Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 38 vistas

    Tarea 4 Capitulo 7

    Cargado por

    Ale Ochoa
    Este documento presenta los resultados de varios modelos de regresión aplicados a diferentes conjuntos de datos. Resume los resultados clave de varios modelos, incluidos los coeficientes estimados, las desviaciones estándar, los valores R2 y si las variables son estadísticamente significativas. También analiza cuál de los modelos presentados es mejor en cada caso y por qué, considerando factores como la inclusión de variables relevantes y problemas potenciales como la multicolinealidad.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Tarea 4 Capitulo 7

    Cargado por

    Ale Ochoa
    38 vistas8 páginas
    Este documento presenta los resultados de varios modelos de regresión aplicados a diferentes conjuntos de datos. Resume los resultados clave de varios modelos, incluidos los coeficientes estimados, las desviaciones estándar, los valores R2 y si las variables son estadísticamente significativas. También analiza cuál de los modelos presentados es mejor en cada caso y por qué, considerando factores como la inclusión de variables relevantes y problemas potenciales como la multicolinealidad.

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta los resultados de varios modelos de regresión aplicados a diferentes conjuntos de datos. Resume los resultados clave de varios modelos, incluidos los coeficientes estimados, las desviaciones estándar, los valores R2 y si las variables son estadísticamente significativas. También analiza cuál de los modelos presentados es mejor en cada caso y por qué, considerando factores como la inclusión de variables relevantes y problemas potenciales como la multicolinealidad.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    38 vistas8 páginas

    Tarea 4 Capitulo 7

    Cargado por

    Ale Ochoa
    Este documento presenta los resultados de varios modelos de regresión aplicados a diferentes conjuntos de datos. Resume los resultados clave de varios modelos, incluidos los coeficientes estimados, las desviaciones estándar, los valores R2 y si las variables son estadísticamente significativas. También analiza cuál de los modelos presentados es mejor en cada caso y por qué, considerando factores como la inclusión de variables relevantes y problemas potenciales como la multicolinealidad.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 8

    Tarea 4 capitulo 7

    Joed Alejando Ochoa Gómez 11841393

    7.2

    Utilizando las fórmulas indicadas en el texto, los resultados de la regresión son los siguientes:

    Yt = 53,1612 + 0.727X2i + 2.736X3,

    ee=(0,049 ) (0,849 )

    R2 = 0,9988 ; R2ajustada = 0,9986

    7.3
    7.10

    7.12

    a), los dos modelos son similares. Sí, las intercepciones en los modelos son los mismos.

    B) Las estimaciones de la pendiente del coeficiente de X3 en los dos modelos será el mismo.

    C) b2 * = (1 + A) = alfa2

    D) No, porque el regresados en los dos modelos son diferentes.


    7.14

    7.16

    a) Y = 10816.043255 - 2227.70435975*X2 + 1251.14120215*X3 + 6.28298627947*X4 -


    197.39993959*X5
    b) LOG(Y) = 3.57215572929 - 1.17072818816*LOG(X2) + 0.737937887449*LOG(X3) +
    1.15321302926*LOG(X4) - 0.0301108249355*X5
    c) A priori se espera que si el valor de compra del producto aumenta, la venta del
    mismo
    se vea disminuida, con la ley de la oferta y la demanda y se espera que la elasticidad
    sea negativa.
    d) La fórmula general para elasticidad de ecuación lineal es:
    DY JC
    Elasticidad = J-, donde X es el regresor.
    Y dx
    e) Una de las ventajas del registro de modelo lineal es que la pendiente que los
    coeficientes de la estimación directa, y ya que no podemos compararlos con R^2 ya
    que la y no esta igual en los modelos, por lo tanto preferiríamos tomar el modelo lineal
    ya que considero que hace mejores estimaciones y predicciones que el modelo log-li

    7.17

    A) A priori, parecen todas las variables relevantes para explicar wildcat


    Actividad. Con la excepción de la tendencia variable, todos los coeficientes son
    pendiente espera que sea positivo; tendencia puede ser positivo o negativo.
    (b) El modelo estimado es el siguiente:
    T = + 2.775-37.186 Jf2i + 24,152 * 3i -0,01 LT4 (. -0.213JT5i se = (12,877 ) (0.57 ) (5,587
    ) (0.008 ) (0,259 )
    R2 = 0,656 ; R2 = 0,603
    (c) Precio del barril y la producción nacional las variables son estadísticamente
    Significativo al nivel del 5 por ciento y los signos. Las otras variables no son
    estadísticamente diferentes de cero.
    (d) El modelo log-lineal puede ser otra especificación. Además
    Dar estimaciones directas de la elasticidad, puede capturar no-linealidades (en las
    variables), si los hay.

    7.19
    a) Modelo (5) parece ser el mejor, ya que incluye todas las
    Las variables pertinentes desde el punto de vista económico, entre ellos el precio real
    compuesto de pollo sucedáneos, que debe ayudar a aliviar la multicolinealidad
    problema que puede existir en el modelo (4) entre el precio de la carne de vacuno y el
    precio de la carne de cerdo. Modelo (1) contiene un sustituto muy buena información
    y modelos (2) y (3) tener un sustitutivo buena información.
    b) El coeficiente de X % representa elasticidad ingreso; el coeficiente de X 3
    representa elasticidad cruzada.
    c) Modelo (2) considera sólo un cerdo como sustituto de las buenas, y en el
    modelo(4) considera que tanto el cerdo y la carne de vacuno.
    d) Es posible que exista un problema de multicolinealidad entre el precio de la
    carne de vacuno y el precio de la carne de porcino.
    e) Sí. Esto podría aliviar el problema de multicolinealidad
    f) deben ser bienes sustitutivos porque compiten con pollo como producto de
    consumo de alimentos.
    g) Los resultados de la regresión del modelo (5) son los siguientes:
    Ini = 2,030 + 0,481 Inx2l 3l -0.351 -0.061 Inx Inx6l
    se = (0,119 ) (0,068 ) (0.079 ) (0,130 )
    R2 = 0,980 ; R2 = 0,977 ; R2 modificado = 0,810
    La elasticidad ingreso y elasticidad cruzada tienen la
    Signos correctos.
    h) La consecuencia de la estimación modelo (2) sería que los estimadores es
    probable que estar sesgado debido al modelo invariación.
    7.21

    A) Los datos de la regresión:


    En M2 = 1,2394 + 0,5243 en RGDP - 0,0255 en Tbrate
    se = (0,6244 ) (0,1445 ). (0,0513 ).
    R2 = 0,7292
    Los resultados de la regresión mediante el largo plazo (30 años) la tasa de bonos son
    los siguientes:
    En M2 i = 1,4145 + 0.4946En RGDP, - 0,0516 en LTRA TE t
    se = (1,3174 ) (0,2686 ). (0,1501 ).
    R2 = 0,7270
    Los ingresos elasticites (0,5243 o 0,4946 ) y la tasa de interés las elasticidades (-0.0255
    o -0.0516) no son muy diferentes, pero, como veremos en el Capítulo 8, regresión,
    utilizando el interés a corto plazo (TBrate) da mejor resultados estadísticos.
    B)La relación M/PIB es conocido en la literatura como el Cambridge k. Representa la
    proporción de los ingresos que las personas desean mantener en forma de dinero. Esta
    relación es sensible a los tipos de interés , ya que éste representa el costo de
    oportunidad de mantener dinero, que, en general, no producen mucho los ingresos
    por concepto de intereses. Los resultados de la regresión son los siguientes:
    PIB"
    Se = (0,0780 ) (0,0409 ) r2 = 0,5095
    = 3,4785 N TBrate -0.17191t
    Se ( 0,1157 ) (0,0532 ). 0,6692
    M = 3,8318 -0.3123 InLTRATE,

    7.24

    a) Y= -20.6327360797 + 0.734027817706*ingreso + 0.0359756557264*riqueza -


    5.52122383694*INTERES

    b)
    Observando los estimadores podemos decir que todos son muy poco significativos por
    lo que podemos concluir que no es un buen modelo de regresión multiple.

    También podría gustarte