Taller R studio econometria

Ayudantía Econometría Básica

Teoría.

1. ¿cuál es el/los objetivo/s de la regresión lineal simple? ¿y la múltiple?

"ir hacia atrás", "volver al pasado”  [pic 2]

1. Escriba la ecuación de regresión simple y múltiple.

[pic 3]

[pic 4][pic 5]

[pic 6][pic 7][pic 8]

1. Dibuja el gráfico que representa la relación entre dos variables cuantitativas.[pic 9]

1. Explique los siguientes conceptos, correlación, homocedasticidad, Autocorrelación, residuo, regresión, coeficientes, ceteris paribus.

Correlación: nivel de relación entre dos variables cuantitativas, se utiliza el coeficiente de Pearson para ver que tan fuerte es esta relación.  (-1,0,1)

Homocedasticidad: hace alusión a la variabilidad de los errores, se utiliza un grafico de dispersión para identificar la nube de puntos en el. Si este tiene una banda homogénea de errores a medida que avanza la variable Y podemos decir que los errores son homogéneos.

[pic 10]

Autocorrelación: nivel de relación entre los errores(residuos)

No autocorrelación: Ausencia de covarianza (o correlación) entre los errores:

Cov(εi , εj) = 0 si i ≠ j

Los errores tienen relación a medida que avanzan los individuos durante la función. Es posible dectetar con DW [1,5;2,5] [pic 11]

Residuo: Diferencia que existe entre el valor observado en el individuo – el valor predicho por nuestra función (ecuación, regresión).[pic 12]

Denotado como E i

Coeficientes: valores constantes que se calculan para cada variable en la función, son también la pendiente en la recta de regresión, B0(número constate e invariable, cuyo valor corta al eje Y en el plano.) B1(valor de la pendiente, o “peso” que se le asigna a la variable 1) existen tantos Betas como variables existan en la regresión.

ceteris paribus: Mide la variación de Y según el factor Xi, mientras los otros factores permanecen constantes.[pic 13]

[pic 14]

1.  Cuál es la diferencia entre Relación funcional/relación estocástica.[pic 15]

[pic 16]

[pic 17][pic 18]

[pic 19]

1. Diferencia entre covarianza y coeficiente de correlación lineal de Pearson.

[pic 20]

1. Defina la naturaleza de las variables de implicadas en una regresión lineal múltiple y ¿qué distribución tienen?

En la regresión lineal las variables Xi E Y deben ser cuantitativas. Tienen destrucción normal. [pic 21]

1. Enumera los supuestos del modelo sobre los residuos y como se pueden detectar.

[pic 22]

[pic 23]

[pic 24]

1. Escriba el modelo lineal de forma matricial, detallando cuáles son cada una de las matrices que entran en ese modelo.

[pic 25]

Interpretación.

Usando la salida de R: modelo, gráficos y tablas responder las siguientes preguntas.

1. ¿Cuál es la variable dependiente?

Compra presos

1. Cuáles son las variables del modelo.

X1= Distancia     X2 = Salario     X3=Edad

1. Escribe el modelo con los valores de coeficientes y las variables.

Comprapesos = 275542,..( -550,.. *Distancia) +( 11,...*salario)-(283,...*edad)

1. Cómo es la relación entre las variables.

Ver la tabala de correlación para responder

1. ¿A cuántos individuos se observa?

Para esto se debe ver en la salida r F-stadistic 496 DF(grados de libertad ) y sumar la cantidad de variables +1, es decir 496 + 3 +1.

1. ¿Cuáles son los intervalos de confianza y que significan?

Ver tabla de intervalos de confianza, mas grafico  de distribución normal.

1. ¿qué significa el valor 0,6099? ¿cómo se calcula? ¿qué interpretamos del? ¿qué

pasaría si este valor esta cercano al 0,000 o al 0,999?

Indica el % de explicación de la realidad, se calcula viendo la cantidad de puntos que se integran a la función dentro de los intervalos de confianza si este valor es cercano a 0,00 quiere decir que el modelo explica muy poco de la realidad, por otra parte valores cercanos a 1 indican un buen porcentaje explicativo de la realidad.

...