Tareas de finanzas beta etc.
Enviado por Paz1525 • 15 de Septiembre de 2015 • Tareas • 983 Palabras (4 Páginas) • 203 Visitas
- Estime un Modelo ExpCu =βo +β1+β2+β3+ ε ; en función de las variables dependiente e independientes de su estudio.
Para construir un modelo de regresión lineal múltiple que explique la variación de las exportaciones de cobre, se consideraron los datos históricos desde 1960 a 2014 de las siguientes variables:
Variable dependiente:
- ExpCu: Exportación de Cobre (en Millones de dólares)
Variables independientes:
- PIB: Producto Interno Bruto (El dólares a Precios actuales)
- TC: Tipo de Cambio (En Pesos)
- ExpTot: Exportaciones Totales (En millones de Dólares)
El resultado de la regresión es el Siguiente:
[pic 1]
ExpCu = 378,61 - 3,23165x10-08*(PIB) - 5,70848*(TC) + 0,6675(ExpTot) + 812,73
- Calcule todos los antecedentes del estadístico de regresión múltiple y explique qué sucede con las variables de Estudio. Realice el grafico de residuos de las variables de estudio, gráficos de residuos estándares, curvas de regresión ajustada y grafico de probabilidad Normal
Los antecedentes estadísticos de esta regresión son los siguientes:
Estadísticas de la regresión | |
Coeficiente de correlación múltiple | 0,998238467 |
Coeficiente de determinación R^2 | 0,996480036 |
R^2 ajustado | 0,996272979 |
Error típico | 812,7285899 |
Observaciones | 55 |
En donde se puede Apreciar que el Coeficiente Correlación múltiple es de 99,82% lo que indica que existe un alto grado de de asociación lineal entre las variables.
Así mismo, el Coeficiente de determinación R2 es de un 99,64% lo que indica que un alto porcentaje de la variablidad de la Variable ExpCu es explicada por el modelo.
Para determinar si el modelo funciona correctamente es necesario realizar algunas pruebas. Por lo que necesitamos incluir el análisis de la varianza de los datos obtenidos. y Aplicar Test de Fisher y t Student.
Comenzaremos con la Prueba Fisher:
ANÁLISIS DE VARIANZA | |||||
| Grados de libertad | Suma de cuadrados | Promedio de los cuadrados | F | Valor crítico de F |
Regresión | 3 | 9536557541 | 3178852514 | 4812,59 | 1,5777E-62 |
Residuos | 51 | 33686915,8 | 660527,7608 | ||
Total | 54 | 9570244457 |
|
|
|
Por lo que nuestras Hipótesis serán:
H0: El modelo de regresión NO explica la variación en las Exportaciones de cobre
H1: El modelo de regresión SI explica la variación en las Exportaciones de cobre
Para calcular el valor crítico de F se usa:
Grados de libertad | |
Regresión | 3 |
Residuos | 51 |
Alfa | 0,05 |
Lo que da como resultado: Valor Critico de F0,05: 2,79
Como F obtenido = 4812,6 > 2,79 = F0,05 , Entonces se rechaza H0
Por lo tanto, Hay suficiente evidencia para concluir que el modelo de regresión Explica parte de la variación de las Exportaciones de Cobre
Gráficamente:
[pic 2]
Para verificar el grado de incidencia de cada variable sobre el resultado, se efectúa la prueba t Student.
Los datos obtenidos con la regresión son:
Variable: | Estadístico t |
PIB US$ P. Actuales | -3,761886796 |
TC Dólar Ob. ($ x US$) | -8,418438572 |
EXPORTACIONES MILL. US$ | 26,40454575 |
Grados de Libertad: 55-3-1 = 51
Alpha: 0,05.
lo que da como resultado t critico: 2,0075
[pic 3]
por lo tanto, Hay evidencia estadística suficiente para concluir que cada variable individual (PIB, Tipo de Cambio y Exportaciones totales) Afecta la Exportación de Cobre.
Pero queda la duda con la variable PIB ya que es la que muestra el desempeño más bajo en el análisis.
Respecto a las gráficas tenemos:
[pic 4]
[pic 5][pic 6]
[pic 7]
[pic 8][pic 9]
[pic 10]
- Que variable de estudio no tiene significación de acuerdo al estudio realizado en a. y b. justifique con análisis y vocabulario económico.
La variable que presenta menor desempeño es el PIB.
...