LA AUTOCORRELACIN

Se dispone de los siguientes datos de un grupo de consumidores,

en un perodo determinado.
Y
CONSU
MO
18,535
11,350
12,130
15,210
8,680
16,760
13,480
9,680
17,840
11,180
14,320
19,860

X1
INGRES
O
22,550
14,035
13,040
17,500
9,430
20,635
16,470
10,720
22,350
12,200
16,810
23,000

X2
GENER
O
1
1
0
1
0
1
0
1
1
0
0
1

SEX
O
M
F
F
M
F
M
F
M
M
F
F
M

Genero = 1 si SEXO
Genero = 0 si SEXO
a) Realice un anlisis completo de los resultados obtenidos e indique
que problemas tendra el modelo (heteroscedasticidad y
autocorrelacin)
b) Aplicar la prueba de Durbin Watson.

SOLUCION

Resumen del modelob

Mode
R
R
R
Error tp.
Durbinlo
cuadrad cuadrado
de la
Watson
o
corregida estimaci
n
a
1
,989
,979
,974
,58126
1,947
a. Variables predictoras: (Constante), GENERO, INGRESO
b. Variable dependiente: CONSUMO

Se observa que el coeficiente de correlacin es muy bueno, muy

cercano a 1. Esto seala que las variables predictoras si explican a la
variable dependiente. Adems que se tiene un coeficiente de
determinacin alto que explica a un 97.9% de los datos dentro del
modelo predictivo obtenido.
Cuando se observa el valor de Durbin-Watson, se ve que es menor que
el dwsup, pero mayor que dwinf, indicando que no hay autorcorrelacin
entre las variables predictoras. Existiendo independencia en los
residuos obtenidos.
Por otro lado se vio en la tabla ANOVA que la significancia fue menor al
nivel de significacin, indicando que las variables predictivas (las X) si
explican adecuadamente a la dependiente o predicha.

Respecto a la heterocedasticidad, se tuvo una grfica muy dispersa

entre los residuos obtenidos. Esto indica que desde el inicio las
varianzas de las variables predictoras son diferentes desde el inicio del
tratamiento de los datos. Esto se debe a que una de las variables tiene
escala de medida nominal (Gnero) a diferencia de las restantes que
son tipo escala.

Por lo tanto este resultado de regresin es poco creible, teniendo que

hacer ajustes de prueba estadstica o pruebas de bondad de ajuste
para las variables que muestren heterocedasticidad de manera
individual.