Capitulo 7

Problema 1
Pregunta 1.1
Si la variable dependiente no fuera la misma no podrían realizar comparaciones entre los
modelos ya que se estimando cosas distintas aunque las estimaciones contengan a las mismas
variables explicativas
Ejemplo
Se tiene dos modelos
Modelo 1
Modelo 2
Donde
: Deserción un alumno de secundaria
: Deserción de un alumno universitario
: Nota del alumno
: Número de horas de estudio del alumno
: Ingreso total del hogar del alumno

Como se puede observar en ambos modelos se ha utilizado el mismo número de variables

explicativas y en ambos casos las variables son las mismas; pero las variables dependientes son
distintas y los errores del modelo también lo son ya que el valor estimado de ambos modelos
es distinto. Con estos modelos no se pueden hacer comparaciones ni con los criterios AIC, BIC
y HQ o con la comparación del

Pregunta 1.2
Realizando las estimaciones por el método matricial

Modelo 1

El modelo estimado es:

ee (5.89248) (0.08710)

Modelo 2
El modelo estimado es:

ee (1.27936) (0.01857) (0.06946)

Pregunta 1.3

Modelo 1 Modelo 2 Modelo 1 Modelo 2

20 28.6537 -8.6537 20.3766 -0.3766 90.2500 0.7162 74.8869 83.2358 0.1419

22 28.9560 -6.9560 23.3196 -1.3196 56.2500 0.2960 48.3855 38.1973 1.7414
23 29.0567 -6.0567 24.3006 -1.3006 42.2500 0.1965 36.6838 27.0338 1.6915
27 29.1575 -2.1575 25.2816 1.7184 6.2500 0.1173 4.6546 17.7951 2.9530
28 29.3590 -1.3590 27.2436 0.7564 2.2500 0.0199 1.8468 5.0915 0.5722
31 30.1649 0.8351 29.2044 1.7956 2.2500 0.4421 0.6973 0.0874 3.2240
33 23.6164 9.3836 33.1410 -0.1410 12.2500 34.6171 88.0525 13.2567 0.0199
35 31.1724 3.8276 35.0897 -0.0897 30.2500 2.7969 14.6505 31.2442 0.0080
36 32.1799 3.8201 37.0502 -1.0502 42.2500 7.1817 14.5934 57.0051 1.1029
40 32.6836 7.3164 39.9928 0.0072 110.2500 10.1354 53.5296 110.0983 0.0001
394.5000 56.5191 337.9809 383.0452 11.4548
SCT

Modelo 1

Modelo 2

Pregunta 1.4

Modelo 1
N = 10
k=2
Entonces

Modelo 2
N = 10
k=3
Entonces
Pregunta 1.5
Criterio de Akaike

Modelo 1
N = 10
k=2
Entonces

Modelo 2
N = 10
k=3
Entonces

Pregunta 1.6
Criterio BIC

Modelo 1
N = 10
k=2
Entonces

Modelo 2
N = 10
k=3
Entonces

Pregunta 1.7
Criterio HQ

Modelo 1
N = 10
k=2
Entonces
Modelo 2
N = 10
k=3
Entonces

Pregunta 1.8
A continuación se presentan los valores de los criterios para ambos modelos

Modelo 1 Modelo 2
AIC 3.920404 0.735820
BIC 3.980921 0.826595
HQ 3.687211 0.386029

Podemos observar que el modelo 2 presenta valores de AIC, BIC y HQ menores con respecto al
modelo 1, por lo tanto el mejor modelo a elegir es el 2.

Pregunta 1.9
Normalidad de los residuos
Primero se examina la normalidad de los residuos para ambos modelos a través del test de
Jaquer Bera.
Modelo 1 Modelo 2
Jaquer Bera 0.62249 0.74163
Probabilidad 0.73253 0.69017

Con los valores de probabilidad del test de Jaquer Bera se puede concluir que en ambos
modelos se distribuyen como una distribución normal.
Autocorrelación
Con el estadístico de Durbin Watson se podrá corroborar si los modelos presentan
autocorrelación.
Modelo 1 Modelo 2
Durbin Watson (d) 0.415757 1.55417
0.697000 0.525000
1.641000 2.016000

Para el modelo 1 dado que , entonces hay autocorrelación positiva

Para el modelo 2 dado que , entonces el valor se encuentra en una zona de
indecisión y por lo tanto no se puede concluir si existe o no autocorrelación.
Heterocedasticidad
A través de la prueba de Breusch-Pagan-Godfrey se determinara si existe o no
Heterocedasticidad.
Las hipótesis del Tests son las siguientes:

Modelo 1 Modelo 2
F-statistic 3.478594 0.873786
Prob. F 0.099200 0.458400

Según los valores del cuadro el modelo 1 presenta problemas de Heterocedasticidad dado que
la probabilidad del estadístico es menor a 0.05, mientras que el modelo 2 no.
Pregunta 1.10
Dado el análisis de normalidad de los residuos, autocorrelación y Heterocedasticidad se
considera que el modelo 2 es el más adecuado.
Pregunta 1.10 (segundo cuadro)
Primero teniendo en cuenta que en base a los criterios de AIC, BIC y HQ se consideró que el
modelo 2 es el más adecuado.
Segundo: En base al análisis de los residuos también se considera que el modelo 2 es el mas
adecuado
Tercero considerando que la bondad de ajuste del modelo 2 es alta
Con todo esto se concluye que el modelo más adecuado es el modelo 2