Академический Документы
Профессиональный Документы
Культура Документы
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
Pregunta 1.2
Realizando las estimaciones por el método matricial
Modelo 1
ee (5.89248) (0.08710)
Modelo 2
El modelo estimado es:
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
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