Ejercicios de econometria.
Enviado por Nicolasmirag • 4 de Agosto de 2016 • Tarea • 1.047 Palabras (5 Páginas) • 273 Visitas
[pic 1]
Análisis de datos
Econometría
Sofía Larrain
Cristian Hernández
Alexis Rojas
Andres Dawabe
Cristobal Gonzalez
Frida Guzmán
EJERCICIO 1
Analice la teoría de Phillips con los datos de inflación y empleo del período 1960-1998 de USA
Analizando la Teoría de Phillips con la información entregada y luego de realizar el análisis de los datos podemos deducir que:
Indicar que la inflación depende del desempleo es un supuesto erróneo debido a que no existe correlación entre estos. La Estadística de la regresión a través del coeficiente de determinación R2 se encuentra muy por debajo del 100% con un 6,4% lo que nos indica que la fiabilidad del modelo es bastante bajo. Al eliminar un dato de nuestro modelo podemos ver como el indicador o R2 ajustado baja considerablemente al 3,9% de fiabilidad.
Por otra parte si analizamos el Error Típico nos encontramos que esta por sobre los límites que son niveles cercanos a 2.
Cabe mencionar que el desempleo incide solo en un 6% sobre la inflación, mientras que el otro 94% corresponde a valores residuales.
Estadísticas de la regresión |
|
Coeficiente de correlación múltiple | 0,254731546 |
Coeficiente de determinación R^2 | 0,06488816 |
R^2 ajustado | 0,039614867 |
Error típico | 2,986774913 |
Observaciones | 39 |
(1,37 + 0,52 Desempleo + u)
EJERCICIO 2
Determine un modelo lineal para estimar la evolución de la población
Población USA en millones. Período 1970-1999
Para comenzar el análisis de datos del siguiente ejercicio debemos primero tener en conocimiento que la población no mantiene un crecimiento lineal, sino que está llena de altos y bajos, por lo tanto no es un línea perfecta de crecimiento. Si realizamos un análisis de los datos sin intentar llevar los datos a función lineal tendremos un error típico bastante elevado y es este el indicador que nos debe llamar la atención para buscar otra forma de realizar el análisis.
Al aplicar Ln a los datos entregados nuestros indicadores cambian favorablemente. Podemos ver claramente que el coeficiente de determinación R2 llega a un cifra cercana al punto optimo con un 99% de fiabilidad y nuestro error típico no sobre pasa los 2. Otro factor a considerar es que en el análisis de Varianza nuestro dato intercepción no pasa por cero, lo que nos dice que la función no se invalida.
Estadísticas de la regresión | |
Coeficiente de correlación múltiple | 0,999945436 |
Coeficiente de determinación R^2 | 0,999890875 |
R^2 ajustado | 0,999886833 |
Error típico | 0,000885486 |
Observaciones | 29 |
Modelo Lineal para estimar la evolución de la población.
Función Ln Y = a + b*x
Si Z = a + b*x
Z = 12,24 + 0,0098*x
EJERCICIO 3
Determine un modelo para estimar la relación entre el gasto en investigación y desarrollo, ventas y utilidades empresariales
-En este caso obtenemos que nuestro coeficiente de determinación R2 es de un 77,6% lo que refleja una buena correlación, no perfecta pero se encuentra dentro de los niveles deseables próxima a un 100%
En otro caso decidimos disminuir el porcentaje de probabilidad a un 90% y obtenemos como resultado que el análisis de la varianza mejora, pero nos dice que el estadístico t es menor que la probabilidad, por lo tanto el valor del intercepto puede ser producto del azar y así una correlación entre los datos.
Es por esta razón que no podríamos confiar en el modelo.
95%
Estadísticas de la regresión | |
Coeficiente de correlación múltiple | 0,900137597 |
Coeficiente de determinación R^2 | 0,810247693 |
R^2 ajustado | 0,784947386 |
Error típico | 3376,619949 |
Observaciones | 18 |
90%
Estadísticas de la regresión | |
Coeficiente de correlación múltiple | 0,880857843 |
Coeficiente de determinación R^2 | 0,77591054 |
R^2 ajustado | 0,746031945 |
Error típico | 0,770737505 |
Observaciones | 18 |
EJERCICIO 4
Determine un modelo lineal para estimar la función de producción Cobb-Douglas de México, de acuerdo a los siguientes datos
Al determinar el modelo lineal para estimar la función de producción de Cobb-Douglas de México podemos estimar que existe una fiabilidad bastante cercana al 100% dado que nuestro coeficiente de determinación al analizar las variables es de 99%. Otro indicador positivo es que al analizar la probabilidad de nuestra función no existe un nivel mayor al 5% esto también es un buen indicador.
...