UNIVERSIDAD MAYOR DE SAN ANDRES
INGENIERIA INDUSTRIAL
ECONOMETRIA IND-521
SOLUCIONARIO GUIA 4
1. En un estudio econométrico se estudió los ingresos de Explotación (INEX), el
consumo (CONS), los Gastos de personal (GPER) y los gastos de explotación
(GEX) relativos al sector de metalurgia y fabricación de productos metálicos
para 17 comunidades autonómicas de España, habiéndose obtenido los
siguientes resultados.
a) Analice que observaciones de carácter estadístico presenta la estimación.
b) Aplique los siguientes métodos: Farrar-Glauber, Test de Theil, Número de
condición de orden y Factor de Agrandamiento de la Varianza.
c) Realizar la prueba de regresiones auxiliares.
d) Proponga una solución coherente (en función a los resultados de b) al
problema presentado.
Información Adicional:
SOLUCION:
a) Indicadores estadísticos
i. Coeficiente de determinación
𝑅2 = 0, 9989 → 1
𝐸𝑙 𝑐𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑐𝑖𝑜𝑛 𝑒𝑠 𝑚𝑢𝑦 𝑒𝑙𝑒𝑣𝑎𝑑𝑜
ii. Prueba de significación individual
PARA 𝛽𝟏
i. Planteamiento de la hipótesis
𝐻𝑜: 𝛽1 = 0
𝐻𝑎: 𝛽1 ≠ 0
Aux. Univ. Claret Cory Altamirano 1
UNIVERSIDAD MAYOR DE SAN ANDRES
INGENIERIA INDUSTRIAL
ECONOMETRIA IND-521
ii. Identificación del estadístico de prueba
𝛽̂𝑖 − 𝛽𝑖𝑜 3729,609
𝑡𝑐 = = = 1,1508
𝜎𝛽𝑖 3240,869
iii. Contrastación
𝑡𝛼17−4
⁄
13
= 𝑡0,025 = 2,160
2
𝑅𝑅: |𝑡𝑐 | > 𝑡𝛼𝑛−4
⁄ 𝑆𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻𝑜
2
𝑅𝑅: 1,1508 > 2,160 𝑆𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻𝑜
iv. Conclusión
A un nivel de significancia del 5% el parámetro 𝛽1 no es individualmente
significativo, debido a que se acepta la Ho.
PARA 𝛽𝟐
v. Planteamiento de la hipótesis
𝐻𝑜: 𝛽2 = 0
𝐻𝑎: 𝛽2 ≠ 0
vi. Identificación del estadístico de prueba
𝛽̂𝑖 − 𝛽𝑖𝑜 0,392848
𝑡𝑐 = = = 1,42
𝜎𝛽𝑖 0,276641
vii. Contrastación
𝑡𝛼𝑛−4 13
⁄ = 𝑡0,025 = 2,160
2
𝑅𝑅: |𝑡𝑐 | > 𝑡𝛼𝑛−4
⁄ 𝑆𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻𝑜
2
𝑅𝑅: 1,42 > 2,160 𝑆𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻𝑜
viii. Conclusión
A un nivel de significancia del 5% el parámetro 𝛽2 no es individualmente
significativo, debido a que se acepta la Ho.
Aux. Univ. Claret Cory Altamirano 2
UNIVERSIDAD MAYOR DE SAN ANDRES
INGENIERIA INDUSTRIAL
ECONOMETRIA IND-521
PARA 𝛽𝟑
i. Planteamiento de la hipótesis
𝐻𝑜: 𝛽3 = 0
𝐻𝑎: 𝛽3 ≠ 0
ii. Identificación del estadístico de prueba
𝛽̂𝑖 − 𝛽𝑖𝑜 0,663397
𝑡𝑐 = = = 1,5959
𝜎𝛽𝑖 0,415687
iii. Contrastación
𝑡𝛼𝑛−4 13
⁄ = 𝑡0,025 = 2,160
2
𝑅𝑅: |𝑡𝑐 | > 𝑡𝛼𝑛−4
⁄ 𝑆𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻𝑜
2
𝑅𝑅: 1,5959 > 2,160 𝑆𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻𝑜
iv. Conclusión
A un nivel de significancia del 5% el parámetro 𝛽3 no es individualmente
significativo, debido a que se acepta la Ho.
PARA 𝛽𝟒
i. Planteamiento de la hipótesis
𝐻𝑜: 𝛽4 = 0
𝐻𝑎: 𝛽4 ≠ 0
ii. Identificación del estadístico de prueba
𝛽̂𝑖 − 𝛽𝑖𝑜 0,648393
𝑡𝑐 = = = 2,97
𝜎𝛽𝑖 0,218018
iii. Contrastación
𝑡𝛼𝑛−4 13
⁄ = 𝑡0,025 = 2,160
2
𝑅𝑅: |𝑡𝑐 | > 𝑡𝛼𝑛−4
⁄ 𝑆𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻𝑜
2
𝑅𝑅: 2,97 > 2,160 𝑆𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻𝑜
iv. Conclusión
A un nivel de significancia del 5% el parámetro 𝛽4 es individualmente significativo,
debido a que se rechaza la Ho.
iii. Prueba de significación global
i. Planteamiento de la hipótesis
𝐻𝑜: 𝛽2 = 𝛽3 = 𝛽4 = 0
𝐻𝑎: 𝛽2 ≠ 𝛽3 ≠ 𝛽4 ≠ 0
Aux. Univ. Claret Cory Altamirano 3
UNIVERSIDAD MAYOR DE SAN ANDRES
INGENIERIA INDUSTRIAL
ECONOMETRIA IND-521
𝐻𝑜: 𝑹𝟐 = 0
𝐻𝑎: 𝑹𝟐 ≠ 0
ii. Identificación del estadístico de prueba
ANOVA
Fuente de Grados de Suma de Cuadrados
variación Libertad cuadrados medios
𝐹𝑐
Regresión 4−1 =3 𝑅 2 𝑆𝐶𝑇 𝑅2 𝑆𝐶𝑇 𝐹𝑐
𝐶𝑀𝑅 =
2
Error 17 − 4 = 13 (1 − 𝑅 2 ) 𝑆𝐶𝑇 𝐶𝑀𝐸 =
(1 − 𝑅2 ) 𝑆𝐶𝑇
5
Total 17 − 1 = 16 𝑆𝐶𝑇
𝑆𝐶𝑅 𝑆𝐶𝐸
𝑅2 = =1−
𝑆𝐶𝑇 𝑆𝐶𝑇
𝑆𝐶𝑅 = 𝑅 2 𝑆𝐶𝑇
𝑆𝐶𝐸 = (1 − 𝑅 2 ) 𝑆𝐶𝑇
(𝑛 − 𝑘) ∗ 𝑅2 13 ∗ 0,9989
𝐹𝑐 = = = 3935,0606
(𝑘 − 1) (1 − 𝑅2) 3 ∗ (1 − 0,9989)
iii. Contrastación
(𝑘−1)(𝑛−𝑘) 3,13
𝐹𝛼 = 𝐹0,05 = 3,411
𝑅𝑅: 𝐹𝑐 > 𝐹𝛼𝑘−1
( )(𝑛−𝑘)
𝑆𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻𝑜
𝑅𝑅: 3935,0606 > 3,41 𝑆𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻𝑜
Aux. Univ. Claret Cory Altamirano 4
UNIVERSIDAD MAYOR DE SAN ANDRES
INGENIERIA INDUSTRIAL
ECONOMETRIA IND-521
iv. Conclusión
𝐴 𝑢𝑛 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑐𝑖𝑜𝑛 𝑑𝑒𝑙 5%, 𝑒𝑙 𝑚𝑜𝑑𝑒𝑙𝑜 𝑒𝑠 𝑔𝑙𝑜𝑏𝑎𝑙𝑚𝑒𝑛𝑡𝑒 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑣𝑜
𝑑𝑒𝑏𝑖𝑑𝑜 𝑎 𝑞𝑢𝑒 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑙𝑎 𝐻𝑜
CONCLUSION:
Debido a que el coeficiente de determinación es muy elevado, existen pocas razones
significativas β y el modelo es significativo globalmente, lo cual indica incoherencia en
la significación del modelo. Concluimos que existe presencia de multicolinealidad en el
modelo.
b)
CONTRASTE DE FARRAR GLAUBER
1 0,990380 0,997769
𝑅𝑋 = |0,990380 1 0,995341 | = 0,000033924
0,997769 0,995341 1
i. Planteamiento de la hipótesis
𝐻𝑜: |𝑅𝑋 | = 1
𝐻𝑎: |𝑅𝑋 | ≠ 1
ii. Estadistico de prueba
2𝑘 + 5 2∗4+5
𝐺 = − [𝑛 − 1 − ( ] ∗ ln(|𝑅𝑋 |) = − [17 − 1 − ( ] ∗ ln(0,000033924)
6 6
𝐺 = 142,3642
iii. Contraste
2 2 2
𝑋𝑘(𝑘−1) = 𝑋4(4−1) = 𝑋6,0,05 = 12,592
,𝛼 ,0,05
2 2
2
𝑅𝑅: 𝐺 > 𝑋𝑘(𝑘−1) 𝑆𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻𝑜
,𝛼
2
𝑅𝑅: 142,3642 > 12,592 𝑆𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻𝑜
iv. Conclusión
𝐴 𝑢𝑛 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑐𝑖𝑜𝑛 𝑑𝑒𝑙 5%, 𝑒𝑥𝑖𝑠𝑡𝑒 𝑒𝑣𝑖𝑑𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝑚𝑢𝑙𝑡𝑖𝑐𝑜𝑙𝑖𝑛𝑒𝑎𝑙𝑖𝑑𝑎𝑑
𝑑𝑒𝑏𝑖𝑑𝑜 𝑎 𝑞𝑢𝑒 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑙𝑎 𝐻𝑜
TEST DE THEIL
2
𝐼𝑁𝐸𝑋𝑖 = 4546,423 + 0,412023 𝐺𝑃𝐸𝑅 + 0,926941 𝐺𝐸𝑋 𝑅𝐶𝑂𝑁𝑆 = 0.998811
2
𝐼𝑁𝐸𝑋𝑖 = 3608,844 + 0,204843 𝐶𝑂𝑁𝑆 + 0,918472 𝐺𝐸𝑋 𝑅𝐺𝑃𝐸𝑅 = 0.998764
2
𝐼𝑁𝐸𝑋𝑖 = 2905,623 + 1,133071 𝐶𝑂𝑁𝑆 + 1,623027 𝐺𝑃𝐸𝑅 𝑅𝐺𝐸𝑋 = 0.998271
2 2 2 2 2 2 2
𝑚 = 𝑅𝑔𝑏𝑙 − [(𝑅𝑔𝑏𝑙 − 𝑅𝐶𝑂𝑁𝑆 ) − (𝑅𝑔𝑏𝑙 − 𝑅𝐺𝑃𝐸𝑅 ) − (𝑅𝑔𝑏𝑙 − 𝑅𝐺𝐸𝑋 )]
𝑚 = 0,9989 − [(0,9989 − 0,998811) − (0,9989 − 0,998769) − (0,9989 − 0,998271)]
Aux. Univ. Claret Cory Altamirano 5
UNIVERSIDAD MAYOR DE SAN ANDRES
INGENIERIA INDUSTRIAL
ECONOMETRIA IND-521
𝑚 = 0,999571 → 1 ∃ 𝑚𝑢𝑙𝑡𝑖𝑐𝑜𝑙𝑖𝑛𝑒𝑎𝑙𝑖𝑑𝑎𝑑
∆𝐶𝑂𝑁𝑆 = 0,000089
∆𝐺𝑃𝐸𝑅 = 0,000131
∆𝐺𝐸𝑋 = 0,000629
La variable CONS es la que menos aporta al modelo por lo tanto corresponde eliminar
la variable.
NUMERO DE CONDICION
𝜆𝐶𝑂𝑁𝑆 = 0,00985 𝜆𝐺𝑃𝐸𝑅 = 0,001152 𝜆𝐺𝐸𝑋 = 2,98899
𝜆𝑚𝑎𝑥 2,98899
𝑘(𝑋) = √ =√ = 50,9373
𝜆𝑚𝑖𝑛 0,001152
𝑘(𝑋) > 30 ∃ 𝑀𝑈𝐿𝑇𝐼𝐶𝑂𝐿𝐼𝑁𝐸𝐴𝐿𝐼𝐷𝐴𝐷 𝑆𝐸𝐺𝑈𝑅𝐴
50,9373 > 30 𝐸𝑙 𝑚𝑜𝑑𝑒𝑙𝑜 𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎 𝑚𝑢𝑙𝑡𝑖𝑐𝑜𝑙𝑖𝑛𝑒𝑎𝑙𝑖𝑑𝑎𝑑 𝑠𝑒𝑔𝑢𝑟𝑎
NUMERO DE AGRANDAMIENTO DE LA VARIANZA
1 1
𝐹𝐴𝑉[𝛽̂𝐶𝑂𝑁𝑆 ] = 2 =
(1 − 𝑅𝐶𝑂𝑁𝑆.𝐺𝑃𝐸𝑅 𝐺𝐸𝑋 ) 1 − 0,996352
𝐹𝐴𝑉[𝛽̂𝐶𝑂𝑁𝑆 ] = 274,1228 ≫ 20 𝑃𝑟𝑒𝑠𝑒𝑛𝑡𝑎 𝑀𝑢𝑙𝑡𝑖𝑐𝑜𝑙𝑖𝑛𝑒𝑎𝑙𝑖𝑑𝑎𝑑 𝑝𝑟𝑒𝑜𝑐𝑢𝑝𝑎𝑛𝑡𝑒
1 1
𝐹𝐴𝑉[𝛽̂𝐺𝑃𝐸𝑅 ] = 2 =
(1 − 𝑅𝐺𝑃𝐸𝑅.𝐶𝑂𝑁𝑆 𝐺𝐸𝑋 ) 1 − 0,992389
̂
𝐹𝐴𝑉[𝛽𝐺𝑃𝐸𝑅 ] = 131,3888 ≫ 20 𝑃𝑟𝑒𝑠𝑒𝑛𝑡𝑎 𝑀𝑢𝑙𝑡𝑖𝑐𝑜𝑙𝑖𝑛𝑒𝑎𝑙𝑖𝑑𝑎𝑑 𝑝𝑟𝑒𝑜𝑐𝑢𝑝𝑎𝑛𝑡𝑒
1 1
𝐹𝐴𝑉[𝛽̂𝐺𝐸𝑋 ] = 2 =
(1 − 𝑅𝐺𝐸𝑋.𝐶𝑂𝑁𝑆 𝐺𝑃𝐸𝑅 ) 1 − 0,998229
̂
𝐹𝐴𝑉[𝛽𝐺𝐸𝑋 ] = 564,6527 ≫ 20 𝑃𝑟𝑒𝑠𝑒𝑛𝑡𝑎 𝑀𝑢𝑙𝑡𝑖𝑐𝑜𝑙𝑖𝑛𝑒𝑎𝑙𝑖𝑑𝑎𝑑 𝑝𝑟𝑒𝑜𝑐𝑢𝑝𝑎𝑛𝑡𝑒
c)
Con la medida de Theil se observa que la variable sospechosa causante
de la multicolinealidad es X2 la cual debe eliminarse
En caso de disponer de pocas observaciones como en nuestro caso de 17
observaciones se debe aumentar el tamaño de la muestra, esto también
mejoraría el diseño muestral.
Transformar los datos, con datos de sección cruzada se recomienda
utilizar cocientes variables.
Aux. Univ. Claret Cory Altamirano 6
UNIVERSIDAD MAYOR DE SAN ANDRES
INGENIERIA INDUSTRIAL
ECONOMETRIA IND-521
2. Una empresa de autobuses desea estimar la demanda de pasajes (DP), en función
del precio (P) de los mismos, de la calidad del servicio (CS) evaluada a través de
los gastos que la empresa realiza para la mejora del mismo y de la demanda de
pasajes en el periodo anterior. Utilizando el método MCO se ha obtenido el
siguiente resultado:
a) Analice que observaciones de carácter estadístico presenta la estimación.
b) Con el resultado de a) Describa y aplique un método adecuado para determinar
posibles problemas econométricos.
c) En base al resultado de b) proponga un modelo adecuado.
SOLUCION:
a)
i. Coeficiente de determinación
𝑅 2 = 0, 9876
𝐸𝑙 𝑐𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑐𝑖𝑜𝑛 𝑒𝑠 𝑚𝑢𝑦 𝑒𝑙𝑒𝑣𝑎𝑑𝑜
ii. Prueba de significación individual
PARA 𝛽𝟐
i. Planteamiento de la hipótesis
𝐻𝑜: 𝛽2 = 0
𝐻𝑎: 𝛽2 ≠ 0
ii. Identificación del estadístico de prueba
𝛽̂𝑖 − 𝛽𝑖𝑜 −100,14367
𝑡𝑐 = = = −0,257
𝜎𝛽𝑖 389,689
iii. Contrastación
𝑡𝛼𝑛−4 7
⁄ = 𝑡0,025 = 2,365
2
Aux. Univ. Claret Cory Altamirano 7
UNIVERSIDAD MAYOR DE SAN ANDRES
INGENIERIA INDUSTRIAL
ECONOMETRIA IND-521
𝑅𝑅: |𝑡𝑐 | > 𝑡𝛼𝑛−4
⁄ 𝑆𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻𝑜
2
𝑅𝑅: 0,257 > 2,365 𝑆𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻𝑜
iv. Conclusión
A un nivel de significancia del 5% el parámetro 𝛽2 no es individualmente
significativo, debido a que se acepta la Ho.
PARA 𝛽𝟑
i. Planteamiento de la hipótesis
𝐻𝑜: 𝛽3 = 0
𝐻𝑎: 𝛽3 ≠ 0
ii. Identificación del estadístico de prueba
𝛽̂𝑖 − 𝛽𝑖𝑜 −3649,1135
𝑡𝑐 = = = −2,198
𝜎𝛽𝑖 1660,464
iii. Contrastación
𝑡𝛼𝑛−4 7
⁄ = 𝑡0,025 = 2,365
2
𝑅𝑅: |𝑡𝑐 | > 𝑡𝛼𝑛−4
⁄ 𝑆𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻𝑜
2
𝑅𝑅: 2,198 > 2,365 𝑆𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻𝑜
iv. Conclusión
A un nivel de significancia del 5% el parámetro 𝛽3 no es individualmente
significativo, debido a que se acepta la Ho.
PARA 𝛽𝟒
i. Planteamiento de la hipótesis
𝐻𝑜: 𝛽4 = 0
𝐻𝑎: 𝛽4 ≠ 0
Aux. Univ. Claret Cory Altamirano 8
UNIVERSIDAD MAYOR DE SAN ANDRES
INGENIERIA INDUSTRIAL
ECONOMETRIA IND-521
ii. Identificación del estadístico de prueba
𝛽̂𝑖 − 𝛽𝑖𝑜 0,8882333
𝑡𝑐 = = = 11,446
𝜎𝛽𝑖 0,0776
iii. Contrastación
𝑡𝛼𝑛−4 7
⁄ = 𝑡0,025 = 2,365
2
𝑅𝑅: |𝑡𝑐 | > 𝑡𝛼𝑛−4
⁄ 𝑆𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻𝑜
2
𝑅𝑅: 11,446 > 2,365 𝑆𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻𝑜
iv. Conclusión
A un nivel de significancia del 5% el parámetro 𝛽4 es individualmente significativo,
debido a que se rechaza la Ho.
iii. Prueba de significación global
i. Planteamiento de la hipótesis
𝐻𝑜: 𝛽2 = 𝛽3 = 𝛽4 = 0
𝐻𝑎: 𝛽2 ≠ 𝛽3 ≠ 𝛽4 ≠ 0
𝐻𝑜: 𝑹𝟐 = 0
𝐻𝑎: 𝑹𝟐 ≠ 0
ii. Identificación del estadístico de prueba
ANOVA
Fuente de Grados de Suma de Cuadrados
variación Libertad cuadrados medios
𝐹𝑐
Regresión 4−1 =3 𝑅 2 𝑆𝐶𝑇 𝑅2 𝑆𝐶𝑇 𝐹𝑐
𝐶𝑀𝑅 =
2
Error 11 − 4 = 7 (1 − 𝑅 2 ) 𝑆𝐶𝑇 𝐶𝑀𝐸 =
(1 − 𝑅2 ) 𝑆𝐶𝑇
5
Total 11 − 1 = 10 𝑆𝐶𝑇
𝑆𝐶𝑅 𝑆𝐶𝐸
𝑅2 = =1−
𝑆𝐶𝑇 𝑆𝐶𝑇
𝑆𝐶𝑅 = 𝑅 2 𝑆𝐶𝑇
𝑆𝐶𝐸 = (1 − 𝑅 2 ) 𝑆𝐶𝑇
(𝑛 − 𝑘) ∗ 𝑅2 7 ∗ 0,9876
𝐹𝑐 = = = 185,84
(𝑘 − 1) (1 − 𝑅 2 ) 3 ∗ (1 − 0,9876)
iii. Contrastación
Aux. Univ. Claret Cory Altamirano 9
UNIVERSIDAD MAYOR DE SAN ANDRES
INGENIERIA INDUSTRIAL
ECONOMETRIA IND-521
(𝑘−1)(𝑛−𝑘) 3,7
𝐹𝛼 = 𝐹0,05 = 4,347
𝑅𝑅: 𝐹𝑐 > 𝐹𝛼𝑘−1
( )(𝑛−𝑘)
𝑆𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻𝑜
𝑅𝑅: 185,84 > 4,347 𝑆𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻𝑜
iv. Conclusión
𝐴 𝑢𝑛 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑐𝑖𝑜𝑛 𝑑𝑒𝑙 5%, 𝑒𝑙 𝑚𝑜𝑑𝑒𝑙𝑜 𝑒𝑠 𝑔𝑙𝑜𝑏𝑎𝑙𝑚𝑒𝑛𝑡𝑒 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑣𝑜
𝑑𝑒𝑏𝑖𝑑𝑜 𝑎 𝑞𝑢𝑒 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑙𝑎 𝐻𝑜
CONCLUSION:
Debido a que el coeficiente de determinación es muy elevado, existen pocas razones
significativas β y el modelo es significativo globalmente, lo cual indica incoherencia en
la significación del modelo, por lo tanto, existe presencia de multicolinealidad.
b)
Las regresiones auxiliares corresponden a la prueba de Theil , por lo tanto se tiene:
𝐷𝑃𝑡 = 98116,978 + 4038,84𝑃𝑡 + 10798,901 𝐶𝑆𝑡 𝑅 2 𝐷𝑃𝑡−1 = 0,7335
𝐷𝑃𝑡 = 60071,404 − 192,82 𝑃𝑡 + 0,7937𝐷𝑃𝑡−1 𝑅 2 𝐶𝑆𝑡 = 0,971299
𝐷𝑃𝑡 = 67310,275 − 3503,14 𝐶𝑆𝑡 + 0,8717 𝐷𝑃𝑡−1 𝐹𝑐 = 276,498
1 1
𝑅2 = = = 0,9857
𝑛−𝑘 11 − 3
𝐹𝑐 (𝑘 − 1)
+ 1 276,498(3 − 1)
+1
𝑚 = 0,9876 − [(0,9876 − 0,7335) + (0,9876 − 0,971299) + (0,9876 − 0,9857)]
𝑚 = 0,7153
𝑚→1 𝐸𝑥𝑖𝑠𝑡𝑒 𝑝𝑟𝑒𝑠𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝑀𝑢𝑙𝑡𝑖𝑐𝑜𝑙𝑖𝑛𝑒𝑎𝑙𝑖𝑑𝑎𝑑
2
∆𝐷𝑃𝑡−1 = (𝑅𝑔𝑙𝑜𝑏𝑎𝑙 − 𝑅𝑗2 ) = 0,9876 − 0,7335 = 0,2541
Aux. Univ. Claret Cory Altamirano 10
UNIVERSIDAD MAYOR DE SAN ANDRES
INGENIERIA INDUSTRIAL
ECONOMETRIA IND-521
2
∆𝐶𝑆𝑡 = (𝑅𝑔𝑙𝑜𝑏𝑎𝑙 − 𝑅𝑗2 ) = 0,9876 − 0,971299 = 0,0163
2
∆𝑃𝑡 = (𝑅𝑔𝑙𝑜𝑏𝑎𝑙 − 𝑅𝑗2 ) = 0,9876 − 0,9857 = 0,0019
La variable 𝑃𝑡 es el que menos aporta al modelo por tanto corresponde eliminarlo
c)
Con la medida de Theil se observa que la variable sospechosa causante de la
multicolinealidad es 𝑃𝑡 la cual debe eliminarse
𝐷𝑃𝑡 = 67310,275 − 3503,14 𝐶𝑆𝑡 + 0,8717 𝐷𝑃𝑡−1
Aux. Univ. Claret Cory Altamirano 11
