Econometria regresion lineal multiple
Enviado por Lucas Opazo • 22 de Noviembre de 2015 • Tareas • 444 Palabras (2 Páginas) • 309 Visitas
Ayudantía N°8
En la base de spss “demanda de rosas.sav” se encuentran la información sobre las variables:
- Y: Logaritmo de la demanda de rosas vendidas (docena)
- X1: Logaritmo del precio promedio al por mayor de las rosas (US$/docena)
- X2: Logaritmo del precio promedio al por mayor de los claveles (US$/docena)
- X3: Ingreso promedio disponible familiar semanal (US$/docena)
Donde el modelo final es: Y=2,320-1,761X1+1,340x2
A través de las diversas salidas del Spss, que se presentaran a continuación, conteste las siguientes preguntas en relación a este modelo de regresión múltiple:
- Determine si se cumple el supuesto de normalidad en el MRL, utilice el test estadístico adecuado de los presentes en las siguientes tablas.
[pic 2][pic 3][pic 4]
- Histograma:
El Histograma muestra una distribución normal, puesto no existe una tendencia hacia ninguno de los extremos.
- K-S:
Ho: los residuos son normales
H1: los residuos no son normales
Como el p-value (0,936) es mayor al nivel de significancia del 5%, es decir NRHo, y podemos decir que los residuos son estadísticamente normales.
- qq-plot.
La mayoría de los puntos del gráfico, se encuentra en torno a la línea teórica de la normalidad, por lo tanto, podemos decir que los residuos se comportan normales.
- Al aplicar el Test de White al modelo, arrojo la síguete tabla de resultados, analizar si se está en presencia o no de Heterocedasticidad y de presentarse identificar la variable que produce el problema.
[pic 5][pic 6][pic 7]
Ho: Los residuos son Homocedasticos (Varianza Igual)
H1: Los residuos son Heterocedasticos (Varianza distintas)
N*r2 > chi-cuadrado (NRho)
N*r2=16*0,452=7,232
Chicuadrado [q(5)]= 1,1455
Decisión: como el n*r2> Chi cuadrado, implica que las varianzas son iguales es decir existe presencia de homocedasticidad a un nivel de confianza del 95% (NRHo).
Corrección a lo dicho en la ayudantía, En el caso de la variable que produce la heterocedasticidad, no es necesario analizarlo porque no hay presencia de esta en el modelo.
- Analice mediante el estadístico adecuado si el modelo posee residuos que estén correlacionados entre sí.
[pic 8]
Ho: los residuos no están correlacionados.
H1: Residuos correlacionados.
DW= 2,059
K=2
Ver valor en la tabla.
DL: 0,982
Du:1,539
Como dw> du, NRho, es decir los residuos no están correlacionados.
...