... *Elasticidad ingreso del gasto en electricidad (Modelo Restringido). reg lviv ling

Documentos relacionados
Estimación de una función de gasto en alimentos

Guía de interpretaciones y comandos STATA en apoyo a la solución de algunos ejercicios de la tarea para el Examen Final con

Solución Taller No. 5 Econometría II Prof. Bernal

EJERCICIOS CAPITULO 9. GUJARATI-PORTER (2010)

Sección Teórica. , cuya información se presenta a continuación. Completar las celdas necesarias para responder a las preguntas 1 a 5.

Beatriz Sánchez Reyes. 22 de septiembre de 2010

Yearly analysis Confidence interval ci ch4

MULTICOLINEALIDAD (Gujarati y Porter, Capítulo 10) Ejemplo de la sección donde

En cada una de las tablas de esta sección se incluyen también los comandos de Stata con los cuales se obtuvo la información.

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

INTEREXPORT TELECOMUNICACIONES Y SERVICIOS S.A.

Muestreo e inferencia

SOLUCIÓN PROPUESTA. Es de notar que dadao que los datos provienen de un corte transversal, valores de bondad de ajuste resultan ser bajos.

PRUEBA DE FALTA DE AJUSTE (Lack-of-fit Test) Fortino Vela Peón

Pronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple

Consecuencias económicas de eventos climáticos en la gestión hídrica de la cuenca del Canal de Panamá

Ejercicio 1 (20 puntos)

INTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión

Varianza del error no constante: heteroscedasticidad. Fortino Vela Peón Universidad Autónoma Metropolitana

INTERVALOS DE CONFIANZA

Ejercicios Wooldridge (2010) 5ª. ed.

SOLUCION TALLER 1 SOLUCION PUNTO 1. - Función de producción cuadrática. Se espera que: >0 porque x2 es un insumo de producción

Sesión 8 Procesando la Encuesta de Demografía y Salud (ENDS) Colombia 2010

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

Ejercicio 1(10 puntos)

Iker Ustárroz, Juan M. Cabasés, María Errea Universidad Pública de Navarra

Universitat Pompeu Fabra Licenciatura de ADE y Economía Econometría I / 10143) Profesor: Javier Coronado Examen Final Diciembre 2011

Universidad de la República, Facultad de Ciencias Económicas y Administración.

DETERMINANTES DE LOS INGRESOS

Análisis de Tendencias de los indicadores en las Encuestas de Verificación Nacional Muestral

Repaso de estadística básica. Juan D. Barón Santiago de Chile, 8 de abril de 2013

Modelación estadística: La regresión lineal simple

Econometría Tutorial 6 Ejercicios de Multicolinealidad

Images created with STATA software. Regresión múltiple. Por qué controlar?

TEORÍAS MODELOS DATOS EMPÍRICOS

Bienvenidos a EEiPP 2013! Introducción al Taller Internacional de Encuestas y Evaluación de Impacto

Instrumentos Económicos y Regulación de la Contaminación Industrial: Primera aproximación el caso del Río Bogotá

Situación del mercado de semillas de maíz amarillo duro en el Perú

Proyectando los efectos de estrategias de adaptación en el consumo residencial de agua en Santiago

Estimar efectos parciales con margins

Funciones de Regresión No Lineales (SW Cap. 6)

Una metodología para manejar variables

Regresión múltiple. Efecto de varias variables ambientales sobre una especie de ganso migratorio. Luz

ESTIMACIÓN DE LA DEMANDA DE CIGARRILLOS EN PANAMA (Consideraciones para Política Fiscal)

TEMA 2.1: MODELOS DE REGRESIÓN LINEAL MÚLTIPLE

MSc. Víctor Hugo Herrera Ballesteros

Odds = = e. UD1: El modelo de regresión logística 1. 1 e

LAB 13 - Análisis de Covarianza - CLAVE

Variables Dummy (parte I)

Análisis de la evolución y tendencia de las tasas de hepatitis A en Chile desde a 2002

Crecimiento y Desarrollo Económicos

CLAVE Lab 11 - Regresión Lineal Simple y Polinomial

Tablas de errores de muestreo

EDUCACIÓN Y BANCARIZACIÓN DEPARTAMENTAL EN EL PERÚ

El Crédito Educativo en la Educación Superior en el Ecuador: Análisis de resultados

ECONOMÍAS DE ESCALA EN LAS UNIVERSIDADES PÚBLICAS ESPAÑOLAS

Introducción al Análisis de Series de Tiempo en STATA

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

Características y Rendimiento de Estudiantes Universitarios. El Caso de la Facultad de Ciencias Económicas de la Universidad Nacional de La Plata

MODELO DE CRECIMIENTO ENDÓGENO EN LA INDUSTRIA DE FABRICACIÓN DE PRODUCTOS ALIMENTICIOS EN COLOMBIA

Reforma fiscal y Haciendas Locales (el caso de Málaga)

Tema: Análisis de regresión y análisis de varianza. La tabla ANOVA tiene la siguiente representación: CMR F c CME SCE CME=SCE/GLE

Impacto de la Crisis del Sector Eléctrico en la Economía Dominicana Parte II: Empresas

Algunos apuntes sobre: Un sistema electoral mixto para el presidencialismo chileno (de Ricardo González y Lucas Sierra)

Solución Taller No. 10 Econometría II Prof. Bernal

AGRO Examen Final

Modelos de regresión lineal múltiple

Las fuentes del crecimiento económico antes y durante el gobierno del presidente Rafael Correa

INFLUENCIA DE LA TASA DE INTERÉS DE POLÍTICA MONETARIA SOBRE LAS TASAS DE INTERÉS ACTIVA Y PASIVA

ANÁLISIS ESTADÍSTICO DE LAS PUNTUACIONES PARA ASCENSOS DOCENTES

Multicolinealidad. Ejercicio 6.9 POE4

Las variables que influyen en la decisión de compra

Sesión 8 - Modelos con datos de conteo

Estimación de la elasticidad de la curva de salarios en Bolivia

Omega Beta Gamma PERFORMANCE PARA LOS FONDOS MUTUOS DE RENTA VARIABLE EN EL MERCADO PERUANO:

CAPITAL HUMANO E INTERNACIONALIZACIÓN EXPORTADORA

Examen Final. a. Identifique los factores en estudio, y si éstos son fijos o aleatorios.

Regresión con Variables Ficticias

Diagnósticos regresión

LA VOLATILIDAD DEL PRECIO DEL PETRÓLEO Y SUS EFECTOS EN LA ECONOMÍA ECUATORIANA EN LA ÚLTIMA DECADA.

Información Importante

AGRO Examen Final. Nombre:

Modelos de regresión multinivel

Anexo 2.1 Variables analizadas en el estudio

VI. Percepción de los Beneficiarios de la Vertiente Apoyo a la Palabra

ANEXO I. Determinación de Costo de Capital para Gtd MANQUEHUE S.A.

El modelo de Goodwin. Ciclos económicos e inversión en Bolivia

EMPOBRECIMIENTO POR GASTOS DE BOLSILLO EN SALUD

T10. Sesión Riesgo y vulnerabilidad laboral

EVALUACIÓN DE IMPACTOS EN HIDROCARBUROS, MEDIANTE LA ECONOMETRÍA. M.Sc. Carlos I. Palomares Palomares Gerente de Operaciones GPSAC

Regresión Múltiple (SW Capítulo 5) Estimación MCO de la relación entre las notas y el número de estudiantes por profesor:

ANEXO 3-A LA LECTURA DE UNA ESPECIE DE COMPUTADORA

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

Endogeneidad y heterogeneidad no observada. 2. Modelo de regresión clásico y endogeneidad

USOS Y EXTENSIONES DEL MODELO LINEAL CON K VARIABLES

12/10/2010. No independencia de los errores: autocorrelación. Estructura de la varianza bajo un proceso AR (1) Estructura AR (1) de la varianza

Examen Final. Class Level Information Class Levels Values trat Number of Observations Used 15

COMPETITIVIDAD A NIVEL PAÍS; UNA EVALUACIÒN DEL CASO BOLIVIA.

Transcripción:

---- ---------------------------------------- log: C:\datos\docencia\econIccee\practicas2009\chowlog log type: text opened on: 17 Sep 2009, 17:58:52 use "$ruta\chowdta", clear * crear variable logaritmo de 1+ingreso del hogar g ling=ln(1+ing_tot) * crear variable logaritmo de 1+gasto en vivienda del hogar g lviv=ln(1+gvivienda) * crear variable dummy "Montevideo" g Montevideo=(dpto==1) * crear una variable interacción Montevido-Ingreso g lingmvdeo=ling*montevideo *Elasticidad ingreso del gasto en electricidad (Modelo Restringido) reg lviv ling -------------+------------------------------ F( 1, 20770) =2434495 Model 82334231 1 82334231 Prob > F = 00000 Residual 702438039 20770 338198382 R-squared = 05396 -------------+------------------------------ Adj R-squared = 05396 Total 152578035 20771 734572408 Root MSE = 58155 lviv Coef Std Err t P> t [95% Conf Interval] ling 7635228 0048935 15603 0000 7539312 7731144 _cons 407958 0473869 861 0000 315076 5008399 scalar SCR_restrin=e(rss) scalar k=e(df_m)+1 scalar Nobs=e(N) *Elasticidad ingreso del gasto en electricidad Montevideo reg lviv ling if Montevideo==1 Source SS df MS Number of obs = 7178 -------------+------------------------------ F( 1, 7176) =1023552 Model 297604855 1 297604855 Prob > F = 00000 Residual 208647157 7176 290756908 R-squared = 05879 -------------+------------------------------ Adj R-squared = 05878 Total 506252012 7177 705381095 Root MSE = 53922 lviv Coef Std Err t P> t [95% Conf Interval] Página 1

ling 7299952 0072155 10117 0000 7158507 7441396 _cons 1064812 0726767 1465 0000 9223438 1207279 scalar SCR_nrestrin_1=e(rss) *Elasticidad ingreso del gasto en electricidad Montevideo reg lviv ling if Montevideo==0 Source SS df MS Number of obs = 13594 -------------+------------------------------ F( 1, 13592) = 920950 Model 244499857 1 244499857 Prob > F = 00000 Residual 360849385 13592 265486599 R-squared = 04039 -------------+------------------------------ Adj R-squared = 04039 Total 605349242 13593 445338955 Root MSE = 51525 lviv Coef Std Err t P> t [95% Conf Interval] ling 5947658 0061977 9597 0000 5826176 6069141 _cons 1832686 0587044 3122 0000 1717617 1947755 scalar SCR_nrestrin_2=e(rss) * CONTRASTE DE CHOW scalar CHOW1=(SCR_restrin-(SCR_nrestrin_1+SCR_nrestrin_2))/k/((SCR_nrestrin_1+SCR_nrestri n_2)/(nobs-2*k)) scalar p_valor=1-f(k,nobs-2*k,chow1) display p_valor 0 *Elasticidad ingreso del gasto para Montevideo e Interior: *CONTRASTE ESTRUCTURAL DE CHOW UTILIZANDO VARIABLES DUMMY reg lviv Montevideo ling lingmvdeo -------------+------------------------------ F( 3, 20768) =1162436 Model 956283806 3 318761269 Prob > F = 00000 Residual 569496542 20768 274218289 R-squared = 06268 -------------+------------------------------ Adj R-squared = 06267 Total 152578035 20771 734572408 Root MSE = 52366 lviv Coef Std Err t P> t [95% Conf Interval] Montevideo -7678746 0924176-831 0000-9490204 -5867289 ling 5947658 0062988 9443 0000 5824198 6071119 lingmvdeo 1352293 0094221 1435 0000 1167613 1536974 _cons 1832686 059662 3072 0000 1715744 1949628 test Montevideo lingmvdeo ( 1) Montevideo = 0 Página 2

( 2) lingmvdeo = 0 chow[1] F( 2, 20768) = 242401 Prob > F = 00000 *Calcular el estadìstico F del contraste por otra via: Usando (Rbeta_es-r)'{[RVar(beta_es)R']^-1}(Rbeta_es-r)/k *Siendo Var(beta_es) la que se observa a continuación matrix Varcovar=e(V) matrix list Varcovar symmetric Varcovar[4,4] Montevideo ling lingmvdeo _cons Montevideo 00854101 ling 00037473 00003967 lingmvdeo -0008674-00003967 00008878 _cons -00355955-00037473 00037473 00355955 *ESTIMANDO OTRAS ESPECIFICACIONES *Elasticidad ingreso del gasto en electricidad estimando un intercepto diferente para Montevideo e Interior reg lviv Montevideo ling -------------+------------------------------ F( 2, 20769) =1716414 Model 950635185 2 475317593 Prob > F = 00000 Residual 575145163 20769 276924822 R-squared = 06230 -------------+------------------------------ Adj R-squared = 06230 Total 152578035 20771 734572408 Root MSE = 52624 lviv Coef Std Err t P> t [95% Conf Interval] Montevideo 5534025 0081624 6780 0000 5374034 5694015 ling 6552003 0047075 13918 0000 6459733 6644274 _cons 1261873 0446913 2824 0000 1174275 1349472 *Elasticidad ingreso del gasto en electricidad estimando una elasticidad diferente para Montevideo e Interior reg lviv ling lingmvdeo -------------+------------------------------ F( 2, 20769) =1734521 Model 954390732 2 477195366 Prob > F = 00000 Residual 571389616 20769 275116576 R-squared = 06255 -------------+------------------------------ Adj R-squared = 06255 Total 152578035 20771 734572408 Root MSE = 52452 lviv Coef Std Err t P> t [95% Conf Interval] ling 6284557 004828 13017 0000 6189925 6379189 lingmvdeo 0572464 0008295 6902 0000 0556206 0588722 _cons 1512667 0456385 3314 0000 1423212 1602122 Página 3

*TEST DE RAMSEY en modelo no restringido reg lviv Montevideo ling lingmvdeo -------------+------------------------------ F( 3, 20768) =1162436 Model 956283806 3 318761269 Prob > F = 00000 Residual 569496542 20768 274218289 R-squared = 06268 -------------+------------------------------ Adj R-squared = 06267 Total 152578035 20771 734572408 Root MSE = 52366 lviv Coef Std Err t P> t [95% Conf Interval] Montevideo -7678746 0924176-831 0000-9490204 -5867289 ling 5947658 0062988 9443 0000 5824198 6071119 lingmvdeo 1352293 0094221 1435 0000 1167613 1536974 _cons 1832686 059662 3072 0000 1715744 1949628 estat ovtest Ramsey RESET test using powers of the fitted values of lviv Ho: model has no omitted variables F(3, 20765) = 38316 Prob > F = 00000 predict plviv, xb g plviv2=plviv^2 g plviv3=plviv^3 g plviv4=plviv^4 reg lviv Montevideo ling lingmvdeo plviv2-plviv4 -------------+------------------------------ F( 6, 20765) = 632462 Model 98615552 6 164359253 Prob > F = 00000 Residual 539624828 20765 259872298 R-squared = 06463 -------------+------------------------------ Adj R-squared = 06462 Total 152578035 20771 734572408 Root MSE = 50978 lviv Coef Std Err t P> t [95% Conf Interval] Montevideo -1074234 4191677-256 0010-1895836 -2526328 ling 2172739 3647315 596 0000 1457837 2887641 lingmvdeo 2993238 0761617 393 0000 1500409 4486067 plviv2-1313952 1646277-798 0000-1636635 -991269 plviv3 1669429 0177557 940 0000 1321403 2017455 plviv4-0065494 0006709-976 0000-0078644 -0052344 _cons 1096083 5138965 2133 0000 9953553 1196811 test plviv2 plviv3 plviv4 ( 1) plviv2 = 0 ( 2) plviv3 = 0 ( 3) plviv4 = 0 Página 4

F( 3, 20765) = 38316 Prob > F = 00000 *Calcular el estadìstico F del contraste por otra via: Usando (Rbeta_es-r)'{[RVar(beta_es)R']^-1}(Rbeta_es-r)/3 *Notar que la matriz de Varcovar es la calculada màs arriba que se reproduce a continuación matrix list Varcovar symmetric Varcovar[4,4] Montevideo ling lingmvdeo _cons Montevideo 00854101 ling 00037473 00003967 lingmvdeo -0008674-00003967 00008878 _cons -00355955-00037473 00037473 00355955 log close log: C:\datos\docencia\econIccee\practicas2009\chowlog log type: text closed on: 17 Sep 2009, 17:58:53 ---- ---------------------------------------- Página 5