Solemne 2 Regresión Multiple

[pic 1]

ECONOMETRÍA Y PRONÓSTICOS

PRUEBA SOLEMNE 2

INFORMACIÓN GENERAL

• Tiempo asignado para responder la prueba: 100 minutos
• Responda en documento Word y enviar al correo (camilavillaloboss@gmail.com)
• Se responderán preguntas, sólo durante los 30 primeros minutos, en voz alta (activando micrófono en collaborate) y no por el chat. Las preguntas realizadas sólo pueden ser referidas al enunciado y no a los contenidos evaluados.
• Está PROHIBIDA la copia entre compañeros, si se sorprenden respuestas iguales o muy parecidas serán sancionados con nota 1,0 en la prueba.
• TOTAL PUNTAJE :80 PUNTOS

Recuerde:

[pic 2]

[pic 3]

              [pic 4]

       [pic 5]

ITEM I (25 PUNTOS, 5 PUNTOS C/U)

1. Un amigo suyo le comenta que, en un modelo de regresión lineal, en el peor de los casos los residuos explican un cero% la variabilidad del término dependiente. ¿Qué opina usted?

Mientras el más cercano al 0 se encuentre los residuos, resulta favorable debido a que es la parte de la variabilidad de la variable dependiente que no es posible explicar con el modelo,  es decir, que nuestras variables independientes no logran explicar de la variable dependiente. Dado esto, mientras menor variabilidad expliquen los residuos, es porque mayor variabilidad de la variable explica el modelo.

1. La significancia conjunta del modelo depende de la significancia individual de las variables independientes incluidas.

Al depender de R del modelo mientras más significativas sean las variables independientes mejor será el R, por lo tanto existe una relación entre ello, debido a que se comparan los R de cada uno de los dos modelos (uno con las variables no significativas y el otro sin ellas) y de esta forma se evidencia si tienen una significancia conjunta o no.

1. Dentro de los pasos para construir un modelo. ¿en qué consiste la definición del universo y variable a predecir? Explique

Constituye la etapa de la construcción donde se define la población objetivo, se estructuran las bases de datos, se definen las fuentes de información, se seleccionan las variables de interés a predecir y el software a emplear.

1. Explique en que consiste la colinealidad entre las variables explicativas.

La colinealidad entre las variables explicativas sucede cuando las variables independientes del modelos están altamente correlacionadas entre sí, es decir, cerca de 1 o -1 de acuerdo con el tipo de correlación que tengan y lo cual impide cumplir con el supuesto de Gauss-Markov cuando esta dependencia lineal es exacta.

1. Una mayor variación muestral genera una menor varianza de los estimadores. Comente

ITEM II (55 PUNTOS)

Pregunta 1 (35 PUNTOS, 5 PUNTOS C/U)

Considere el siguiente modelo para explicar el peso de un niño al nacer en términos de diversos factores:

MODELO 1

[pic 6]

: logaritmo de peso al nacer, en libras.[pic 7]

: número promedio de cigarros diarios que fumo la madre durante el embarazo.[pic 8]

: orden de nacimiento del niño.[pic 9]

: ingreso anual de la familia.[pic 10]

: años de escolaridad de la madre.[pic 11]

: años de escolaridad del padre.[pic 12]

1. MODELO 1. Interprete el coeficiente de la variable  en la primera ecuación. En particular ¿Qué efecto tiene sobre el peso al nacer que la madre haya fumado 15 cigarros más por día?[pic 13]

Log-nivel

Al aumentar una unidad la cantidad de cigarros al día disminuye un 0.52% (0.005214*100%) en el peso al nacer de los niños.

[pic 14]

Si una madre consume 15 cigarros por día, el niño tendrá un %7.8 menos en el peso al nacer.

1. MODELO 1. En la primera ecuación, permaneciendo todos los demás factores constantes, ¿Cuánto más se predice que pese un niño blanco en comparación con uno no blanco? ¿Es esta diferencia significativa?

Log-nivel

Se espera que el niño pese un 4.53% (0.0453*100%) más respecto a uno no blanco en el peso al nacer de los niños. Esta diferencia es significativa, debido a que presenta un valor-P menor a 0.05 para el nivel de significancia, por ende, el color del niño incide en el peso esperado al nacer.

...