Practica Econometria PDF

Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1de 7

TAREA ECONOMETRIA 4 A

Un investigador de la Industria del automóvil estima un modelo de ventas mensuales de


automóviles (miles de unidades por mes) en función de la población (millones de
habitantes) y del ingreso per cápita (miles de $us.) de varios países del mundo. El modelo
estimado es el siguiente:

a) Interprete los parámetros estimados del Modelo.

Sea el modelo:

Yt = β1 + β2 X2t + β3 X3t + Ut

Yt = 1.813697 + 0.058593 X2t + 0.124811 X3t + Ut

β1 =1.813697  parámetro autónomo, es el que trata de explicar las ventas


mensuales de automóviles que no dependen de la población y del ingreso per cápita.

β2 =0.058593  por cada 1 millón de habitantes que incremente la población, las


ventas mensuales de automóviles incrementaran en 0.058593 mil unidades por mes,
manteniendo constante el ingreso per cápita.

β3 =0.124811  por cada 1 mil $us que incremente el ingreso per cápita, las ventas
mensuales de automóviles incrementaran en 0.124811 mil unidades por mes,
manteniendo constante la población.
b) Interprete 𝑅2 y 𝑅̅2

𝑅2 = 0.963739  La población y el ingreso per cápita están explicando las ventas


mensuales de automóviles en un 96,37%.

𝑅̅2 = 0.953453  La población y el ingreso per cápita están explicando las ventas
mensuales de automóviles en un 95,34% corregido.

c) Construya e interprete los intervalos de confianza para 𝛽1,𝛽2,𝑦 𝛽3 con 𝛼 = 5%

Sea el modelo:

Yt = 1.813697 + 0.058593 X2t + 0.124811 X3t + Ut

N = 10

K=3

 Para 𝛽1 con 𝛼 = 5%
α = 0.05
α/2 = 0.025
Grados de libertad = 10 – 3 = 7
𝑡(0,025;7) = 2.365

𝑃 {𝛽1 − 𝑡𝛼 ∗ 𝑆β1 ≤ 𝛽1 ≤ 𝛽1 + 𝑡𝛼 ∗ 𝑆β1 } = 1 − 𝛼


2 2

𝑃{1.813697 − 2.365 ∗ 2.774797 ≤ 𝛽1 ≤ 1.813697 + 2.365 ∗ 2.774797 } = 1 − 0.05

𝑃{−4.748698 ≤ 𝛽1 ≤ 8.376092 } = 0.95

Interpretación: Para un nivel de confianza del 95% y en el largo plazo repitiendo un


gran número de veces el experimento 95 de cada 100 intervalos como

[-4.748698; 8.376092] deberán contener al verdadero parámetro poblacional 𝛽1.


 Para 𝛽2 con 𝛼 = 5%
α = 0.05
α/2 = 0.025
Grados de libertad = 10 – 3 = 7
𝑡(0,025;7) = 2.365

𝑃 {𝛽2 − 𝑡𝛼 ∗ 𝑆𝛽2 ≤ 𝛽2 ≤ 𝛽2 + 𝑡𝛼 ∗ 𝑆𝛽2 } = 1 − 𝛼


2 2

𝑃{0.058593 − 2.365 ∗ 0.015045 ≤ 𝛽1 ≤ 0.058593 + 2.365 ∗ 0.015045 } = 1 − 0.05

𝑃{0.023012 ≤ 𝛽1 ≤ 0.094174 } = 0.95

Interpretación: Para un nivel de confianza del 95% y en el largo plazo repitiendo un


gran número de veces el experimento 95 de cada 100 intervalos como

[0.023012; 0.094174] deberán contener al verdadero parámetro poblacional 𝛽2.

 Para 𝛽3 con 𝛼 = 5%
α = 0.05
α/2 = 0.025
Grados de libertad = 10 – 3 = 7
𝑡(0,025;7) = 2.365

𝑃 {𝛽3 − 𝑡𝛼 ∗ 𝑆𝛽3 ≤ 𝛽3 ≤ 𝛽3 + 𝑡𝛼 ∗ 𝑆𝛽3 } = 1 − 𝛼


2 2

𝑃{0.124811 − 2.365 ∗ 0.011156 ≤ 𝛽1 ≤ 0.124811 + 2.365 ∗ 0.011156} = 1 − 0.05

𝑃{0.098427 ≤ 𝛽1 ≤ 0.151195 } = 0.95

Interpretación: Para un nivel de confianza del 95% y en el largo plazo repitiendo un


gran número de veces el experimento 95 de cada 100 intervalos como

[0.098427; 0.151195] deberán contener al verdadero parámetro poblacional 𝛽3.


d) Construya e interprete los intervalos de confianza para 𝛽1,𝛽2,𝑦 𝛽3 con 𝛼 = 10%

Sea el modelo:

Yt = 1.813697 + 0.058593 X2t + 0.124811 X3t + Ut

N = 10

K=3

 Para 𝛽1 con 𝛼 = 10%


α = 0.10
α/2 = 0.05
Grados de libertad = 10 – 3 = 7
𝑡(0,05;7) = 1.895

𝑃 {𝛽1 − 𝑡𝛼 ∗ 𝑆β1 ≤ 𝛽1 ≤ 𝛽1 + 𝑡𝛼 ∗ 𝑆β1 } = 1 − 𝛼


2 2

𝑃{1.813697 − 1.895 ∗ 2.774797 ≤ 𝛽1 ≤ 1.813697 + 1.895 ∗ 2.774797 } = 1 − 0.10

𝑃{−3.444543 ≤ 𝛽1 ≤ 7.071937} = 0.90

Interpretación: Para un nivel de confianza del 90% y en el largo plazo repitiendo un


gran número de veces el experimento 90 de cada 100 intervalos como

[-3.444543; 7.071937] deberán contener al verdadero parámetro poblacional 𝛽1.


 Para 𝛽2 con 𝛼 = 10%
α = 0.10
α/2 = 0.05
Grados de libertad = 10 – 3 = 7
𝑡(0,05;7) = 1.895

𝑃 {𝛽2 − 𝑡𝛼 ∗ 𝑆𝛽2 ≤ 𝛽2 ≤ 𝛽2 + 𝑡𝛼 ∗ 𝑆𝛽2 } = 1 − 𝛼


2 2

𝑃{0.058593 − 1.895 ∗ 0.015045 ≤ 𝛽1 ≤ 0.058593 + 1.895 ∗ 0.015045 } = 1 − 0.10

𝑃{0.030008 ≤ 𝛽1 ≤ 0.087103 } = 0.90

Interpretación: Para un nivel de confianza del 90% y en el largo plazo repitiendo un


gran número de veces el experimento 90 de cada 100 intervalos como

[0.030008; 0.087103] deberán contener al verdadero parámetro poblacional 𝛽2.

 Para 𝛽3 con 𝛼 = 10%


α = 0.10
α/2 = 0.05
Grados de libertad = 10 – 3 = 7
𝑡(0,05;7) = 1.895

𝑃 {𝛽3 − 𝑡𝛼 ∗ 𝑆𝛽3 ≤ 𝛽3 ≤ 𝛽3 + 𝑡𝛼 ∗ 𝑆β3 } = 1 − 𝛼


2 2

𝑃{0.124811 − 1.895 ∗ 0.011156 ≤ 𝛽1 ≤ 0.124811 + 1.895 ∗ 0.011156} = 1 − 0.10

𝑃{0.103670 ≤ 𝛽1 ≤ 0.145952} = 0.90

Interpretación: Para un nivel de confianza del 90% y en el largo plazo repitiendo un


gran número de veces el experimento 90 de cada 100 intervalos como

[0.103670; 0.145952] deberán contener al verdadero parámetro poblacional 𝛽3.


e) Construya e interprete los intervalos de confianza para 𝜎2 con 𝛼 = 1%

Sea el modelo:
Yt = 1.813697 + 0.058593 X2t + 0.124811 X3t + Ut
N = 10
K=3
α = 0.01
α/2 = 0.005
Grados de libertad = 10 – 3 = 7

(𝑛 − 𝑘) 𝜎 2 (𝑛 − 𝑘) 𝜎 2
𝑃{ ≤ 𝜎2 ≤ }=1−𝛼
𝑎1 𝑎0
2 2 2
𝑎0 = 𝑋(1− 𝛼
; 𝑛−𝑘)
= 𝑋(1−0.005 ; 10−3) = 𝑋(0.995 ; 7) = 0.989265
2

𝑎1 = 𝑋(2𝛼 ; 𝑛−𝑘) = 𝑋 20.01 2


= 𝑋(0.005 ; 7) = 20.2777
2 ( ; 10−3)
2

𝑈´𝑈 359.7558
𝜎2 = = = 51.393686
𝑛−𝑘 10 − 3
𝜎 = 7.168938  𝜎 2 = (7.168938)2 = 51.393672

(10 − 3) ∗ 51.393686 (10 − 3) ∗ 51.393686


𝑃{ ≤ 𝜎2 ≤ } = 1 − 0.01
20.2777 0.989265

𝑃{17.741450 ≤ 𝜎 2 ≤ 363.659689} = 0.99

Interpretación: Para un nivel de confianza del 99% y en el largo plazo repitiendo un


gran número de veces el experimento 99 de cada 100 intervalos como

[17.741450; 363.659689] deberán contener a la verdadera varianza poblacional .


f) Construya e interprete los intervalos de confianza para 𝜎2 con 𝛼 = 10%

Sea el modelo:
Yt = 1.813697 + 0.058593 X2t + 0.124811 X3t + Ut
N = 10
K=3
α = 0.10
α/2 = 0.05
Grados de libertad = 10 – 3 = 7

(𝑛 − 𝑘) 𝜎 2 (𝑛 − 𝑘) 𝜎 2
𝑃{ ≤ 𝜎2 ≤ }=1−𝛼
𝑎1 𝑎0
2 2 2
𝑎0 = 𝑋(1− 𝛼
; 𝑛−𝑘)
= 𝑋(1−0.05 ; 10−3) = 𝑋(0.95 ; 7) = 2.16735
2

𝑎1 = 𝑋 2𝛼 = 𝑋 20.10 2
= 𝑋(0.05 ; 7) = 14.0671
( ; 𝑛−𝑘) ( ; 10−3)
2 2

2
𝑈´𝑈 359.7558
𝜎 = = = 51.393686
𝑛−𝑘 10 − 3
𝜎 = 7.168938  𝜎 2 = (7.168938)2 = 51.393672

(10 − 3) ∗ 51.393686 (10 − 3) ∗ 51.393686


𝑃{ ≤ 𝜎2 ≤ } = 1 − 0.10
14.0671 2.16735

𝑃{25.574269 ≤ 𝜎 2 ≤ 165.988789} = 0.90

Interpretación: Para un nivel de confianza del 90% y en el largo plazo repitiendo un


gran número de veces el experimento 90 de cada 100 intervalos como
[25.574269; 165.988789] deberán contener a la verdadera varianza poblacional.

También podría gustarte