Regresion Multilineal

November 24, 2022 | Author: Anonymous | Category: N/A
Share Embed Donate


Short Description

Download Regresion Multilineal...

Description

 

 

UNIVERSID D N CION L DEL

LTIPL NO

FACULTAD DE INGENIERÍA ECONÓMICA ESCUELA PROFECIONAL DE INGENIERÍA ECONÓMICA CURSO

Econometria I DOCENTE

Dr. Walter Tudela TEMA

Modelo de Regresión Multiple PRESENTADO POR

Erika Yuliana Apaza Velasquez   SEMESTRE

Tercero - Grupo B PUNO – PERÚ 2019

 

Taller 2 1.  Sea el siguiente modelo que relaciona el gasto en educación ( geduc  geduc)) con la renta disponible neta (renta (renta): ):   Utilizando la información obtenida de una muestra de 10 familias de han obtenido los siguientes resultados:

 +   =     + +  ̅  = 7 ̅   = 5500 ∑  = 30650 ∑  = 622 ∑  ∗ = 4345  

 

 

 

a)  Estime los parámetros del modelo

 = ∑ ∑∑  ∑∑∑  ∑   = ∑∑  ∑ ∑∑  ∑  = 30650 ∗ 70  500 ∗ 4345  = 0.4779 10∗30650  = 110∗30650 10∗30650 010∗30650 ∗ 4345  5050050005005∗0070 = 0.1496  ℇ/ =  ∗̅̅  ℇ/ = 0.1496∗ 507 ℇ/ = 1.0686

 

 

 

 

 b)  Estime la elasticidad gasto en educación/renta para el promedio de las familias de la muestra  

 

 

Interpretación: Si la renta disponible neta aumenta en 10%, el gasto aumentara en 10.686% manteniendo constante el resto de variables.

c)  Descomponga la STC, SEC y la SRC

 =   ̅2̅  = + ̅  2̅  +̅  =   2̅̅      +̅ ̅    ==    2̅  +  == 132 ̅  =  ∗ 

 =  ̅2̅  = +̅  2̅ +̅  =   2̅̅      +̅ ̅    ==    2̅  +

 

 

 

 

 

 

 

 

 

 

5650  = = 0.1496496  ∗ 5650  = 126.45

 

 

Erika Yuliana Apaza Velasquez

 

 

 

 ==  + +

 

 

 = 5.55

Econometría I

 

d)  Calcule el coeficiente de determinación

 =  = 126.13245  = 0.958  =     =  5.55  = 0.69375  =  +  102  +   +     

e)  Estime la varianza de las perturbaciones

 

2.  Considere el siguiente modelo

 

 = 66042.269 ̅̅  = =367.402.67936    = 84855.096 ̅   = 280   = 8.0   =    221 1   1222    = 84855.    8 4855. 4 7 9 6 0 96 4796 2 8 0       = = 12 74778.4250.3946    = = 74778.  = ′−−′′

Con una muestra de n = 15 y a partir de los siguientes si guientes datos:  

 

 

 

 

 

 

 

 

  == 4250. 74778.9346  = 4796

a)  Estime los coeficientes de regresión parcial  

 

 

 

74778.346   84855.096 4796 − ∗ 74778.  = 84855. 4947263600 796  280 4250.9  = 2591975213  1720689 2368159

 

 

  ==  02..7266  7363

 

 

 =       

 

 

 

 = 5367.2.46426930.7266266402.402.766 2.73638

Erika Yuliana Apaza Velasquez

Econometría I

 

 b)  Estime sus errores estándar

 == 66042′′ .269 74778.4250.3946    = 0.0.7266 2.7363 ∗ 74778.  = 65965+.68387  == 66042. 2 69 65965. 6 8387 7  6.58513 76.58513  =    = 15  2  = 5.8912 =  −  

 

 

 

 

 

 

 

 

 

 

  = 5.8912∗ 912∗ 4736318 2368159 29975   875  10606887   94726360 4736318 29975  0. 0 06329    = = 0. 0.002178 006329   0.11197  

 

 

) = 0.002178 ( () = 0.11197

  

 

 

c)  Estime los valores de R 2 y R 2 Ajustado

(())  ==  00..33460467 

 

 

 

  5965. ̅ = 1  1   =   1 =1 666042. = 1 62838710. 169 690.  =9988 0.9988 141134 = 0.9987

 

3.  Una serie de investigadores, realizaron encuestas a 859 individuos, con el fin de establecer los determinantes del salario, se considera el siguiente modelo:

 =  +   +  +   +  _ +   =           =        =   = 

a)  Muestre el tamaño de las matrices que definen el modelo.  

 

 

 

Erika Yuliana Apaza Velasquez

Econometría I

 

 

_ = =  +   +   +   +   +   

En términos compactos se tiene

 =   + 

 

 

 

859 × 1  859 × 5  5 × 1  859 × 1

 b)  Intuitivamente, ¿Qué signos considera tendrían cada uno de los coeficientes? Tendría signo positivo debido a que la l a educación, la experiencia, la edad y la educación de la madre influyen de manera directa(positiva) en los salarios, ya que estos factores garantizan la formación de un individuo más competitivo en el mercado de trabajo y, por lo tanto, mejor asalariado. c)  Estime el modelo en E-VIEWS, ¿Qué puede decir sobre los signos esperados, significancia individual, global y bondad de ajuste?

Interpretación:  Los coeficientes estimados Interpretación: estimados son positivos tal como se intuyó anteriormente, anteriormente, así mismo se puede decir que individualmente son altame altamente nte significativos. Debido a que el estadístico F es muy alto, por lo tanto, se dice que el modelo presenta dependencia conjunta a un nivel de significancia del 1%. Por otro lado, la bondad de ajuste del modelo (Adjusted R-squared) es deficiente, ya que solo el 15.53% de la variación de los salarios esta siendo explicado por la variación de la experiencia, educación, edad y educación de la madre; el restante 84.47% seria la explicación de los salarios debido a otras variables que no están consideradas en el modelo.

Erika Yuliana Apaza Velasquez

Econometría I

 

d)  Cambie la especificación del modelo incluyendo las variables experiencia y edad al cuadrado, y estime una nueva regresión. Interprete los resultados de los coeficiente coeficientes. s.

Interpretación:   Dos de los coeficientes estimados son negativos, estos corresponden a las Interpretación: variables Edad y Experiencia elevado al cuadrado, así mismo se puede decir que individualmente los coeficientes no son significativos a excepción de las variables Educación y Mother_Educ. e)  De acuerdo al modelo anterior, calcule los efectos marginales sobre la variable experiencia y edad. Interprete los resultados.

 =  +   +  +   +  +  + ℎ_ + 

 

El modelo anterior es Log-Lin, por lo tanto, aplicamos derivadas derivadas para hallar el efecto marginal

   = [ + 2 ∗  ∗̅  ]̅   19746+2∗ 0.0.000130 00130 ∗11.4412⌉412⌉ 971.2224  = ⌈0.0.019746+2∗    = 16.2887  

 

 

  Por cada año de experiencia del trabajador, su salario aumentará aproximadamente en 16.29



unidades monetarias, manteniendo manteniendo el resto de variables constante.

Erika Yuliana Apaza Velasquez

Econometría I

 

  ∗̅   =   ℰ ̅    = 16.2887∗  .. ℰ  = 0.1919 ℰ

 

 

 

  Si la experiencia de un trabajador aumentaría en un 10% los salarios también aumentarían en



aproximadamente aproximadam ente 1.919%, manteniendo constante el resto de variables

   = [ + 2∗ ∗̅  ]̅     = ⌈0.0.002037+2∗ 02037+2∗ 0.0.000223 00223 ∗ 32.9849⌉849⌉ 971.2224    = 12.3095 ̅    ∗̅  ℰ =   = 12.3095∗  971.32.92849224 ℰ  

 

 

  Por cada año de edad del trabajador, su salario aumentara aproximadamente en 12.30 unidades



monetarias, manteniendo manteniendo el resto de variables constante.

 

 

 ℰ = 0.4181

 

  Si la edad de un trabajador aumentara aumentara en un 10%, su salario aumentará en aproximadamente aproximadamente 4.18%,



manteniendo constante el resto de variables.

f)  Explique cuál de los dos modelos recomendaría, recomendaría, y por qué.

Erika Yuliana Apaza Velasquez

 Modelo  Mode I nicial nicial

 Modelo  Mode Trasformado

R 2

0.159330

0.159384

Fc

40.36938

26.86048

 Ak ai ke  Aka  Schw  Sch wars H annan nnan

0.928918

0.933522

0.956651

0.972348

0.939537

0.95666

Econometría I

 

 

Se recomienda el modelo inicial (Modelo Minceriano), es decir el modelo donde no se incluyó las variables al cuadrado, esta recomendación surge a partir de observar que los coeficientes son altamente significativos, además de que su coeficiente de determinación determinac ión y su estadístico F son más altos que el modelo transformado, transformado, así mismo los criterios de Akaike, Schwarz y Hannan son menores al modelo transformado; por lo tanto, seleccionamos el modelo Inicial.

4.  Función de producción de quinua convencional en el altiplano Puneño: Estudio de caso aplicativo (Econometría aplicada a la economía de la producción agrícola). A partir de un experimento en 13 parcelas de quinua convencional en el Distrito de Cabanillas-Puno, el objetivo de un trabajo de investigación fue establecer los determinantes del nivel de rendimiento de quinua. Específicamente se considera el siguiente modelo:

Donde:

 =  +  ++  ++  +  +  + ℰ

 

 =      /ℎá /ℎ P =  /ℎ ℎó á   á  ℎℎ  25/ℎ  

 

a)  Estime el modelo econométrico en EVIEWS, ¿Qué puede decir sobre los signos esperados, significancia individual, significancia global y bondad de ajuste? ajuste?  

Erika Yuliana Apaza Velasquez

Econometría I

 

Interpretación:  estimados son positivos y negativos, así mismo se puede Interpretación:  Los coeficientes estimados decir que individualmente son altamente significativos a excepción de la variable P y NP los cuales son solo significativos. Debido a que el estadístico F es muy alto, por lo tanto, se dice que el modelo presenta dependencia conjunta a un nivel de significancia del 1%. Por otro lado, la l a bondad de ajuste del modelo (Adjusted R-squared) es excelente, excelente, ya que el 82.99% de la variación de los salarios está siendo explicado por la variación de las variables  N y P; el restante 17.01% seria la explicación del rendimiento de quinua convencional convencional debido a otras variables que no están consideradas en el modelo.  b)  Calcule las elasticidades de producción promedio para ambos insumos. Interprete sus resultados. Enfatice sobre la utilidad que tienen estos resultados para el diseño de políticas polít icas en el manejo de quinua convencional en el altiplano Puneño.

 =  +  ++  ++  +  +  + ℰ ̂ = 688.4784784  + 42.5900900 +29. + 29.1904904 0. 0.3338338  0.3823823 + 0.2344  

 

 

  ℰ  = 42.5900 900  =2  00..3 ∙338338̅  + + 0.2344

 

  ℰ = 42.42.5900   ̅    900  2 0.0.3338 338 + 0.2344344 ∗ ̅

 

ℰ = 42.42.5900 900  20.0.33389090 + 0.23446060 ∗ 3100  9090   ℰ = 0.0996

 

 

 Interpretación:: Si los Kilogramos de Nitrógeno aumentan en un 15% por hectárea,  Interpretación entonces los Rendimientos de quinua convencional disminuirán aproximadamente en 1.49% manteniendo el resto de variables constante.

Erika Yuliana Apaza Velasquez

Econometría I

 

ℰ =  ∙̅̅

 

 = 29.1904 904  20.0.3823823 + + 0.2344 ̅       

823 +0.+ 0.2344  ∗   ℰ = 29.29.1904 904  2 0.0.3823 ℰ = 29.29.1904 904  20.0.382382360 +0.+ 0.234490 ∗̅ 3100  6060  ℰ = 0.0854  

 

 

 Interpretación  Interpretación::  Si los Kilogramos de Fosforo aumentan en un 15% por hectárea, entonces los Rendimientos de quinua convencional aumentaran aproximadamente en 1.28% manteniendo el resto de variables constante.  

El rendimiento de quinua convencional se muestra poco sensible ante cambios en ambos insumos, es decir existe una muy pequeña variación porcentual en el rendimiento de la Quinua a pesar de grandes variaciones porcentuales en el Nitrógeno y Fosforo; concluimos que estos insumos son poco recomendables en el Rendimiento de la Quinua debido a su poca efectividad.

c)  Con el deseo de introducir medidas de apoyo a la producción de quinua convencional, es necesario averiguar si los insumos utilizados se comportan como complementarios o competitivos. Lleve a cabo la respectiva prueba de hipótesis  para un α=0.01. Comente sus resultados

 :: =1% ≠≥ 0  = (  ()  ~       = 2.5931

Realizamos una prueba de relevancia   Para

 

1.  Planteamiento de hipótesis

  

2.  Nivel de significancia significancia

 

3.  Estadístico de prueba

 

 

Erika Yuliana Apaza Velasquez

Econometría I

 

4.  Regiones de decisión

 2    = 3.449

 

5.  Conclusión del investigador





|| <  2  2 2

 

  Aceptamos la Hipótesis nula y rechazamos la hipótesis alterna concluyendo que  no es significativo desde el punto de vista estadístico al 1% de significancia, además los insumos Nitrógeno (N) y Fosforo (P), los cuales son utilizados en el Rendimiento de la Quinua, son competitivos.

d)  Con los resultados del modelo econométrico se pide realizar los siguientes gráficos:, (c) gráfico del producto marginal y producto medio para fosforo. a.  Gráfico de la superficie de respuesta de nitrógeno y fosforo sobre el rendimiento (gráfico en tres dimensiones dimensiones))

Erika Yuliana Apaza Velasquez

Econometría I

 

 b.  Gráfico del producto marginal y producto medio para nitrógeno

c.  Gráfico del producto marginal y producto medio para fosforo. 

Erika Yuliana Apaza Velasquez

Econometría I

 

e)  Optimo técnico: Con los resultados del modelo econométrico econométrico calcular los valores críticos de  N y P que optimizan la función de producción (rendimiento máximo). Nota.- Resolver el sistema de derivadas parciales igualando a cero. Verificar el cumplimiento de la condición suficiente del máximo.

̂ = 688.4784784  + 42.5900900 +29. + 29.1904904 0. 0.3338338  0.3823823 + 0.2344

 

 

42.50900 900.6676 2 00. 0.3.2344338338 =0+0.+ = 0.422344.5900 = 0

 

 

 = 0 29.1904 904  20.0.3823 823 +0.+ 0.2344 = 0  

0.2344 + 0.7646 = 29.1904

 

 

Lo expresamos en matrices

 

0. 0.62676344 = 0.42.29.40.2.7512646 646900904344  1.0.1.6581= 0.1.429.42.52.175900904904

 = 8664..5170

 

 < 0

Verificación del Optimo técnico

   

20. 66760.3338 
View more...

Comments

Copyright ©2017 KUPDF Inc.
SUPPORT KUPDF