ANALISIS EJERCICIO 4

ANALISIS EJERCICIO 4

Los resultados obtenidos muestran un coeficiente de determinación (R^2) de 0.753767308789348. Podemos decir que la variación porcentual en la producción anual de automóviles se explica con un 75% teniendo en cuenta la variación porcentual de las exportaciones y la variación porcentual del PBI.  A pesar de haber obtenido los resultados en el modelo de regresión planteado, es importante considerar la posibilidad de otros factores que puedan llegar a modificar el resultado final.

En primer lugar, el error típico arrojado es de 0.1458797207061.  Es decir, nos devuelve el error típico del valor de y previsto para cada x de la regresión. El error típico es una medida de la cuantía de error en el pronóstico del valor de y para un valor individual de x.

En segundo lugar, cuando consideramos el análisis de la varianza, podemos ver que se obtiene una suma de cuadrados totales de 1.12353727895574, y un valor critico de F de 0.000110597962551848.  Los residuos miden de alguna forma la cantidad que la regresión no es capaz de explicar.  El método de estimación de los mínimos cuadrados establece los valores de los parámetros de la recta de regresión de la muestra.  

La intercepción (alfa) es el valor mínimo que puede llegar a obtener la recta.  El coeficiente es de -0.0711058408323017. Este nos muestra un rango inferior 95% de -0.168394881059118 y un rango superior 95% de 0.0261831993945151, por lo que no tengo fundamentos suficientes para rechazar la hipótesis nula.  El valor podría caer en cero.  Podemos decir que el dato no es significativo.

La variable X1 nos muestra la significación de las exportaciones netas sobre la venta de automóviles.  El coeficiente es de 0.467763047217242. En este caso, obtenemos un rango inferior de 95% de -0.380650320608881 y un rango superior de 95% de 1.31617641504337.  Al igual que el caso anterior, no tenemos datos suficientes para rechazar la hipótesis nula.  

Por último, la variable X2 muestra el impacto del ingreso total (PBI) sobre las exportaciones netas.  El coeficiente es de 3.04094282107587. Podemos ver un rango inferior 95% de 1.18498362579653 y un rango superior 95% de 4.89690201635521.  En este caso, podemos rechazar la hipótesis nula, no obstante, habría que considerar el error típico que es de 0.859093744647535.

 ANALISIS EJERCICIO 5

En este ejercicio obtenemos los datos que estiman la variación de la inflación en términos de la variación porcentual de PBI y de la variación porcentual de la cantidad de dinero.

1. Los resultados obtenidos muestran un coeficiente de determinación (R^2) de 0.0109089785166817 y un R^2 ajustado de 0.0109089785166817.  El dato más relevante en este caso podemos considerar que es el intercepto o el alfa.  A pesar de que este nos muestra un rango inferior 95% de 0.760462973734163 y un rango superior de 3.45802331791095, lo cual nos da fundamentos suficientes para rechazar la hipótesis nula, habría que tener en cuenta el error típico y el nivel de significación.  Tal vez, modificando estos resultados podríamos obtener información distinta y no podríamos rechazar la hipótesis nula.

1. Los resultados obtenidos muestran un coeficiente de determinación (R^2) de 0.0644315126426436 y un R^2 ajustado de 0.0644315126426436.  En este segundo caso, obtenemos resultados similares al primero.  Las dos variables, X1 y X2, nos muestran rangos inferiores negativos y rangos superiores positivos, donde no podemos rechazar la hipótesis nula.  De todas formas, obtenemos un intercepto o alfa entre 0.931845180045238 y 3.75276342836437, lo que nos daría fundamentos para rechazar la hipótesis nula.  

1. Los resultados obtenidos muestran un coeficiente de determinación (R^2) de 0.0141048040520099 y un R^2 ajustado de -0.314526927930653.  Por último, este ejercicio nos arroja datos similares con un intercepto entre 0.663202189848479 y 3.69577877429335, lo que nos daría datos relevantes para rechazar la hipótesis nula.   Como mencionamos antes, habría que rever el nivel de significación.

ANALISIS EJERCICIO 6

Los resultados obtenidos muestran un coeficiente de determinación (R^2) de 0.0546420281428193 y un R^2 ajustado de -0.00838183664765946.  

En primer lugar, el error típico arrojado es de 0.310838044708139.  Es decir, nos devuelve el error típico del valor de y previsto para cada x de la regresión. El error típico es una medida de la cuantía de error en el pronóstico del valor de y para un valor individual de x.

Asimismo, obtenemos un resultado de la suma de cuadrados totales de 3.06614931849041, con un valor critico de F de 0.430471458685127.  De estos datos obtenemos información que la regresión no es capaz de explicar.  Establece o plantea valores de los parámetros de la recta de regresión de la muestra.

...