Analisis Econométrico -Tarea Econometría I - Encuesta y Análisis de Regresión
Tony R MJInforme10 de Septiembre de 2018
3.517 Palabras (15 Páginas)291 Visitas
“Año del diálogo y la Reconciliación Nacional”
UNIVERSIDAD NACIONAL DE UCAYALI[pic 1][pic 2][pic 3]
ANÁLISIS ECONOMÉTRICO[pic 4]
ALUMNO:
Macedo Jipa, Tony Richard.
CARATULA
DOCENTE:
Dr. Edinson Alirio Rengifo Romero.
ASIGNATURA:
Econometría I
CICLO:
V
PUCALLPA-PERÚ
ÍNDICE
ANÁLISIS ECONOMÉTRICO…………………………………………………………………………….…………….. 3
__Encuesta…………………………………………………………………………………………………………………… 3
Iniciando el análisis econométrico……………………………………………………………………………….. 4
__Encuesta con valores………………………………………………………………………………………………. 4
Tabulación de datos……………………………………………………………………………………………………… 5
Usando el método de mínimos cuadrados…………………………………………………………………… 6
Resumen………………………………………………………………………………………………………………………. 7
Análisis de varianza………………………………………………………………………………………………………. 8
Análisis econométrico sin la variable “T”……………………………………………………………………… 11
Análisis por variable…………………………………………………………………………………………………….. 13
__Variable “O”…………………………………………………………………………………………………………….. 13
__Variable “P”…………………………………………………………………………………………………………….. 14
__Variable “Q”…………………………………………………………………………………………………………….. 15
__Variable “R”…………………………………………………………………………………………………………….. 16
__Variable “S”…………………………………………………………………………………………………………….. 17
__Variable “T”…………………………………………………………………………………………………………….. 15
__Variable “V”…………………………………………………………………………………………………………….. 19
__Variable “W”…………………………………………………………………………………………………………….. 20
__Variable “X”…………………………………………………………………………………………………………….. 21
__Variable “Z”…………………………………………………………………………………………………………….. 22
CONCLUSIONES………………………………………………………………………………………………………….. 23
GLOSARIO…………………………………………………………………………………………………………………… 24
ANÁLISIS ECONOMETRICO
El análisis de regresión lineal es una técnica estadística utilizada para estudiar la relación entre variables. Se adapta a una amplia variedad de situaciones. En la investigación social, el análisis de regresión se utiliza para predecir un amplio rango de fenómenos, desde medidas económicas hasta diferentes aspectos del comportamiento humano. En el contexto de la investigación de mercados puede utilizarse para determinar en cuál de diferentes medios de comunicación puede resultar más eficaz invertir; o para predecir el número de ventas de un determinado producto. En física se utiliza para caracterizar la relación entre variables o para calibrar medidas. Etc.
El presente análisis trata de determinar las posibles causas del porque un postulante aprueba o no el Examen de Admisión de la Universidad Nacional de Ucayali. Y con el desarrollo del siguiente trabajo econométrico se podrá predecir resultados sobre cuanto sería el puntaje obtenido por el encuestado.
Encuesta.
[pic 5]
Iniciando el análisis econométrico…
Los valores asignados a la encuesta, en las preguntas 2, 3 y 8 utilizamos la Escala de Linkert, las que no tienen número se responden según criterio del encuestado, las demás preguntas solo se pueden responder con “Si” o “No”.
[pic 6]
Tabulación de datos.
Una vez realizada la encuesta, procedemos a ordenar los datos obtenidos en la siguiente tabla:
[pic 7]
Función de regresión a encontrar:
[pic 8]
Usando el Método de Mínimos Cuadrados:
[pic 9]
Reemplazando:
[pic 10]
Hallando la Inversa de la Matriz resultante [A] y luego multiplicándola por la matriz [Y] obtenemos los coeficientes de la función de regresión:
[pic 11]
La función de regresión será:
[pic 12]
Con los resultados obtenidos, procedemos a realizar nuestras estimaciones:
Resumen:[pic 13]
Ymedia = 50.324
N = 34
Coeficiente___ ______
de Correlación ____________________
Múltiple (R)__ = 0.9910661
Se obtuvo un resultado que según la Correlación de Pearson, que mide la fuerza de la asociación de las variables independientes con respecto a Y; tenemos una Correlación Positiva muy Alta.
Coeficiente de ____________________
determinación R^2_______: 0.9822120
Este valor determina la calidad del modelo para replicar los resultados que puede explicarse por el modelo <98.22 %> es decir el modelo es Adecuado. En otras palabras éste coeficiente explica la relación que hay entre SCE con SCT.
R^2 Ajustado______ = 0.9744781
A medida que vamos incluyendo variables en el modelo, el Coef. De determinación aumenta; R^2 ajustado viene a resolver este problema porque tiene en cuenta el número de variables incluidas en el modelo; en otras palabras la variabilidad de las variables explicativas explican el 97.44% aprox. De la variabilidad de la variable estudiada.
Error Típico __ = 2.2709349
El error típico mide la variabilidad o dispersión de los valores observados, es decir, si ésta medida es grande implica que algunos de los errores son grandes lo cual no es nuestro caso, por lo tanto el ajuste de nuestro modelo no es pobre.
[pic 14]
La suma de cuadrados obtenidos son los adecuados, porque mientras menor sea el SCR, más se aproximará el modelo a la perfección. Es decir que el modelo perfecto sería aquel en que no hay residuos (SCR=0, SCT=SCE), toda la variabilidad de la variable estudiada se explica por las variables que hemos incluido en el estudio y que explican a la primera y el caso contrario, el modelo lamentable (SCE=0, SCR=SCT) es que ninguna de las variables consideradas tenga influencia sobre la variabilidad de la variable estudiada. Lógicamente en la mayoría de modelos bien planteados, existen valores intermedios entre estas dos situaciones. El valor F y los grados de libertad de los orígenes de varianza se utiliza utilizan para determinar la probabilidad del valor F. La probabilidad es el valor de significación para la prueba, refleja el error con respecto a las sumas de cuadrados que en nuestro caso es muy bajo (Es aceptable hasta 0.05 : 5% de error).
...