1.-Especificaciones lineales de las variables explicativas

Documentos relacionados
TM 6. ESPECIFICACION DE LA FORMA FUNCIONAL DE LA ECUACION. 1. ESPECIFICACIONES LINEALES DE LAS VARIABLES EXPLICATIVAS

Modelo de Regresión Lineal Múltiple. Heterocedasticidad. Dr. Víctor Aguirre

Muestra: son datos de corte transversal correspondientes a 120 familias españolas.

Material Docente de. Econometría. Curso Primera parte. Problemas y cuestiones

USOS Y EXTENSIONES DEL MODELO LINEAL CON K VARIABLES

6 Impacto en el bienestar de los beneficiarios del PAAM

CAPÍTULO 6 TRATAMIENTO DE ASPECTOS CUALITATIVOS. USO DE VARIABLES FICTICIAS EN REGRESIÓN

Licenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL

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

Tema 2: El modelo clásico de regresión

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

UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE ECUACIONES SIMULTÁNEAS: EJERCICIO 19.

SOLUCIÓN DEL EXAMEN PARCIAL DE ECONOMETRIA I

Estadística con R. Modelo Probabilístico Lineal

MODELOS PARA DATOS DE RECUENTO

SOLUCIÄN DE LA PRIMERA PRÅCTICA CALIFICADA DE ECONOMETRIA II

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 17 de Mayo de :00 horas

(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

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

CAPÍTULO 11 No-NORMALIDAD DE LAS PERTURBACIONES. MÉTODOS ROBUSTOS DE ESTIMACIÓN

ECONOMETRÍA II PRÁCTICAS DE ORDENADOR. Práctica 2

Lección 4. Ejercicios complementarios.

Introducción a la Econometría Capítulo 4

SOLUCIÓN DE LA PRIMERA PRÁCTICA CALIFICADA DE ECONOMETRIA I

TODO ECONOMETRIA. Variables cualitativas

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

Hoja de ejercicios 4 Econometría II Curso 2011/2012

1. VARIABLES FICTICIAS

Especialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE

ESTIMACIÓN DE LA FUNCIÓN DE EXPORTACIONES DE CATALUÑA A LOS PRINCIPALES PAÍSES EUROPEOS

ECONOMETRÍA II PRÁCTICAS DE ORDENADOR. Práctica 3

LEY DE WAGNER EN EL CASO COLOMBIANO,

Modelos lineales Regresión simple y múl3ple

con los supuestos clásicos, uno de ellos es que ninguna de las variables X 1, X 2,, X K es

EXTENSIÓN DEL MODELO DE REGRESIÓN LINEAL DE DOS VARIABLES

Errores de especificación. Series simuladas

truncación inferior en el punto a=25 es igual a El grado de truncación es del

MODELOS DE ELECCIÓN BINARIA

CAPÍTULO 9 HETEROCEDASTICIDAD.

1.- Enumere las hipótesis básicas del modelo básico de regresión lineal

Índice General de Ventas en Grandes Almacenes y su logaritmo

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

Examen Final de Econometría Grado

NOMBRE: I. TEST (debe marcar sólo un resultado como válido en cada pregunta)

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 20 DE JUNIO DE horas

Regresión con heterocedasticidad y autocorrelación

El contexto básico para el análisis es un modelo de regresión de la forma: α (1)

Correlograma de la serie Y. Included observations: 900 Autocorrelation Partial Correlation AC PAC Q-Stat Prob

Regresión múltiple k k

Aspectos fundamentales en el análisis de asociación

Análisis cuantitativo aplicado al Comercio Internacional y el Transporte

EJERCICIO T1 NOMBRE: Correctas Incorrectas En Blanco Puntos

ECONOMETRIA II ADE LADE-DERECHO. CURSO 2006/2007

Análisis Estadístico

PRACTICA 3. CONTRASTES Y PREDICCION.

e i para construir el modelo econométrico que se escribe a continuación:

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

DESCOMPOSICIÓN EN REGRESIÓN LINEAL: UN NUEVO MÉTODO PARA ANÁLISIS DE DETERMINANTES Y TOMA DE DECISIONES

Tema 3: Procedimientos de Constrastación y Selección de Modelos

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

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general

En el caso más simple, cuando dos series tienen una única raíz estacionaria, son I(1,0), si están cointegradas implica que: Existe una relación en el

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

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

EXAMEN ECONOMETRÍA I GRUPO 53 - DADE 8 de septiembre de 2005 Prof. Rafael de Arce

Regresión con variables instrumentales

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

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septiembre de :30 horas. Pregunta 19 A B C En Blanco

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

EL DESARROLLO EN COLOMBIA: UN ENFOQUE DESDE EL IDH Y LA DISTRIBUCIÓN DEL INGRESO ( )

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco

El Modelo IS-LM. El modelo IS-LM

Objetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria

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

Análisis de Regresión y Correlación

Regresión con heterocedasticidad y autocorrelación

Modelo Lineal Múltiple. Clase 03. Profesor: Carlos R. Pitta. ICPM050, Econometría. Universidad Austral de Chile Escuela de Ingeniería Comercial

log Y = log + v log K + (1 )v log L 1=2 log(1 )v[log(k=l)] 2 + U = log K + 2 log L + 3 [log(k=l)] 2 + U;

INTERPRETACIÓN DE LOS PARÁMETROS DE UN MODELO BÁSICO DE REGRESIÓN LINEAL. Rafael de Arce Ramón Mahía Febrero de 2012

UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE

Oferta de Trabajo Parte 2. Economía Laboral Julio J. Elías LIE - UCEMA

Regresión y correlación simple 113

RECETA ELECTRÓNICA: IMPACTO SOBRE EL GASTO FARMACEÚTICO

TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE

GUÍA DE EJERCICIOS 4 ECONOMETRIA III

SOLUCIÓN DEL EXAMEN PARCIAL DE ECONOMETRIA II

Nueva estimación sobre el volumen del PBI informal en base al método de la demanda de circulante. Joaquín Días y Carla Di Paula.

Proyecciones del PBI para el 2003.

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia

Instituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm

ln Y = β 0 + β 1 ln X 1 + β 2 X 2 + ε, (4) ln Y = β 0 + β 1 X 1 + β 2 X 2 + ε, (3)

Influencia de la política económica en los principales indicadores de la economía peruana Amer Ernesto Fernández Dávila Angulo

MODELO VAR ARGENTINA

DESCOMPOSICIÓN EN REGRESIÓN LINEAL: UN NUEVO MÉTODO PARA ANÁLISIS DE DETERMINANTES Y TOMA DE DECISIONES

6 Heteroscedasticidad

TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE

Educación y Crecimiento Económico

Heterocedasticidad y autocorrelación

Inferencia en Regresión Lineal Simple

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

Transcripción:

Tema 6: Especfcacón De La Forma Funcona De La Ecuacón. Interpretacon Aplcacones.-Especfcacones lneales de las varables explcatvas.- Especfcacón cuadrátca 3.- Especfcacón lneal o cuadrátca con un térmno de nteraccón 4.- El recíproco de una varable explcatva como regresor 5.- El modelo Log-lneal o de elastcdad constante 6.- La especfcacón sem-log: el modelo log-lneal 7.- La especfcacón sem-log: el modelo lneal-log Tema 6

Tema 6: Especfcacón De La Forma Funcona De La Ecuacón. Interpretacon Aplcacones Método de estmacón por MCO (Análss de Regresón Lneal) Exge lnealdad SÍ en los coefcentes NO en las varables PERMITE múltples especfcacones alternatvas Tema 6

Tema 6.: Especfcacones Lneales 0 Cómo camba en valor absoluto ante cambos untaros en la varable, ceters parbus CTCFCV 0 CT 53 0,48*Q (S se produce undad adconal, el CT se ncrementa en 0,48 undades) Tema 6 3

Tema 6.: Especfcacones Lneales Consumo 0 Preco Renta Dependent Varable: CONSMO Method: Least Squares Date: //99 Tme: 7:6 Sample: 0 Included observatons: 0 Varable Coeffcent Std. Error t-statstc Prob. C 9.64456 6.03834.598876 0.539 PRECIO -0.43937 0.49455-0.893545 0.40 RENTA 0.78049 0.0769 44.7407 0.0000 R-squared 0.996447 Mean dependent var 78.366 Adjusted R-squared 0.99543 S.D. Consumo dependent var 57.5003 S.E. of regresson 3.88667 Akake nfo crteron 5.79600 Sum squared resd 0.439 05.75 Schwarz crteron 5.886876 Log lkelhood -5.98050 F-statstc 98.64 Durbn-Watson stat.743 Prob(F-statstc) 0.000000 Consumo Preco Renta 0.7804 Tema 6 4

Tema 6: Especfcacón De La Forma Funcona De La Ecuacón. Interpretacon Aplcacones.-Especfcacones lneales de las varables explcatvas.- Especfcacón cuadrátca 3.- Especfcacón lneal o cuadrátca con un térmno de nteraccón 4.- El recíproco de una varable explcatva como regresor 5.- El modelo Log-lneal o de elastcdad constante 6.- La especfcacón sem-log: el modelo log-lneal 7.- La especfcacón sem-log: el modelo lneal-log Tema 6 5

Tema 6.: Especfcacones Cuadrátcas 0 3 Al evaluar el mpacto del cambo de, se ve que éste depende del VALOR tomado por Coefcente de efecto lneal Coefcente de efecto cuadrátco Tema 6 6

Tema 6: Especfcacón De La Forma Funcona De La Ecuacón. Interpretacon Aplcacones.-Especfcacones lneales de las varables explcatvas.- Especfcacón cuadrátca 3.- Especfcacón lneal o cuadrátca con un térmno de nteraccón 4.- El recíproco de una varable explcatva como regresor 5.- El modelo Log-lneal o de elastcdad constante 6.- La especfcacón sem-log: el modelo log-lneal 7.- La especfcacón sem-log: el modelo lneal-log Tema 6 7

Tema 6 8 Tema 6.3: Especfcacones con Interaccones A.- Especfcacones Lneales Se ntroduce un térmno de nteraccón cuando el mpacto del cambo de sobre depende del valor tomado por otra varable explcatva, 3 0

Tema 6.3: Especfcacones con Interaccones A.- Especfcacones Lneales Benfco( mles) Benfco ( mles 0.83CMdo (%) ) 0 Conc(%) Conc* CMdo 3 CMdo(%) 0. 0.08 Conc (%) - 0.476 Conc * CMdo Bfo Conc 0.08 0.476CMdo Tema 6 9

Tema 6.3: Especfcacones con Interaccones A.- Especfcacones Lneales Salaro 0 Conc(%) Conc* Sndc 3 Sndc(%) Salaro 3,7 Sndc 936 53,5Conc. - 0.44 Conc * Sndc. Salaro 3,7 0,44* Concen. Sndc. Tema 6 0

Tema 6.3: Especfcacones con Interaccones A.- Especfcacones Lneales 3,7 0,44* Concen. > 0 y ~ por ~ tan to Concen. < 3,7 / 0,44 53,8 El efecto de la Sndcacón sobre los salaros será postvo solamente para ratos de concentracón nferores a 53,8% Concentr. 0% Concentr. 60% 3,7 0,44*0 4,9 3,7 0,44*60 -,7 Tema 6

Tema 6 Tema 6.3: Especfcacones con Interaccones B.- Especfcacones Cuadrátcas 4 3 0 3

Tema 6.3: Especfcacones con Interaccones B.- Especfcacones Cuadrátcas Contraste de Sgnfcacón estadístca: H 0 : no nfluye sobre H 0 : 3 0 ( SCE R SCE SCE NR NR n k ) q ~ F q, n k Tema 6 3

Tema 6: Especfcacón De La Forma Funcona De La Ecuacón. Interpretacon Aplcacones.-Especfcacones lneales de las varables explcatvas.- Especfcacón cuadrátca 3.- Especfcacón lneal o cuadrátca con un térmno de nteraccón 4.- El recíproco de una varable explcatva como regresor 5.- El modelo Log-lneal o de elastcdad constante 6.- La especfcacón sem-log: el modelo log-lneal 7.- La especfcacón sem-log: el modelo lneal-log Tema 6 4

Tema 6 5 Tema 6.4: El Recíproco de una varable explcatva 0 0 lm

Tema 6.4: El Recíproco de una varable explcatva Costo fjo promedo de produccón 0 0 0 > 0; > 0 Produccón Tema 6 6

Tema 6.4: El Recíproco de una varable explcatva Curva de Gasto de Engel 0 0 Gosto 0 > 0; < 0 0 Ingreso Tema 6 7

Tema 6.4: El Recíproco de una varable explcatva Curva de Phllps Tasa de varacón de los salaros monetaros % -,43.48 8.743 Tasa Desempleo% Tema 6 8

Tema 6: Especfcacón De La Forma Funcona De La Ecuacón. Interpretacon Aplcacones.-Especfcacones lneales de las varables explcatvas.- Especfcacón cuadrátca 3.- Especfcacón lneal o cuadrátca con un térmno de nteraccón 4.- El recíproco de una varable explcatva como regresor 5.- El modelo Log-lneal o de elastcdad constante 6.- La especfcacón sem-log: el modelo log-lneal 7.- La especfcacón sem-log: el modelo lneal-log Tema 6 9

Tema 6.5: El Modelo Log-Lneal Funcón de produccón Cobb-Douglas Q AK L e Es una forma lneal? Podemos estmar por MCO? Puede ser lnealzada? Con lnq 0 ln K ln(a) ln L Ahora es lneal en los parámetros y lneal en las varables MCO Q K K Q L. ~. Q L Q Elastcdades: Cambos porcentuales en Q ante cambos porcentuales en K y L Tema 6 0

Tema 6 Tema 6.5: El Modelo Log-Lneal e A e A e A E e A

Tema 6.5: El Modelo Log-Lneal ) 0 ln( ) ln( ) ln( Tema 6

Tema 6: Especfcacón De La Forma Funcona De La Ecuacón. Interpretacon Aplcacones.-Especfcacones lneales de las varables explcatvas.- Especfcacón cuadrátca 3.- Especfcacón lneal o cuadrátca con un térmno de nteraccón 4.- El recíproco de una varable explcatva como regresor 5.- El modelo Log-lneal o de elastcdad constante 6.- La especfcacón sem-log: el modelo log-lneal lneal 7.- La especfcacón sem-log: el modelo lneal-log Tema 6 3

Tema 6.6: Especfcacón SemLog: El Modelo Loglneal Ae e e ln( ) 0 Cambo relatvo en Cambo absoluto en Tema 6 4

Tema 6: Especfcacón De La Forma Funcona De La Ecuacón. Interpretacon Aplcacones.-Especfcacones lneales de las varables explcatvas.- Especfcacón cuadrátca 3.- Especfcacón lneal o cuadrátca con un térmno de nteraccón 4.- El recíproco de una varable explcatva como regresor 5.- El modelo Log-lneal o de elastcdad constante 6.- La especfcacón sem-log: el modelo log-lneal 7.- La especfcacón sem-log: el modelo lneal-log log Tema 6 5

Tema 6 6 Tema 6.7: Especfcacón SemLog: El Modelo lneal-log ) ln( ) ln( 0 Cambo relatvo en Cambo absoluto en 0 e e