Estimate S.E. C.R. P Label Sub_Localización <--- COMPONENTE_SUBJECTIVA 10 Sub_Inmueble <--- COMPONENTE_SUBJECTIVA 1,061,034 31,649 *** par_25 ZCCGLBLOCord <--- Sub_Localización, ,937 *** par_22 ZCCONSVINord_1 <--- Sub_Inmueble, ,402 *** par_23 ZIndConfConsumPT <--- Sub_Coyuntura, ,738 *** par_24 ZAREABEM <--- COMPONENTE_OBJECTIVA 10 ZMPVTBEM <--- COMPONENTE_OBJECTIVA, ,873 *** par_26 ZMPVTBEM <--- Sub_Coyuntura 9 6 1,492,136 par_27 ZCAPRCCNSord <--- Sub_Inmueble 10 ZCCONSTRord <--- Sub_Inmueble ,954 *** par_29 ZCCCOMLOCord <--- Sub_Localización, ,282 *** par_30 ZCNIVSOZNord <--- Sub_Localización 10 ZCQEQURBord <--- Sub_Localización, ,264 *** par_31 ZVAVBANCINE <--- Sub_Coyuntura, ,166 *** par_32 ZICLIMAECO <--- Sub_Coyuntura 10 ZIndPRODconstructionAJUS <--- Sub_Coyuntura -, ,398 *** par_33 ZCodigoTIPOLOGIA_a <--- COMPONENTE_OBJECTIVA, ,481 *** par_34 ZCCONSVEXord_1 <--- Sub_Inmueble, ,668 *** par_35 ZMPVTBEM <--- COMPONENTE_SUBJECTIVA -1,108,048-23,108 *** par_42 Standardized Regression Weights: (2008 a Default model) Estimate Sub_Localización <--- COMPONENTE_SUBJECTIVA,784 Sub_Inmueble <--- COMPONENTE_SUBJECTIVA,682 ZCCGLBLOCord <--- Sub_Localización,648 ZCCONSVINord_1 <--- Sub_Inmueble,550 ZIndConfConsumPT <--- Sub_Coyuntura,441 ZAREABEM <--- COMPONENTE_OBJECTIVA,995 ZMPVTBEM <--- COMPONENTE_OBJECTIVA,354 ZMPVTBEM <--- Sub_Coyuntura 8 ZCAPRCCNSord <--- Sub_Inmueble,969 ZCCONSTRord <--- Sub_Inmueble,968 ZCCCOMLOCord <--- Sub_Localización,633 ZCNIVSOZNord <--- Sub_Localización,766 ZCQEQURBord <--- Sub_Localización,403 ZVAVBANCINE <--- Sub_Coyuntura,290 ZICLIMAECO <--- Sub_Coyuntura 1,446 ZIndPRODconstructionAJUS <--- Sub_Coyuntura -,495 ZCodigoTIPOLOGIA_a <--- COMPONENTE_OBJECTIVA,735 ZCCONSVEXord_1 <--- Sub_Inmueble,563 ZMPVTBEM <--- COMPONENTE_SUBJECTIVA -,665 Covariances: (2008 a Default model) Estimate S.E. C.R. P Label Sub_Coyuntura <--> COMPONENTE_OBJECTIVA ,263,207 par_28 COMPONENTE_SUBJECTIVA <--> COMPONENTE_OBJECTIVA -, ,335 *** par_36 Sub_Coyuntura <--> COMPONENTE_SUBJECTIVA 1 5 3,988 *** par_37 e32 <--> e36, ,940 *** par_38 e16 <--> e17, ,284 *** par_39 e25 <--> e26, ,924 *** par_40 e17 <--> e20, ,644 *** par_41 Correlations: (2008 a Default model) Estimate Sub_Coyuntura <--> COMPONENTE_OBJECTIVA -0 COMPONENTE_SUBJECTIVA <--> COMPONENTE_OBJECTIVA -,594 Sub_Coyuntura <--> COMPONENTE_SUBJECTIVA,040 e32 <--> e36,189 e16 <--> e17,586 e25 <--> e26,669 e17 <--> e20,248 Variances: (2008 a Default model) Estimate S.E. C.R. P Label Sub_Coyuntura,759,033 23,224 *** par_83

24 03 aee FINAL MODEL ALL DATA_81 19dez12_analisis 2n2 anos.amw Página 11 de 18 COMPONENTE_SUBJECTIVA, ,164 *** par_84 COMPONENTE_OBJECTIVA, ,406 *** par_85 e45, ,471 *** par_86 e46, ,063 *** par_87 e47 0 e16, ,202 *** par_88 e17, ,995 *** par_89 e20, ,220 *** par_90 e22, ,885 *** par_91 e25, ,214 *** par_92 e26, ,255 *** par_93 e27, ,611 *** par_94 e28, ,169 *** par_95 e30, ,343 *** par_96 e32, ,726 *** par_97 e35 -,396,034-11,611 *** par_98 e36, ,959 *** par_99 e39, ,997 *** par_100 e48, ,334 *** par_101 Squared Multiple Correlations: (2008 a Default model) Estimate Sub_Inmueble,465 Sub_Localización,615 ZCodigoTIPOLOGIA_a,540 ZAREABEM,990 ZMPVTBEM,847 ZVAVBANCINE,084 ZICLIMAECO 2,090 ZIndConfConsumPT,194 ZIndPRODconstructionAJUS,245 ZCAPRCCNSord,940 ZCCONSTRord,937 ZCCONSVINord_1,302 ZCCONSVEXord_1,317 ZCNIVSOZNord,586 ZCQEQURBord,162 ZCCGLBLOCord,419 ZCCCOMLOCord,401 Matrices (2008 a Default model) Factor Score Weights (2008 a Default model) ZCodigoTIPOLOGIA_a ZAREABEM ZMPVTBEM ZVAVBANCINE ZICLIMAECO ZIndConfConsumPT ZIndPR COMPONENTE_OBJECTIVA 6, COMPONENTE_SUBJECTIVA 1,062 -,432-3,063-8 Sub_Coyuntura -1 -,036,033-2,294 6,304-1,759 Sub_Inmueble Sub_Localización 1,032 -,225-2,033-9 Notes for Model (2008 a Default model) The following variances are negative. (2008 a Default model) e35 -,396 Notes for Group/Model (2008 a Default model) This solution is not admissible. Modification Indices (2008 a Default model) Covariances: (2008 a Default model) M.I. Par Change Variances: (2008 a Default model) M.I. Par Change Regression Weights: (2008 a Default model) M.I. Par Change 2010 a 2012 (2010 a Default model) Estimates (2010 a Default model) Scalar Estimates (2010 a Default model) Maximum Likelihood Estimates

25 03 aee FINAL MODEL ALL DATA_81 19dez12_analisis 2n2 anos.amw Página 12 de 18 Regression Weights: (2010 a Default model) Estimate S.E. C.R. P Label Sub_Localización <--- COMPONENTE_SUBJECTIVA 10 Sub_Inmueble <--- COMPONENTE_SUBJECTIVA,932,039 23,927 *** par_46 ZCCGLBLOCord <--- Sub_Localización,803,032 25,107 *** par_43 ZCCONSVINord_1 <--- Sub_Inmueble, *** par_44 ZIndConfConsumPT <--- Sub_Coyuntura, ,695 *** par_45 ZAREABEM <--- COMPONENTE_OBJECTIVA 10 ZMPVTBEM <--- COMPONENTE_OBJECTIVA, ,418 *** par_47 ZMPVTBEM <--- Sub_Coyuntura, ,179 *** par_48 ZCAPRCCNSord <--- Sub_Inmueble 10 ZCCONSTRord <--- Sub_Inmueble ,073 *** par_50 ZCCCOMLOCord <--- Sub_Localización,769,031 24,818 *** par_51 ZCNIVSOZNord <--- Sub_Localización 10 ZCQEQURBord <--- Sub_Localización,420,031 13,507 *** par_52 ZVAVBANCINE <--- Sub_Coyuntura 1, ,865 *** par_53 ZICLIMAECO <--- Sub_Coyuntura 10 ZIndPRODconstructionAJUS <--- Sub_Coyuntura, ,502 *** par_54 ZCodigoTIPOLOGIA_a <--- COMPONENTE_OBJECTIVA, ,782 *** par_55 ZCCONSVEXord_1 <--- Sub_Inmueble, ,186 *** par_56 ZMPVTBEM <--- COMPONENTE_SUBJECTIVA -1,039,059-17,605 *** par_63 Standardized Regression Weights: (2010 a Default model) Estimate Sub_Localización <--- COMPONENTE_SUBJECTIVA,834 Sub_Inmueble <--- COMPONENTE_SUBJECTIVA,685 ZCCGLBLOCord <--- Sub_Localización,675 ZCCONSVINord_1 <--- Sub_Inmueble,523 ZIndConfConsumPT <--- Sub_Coyuntura,668 ZAREABEM <--- COMPONENTE_OBJECTIVA,996 ZMPVTBEM <--- COMPONENTE_OBJECTIVA,383 ZMPVTBEM <--- Sub_Coyuntura,060 ZCAPRCCNSord <--- Sub_Inmueble,976 ZCCONSTRord <--- Sub_Inmueble,960 ZCCCOMLOCord <--- Sub_Localización,668 ZCNIVSOZNord <--- Sub_Localización,812 ZCQEQURBord <--- Sub_Localización,356 ZVAVBANCINE <--- Sub_Coyuntura,987 ZICLIMAECO <--- Sub_Coyuntura,986 ZIndPRODconstructionAJUS <--- Sub_Coyuntura,885 ZCodigoTIPOLOGIA_a <--- COMPONENTE_OBJECTIVA,739 ZCCONSVEXord_1 <--- Sub_Inmueble,556 ZMPVTBEM <--- COMPONENTE_SUBJECTIVA -,635 Covariances: (2010 a Default model) Estimate S.E. C.R. P Label Sub_Coyuntura <--> COMPONENTE_OBJECTIVA ,255,209 par_49 COMPONENTE_SUBJECTIVA <--> COMPONENTE_OBJECTIVA -, ,405 *** par_57 Sub_Coyuntura <--> COMPONENTE_SUBJECTIVA 6 5,375,708 par_58 e32 <--> e ,968 *** par_59 e16 <--> e17, ,440 *** par_60 e25 <--> e26, ,335 *** par_61 e17 <--> e20, ,136 *** par_62 Correlations: (2010 a Default model) Estimate Sub_Coyuntura <--> COMPONENTE_OBJECTIVA -,030 COMPONENTE_SUBJECTIVA <--> COMPONENTE_OBJECTIVA -,616 Sub_Coyuntura <--> COMPONENTE_SUBJECTIVA 1 e32 <--> e36 -,331 e16 <--> e17,489 e25 <--> e26,600 e17 <--> e20,258 Variances: (2010 a Default model) Estimate S.E. C.R. P Label Sub_Coyuntura, ,859 *** par_102 COMPONENTE_SUBJECTIVA,484,034 14,326 *** par_103 COMPONENTE_OBJECTIVA 1,276,043 29,547 *** par_104 e45, ,689 *** par_105 e46, ,510 *** par_106 e47 0 e16, ,491 *** par_107 e17, *** par_108 e20, ,725 *** par_109 e22, ,288 *** par_110 e25, ,362 *** par_111

26 03 aee FINAL MODEL ALL DATA_81 19dez12_analisis 2n2 anos.amw Página 13 de 18 e26, ,430 *** par_112 e27, ,610 *** par_113 e28, ,891 *** par_114 e30, ,475 *** par_115 e32, ,118 *** par_116 e ,635 *** par_117 e ,616 *** par_118 e39, ,645 *** par_119 e48, ,504 *** par_120 Squared Multiple Correlations: (2010 a Default model) Estimate Sub_Inmueble,469 Sub_Localización,696 ZCodigoTIPOLOGIA_a,546 ZAREABEM,992 ZMPVTBEM,851 ZVAVBANCINE,975 ZICLIMAECO,972 ZIndConfConsumPT,446 ZIndPRODconstructionAJUS,784 ZCAPRCCNSord,953 ZCCONSTRord,922 ZCCONSVINord_1,274 ZCCONSVEXord_1,309 ZCNIVSOZNord,659 ZCQEQURBord,127 ZCCGLBLOCord,456 ZCCCOMLOCord,446 Matrices (2010 a Default model) Factor Score Weights (2010 a Default model) ZCodigoTIPOLOGIA_a ZAREABEM ZMPVTBEM ZVAVBANCINE ZICLIMAECO ZIndConfConsumPT ZIndPR COMPONENTE_OBJECTIVA 4, COMPONENTE_SUBJECTIVA 1,061 -, Sub_Coyuntura 0-1 2,390,396,108 Sub_Inmueble Sub_Localización 0,031 -, Modification Indices (2010 a Default model) Covariances: (2010 a Default model) M.I. Par Change Variances: (2010 a Default model) M.I. Par Change Regression Weights: (2010 a Default model) M.I. Par Change Minimization History (Default model) Iteration Negative Smallest Condition # eigenvalues eigenvalue Diameter F NTries Ratio 0 e 47 -, , e* 38-1,714 1, , e 36 -,491, ,998 6,965 3 e* 33 -,953, ,737 7,860 4 e 27 -,541, ,875 5 e 23-2,977, ,777 6 e 23 -,868, ,828 5,987 7 e* 18 -,190, ,843 8 e* 12 -,780 1, ,987 7,946 9 e* 11 -,266, ,037 6, e 10 -,102, ,234 5, e* 10 -,349, ,954 6, e* 7 -,239, ,962 5, e* 4-10, ,699 6, e 3 -,665, ,073 6, e 2-4, ,394 6, e 1-3, ,198 7, e* 1 0, ,542 8, e ,555, ,625 7, e ,193, , , e 1-2, , e ,881, ,718 5, e ,300, ,484 1,643

27 03 aee FINAL MODEL ALL DATA_81 19dez12_analisis 2n2 anos.amw Página 14 de e ,279, , e ,287, , e ,420, , , e ,487, ,722 1, e , , e , ,712 1, e , , Pairwise Parameter Comparisons (Default model) Variance-covariance Matrix of Estimates (Default model) par_1 par_2 par_3 par_4 par_5 par_6 par_7 par_8 par_9 par_10 par_11 par_12 par_13 par_14 par_15 par_16 par_17 par_1 1 par_2 0 0 par_3 0 0,130 par_ par_ par_ par_ par_ par_ par_ par_11 0 0, ,090 par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_

28 03 aee FINAL MODEL ALL DATA_81 19dez12_analisis 2n2 anos.amw Página 15 de 18 par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ Correlations of Estimates (Default model) par_1 par_2 par_3 par_4 par_5 par_6 par_7 par_8 par_9 par_10 par_11 par_12 par_13 par_14 par_15 par_16 par_17 par_1 10 par_ par_ par_4,407 -, par_ par_6 0 0, par_7 0 0, par_8 0, , par_9, , par_10, , , par_11 0 0, ,244, par_ , ,201 -, , par_ par_14 0, , , par_15, ,455, ,301, par_ , ,320 -, ,089, , par_ , ,210 -, ,859, , par_18 -, , ,335 -, , par_19 0 -, , par_20 -, , ,030 -, , par_21 -, ,434,688 -, ,293 -, , par_ par_ par_ par_ par_ par_

29 03 aee FINAL MODEL ALL DATA_81 19dez12_analisis 2n2 anos.amw Página 16 de 18 par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ , ,253 -, ,959, ,094,828 par_65 -, ,702, ,468 -, ,704,038 0 par_ , , par_67 -, ,086 -, ,314 -, par_68 0 -, ,247 -, , ,063 -, par_69 -, , ,344 -, , par_70 -, , ,220 -, , par_71 -, , par_72, , ,390, , par_ , par_74 0 -, par_75 0 -,103 0, , , par_76 0, , , , par_ , ,108, ,092 par_ , ,226 -, ,907, ,084,969 par_79 0 0, ,252, ,957 -, ,090 -,832 par_ , ,173 -, ,722, ,064,937 par_ ,462 -, par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ par_

30 03 aee FINAL MODEL ALL DATA_81 19dez12_analisis 2n2 anos.amw Página 17 de par_ par_ par_ par_ par_ par_ par_ par_ par_ par_ Model Fit Summary CMIN Model NPAR CMIN DF P CMIN/DF Default model , ,403 Saturated model Independence model , ,960 RMR, GFI Model RMR GFI AGFI PGFI Default model,052,937,905,624 Saturated model 0 10 Independence model,291,404,318,353 Baseline Comparisons Model NFI RFI IFI TLI Delta1 rho1 Delta2 rho2 CFI Default model,945,928,947,930,947 Saturated model Independence model Parsimony-Adjusted Measures Model PRATIO PNFI PCFI Default model,762,720,722 Saturated model Independence model NCP Model NCP LO 90 HI 90 Default model 5856, , ,207 Saturated model Independence model , , ,254 FMIN Model FMIN F0 LO 90 HI 90 Default model,537,516,494,539 Saturated model Independence model 9,769 9,741 9,645 9,838 RMSEA Model RMSEA LO 90 HI 90 PCLOSE Default model,046,045, Independence model,176,175,177 0 AIC Model AIC BCC BIC CAIC Default model 6336, Saturated model ,910 Independence model , ECVI Model ECVI LO 90 HI 90 MECVI Default model,558,536,581,558 Saturated model,063,063,063,064 Independence model 9,777 9,681 9,874 9,777 HOELTER Model HOELTER HOELTER Default model Independence model 39 41

31 03 aee FINAL MODEL ALL DATA_81 19dez12_analisis 2n2 anos.amw Página 18 de 18 Execution time summary Minimization:,111 Miscellaneous: 2,944 Bootstrap: 0 Total: 3,055

32 LA DIMENSIÓN DE LA SUBJETIVIDAD EN LA FORMACIÓN DEL VALOR INMOBILIARIO APLICACIÓN DEL MÉTODO DE ANÁLISIS DE ECUACIONES ESTRUCTURALES AL MERCADO RESIDENCIAL DE LISBOA ANEXOS 10.3 AEE :: ESTIMACIÓN MODELOS (COMPONENTE OBJETIVA/SUBJETIVA, ANÁLISIS POR DISTRITO Y ANÁLISIS TEMPORAL)

33 00_aee MODELO FINAL COMPONENTE OBJETIVA/COMPONENTE SUBJTIVA (ALL DATA)

34 DISTRITOS 01+02_aee MODELO FINAL _ :: ODIVELAS

35 :: RAMADA

36 :: DAMAIA

37 :: RIO MOURO

38 :: QUELUZ

39 :: ALGUEIRÃO MEM MARTINS

40 :: AGUALVA CACÉM

41 :: BELAS

42 :: PÓVOA SANTA IRIA

43 :: MASSAMÁ

44 :: MINA

45 :: OEIRAS E SÃO JULIÃO DA BARRA

46 :: SÃO MARCOS

47 :: ALGÉS

48 :: SANTO ANTÓNIO CAVALEIROS

49 :: CARCAVELOS

50 :: CASCAIS

51 :: ESTORIL

52 :: PAREDE

53 :: SÃO DOMINGOS RANA

54 :: MAFRA

55 :: MONTE ABRAÃO

56 :: AGUALVA

57 :: CACÉM

58 :: VIALONGA

59 :: VILA FRANCA XIRA

60 :: VENTEIRA

61 :: REBOLEIRA

62 :: FALAGUEIRA

63 :: ALFRAGIDE

64 :: ALVERCA RIBATEJO

65 :: SACAVÉM

66 :: LOURES

67 :: CAMARATE

68 :: SÃO JORGE ARROIOS

69 :: SÃO DOMINGOS BENFICA

70 :: SANTA MARIA OLIVAIS

71 :: MARVILA

72 :: LUMIAR

73 :: BENFICA

74 :: CARREGADO

75 :: SANTO CONDESTÁVEL

76 :: LINDA A VELHA

77 :: SÃO BRÁS

78 ANÁLISIS TEMPORAL (2 EN 2 AÑOS) 03_aee MODELO FINAL _ :: 2006 A 2008

79 :: 2008 A 2010

80 :: 2010 A 2012

81 LA DIMENSIÓN DE LA SUBJETIVIDAD EN LA FORMACIÓN DEL VALOR INMOBILIARIO APLICACIÓN DEL MÉTODO DE ANÁLISIS DE ECUACIONES ESTRUCTURALES AL MERCADO RESIDENCIAL DE LISBOA ANEXOS 10.4 RL :: OUTPUT

82 REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA COLLIN TOL CHANGE /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT ZMPVTBEM /METHOD=ENTER ZAREABEM ZCodigoTIPOLOGIA_a ZCNIVSOZNord ZCQEQURBord ZCCGLB LOCord ZCCCOMLOCord ZCCONSTRord ZCAPRCCNSord ZCCONSVEXord_1 ZCCONSVINord_1 ZVAVBANCINE ZICLIMAECO ZIndConfConsumPT ZIndPRODconstructionAJUS /SCATTERPLOT=(ZMPVTBEM,*ZRESID) (ZMPVTBEM,*ADJPRED) /RESIDUALS DURBIN HISTOGRAM(ZRESID) NORMPROB(ZRESID). Regression [DataSet1] C:\( j ) v\doutoramento ETSAM\_ TESE jv april12\ texto tese + m odelos AEE\Modelos AEE WORK IN PROGRESS 12DEZ12\_Modelo FINAL Comp OBJECT + SUBJECTIV AEE\database10dez12MONTEPIO_REC+INDIoRDINAIS+Zscores+inputMissg+ valm2_1.sav Adjusted R Square Model Summary b Std. Error of the Estimate Model R R Square 1,846 a,717,716, Model R Square Change F Change Model Summary b Change Statistics df1 df2 Sig. F Change Durbin Watson 1, , ,788 a. Predictors: (Constant), Zscore: Indice Producción Construcción Ajustado, Zscore: Codigo Nivel Social del Entorno Ordinal, Zscore: Codigo Tipologia, SMEAN(ZCCONSVINord), Zscore: Codigo Calidad Equipamientos Urbanos Ordinal, Zscore: Codigo Calidad Comercial de la Ubicacion Ordinal, Zscore: Codigo Caracteristicas Construccion Ordinal, Zscore: Indicador Confianza Consumidor, SMEAN(ZCCONSVEXord), Zscore: Codigo Calidad Global Localizacion Ordinal, Zscore: Area Inmueble, Zscore: Indicador Clima Economico, Zscore: Valor Médio Valoracion Bancário, Zscore: Codigo Apreciacion Global Construccion Ordinal b. Dependent Variable: Zscore: Valor Presumible Transaccion Inmueble Page 1

83 Model 1 Regression Residual Total Sum of Squares 8133, , ANOVA b df Mean Square 580,959,284 F 2046,990 Sig. 0 a a. Predictors: (Constant), Zscore: Indice Producción Construcción Ajustado, Zscore: Codigo Nivel Social del Entorno Ordinal, Zscore: Codigo Tipologia, SMEAN (ZCCONSVINord), Zscore: Codigo Calidad Equipamientos Urbanos Ordinal, Zscore: Codigo Calidad Comercial de la Ubicacion Ordinal, Zscore: Codigo Caracteristicas Construccion Ordinal, Zscore: Indicador Confianza Consumidor, SMEAN (ZCCONSVEXord), Zscore: Codigo Calidad Global Localizacion Ordinal, Zscore: Area Inmueble, Zscore: Indicador Clima Economico, Zscore: Valor Médio Valoracion Bancário, Zscore: Codigo Apreciacion Global Construccion Ordinal b. Dependent Variable: Zscore: Valor Presumible Transaccion Inmueble Coefficients a Model 1 (Constant) Zscore: Area Inmueble Zscore: Codigo Tipologia Zscore: Codigo Nivel Social del Entorno Ordinal Zscore: Codigo Calidad Equipamientos Urbanos Ordinal Zscore: Codigo Calidad Global Localizacion Ordinal Zscore: Codigo Calidad Comercial de la Ubicacion Ordinal Zscore: Codigo Caracteristicas Construccion Ordinal Zscore: Codigo Apreciacion Global Construccion Ordinal SMEAN (ZCCONSVEXord) SMEAN(ZCCONSVINord) Zscore: Valor Médio Valoracion Bancário Zscore: Indicador Clima Economico Zscore: Indicador Confianza Consumidor Zscore: Indice Producción Construcción Ajustado Unstandardized Coefficients B Std. Error 8,983E 15 5, ,236 6, ,098 4,051 5, Page 2

84 Coefficients a Standardized Coefficients Collinearity Statistics Model Beta t Sig. Tolerance VIF 1 (Constant) 0 10 Zscore: Area Inmueble,568 62,696 0,305 3,282 Zscore: Codigo Tipologia 5 1,855,064,402 2,487 Zscore: Codigo Nivel Social del Entorno Ordinal,236 37,733 0,640 1,563 Zscore: Codigo Calidad Equipamientos Urbanos Ordinal,125 20,555 0,679 1,473 Zscore: Codigo Calidad Global Localizacion Ordinal 5 2,943 3,336 2,976 Zscore: Codigo Calidad Comercial de la Ubicacion Ordinal 4,447,655,386 2,590 Zscore: Codigo Caracteristicas Construccion Ordinal,098 6,822 0,120 8,323 Zscore: Codigo Apreciacion Global Construccion Ordinal,051 3,486 0,118 8,464 SMEAN (ZCCONSVEXord),034 4,363 0,420 2,380 SMEAN(ZCCONSVINord) 6 3,429 1,442 2,263 Zscore: Valor Médio Valoracion Bancário 8 1,772,076,243 4,108 Zscore: Indicador Clima Economico 6 1,610,107,255 3,918 Zscore: Indicador Confianza Consumidor 8 1,901,057,291 3,435 Zscore: Indice Producción Construcción Ajustado 8 3,118 2,314 3,184 a. Dependent Variable: Zscore: Valor Presumible Transaccion Inmueble Page 3

85 Condition Index Eigenvalue ,175,064 4,891,178 4,771,187 4,689,194 4,393,221 40,266 3,868,285 2,967,484 2,755,562 2,252,841 2, ,727 1,429 1,596 1,674 1,128 3, ,263 Model Dimension Model Dimension Collinearity Diagnostics a Zscore: Codigo Calidad Equipamiento s Urbanos Ordinal Zscore: Codigo Nivel Social del Entorno Ordinal Zscore: Codigo Tipologia Zscore: Area Inmueble (Constant) Variance Proportions ,03,77,86,03,04,10,11,60,58,09,07,23,03 1,14,06,11 Model Dimension Model Dimension Collinearity Diagnostics a Page 4

86 Zscore: Codigo Apreciacion Global Construccion Ordinal Zscore: Codigo Caracteristica s Construccion Ordinal Zscore: Codigo Calidad Comercial de la Ubicacion Ordinal Zscore: Codigo Calidad Global Localizacion Ordinal Variance Proportions ,93,93,03,66,81,12,05,12,03,04 Model Dimension Model Dimension Collinearity Diagnostics a Zscore: Indicador Clima Economico Zscore: Valor Médio Valoracion Bancário SMEAN (ZCCONSVIN ord) SMEAN (ZCCONSVE Xord) Variance Proportions ,03,73,04,90,21,54,56,20,25,09,03,08,08,03 Model Dimension Model Dimension Collinearity Diagnostics a Page 5

87 Model 1 Dimension Variance Proportions Zscore: Indicador Confianza Consumidor,31,13,04,49 Collinearity Diagnostics a Zscore: Indice Producción Construcción Ajustado,42,21,11,22 a. Dependent Variable: Zscore: Valor Presumible Transaccion Inmueble Residuals Statistics a Minimum Maximum Mean Std. Deviation N Predicted Value 2, , , Std. Predicted Value 3,084 7, Standard Error of Predicted Value Adjusted Predicted Value 9 2, ,072 6, , Residual 3, , , Std. Residual 5,797 11,961 0, Stud. Residual 5,819 11, Deleted Residual 3, , , Stud. Deleted Residual 5,827 12, Mahal. Distance 2, ,990 13,999 9, Cook s Distance 0, Centered Leverage Value a. Dependent Variable: Zscore: Valor Presumible Transaccion Inmueble Page 6

88 Charts Histogram Dependent Variable: Zscore: Valor Presumible Transaccion Inmueble Mean = 2,30E 15 Std. Dev. = 0,999 N = Frequency Regression Standardized Residual Page 7

89 1,0 Normal P P Plot of Regression Standardized Residual Dependent Variable: Zscore: Valor Presumible Transaccion Inmueble 0,8 Expected Cum Prob 0,6 0,4 0,2 0,0 0,0 0,2 0,4 0,6 0,8 1,0 Observed Cum Prob Page 8

90 Scatterplot Dependent Variable: Zscore: Valor Presumible Transaccion Inmueble Zscore: Valor Presumible Transaccion Inmueble Regression Standardized Residual Page 9

91 Scatterplot Dependent Variable: Zscore: Valor Presumible Transaccion Inmueble Zscore: Valor Presumible Transaccion Inmueble , , Regression Adjusted (Press) Predicted Value 7,50000 REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA COLLIN TOL CHANGE /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT ZMPVTBEM /METHOD=ENTER ZAREABEM ZCodigoTIPOLOGIA_a ZCNIVSOZNord ZCQEQURBord ZCCGLB LOCord ZCCCOMLOCord ZCCONSTRord ZCAPRCCNSord ZCCONSVEXord_1 ZCCONSVINord_1 ZVAVBANCINE ZICLIMAECO ZIndConfConsumPT ZIndPRODconstructionAJUS ZQELEVAD Z AREANEXOS ZAREAGARAG ZAREAPARQ ZAREAARREC ZAREAVARAND ZAREATERRAC ZAREAPISCIN ZAREAANEXOT ZPCONCLUO ZI2OBJ ECTIVO ZVetustezORD ZAnoConstruccionTrans ZI1ubLOCALIZACION ZCodigoLOCALIZA CIONord ZCFACILESTord ZCQACCESSOord ZCCTRANSPord ZCMERCZOord ZCMERCZPord ZT xjuroimplcredhab ZIndicePreçosConsumidor ZIndCONFsitECOpt /SCATTERPLOT=(ZMPVTBEM,*ZRESID) (ZMPVTBEM,*ADJPRED) /RESIDUALS DURBIN HISTOGRAM(ZRESID) NORMPROB(ZRESID). Regression Page 10

92 [DataSet1] C:\( j ) v\doutoramento ETSAM\_ TESE jv april12\ texto tese + m odelos AEE\Modelos AEE WORK IN PROGRESS 12DEZ12\_Modelo FINAL Comp OBJECT + SUBJECTIV AEE\database10dez12MONTEPIO_REC+INDIoRDINAIS+Zscores+inputMissg+ valm2_1.sav Adjusted R Square Model Summary b Std. Error of the Estimate Model R R Square 1,884 a,781,780, Model R Square Change F Change Model Summary b Change Statistics df1 df2 Sig. F Change Durbin Watson 1, , ,787 a. Predictors: (Constant), Zscore: Indicador Confianza Situación Economica, Zscore: Area Anexos, Zscore: Porcentaje Obra Realizada, Zscore: Numero de Ascensores, Zscore: Indice 1 Subjectivo Localización, Zscore: Area Piscina, Zscore: Codigo Tipologia, Zscore: Area Trastero, Zscore: Codigo Calidad Accessos Ordinal, Zscore: Area Terraza, Zscore: Codigo Oferta Mercado en la Ubicacion Ordinal, Zscore: Indice 2 Objectivo, Zscore: Taxa de Juro Implicita Credito Habitacion, Zscore: Codigo Facilidad Aparcamiento Ordinal, Zscore: Area Garaje, Zscore: Codigo Demanda Mercado en la Ubicacion Ordinal, Zscore: Codigo Nivel Social del Entorno Ordinal, Zscore: Vetustez Ordinal 10 clases, Zscore: Area Otros Anexos, Zscore: Codigo Calidad Red Transportes Ordinal, SMEAN (ZCCONSVEXord), Zscore: Area Parqueamiento, Zscore: Codigo Indicador Localizacion Ordinal, Zscore: Codigo Calidad Comercial de la Ubicacion Ordinal, Zscore: AnoConstruccionTransformado, Zscore: Codigo Calidad Equipamientos Urbanos Ordinal, Zscore: Codigo Caracteristicas Construccion Ordinal, Zscore: Valor Médio Valoracion Bancário, SMEAN(ZCCONSVINord), Zscore: Codigo Calidad Global Localizacion Ordinal, Zscore: Indicador Clima Economico, Zscore: Area Inmueble, Zscore: Indice Producción Construcción Ajustado, Zscore: Codigo Apreciacion Global Construccion Ordinal, Zscore: Indice Precios Consumidor, Zscore: Indicador Confianza Consumidor, Zscore: Area Balcones b. Dependent Variable: Zscore: Valor Presumible Transaccion Inmueble ANOVA b Model 1 Regression Residual Total Sum of Squares 8866, , df Mean Square 239,647,220 F 1091,496 Sig. 0 a a. Predictors: (Constant), Zscore: Indicador Confianza Situación Economica, Zscore: Area Anexos, Zscore: Porcentaje Obra Realizada, Zscore: Numero de Ascensores, Zscore: Indice 1 Subjectivo Localización, Zscore: Area Piscina, Zscore: Codigo Tipologia, Zscore: Area Trastero, Zscore: Codigo Calidad Accessos Ordinal, Zscore: Area Terraza, Zscore: Codigo Oferta Mercado en la Ubicacion Ordinal, Zscore: Indice 2 Objectivo, Zscore: Taxa de Juro Implicita Credito Habitacion, Zscore: Codigo Facilidad Aparcamiento Ordinal, Zscore: Area Garaje, Zscore: Codigo Demanda Mercado en la Ubicacion Ordinal, Zscore: Codigo Nivel Social del Entorno Ordinal, Zscore: Vetustez Ordinal 10 clases, Zscore: Area Otros Anexos, Zscore: Codigo Calidad Red Transportes Ordinal, SMEAN(ZCCONSVEXord), Zscore: Area Parqueamiento, Zscore: Codigo Indicador Localizacion Ordinal, Zscore: Codigo Calidad Comercial de la Ubicacion Ordinal, Zscore: AnoConstruccionTransformado, Zscore: Codigo Calidad Equipamientos Urbanos Ordinal, Zscore: Codigo Caracteristicas Construccion Ordinal, Zscore: Valor Médio Valoracion Bancário, SMEAN(ZCCONSVINord), Zscore: Codigo Calidad Global Localizacion Ordinal, Zscore: Indicador Clima Economico, Zscore: Area Inmueble, Zscore: Indice Producción Construcción Ajustado, Zscore: Codigo Apreciacion Global Construccion Ordinal, Zscore: Indice Precios Consumidor, Zscore: Indicador Confianza Consumidor, Zscore: Area Balcones b. Dependent Variable: Zscore: Valor Presumible Transaccion Inmueble Page 11

93 Model 1 (Constant) Zscore: Area Inmueble Zscore: Codigo Tipologia Zscore: Codigo Nivel Social del Entorno Ordinal Zscore: Codigo Calidad Equipamientos Urbanos Ordinal Zscore: Codigo Calidad Global Localizacion Ordinal Zscore: Codigo Calidad Comercial de la Ubicacion Ordinal Zscore: Codigo Caracteristicas Construccion Ordinal Zscore: Codigo Apreciacion Global Construccion Ordinal SMEAN (ZCCONSVEXord) SMEAN(ZCCONSVINord) Zscore: Valor Médio Valoracion Bancário Zscore: Indicador Clima Economico Zscore: Indicador Confianza Consumidor Zscore: Indice Producción Construcción Ajustado Zscore: Numero de Ascensores Zscore: Area Anexos Zscore: Area Garaje Zscore: Area Parqueamiento Zscore: Area Trastero Zscore: Area Balcones Zscore: Area Terraza Zscore: Area Piscina Zscore: Area Otros Anexos Zscore: Porcentaje Obra Realizada Zscore: Indice 2 Objectivo Coefficients a Unstandardized Coefficients B Std. Error 6,270E 15 4, , ,074 3, , ,076 5,917,230,184 2,225 0,082 7,798,200,184, ,421,098,050 5,040 5 Page 12

94 Coefficients a Standardized Coefficients Collinearity Statistics Model Beta t Sig. Tolerance VIF 1 (Constant) 0 10 Zscore: Area Inmueble,517 58,155 0,245 4,090 Zscore: Codigo Tipologia 1 1,488,137,364 2,745 Zscore: Codigo Nivel Social del Entorno Ordinal,222 39,394 0,609 1,642 Zscore: Codigo Calidad Equipamientos Urbanos Ordinal 8 4,273 0,435 2,296 Zscore: Codigo Calidad Global Localizacion Ordinal 7 2,231 6,317 3,152 Zscore: Codigo Calidad Comercial de la Ubicacion Ordinal 8 1,111,266,376 2,663 Zscore: Codigo Caracteristicas Construccion Ordinal,074 5,826 0,118 8,448 Zscore: Codigo Apreciacion Global Construccion Ordinal,060 4,647 0,116 8,605 SMEAN (ZCCONSVEXord) 1 1,510,131,395 2,533 SMEAN(ZCCONSVINord) 2 3,168 2,384 2,602 Zscore: Valor Médio Valoracion Bancário 5,343,732,083 12,084 Zscore: Indicador Clima Economico 3 2,160,031,178 5,624 Zscore: Indicador Confianza Consumidor 5,127, ,229 Zscore: Indice Producción Construcción Ajustado 5 11,317,088 11,314 Zscore: Numero de Ascensores,076 15,180 0,770 1,298 Zscore: Area Anexos,917 3, ,868 Zscore: Area Garaje,184 8,164 0,038 26,172 Zscore: Area Parqueamiento,225 11,263 0,048 20,646 Zscore: Area Trastero,082 4,848 0,068 14,767 Zscore: Area Balcones,798 3, ,910 Zscore: Area Terraza,184 5, ,109 Zscore: Area Piscina 1 3,612 0,570 1,756 Zscore: Area Otros Anexos,421 4, ,652 Zscore: Porcentaje Obra Realizada,050 11,039 0,947 1,056 Zscore: Indice 2 Objectivo,040 7,253 0,643 1,555 Page 13

95 Model 1 Zscore: Vetustez Ordinal 10 clases Zscore: AnoConstruccion Transformado Zscore: Indice 1 Subjectivo Localización Zscore: Codigo Indicador Localizacion Ordinal Zscore: Codigo Facilidad Aparcamiento Ordinal Zscore: Codigo Calidad Accessos Ordinal Zscore: Codigo Calidad Red Transportes Ordinal Zscore: Codigo Oferta Mercado en la Ubicacion Ordinal Zscore: Codigo Demanda Mercado en la Ubicacion Ordinal Zscore: Taxa de Juro Implicita Credito Habitacion Zscore: Indice Precios Consumidor Zscore: Indicador Confianza Situación Economica Coefficients a Unstandardized Coefficients B Std. Error,031 6,124 6, , ,040 6, ,033 Page 14

96 Coefficients a Standardized Coefficients Collinearity Statistics Model Beta t Sig. Tolerance VIF 1 Zscore: Vetustez Ordinal 10 clases,031 5,607 0,630 1,587 Zscore: AnoConstruccio ntransformado,124 19,769 0,490 2,041 Zscore: Indice 1 Subjectivo Localización,070 13,695 0,749 1,335 Zscore: Codigo Indicador Localizacion Ordinal 9 3,292 1,577 1,734 Zscore: Codigo Facilidad Aparcamiento Ordinal, ,770 1,299 Zscore: Codigo Calidad Accessos Ordinal 5,997,319,764 1,309 Zscore: Codigo Calidad Red Transportes Ordinal,040 6,421 0,505 1,980 Zscore: Codigo Oferta Mercado en la Ubicacion Ordinal,150 30,339 0,792 1,263 Zscore: Codigo Demanda Mercado en la Ubicacion Ordinal 0 1,813,070,670 1,493 Zscore: Taxa de Juro Implicita Credito Habitacion 2,228,820,263 3,808 Zscore: Indice Precios Consumidor 8,495,620,069 14,436 Zscore: Indicador Confianza Situación Economica 3,380, ,097 a. Dependent Variable: Zscore: Valor Presumible Transaccion Inmueble Page 15

97 Condition Index Eigenvalue ,889,063 8,676,082 6,293,156 5,346,216 5,045,243 4,727,277 4,337,329 4,303,334 4,262,340 3,714,448 3,655,463 3,583,481 3,496,506 3,292,570 3,238,589 3,087,649 3,039,669 2,898,736 2,806,785 2,765,809 2,599,915 2,554,948 2,541,957 2,519,974 2, , ,383 1,088 2,316 1,153 2,293 1,176 2,215 1, ,526 1, ,292 3,702 1,083 5, ,181 Model Dimension Model Dimension Collinearity Diagnostics a Page 16

98 Zscore: Codigo Calidad Equipamiento s Urbanos Ordinal Zscore: Codigo Nivel Social del Entorno Ordinal Zscore: Codigo Tipologia Zscore: Area Inmueble (Constant) Variance Proportions ,79,93,03,51,03,26,47,05,03,13,04,05,03,05,04 1,09,04 Model Dimension Model Dimension Collinearity Diagnostics a Page 17

99 Zscore: Codigo Apreciacion Global Construccion Ordinal Zscore: Codigo Caracteristica s Construccion Ordinal Zscore: Codigo Calidad Comercial de la Ubicacion Ordinal Zscore: Codigo Calidad Global Localizacion Ordinal Variance Proportions ,92,92,65,83,03,03,04,08,05,03 Model Dimension Model Dimension Collinearity Diagnostics a Page 18

100 Zscore: Indicador Clima Economico Zscore: Valor Médio Valoracion Bancário SMEAN (ZCCONSVIN ord) SMEAN (ZCCONSVE Xord) Variance Proportions ,07,21,71,70,45,03,05,09,05,03,04,05,03 Model Dimension Model Dimension Collinearity Diagnostics a Page 19

101 Zscore: Area Anexos Zscore: Numero de Ascensores Zscore: Indice Producción Construcción Ajustado Zscore: Indicador Confianza Consumidor Variance Proportions ,53,03,06,16,05,03,06,21,07,04,05,03,12 Model Dimension Model Dimension Collinearity Diagnostics a Page 20

102 Zscore: Area Balcones Zscore: Area Trastero Zscore: Area Parqueamient o Zscore: Area Garaje Variance Proportions ,04,03,05 Model Dimension Model Dimension Collinearity Diagnostics a Page 21

103 Zscore: Porcentaje Obra Realizada Zscore: Area Otros Anexos Zscore: Area Piscina Zscore: Area Terraza Variance Proportions ,05,07,26,09,27,13,26,08,17,03 Model Dimension Model Dimension Collinearity Diagnostics a Page 22

104 Zscore: Indice 1 Subjectivo Localización Zscore: Ano Construccion Transformado Zscore: Vetustez Ordinal 10 clases Zscore: Indice 2 Objectivo Variance Proportions ,04,07,04,38,07,04,16,05,23,08,07,07,15,27,18,03,04,27,06,22,07,27,06,19,05,09,04,04,04,05,05,03,04 Model Dimension Model Dimension Collinearity Diagnostics a Page 23

105 Zscore: Codigo Calidad Red Transportes Ordinal Zscore: Codigo Calidad Accessos Ordinal Zscore: Codigo Facilidad Aparcamiento Ordinal Zscore: Codigo Indicador Localizacion Ordinal Variance Proportions ,32,21,14,16,71,04,03,26,04,08,07,05,09,06,03,10,06,05,10,29,04,03,11,05,03,03,17,15,05 Model Dimension Model Dimension Collinearity Diagnostics a Page 24

106 Zscore: Taxa de Juro Implicita Credito Habitacion Zscore: Codigo Demanda Mercado en la Ubicacion Ordinal Zscore: Codigo Oferta Mercado en la Ubicacion Ordinal Variance Proportions ,70,04,05,11,25,20,10,17,05,05,09,05,27,16,03,06,05,07,05,09,06 Model Dimension Model Dimension Collinearity Diagnostics a Page 25

107 Zscore: Indicador Confianza Situación Economica Zscore: Indice Precios Consumidor Variance Proportions ,04 Model Dimension Model Dimension Collinearity Diagnostics a Page 26

108 Collinearity Diagnostics a Model 1 Dimension 36 Eigenvalue,040 Condition Index 12, , ,655 Collinearity Diagnostics a Variance Proportions Model 1 Dimension 36 (Constant) Zscore: Area Inmueble Zscore: Codigo Tipologia Zscore: Codigo Nivel Social del Entorno Ordinal Zscore: Codigo Calidad Equipamiento s Urbanos Ordinal Collinearity Diagnostics a Variance Proportions Model 1 Dimension 36 Zscore: Codigo Calidad Global Localizacion Ordinal Zscore: Codigo Calidad Comercial de la Ubicacion Ordinal Zscore: Codigo Caracteristica s Construccion Ordinal Zscore: Codigo Apreciacion Global Construccion Ordinal Collinearity Diagnostics a Variance Proportions Model 1 Dimension 36 SMEAN (ZCCONSVE Xord) SMEAN (ZCCONSVIN ord) Zscore: Valor Médio Valoracion Bancário,43 Zscore: Indicador Clima Economico,38 37,26,08 38 Collinearity Diagnostics a Variance Proportions Model 1 Dimension 36 Zscore: Indicador Confianza Consumidor Zscore: Indice Producción Construcción Ajustado,43 Zscore: Numero de Ascensores Zscore: Area Anexos 37, Page 27

109 Collinearity Diagnostics a Variance Proportions Model 1 Dimension 36 Zscore: Area Garaje Zscore: Area Parqueamient o Zscore: Area Trastero Zscore: Area Balcones 37 38,94,91,93 1 Collinearity Diagnostics a Variance Proportions Model 1 Dimension 36 Zscore: Area Terraza Zscore: Area Piscina Zscore: Area Otros Anexos Zscore: Porcentaje Obra Realizada 37 38,98,40 1 Collinearity Diagnostics a Variance Proportions Model 1 Dimension 36 Zscore: Indice 2 Objectivo Zscore: Vetustez Ordinal 10 clases Zscore: Ano Construccion Transformado Zscore: Indice 1 Subjectivo Localización Collinearity Diagnostics a Variance Proportions Model 1 Dimension 36 Zscore: Codigo Indicador Localizacion Ordinal Zscore: Codigo Facilidad Aparcamiento Ordinal Zscore: Codigo Calidad Accessos Ordinal Zscore: Codigo Calidad Red Transportes Ordinal Collinearity Diagnostics a Model 1 Dimension Zscore: Codigo Oferta Mercado en la Ubicacion Ordinal Variance Proportions Zscore: Codigo Demanda Mercado en la Ubicacion Ordinal Zscore: Taxa de Juro Implicita Credito Habitacion,04 Page 28

110 Model 1 Dimension Variance Proportions Zscore: Indice Precios Consumidor,86,06 Collinearity Diagnostics a Zscore: Indicador Confianza Situación Economica,98 a. Dependent Variable: Zscore: Valor Presumible Transaccion Inmueble Residuals Statistics a Minimum Maximum Mean Std. Deviation N Predicted Value 2, , , Std. Predicted Value 2,572 7, Standard Error of Predicted Value Adjusted Predicted Value 4 2, ,468 12, , Residual 3, , , Std. Residual 6,530 12,704 0, Stud. Residual 6,591 12, Deleted Residual 10, , Stud. Deleted Residual 6,604 12, Mahal. Distance 8, ,143 36, , Cook s Distance 0 13,380 2, Centered Leverage Value 1, a. Dependent Variable: Zscore: Valor Presumible Transaccion Inmueble Charts Page 29

111 Histogram Dependent Variable: Zscore: Valor Presumible Transaccion Inmueble Mean = 7,16E 16 Std. Dev. = 0,998 N = Frequency Regression Standardized Residual Page 30

112 1,0 Normal P P Plot of Regression Standardized Residual Dependent Variable: Zscore: Valor Presumible Transaccion Inmueble 0,8 Expected Cum Prob 0,6 0,4 0,2 0,0 0,0 0,2 0,4 0,6 0,8 1,0 Observed Cum Prob Page 31

113 Scatterplot Dependent Variable: Zscore: Valor Presumible Transaccion Inmueble Zscore: Valor Presumible Transaccion Inmueble Regression Standardized Residual Page 32

114 Scatterplot Dependent Variable: Zscore: Valor Presumible Transaccion Inmueble Zscore: Valor Presumible Transaccion Inmueble Regression Adjusted (Press) Predicted Value Page 33

115 LA DIMENSIÓN DE LA SUBJETIVIDAD EN LA FORMACIÓN DEL VALOR INMOBILIARIO APLICACIÓN DEL MÉTODO DE ANÁLISIS DE ECUACIONES ESTRUCTURALES AL MERCADO RESIDENCIAL DE LISBOA

Introducción al programa AMOS

Introducción al programa AMOS 6 Introducción al programa AMOS Entrar al programa El programa AMOS 18.0 permite la estimación y contraste de modelos estructurales mediante un sencillo y cómodo interface gráfico. Para entrar en AMOS

Más detalles

INTRODUCCIÓN AL PROGRAMA AMOS 5.0.

INTRODUCCIÓN AL PROGRAMA AMOS 5.0. INTRODUCCIÓN AL PROGRAMA AMOS 5.0. 1. Entrar al programa 2.) También podemos tener una matriz de datos típica con los datos directos de los sujetos (en filas) a las variables (en columnas): El programa

Más detalles

Estructuras de medias y covarianzas (MACS)

Estructuras de medias y covarianzas (MACS) Estructuras de medias y covarianzas (MACS) Modelo de estructuras de medias y covarianzas Modelo Estructuras de Covarianzas (SEM) y = βx + ε Vector de parámetros: θ = (β, σ xx, σ εε ) Modelo Estructuras

Más detalles

Los fenómenos culturales y sociales a través del prisma de los fenómenos religiosos. Alfredo Rojas Ibáñez Joan Francesc Pérez Torres

Los fenómenos culturales y sociales a través del prisma de los fenómenos religiosos. Alfredo Rojas Ibáñez Joan Francesc Pérez Torres Los fenómenos culturales y sociales a través del prisma de los fenómenos religiosos Alfredo Rojas Ibáñez Joan Francesc Pérez Torres INDICE INTRODUCCIÓN. MARCO TEÓRICO.. 3 HIPÓTESIS... 8 MATRIZ. 10 ECUACIONES

Más detalles

Introducción al uso. de AMOS de SPSS

Introducción al uso. de AMOS de SPSS Introducción al uso de AMOS de SPSS MODELAMIENTO ESTRUCTURAL Nazira Calleja ABRIR AMOS ABRIR UN ARCHIVO NUEVO File New ACOMODAR LA HOJA EN FORMATO HORIZONTAL View Interface properties ACOMODAR LA HOJA

Más detalles

UNA APROXIMACIÓN AL ANÁLISIS DE LA COMPETITIVIDAD APLICANDO LA TÉCNICA DEL MODELO DE ECUACIONES ESTRUCTURALES

UNA APROXIMACIÓN AL ANÁLISIS DE LA COMPETITIVIDAD APLICANDO LA TÉCNICA DEL MODELO DE ECUACIONES ESTRUCTURALES UNA APROXIMACIÓN AL ANÁLISIS DE LA COMPETITIVIDAD APLICANDO LA TÉCNICA DEL MODELO DE ECUACIONES ESTRUCTURALES Dr. Guillermo Torres Sanabria Instituto Tecnológico de Estudios Superiores de Coacalco. Coacalco,

Más detalles

APÉNDICE B ANOVA para las salsas comerciales

APÉNDICE 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 detalles

Errores de especificación. Series simuladas

Errores 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 detalles

Estimación de una función de gasto en alimentos

Estimación de una función de gasto en alimentos Base de datos http://www.principlesofeconometrics.com/poe4/poe4stata.htm Definición de variables http://www.principlesofeconometrics.com/poe4/data/def/food.def food.def food_exp income Obs: 40 food_exp

Más detalles

IDENTIDAD NACIONAL: PLANTEAMIENTO Y EVALUACIÓN DE UN MODELO ESTRUCTURAL

IDENTIDAD NACIONAL: PLANTEAMIENTO Y EVALUACIÓN DE UN MODELO ESTRUCTURAL IDENTIDAD NACIONAL: PLANTEAMIENTO Y EVALUACIÓN DE UN MODELO ESTRUCTURAL 1. FINALIDAD Sobre la base del concepto de Identidad Nacional, realizar la construcción teórica, testado y ajuste empírico de un

Más detalles

CUESTIONARIO ESTILOS ENSEÑANZA-APRENDIZAJE

CUESTIONARIO ESTILOS ENSEÑANZA-APRENDIZAJE ANEXO1 ANEXO 1-a APELLIDOS. NOMBRE...... TITULACIÓN...... CURSO... GRUPO.. EDAD... SEXO... FECHA...... CUESTIONARIO ESTILOS ENSEÑANZA-APRENDIZAJE En este cuestionario encontrarás una serie de afirmaciones

Más detalles

Yearly analysis Confidence interval ci ch4

Yearly analysis Confidence interval ci ch4 Data obtained from the statistical program stata: Yearly analysis Confidence interval ci 243 49.80329 1.063871 47.70766 51.89892 sum,d ------------------------------------------------------------- Percentiles

Más detalles

ESTIMACIÓN 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 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 detalles

Ejemplos del Suplemento 1 resueltos con Minitab

Ejemplos 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 detalles

Práctica 4 vgaribay PRÁCTICA 4. CONTRASTE DE HIPOTESIS. 1 ESTUDIO DE NORMALIDAD Plot de normalidad. Camino 1

Práctica 4 vgaribay PRÁCTICA 4. CONTRASTE DE HIPOTESIS. 1 ESTUDIO DE NORMALIDAD Plot de normalidad. Camino 1 PRÁCTICA 4. CONTRASTE DE HIPOTESIS OBJETIVOS: Estudiar el plot de normalidad Manejar los módulos de contrastes de hipótesis. Obtener las probabilidades de error de tipo I y II, la función de potencia y

Más detalles

Modelo de Regresión Lineal Múltiple. Normalidad. Dr. Víctor Aguirre Torres ITAM

Modelo de Regresión Lineal Múltiple. Normalidad. Dr. Víctor Aguirre Torres ITAM Modelo de Regresión Lineal Múltiple. Normalidad Dr. Víctor Aguirre Torres ITAM Temas Porqué ocurre falta de normalidad Consecuencias Detección Enfoques para manejarla Guión 18. Dr. V. Aguirre Porqué ocurre?

Más detalles

CLAVE - Lab 9 - Efectos Aleatorios y Mixtos. Diseños Anidados

CLAVE - Lab 9 - Efectos Aleatorios y Mixtos. Diseños Anidados PARTE I CLAVE - Lab 9 - Efectos Aleatorios y Mixtos. Diseños Anidados 1. Los humedales generalmente son alimentados por dos posibles fuentes de agua: agua de precipitación (P) y agua subterránea (ST).

Más detalles

Modelos ordinales en gretl

Modelos ordinales en gretl Modelos ordinales en gretl Microeconomía Cuantitativa R. Mora Departmento of Economía Universidad Carlos III de Madrid Esquema Introducción 1 Introducción 2 3 4 Introduction El Probit ordenado y la estimación

Más detalles

Unit 8: Maximum Likelihood for Location-Scale Distributions

Unit 8: Maximum Likelihood for Location-Scale Distributions Unit 8: Maximum Likelihood for Location-Scale Distributions Ramón V. León Notes largely based on Statistical Methods for Reliability Data by W.Q. Meeker and L. A. Escobar, Wiley, 1998 and on their class

Más detalles

Unit 8: Maximum Likelihood for Location-Scale Distributions. Ramón V. León

Unit 8: Maximum Likelihood for Location-Scale Distributions. Ramón V. León Unit 8: Maximum Likelihood for Location-Scale Distributions Ramón V. León Notes largely based on Statistical Methods for Reliability Data by W.Q. Meeker and L. A. Escobar, Wiley, 1998 and on their class

Más detalles

Participación social: Planteamiento y evaluación de un modelo estructural a partir de variables observadas.

Participación social: Planteamiento y evaluación de un modelo estructural a partir de variables observadas. Participación social. Revista Obets 3, 2009 31 Participación social: Planteamiento y evaluación de un modelo estructural a partir de variables observadas. JOSE SABARIEGOS DIAZ UNIVERSIDAD DE ALICANTE Resumen:

Más detalles

Hoja de ejercicios 4 Econometría II Curso 2011/2012

Hoja de ejercicios 4 Econometría II Curso 2011/2012 Hoja de ejercicios 4 Econometría II Curso 2011/2012 1) Se dispone de las series de diferencias anuales del logaritmo de las series mensuales índice de precios al consumo en España y la Comunidad de Andalucía

Más detalles

MODELO VAR ARGENTINA

MODELO VAR ARGENTINA MODELO VAR ARGENTINA 1.-INTRODUCCIÓN Argentina es una de las economías más grandes de América Latina. En los últimos años, Argentina priorizó promover un desarrollo económico con inclusión social. El país

Más detalles

Ejemplo de Modelo de efectos aleatorios

Ejemplo de Modelo de efectos aleatorios Ejemplo de Modelo de efectos aleatorios El archivo RIKZ.txt, parte del cual se muestra en la tabla 1, contiene datos recogidos por el Netherlands Institute for Coastal and Marine Management/RIKZ en verano

Más detalles

Curso: Economía Ambiental del Turismo. Aplicación del Método Costo de Viaje

Curso: 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 detalles

1)DESCRIPCIÓN DE LOS DATOS

1)DESCRIPCIÓN DE LOS DATOS 1)DESCRIPCIÓN DE LOS DATOS ITAM-CONAC MÉTODOS ESTADÍSTICOS EN ACTUARÍA I DR. JUAN JOSÉ FERNÁNDEZ DURÁN EJEMPLO DE REGRESIÓN POISSON Y GAMMA RECLAMACIONES EN SEGUROS DE AUTOS EN SUECIA Los datos contienen

Más detalles

EL CONTEXTO FAMILIAR COMO COMPONENTE OPTIMIZADOR EN EL RENDIMIENTO ACADÉMICO THE FAMILY CONTEXT AS OPTIMIZER COMPONENT IN ACADEMIC PERFORMANCE

EL CONTEXTO FAMILIAR COMO COMPONENTE OPTIMIZADOR EN EL RENDIMIENTO ACADÉMICO THE FAMILY CONTEXT AS OPTIMIZER COMPONENT IN ACADEMIC PERFORMANCE REVISTA GALEGO-PORTUGUESA DE PSICOLOXÍA E EDUCACIÓN Vol. 9, (2), Ano 6º-20 ISSN: 38-663 EL CONTEXTO FAMILIAR COMO COMPONENTE OPTIMIZADOR EN EL RENDIMIENTO ACADÉMICO THE FAMILY CONTEXT AS OPTIMIZER COMPONENT

Más detalles

EXAMEN DE ECONOMETRÍA 08/07/99-1

EXAMEN DE ECONOMETRÍA 08/07/99-1 EXAMEN DE ECONOMETRÍA 08/07/99 - TEORÍA (2p) T- Metodología Box-Jenkins. CUESTIONES (2p) C- Tratar de formular al menos dos modelos ARIMA para la serie CONSUMO DE ENERGÍA ELÉCTRICA, de la cual conocemos

Más detalles

MODELOS VAR (P) MODELO VAR (P) PARA 2, 3 Y 4 VARIABLES.

MODELOS VAR (P) MODELO VAR (P) PARA 2, 3 Y 4 VARIABLES. MODELOS VAR (P) MODELO VAR (P) PARA 2, 3 Y 4 VARIABLES. IMPORTACIONES = f (PIB) Donde: PIB= Producto Interno VAR CON DOS VARIABLES BASE DE DATOS AÑO PIB IMPORTACIONES 197 4,77968E+12 43,9594437 1971 4,9372E+12

Más detalles

Introducción a la Modelización con Estructuras de Covarianzas en Ciencias Sociales: Uso del Programa AMOS

Introducción a la Modelización con Estructuras de Covarianzas en Ciencias Sociales: Uso del Programa AMOS VICERRECTORADO DE CALIDAD Y ACREDITACIÓN ESCUELA DE FORMACIÓN INTRODUCCIÓN A LA MODELIZACIÓN CON ESTRUCTURAS DE COVARIANZAS EN CIENCIAS SOCIALES: USO DEL PROGRAMA AMOS 8 y 9 de Noviembre de 2012 PROFESORADO

Más detalles

LAMPIRAN-LAMPIRAN LAMPIRAN- LAMPIRAN

LAMPIRAN-LAMPIRAN LAMPIRAN- LAMPIRAN LAMPIRAN-LAMPIRAN LAMPIRAN- LAMPIRAN Data penelitian Lampiran 1 Data Penelitian n t+1 t0 BANK BULAN BULAN Y X1 X2 X3 SYARIAH t+1 t0 (ROA) (BOPO) (CAR) (QR) 1 Jun-11 0,20 101,38 21,72 76,83 Mar-11 2 Sep-11

Más detalles

b)no es posible hacer modelo debido a que el tipo de vidrio es una variable categorica

b)no es posible hacer modelo debido a que el tipo de vidrio es una variable categorica a) Analysis of Variance for Light output, using Adjusted SS for Tests Source DF Seq SS Adj SS Adj MS F P Glass type 5865 5865 753 6.37. Temperature 97335 97335 98567 695.6. Glass type*temperature 955 955

Más detalles

Diseño de Ciudad. Planeación. Desarrollo. Ejecucion de la Politica

Diseño 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 detalles

SOLUCIÓN DE LA QUINTA PRÁCTICA CALIFICADA DE ECONOMETRIA II. Variable Coefficient Std. Error t-statistic Prob.

SOLUCIÓN DE LA QUINTA PRÁCTICA CALIFICADA DE ECONOMETRIA II. Variable Coefficient Std. Error t-statistic Prob. UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA DEPARTAMENTO DE ECONOMIA SOLUCIÓN DE LA QUINTA PRÁCTICA CALIFICADA DE ECONOMETRIA II 1º El investigador especifica el modelo siguiente: CRESB_PRI(t) =

Más detalles

Los datos siguientes contienen indicadores demográficos y criminales sobre 47

Los datos siguientes contienen indicadores demográficos y criminales sobre 47 Los datos siguientes contienen indicadores demográficos y criminales sobre 47 estados de EEUU. Los datos fueron recogidos por la Uniform Crime Report del FBI y otras agencies del gobierno para determinar

Más detalles

ANÁLISIS MULTIGRUPO CON AMOS

ANÁLISIS MULTIGRUPO CON AMOS ANÁLISIS MULTIGRUPO CON AMOS Cargar los datos en el SPSS y abrir AMOS Dibujar el modelo > los rectángulos ( ) para variables observadas y los círculos ( ) para variables latentes. Recomendable utilizar

Más detalles

RECONOCIMIENTO DE PAUTAS

RECONOCIMIENTO DE PAUTAS RECONOCIMIENTO DE PAUTAS ANÁLISIS DISCRIMINANTE (Discriminant analysis) Reconocimiento de pautas supervisado si se cuenta con objetos cuya pertenencia a un grupo es conocida métodos: análisis de discriminantes

Más detalles

JORNADAS DE INVESTIGACIÓN 2011

JORNADAS DE INVESTIGACIÓN 2011 IX JORNADAS DE INVESTIGACIÓN 2011 Mirza Cequea: MSc. en Gerencia. Ing. Eléctricista. Doctorando de la UPM. Miguel Núñez Bottini: Doctor en Doctor en Ciencias Técnicas. Profesor jubilado UNEXPO Carlos Rodríguez

Más detalles

ECONOMETRÍA II PRÁCTICAS DE ORDENADOR. Práctica 3

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 detalles

ECONOMETRÍA I LICENCIATURA EN ECONOMÍA, Curso PRÁCTICA 1 (LECCIÓN 1): EN BUSCA DE ESPECIFICACIÓN Por Beatriz González López-Valcárcel

ECONOMETRÍA I LICENCIATURA EN ECONOMÍA, Curso PRÁCTICA 1 (LECCIÓN 1): EN BUSCA DE ESPECIFICACIÓN Por Beatriz González López-Valcárcel ECONOMETRÍA I LICENCIATURA EN ECONOMÍA, Curso 2003-2004 PRÁCTICA 1 (LECCIÓN 1): EN BUSCA DE ESPECIFICACIÓN Por Beatriz González López-Valcárcel En esta práctica, aplicaremos los contrastes de especificación

Más detalles

Cálculos de Regresión Logística en R, Caso de una covariable.

Cálculos de Regresión Logística en R, Caso de una covariable. Cálculos de Regresión Logística en R, Caso de una covariable. Carga de datos (Tabla 1.1, Hosmer-Lemeshow): CH=read.table( CHDAGE.txt,header = T) attach(ch) Gráfico de Dispersión: plot(age,chd,xlab= Edad,

Más detalles

SOLUCIÄN DE LA PRIMERA PRÅCTICA CALIFICADA DE ECONOMETRIA II

SOLUCIÄN 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 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

(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 detalles

Ejemplo de Análisis de la Covarianza

Ejemplo de Análisis de la Covarianza Ejemplo de Análisis de la Covarianza Utilizando los datos del archivo sargos.csv representamos la itud desde el morro hasta la aleta dorsal frente a la itud total del pez: > sargos = read.table(file =

Más detalles

Análisis de datos estructurados. Santiago Ulloa Datos proporcionados por: Vinicio Uday (Infostat)

Análisis de datos estructurados. Santiago Ulloa Datos proporcionados por: Vinicio Uday (Infostat) Análisis de datos estructurados Santiago Ulloa Datos proporcionados por: Vinicio Uday (Infostat) Los datos Bloque Tratamiento Rendimiento 1 0 2010 1 75 2915 1 150 3049 1 225 3199 1 300 3381 2 0 1832 2

Más detalles

DEPARTAMENTO DE ORGANIZACIÓN DE EMPRESAS PROGRAMA: INTEGRACIÓN DE LAS TECNOLOGÍAS DE LA INFORMACIÓN EN LAS ORGANIZACIONES TESIS DOCTORAL

DEPARTAMENTO DE ORGANIZACIÓN DE EMPRESAS PROGRAMA: INTEGRACIÓN DE LAS TECNOLOGÍAS DE LA INFORMACIÓN EN LAS ORGANIZACIONES TESIS DOCTORAL DEPARTAMENTO DE ORGANIZACIÓN DE EMPRESAS PROGRAMA: INTEGRACIÓN DE LAS TECNOLOGÍAS DE LA INFORMACIÓN EN LAS ORGANIZACIONES TESIS DOCTORAL Título: Factores críticos en la adopción de las medidas de seguridad

Más detalles

Resolución del ejercicio

Resolución del ejercicio Resolución del ejercicio Adecuación de los datos. Lo primero que debemos hacer es comprobar que la muestra y el tipo de variables son adecuados para el uso del análisis factorial. Comprobaremos que la

Más detalles

GUÍA DE EJERCICIOS 4 ECONOMETRIA III

GUÍA DE EJERCICIOS 4 ECONOMETRIA III GUÍA DE EJERCICIOS 4 ECONOMETRIA III 1) Se dispone de las series de diferencias anuales del logaritmo de las series mensuales índice de precios al consumo en España y la Comunidad de Andalucía y asumimos

Más detalles

EJC 15: DATOS PANEL. PRIMERA DIFERENCIA-EFECTOS FIJOS-EFECTOS ALEATORIOS Wooldridge, pags. 419, 441, 449, 452.

EJC 15: DATOS PANEL. PRIMERA DIFERENCIA-EFECTOS FIJOS-EFECTOS ALEATORIOS Wooldridge, pags. 419, 441, 449, 452. EJC 15: DATOS PANEL. PRIMERA DIFERENCIA-EFECTOS FIJOS-EFECTOS ALEATORIOS Wooldridge, pags. 419, 441, 449, 452. En este ejemplo se presentan los estimadores de primera diferencia, de efectos fijos y de

Más detalles

a) Construct a normal probability plot of the effect estimates. Which effects appear to be large?

a) Construct a normal probability plot of the effect estimates. Which effects appear to be large? Problema 6- n experiment was run in a semiconductor fabrication plant in an effort to increase yield. Five factors each at two levels were studied. The factors and levels were = aperture setting (small,

Más detalles

ANALISIS DISCRIMINANTE: INTRODUCCION

ANALISIS DISCRIMINANTE: INTRODUCCION Grupo 1 Grupo 2 ANALISIS DISCRIMINANTE: INTRODUCCION José Luis Vicente Villardón Departamento de Estadística Universidad de Salamanca EJEMPLO INICIAL Consideremos el siguiente problema con datos reales.

Más detalles

Pruebas de diagnóstico, Cointegración, Modelos de corrección de errores, Test de cointegración de Johansen-Juselius y Pruebas de exogeneidad

Pruebas de diagnóstico, Cointegración, Modelos de corrección de errores, Test de cointegración de Johansen-Juselius y Pruebas de exogeneidad Banco Central de Costa Rica Departamento de Investigación Económica DIE-NT-02-2008 SEMINARIO-TALLER TÓPICOS DE ECONOMETRIA APLICADA PARTE II Pruebas de diagnóstico, Cointegración, Modelos de corrección

Más detalles

TUTORIAL PARA LA ESTIMACIÓN DE UN MODELO CON PRESENCIA DE AUTOCORRELACIÓN EN EASYREG. Julio César Alonso C.

TUTORIAL PARA LA ESTIMACIÓN DE UN MODELO CON PRESENCIA DE AUTOCORRELACIÓN EN EASYREG. Julio César Alonso C. TUTORIAL PARA LA ESTIMACIÓN DE UN MODELO CON PRESENCIA DE AUTOCORRELACIÓN EN EASYREG Julio César Alonso C. No. 16 Septiembre de 2008 APUNTES DE ECONOMÍA ISSN 1794-029X No. 16, Septiembre de 2008 Editor

Más detalles

QUINTA PRÁCTICA CALIFICADA DE ECONOMETRIA II. Dependent Variable: CREDITOSB Method: Least Squares Sample: 1992M M07 Included observations: 211

QUINTA 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 detalles

EXAMEN ECONOMETRÍA II GRUPO DADE Prof. Rafael de Arce 3 de septiembre de Nombre y Apellidos:

EXAMEN ECONOMETRÍA II GRUPO DADE Prof. Rafael de Arce 3 de septiembre de Nombre y Apellidos: EXAMEN ECONOMETRÍA II GRUPO DADE Prof. Rafael de Arce 3 de septiembre de 2004 Nombre y Apellidos: PRIMERA PARTE: (En las preguntas tipo test sólo debe marcarse una en cada caso): 1. Para determinar si

Más detalles

Contrastando Hipótesis después de la Estimación Probit

Contrastando Hipótesis después de la Estimación Probit Contrastando Hipótesis después de la Estimación Probit Microeconomía Cuantitativa R. Mora Departmento of Economía Universidad Carlos III de Madrid Esquema Introducción 1 Introducción 2 3 El modelo Probit

Más detalles

Eficacia del Misoprostol Sublingual en el alumbramiento dirigido

Eficacia del Misoprostol Sublingual en el alumbramiento dirigido UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULTAD DE MEDICINA HUMANA UNIDAD DE POSTGRADO Eficacia del Misoprostol Sublingual en el alumbramiento dirigido Hospital Docente Madre Niño San Bartolomé, enero

Más detalles

Universidade de Vigo. Linealidad. El comportamiento esperado de la variable dependiente

Universidade 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 detalles

Modelos 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) 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 detalles

Modelo Econométrico Empleo en México

Modelo Econométrico Empleo en México Memoria del XXI Coloquio Mexicano de Economía Matemática y Econometría Modelo Econométrico Empleo en México Mónica González Morales 1 Introducción 2000 a 2010 trimestralmente comprar productos fabricados

Más detalles

ECONOMETRÍA II Curso: 2009/2010 Práctica 5

ECONOMETRÍA 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 detalles

Econometría I (LADE). Curso 2001/2002 PRÁCTICA 08

Econometría I (LADE). Curso 2001/2002 PRÁCTICA 08 PRÁCTICA 08 HETEROCEDASTICIDAD Y NORMALIDAD En el fichero Datos08.wf1 tenemos la renta y consumo anual (en dólares) para 500 familias con el que se pretende estimar el siguiente modelo: C i = β + β R +

Más detalles

Resumen. El análisis de componentes principales (PCA) es una técnica multivariada utilizada

Resumen. El análisis de componentes principales (PCA) es una técnica multivariada utilizada Comparación de las aproximaciones χ 2 para la prueba de igualdad de los valores propios en el PCA Eduard Alexander Gañán Cárdenas a, Juan Carlos Correa Morales b Email: eaganan@unal.edu.co a. Estudiante

Más detalles

Métodos robustos. September 7, 2017

Métodos robustos. September 7, 2017 Métodos robustos September 7, 2017 Contenidos Outliers en el análisis de regresión. M-estimadores de regresión Ejercicio de aplicación Los conjuntos de datos rara vez verifican completamente las hipótesis

Más detalles

PARACAIDISMO DEPORTIVO. Se pretende abrir un club de PARACAIDISMO DEPORTIVO en la Universidad de las Américas-Puebla, por lo que es necesario conocer:

PARACAIDISMO DEPORTIVO. Se pretende abrir un club de PARACAIDISMO DEPORTIVO en la Universidad de las Américas-Puebla, por lo que es necesario conocer: PARACAIDISMO DEPORTIVO Objetivo General. Se pretende abrir un club de PARACAIDISMO DEPORTIVO en la Universidad de las Américas-Puebla, por lo que es necesario conocer: Estudio 1 1.1 Los estudiantes padecen

Más detalles

Modelos Lineales. Regresión Lineal Múltiple. Práctica 5

Modelos Lineales. Regresión Lineal Múltiple. Práctica 5 Práctica 5 Vamos a analizar con STATGRAPHICS el problema de estimación, descomposición de la variabilidad, contraste de regresión, intervalos de confianza para los parámetros, y predicciones, sobre un

Más detalles

Ensayos de consolidación (2)

Ensayos de consolidación (2) Ensayos de consolidación (2) Análisis de las curvas asiento-tiempo Células con medida de presión (Célula Rowe) Ensayos con carga continua Resumen Análisis de las curvas asiento tiempo Método de Casagrande

Más detalles

INTRODUCCION AL ECONOMETRIC VIEWS. Aquí se introduce la frecuencia y las fechas de comienzo y final de los datos.

INTRODUCCION 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 detalles

ESCALADO MULTIDIMENSIONAL

ESCALADO MULTIDIMENSIONAL Escalado multidimensional 1 ESCALADO MULTIDIMENSIONAL El escalamiento multidimensional es un método que trata de encontrar la estructura de un conjunto de medidas de distancia entre objetos o casos. Esto

Más detalles

Práctica 4 EJERCICIOS 1.- REGRESIÓN LINEAL SIMPLE 5.1 Regresión de Peso sobre Altura Datos en Encuesta.sgd a) Estudio descriptivo de ambas variables

Práctica 4 EJERCICIOS 1.- REGRESIÓN LINEAL SIMPLE 5.1 Regresión de Peso sobre Altura Datos en Encuesta.sgd a) Estudio descriptivo de ambas variables EJERCICIOS 1.- REGRESIÓN LINEAL SIMPLE 5.1 Regresión de Peso sobre Altura Datos en Encuesta.sgd a) Estudio descriptivo de ambas variables Marco elementos atípicos: b) Obtener la recta de regresión y comprobar

Más detalles

2. APLICAR A LAS SERIES PRUEBAS DE RAICES UNITARIAS 2 3. CALCULO DE VECTORES AUTOREGRESIVOS 6

2. APLICAR A LAS SERIES PRUEBAS DE RAICES UNITARIAS 2 3. CALCULO DE VECTORES AUTOREGRESIVOS 6 MATERIAL DE APOYO/SERIES DE TIEMPO INDICE 1. GRAFICAR DATOS 1 2. APLICAR A LAS SERIES PRUEBAS DE RAICES UNITARIAS 2 3. CALCULO DE VECTORES AUTOREGRESIVOS 6 4. CORRECCIÓN DE LA VIOLACIÓN DE LOS SUPUESTOS

Más detalles

Modelo 1: MCO, usando las observaciones 1994: :03 (T = 218) Variable dependiente: INFLACION

Modelo 1: MCO, usando las observaciones 1994: :03 (T = 218) Variable dependiente: INFLACION UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA DPTO. ACAD. DE ECONOMIA 1º El investigador especifica el modelo siguiente: EXAMEN PARCIAL DE ECONOMETRIA I Se le pide estimar el modelo por el método

Más detalles

f-a ANEXOS UNIVERSIDAD AUTÓNOMA MADRID 10.Oa REGISTRO GENERAL ENTRADA

f-a ANEXOS UNIVERSIDAD AUTÓNOMA MADRID 10.Oa REGISTRO GENERAL ENTRADA f-a ANEXOS UNIVERSIDAD AUTÓNOMA MADRID 10.Oa98 001905 REGISTRO GENERAL ENTRADA PAGS. ANEXO I t ANEXO II 18 ANEXO III 41 ANEXO IV ANEXO V. 85 ANEXO I 1992 544713 115703 471595 1147 8784 329978 27185 5347

Más detalles

Pregunta 1 Suponga que una muestra de 35 observaciones es obtenida de una población con media y varianza. Entonces la se calcula como.

Pregunta 1 Suponga que una muestra de 35 observaciones es obtenida de una población con media y varianza. Entonces la se calcula como. Universidad de Costa Rica Programa de Posgrado en Computación e Informática Doctorado en Computación e Informática Curso Estadística 18 de febrero 2013 Nombre: Segundo examen corto de Probabilidad Pregunta

Más detalles

Determinación del número de autovalores mayores que la unidad en el Análisis Imagen con el SPSS

Determinación del número de autovalores mayores que la unidad en el Análisis Imagen con el SPSS Determinación del número de autovalores mayores que la unidad en el Análisis Imagen con el SPSS Miguel A. Ruiz y Rafael San Martín Universidad Autónoma de Madrid En el modelo factorial de Análisis Imagen

Más detalles

Modelos Lineales. Regresión Lineal Simple. Práctica 3. Vamos a analizar el problema de contraste de las hipótesis básicas de un modelo de regresión

Modelos Lineales. Regresión Lineal Simple. Práctica 3. Vamos a analizar el problema de contraste de las hipótesis básicas de un modelo de regresión Práctica 3 Vamos a analizar el problema de contraste de las hipótesis básicas de un modelo de regresión lineal simple. STATGRAPHICS proporciona algunos resultados en este sentido, pero resulta insuficiente.

Más detalles

SOLUCIÓN DEL EXAMEN PARCIAL DE ECONOMETRIA I

SOLUCIÓN 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 detalles

Factores 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. 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 detalles

Índice PREFACIO. CAPÍTULO II FACTORES CRÍTICOS DE ÉXITO 2.1 Definición y objetivo 2.2 FCE en la Gestión de la Calidad 2.

Índice PREFACIO. CAPÍTULO II FACTORES CRÍTICOS DE ÉXITO 2.1 Definición y objetivo 2.2 FCE en la Gestión de la Calidad 2. 1 Índice Un modelo de FCE y el Impacto de los factores blandos y duros en la gestión de la calidad: El caso de la empresa manufacturera de Vehículos Recreacionales en Ciudad Juárez Autores Dra. Nancy Angélica

Más detalles

Linealidad. Opciones de Shazam para contrastar la linealidad del modelo

Linealidad. Opciones de Shazam para contrastar la linealidad del modelo Linealidad Opciones de Shazam para contrastar la linealidad del modelo Forma funcional La forma funcional lineal es muy importante para la validez del modelo, por ello interesa buscar esa forma cuando

Más detalles

CLAVE- Lab 10 - Diseño en Parcelas Divididas

CLAVE- Lab 10 - Diseño en Parcelas Divididas Parte I CLAVE- Lab 10 - Diseño en Parcelas Divididas e desea estudiar el efecto de ablandadores y tiempo de cocción sobre la terneza de carne de res. eis canales de res se obtuvieron aleatoriamente de

Más detalles

Modelo de regresión lineal generalizado. Opciones de Shazam para estimar un modelo con matriz de varianzas conocida no escalar

Modelo de regresión lineal generalizado. Opciones de Shazam para estimar un modelo con matriz de varianzas conocida no escalar Modelo de regresión lineal generalizado Opciones de Shazam para estimar un modelo con matriz de varianzas conocida no escalar Introducción Existe un comando para calcular los estimadores de MCG: el comando

Más detalles

EXAMEN ECONOMETRÍA I GRUPO 31 LADE Prof. Rafael de Arce 3 de septiembre de Nombre y Apellidos:

EXAMEN ECONOMETRÍA I GRUPO 31 LADE Prof. Rafael de Arce 3 de septiembre de Nombre y Apellidos: EXAMEN ECONOMETRÍA I GRUPO 31 LADE Prof. Rafael de Arce 3 de septiembre de 2004 Nombre y Apellidos: PRIMERA PARTE: Preguntas tipo test (sólo debe marcarse una en cada caso): 1. En el Modelo Básico de Regresión

Más detalles

TRABAJO FINAL ECONOMETRIA MODELO ECONOMETRICO MULTIVARIADO PASS TROUGH (PAIS DE BRASIL)

TRABAJO 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 detalles

Práctica 3 vgaribay PRÁCTICA 3. INTERVALOS DE CONFIANZA

Práctica 3 vgaribay PRÁCTICA 3. INTERVALOS DE CONFIANZA PRÁCTICA 3. INTERVALOS DE CONFIANZA Práctica 3 vgaribay OBJETIVOS: Comprobación del concepto de intervalo de confianza. Construcción de intervalos de confianza para poblaciones normales. Cálculo del tamaño

Más detalles

ANOVA (Análisis de varianza)

ANOVA (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 detalles

Statistics Exam. July 2, Group... Bachelor in...

Statistics Exam. July 2, Group... Bachelor in... Statistics Exam July 2, 2014 Name Number Group... Bachelor in... 1. A test to detect contamination in water is being developed. When a sample of contaminated water is tested, the test provides a positive

Más detalles

ECONOMETRIA II ADE LADE-DERECHO. CURSO 2006/2007

ECONOMETRIA II ADE LADE-DERECHO. CURSO 2006/2007 ECONOMETRIA II ADE LADE-DERECHO. CURSO 2006/2007 Hoja de ejercicios 3 PARTE A) Marque con una X la respuesta o respuestas correctas A.1. En el gabinete de estudios de una empresa de inversión en activos

Más detalles

Análisis Estadístico

Análisis Estadístico Universidad Torcuato Di Tella Análisis Estadístico Examen Final 05/07/2017 TEMA 1 Nombre y Apellido: Número de legajo: Instrucciones El examen tiene dos partes. La parte A (40 puntos) contiene 10 preguntas

Más detalles

DEPARTAMENTO DE CIENCIAS BASICAS AREA DE ESTADISTICA

DEPARTAMENTO DE CIENCIAS BASICAS AREA DE ESTADISTICA DEPARTAMENTO DE CIENCIAS BASICAS AREA DE ESTADISTICA PRACTICA EI-3 ANALISIS DE VARIANZA Y REGRESION ESTADISTICA INFERENCIAL Objetivo: Que el alumno conozca y comprenda el manejo de un paquete estadístico

Más detalles

peso edad grasas Regresión lineal simple Los datos

peso 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 detalles

AVISO IMPORTANTE EL PROFESOR DARÁ ASESORÍA ESTE VIERNES 13 DE OCTUBRE EN LA SALA JOSE SOLITICA EL ARCHIVO EN EXCEL PARA COMPLETAR LA GUIA AL CORREO

AVISO IMPORTANTE EL PROFESOR DARÁ ASESORÍA ESTE VIERNES 13 DE OCTUBRE EN LA SALA JOSE SOLITICA EL ARCHIVO EN EXCEL PARA COMPLETAR LA GUIA AL CORREO AVISO IMPORTANTE EL PROFESOR DARÁ ASESORÍA ESTE VIERNES 13 DE OCTUBRE EN LA SALA JOSE AYALA DE 13 A 15 HRS SOLITICA EL ARCHIVO EN EXCEL PARA COMPLETAR LA GUIA AL CORREO tere_vieyra@yahoo.com.mx Guía para

Más detalles

UNIVERSITAT DE BARCELONA

UNIVERSITAT DE BARCELONA UNIVERSITAT DE BARCELONA Facultat de Ciéncies Económiques I Empresarials Departament d Economía i Organització d Empreses INSTRUMENTOS DE MARKETING APLICADOS A LA COMPRA DE PRODUCTOS ECOLÓGICOS: UN CASO

Más detalles

Javier Roca Pardiñas Prof. Titular de Universidade Dpto. Estatística e I.O. Universidade de Vigo

Javier Roca Pardiñas Prof. Titular de Universidade Dpto. Estatística e I.O. Universidade de Vigo Javier Roca Pardiñas Prof. Titular de Universidade Dpto. Estatística e I.O. Universidade de Vigo 30/10/2013 Modelos Lineales de Regresión Índice 1. Planteamiento de modelo Caso práctico 2. Estimación y

Más detalles

Estudio empírico de la aplicación de ítem parcels en modelos de ecuaciones estructurales

Estudio empírico de la aplicación de ítem parcels en modelos de ecuaciones estructurales 3 rd International Conference on Industrial Engineering and Industrial Management XIII Congreso de Ingeniería de Organización Barcelona-Terrassa, September 2nd-4th 2009 Estudio empírico de la aplicación

Más detalles

UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE

UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE 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

Más detalles

Desarrollo del un ejemplo de análisis factorial confirmatorio con LISREL, AMOS y SAS

Desarrollo del un ejemplo de análisis factorial confirmatorio con LISREL, AMOS y SAS Desarrollo del un ejemplo de análisis factorial confirmatorio con LISREL, AMOS y SAS Introducción Seminario de Actualización en Investigación sobre Discapacidad SAID 2008 Benito Arias Universidad de Valladolid

Más detalles

Cointegración del Índice de Precios al Consumidor y Liquidez monetaria ( ). Venezuela.

Cointegración 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 detalles

ANALISIS DE LA ESTATURA

ANALISIS DE LA ESTATURA ANALISIS DE LA ESTATURA OBJETIVO El objetivo de este trabajo es realizar un estudio de la de distintos individuos. DATOS Se realizan los distintos análisis de regresión simple, así como el análisis de

Más detalles