Академический Документы
Профессиональный Документы
Культура Документы
puntos)
La estimación del modelo (1) con el método KQ basado en n = 935 observaciones dan el siguiente
resultado:
¿Qué modelo prefiere basado en los criterios de certeza, corrección y AIC? Justifica tu respuesta.
¿Cuál es la diferencia fundamental entre los criterios aplicados?
e) Verifique con una prueba RESET-test, si el modelo (1) está correctamente especificado
(estadística de prueba: F = 1.1222).
El Modelo de probabilidad lineal (3) describe los préstamos de un banco estadounidense sobre
la base de las solicitudes de préstamos hipotecarios.
La estimación del modelo (3) con el método KQ sobre la base de n = 1989 observaciones
producen el siguiente resultado:
c) El modelo predice las siguientes probabilidades de préstamo para las n = 1,989 observaciones.
Interpretar la distribución de las previsiones. ¿Para qué valores de la distribución diferiría con
certeza el pronóstico comparable de un modelo Probit?
Los dos modelos A y B de ARMA (p, q) describen la misma serie temporal estacionaria. La
siguiente tabla muestra, para ambos modelos, el número de coeficientes no significativos
(Coef.), El criterio de información bayesiano (BIC) y el número de ceros en el círculo unitario
(cero).
a) Explique en qué condiciones un proceso o una serie de tiempo es estacionario.
b) Dada la información de la tabla anterior, ¿prefiere ARMA (p, q) modelo A o B para un análisis
más detallado? Justifica la respuesta.
Apéndice: Formulario
• reescalado
Con se aplica:
Con se aplica:
Con
así como
• Transformación logarítmica
En la se aplica:
En la se aplica:
En la se aplica:
Pronóstico en los modelos :
En la se aplica:
• Bondad de ajuste
Se aplica lo siguiente:
Coeficiente de determinación:
Elasticidad exacta :
• F estadísticas
• Estadísticas Chow
y J: número de restricciones.
El enfoque
Probabilidad de respuesta:
Varianza de :
Modelo variable dependiente limitado:
Con
Modelo Logit:
Modelo Probit:
Pseudo R-Square:
• Prueba de Jarque-Bera
• heteroscedasticidad
Variedades heterocedasticidad-robustas.
Valores de t de Heterocedasticidad-robustos:
Prueba de heteroscedasticidad:
o bien:
F-estadística:
con medida de determinación del modelo para las variables de perturbación al cuadrado
LM estadística:
Estimadores KQ ponderados estimados para heteroscedasticidad:
Modelo de regresión:
Con
• series de tiempo
Proceso estocástico:
Modelo estático
Multiplicador de impacto:
autocorrelación
Hipótesis nula:
Para el modelo AR (1) de correlación serial:
Durbin-Watson estadística:
Modelo de regresión:
con (método
Cochrane-Orcutt) y (método Prais-Winston) .
Las estimaciones de los modelos (1) y (2) basadas en la muestra actual dieron los resultados de
computadora que se muestran en las Figuras 1 y 2.
2. ¿Cómo cambia el precio en los dos modelos de regresión cuando la variable kilómetro o la
edad aumenta en una unidad? Explique por qué el modelo (2) da porcentajes para el cambio en
las variables endógenas.
4. Calcule el precio de un Volkswagen de cuatro años con 96,000 millas conducidas con ambos
modelos. Eche un vistazo crítico a la calidad de la estimación de precios utilizando el Modelo (2).
(Supuesto: u ~ N (0, σ2) para ambos modelos σ1 = 1554 para el modelo (3) y σ2 = 0.09077 para
el modelo (2).)
Solución. –
• Los supuestos de KQ a menudo se cumplen mejor para los modelos que para los
modelos con , debido a:
- Reducción de la heteroscedasticidad.
- Simetrización
y de lo que sigue:
indica por qué porcentaje cambia a medida que crece en una unidad.
Los valores de los modelos no deben compararse con los de los modelos .
Explicación: La logaritmación crea una nueva variable endógena que no es comparable a la
original.
Para modelos con variables endógenas , los pronósticos de son más complejos.
La calidad de predicción de es más débil de lo normal en el método KQ, ya que
sistemáticamente. Sin embargo, si el modelo satisface los supuestos del modelo lineal
Una asociación para la igualdad de mujeres y hombres en la vida profesional desearía saber si
existen diferencias de género entre los sexos. Sobre la base de una muestra de 526 individuos,
incluidas 252 mujeres, un instituto de investigación investigó la relación entre el wage(salario
promedio por hora en USD), educ (educación (años)) y female (= 1 si es mujer) y recibió los
siguientes modelos de regresión estimados ( entre paréntesis están los errores estándar):
1. ¿Cómo cambian los salarios medios por hora de una mujer y un hombre si invierten un año
adicional en su educación? Dibuje el modelo de regresión anterior para mujeres y hombres en
el siguiente gráfico.
2. Calcule la medida de certeza corregida para las dos estimaciones del modelo y compare los
resultados. ¿Por qué la certeza corregida es más adecuada para tal comparación que la certeza
de determinación?
3. ¿Calcular los valores t para todos los coeficientes de regresión e interpretar los resultados?
4. Sobre la base de los resultados del apartado 3 se afirma que no existe una diferencia
significativa entre hombres y mujeres en términos de salario por hora. ¿Es esta afirmación
correcta? Justifique su respuesta con la ayuda de una prueba adecuada.
Solucion.-
Männer(hombres)…Frauen(mujeres)
2. Determinación corregida:
Estimación (1):
Estimación (2):
Estimación (1):
Estimación (2):
Solo educ tiene un impacto significativo en ambos modelos. Todos los otros regresores no son
significativos.
4. Sobre la base de que hasta el momento no se puede hacer una declaración acerca de la brecha
salarial entre mujeres y hombres, porque los valores t se refieren solo a los regresores
individuales y no consideran los dos términos con la variable mujer. Por lo tanto, es necesario
probar adicionalmente las siguientes hipótesis simultáneas:
es por lo tanto descartado,es decir Existe una brecha salarial significativa entre mujeres y
hombres. La afirmación es por lo tanto errónea.
A un suizo le gustaría emigrar a América. Buscando una casa adecuada en una ciudad en
particular, está interesado en la relación entre el Price(precio en 1000 USD) de una casa y su
tamaño en pies cuadrados (sqrtft), el número de habitaciones (bdrms) y el tamaño del tamaño
de un lote (lotsize). Una estimación del método de regresión correspondiente (n = 88) dio el
siguiente resultado (entre paréntesis, se proporcionan los errores estándar de las estimaciones
de coeficientes):
Con
La determinación de las varianzas empíricas de las variables de este modelo arrojó los siguientes
valores:
1. cuál de las variables exógenas tiene la mayor influencia en la variable precio en el modelo de
regresión descrito anteriormente. Determine esta variable y justifique su enfoque.
2. Calcule los valores t para todos los coeficientes de regresión e interprete los resultados.
¿Cómo cambian los valores t cuando los valores variables están estandarizados? Justifica tu
afirmación.
Solucion.-
1. Debido a que las variables exógenas se escalan de manera diferente, todos los valores de las
variables deben estandarizarse para que la pregunta se pueda responder correctamente. Donde
La variable exógena sqrtft tiene el mayor coeficiente de regresión estandarizado y, por lo tanto,
tiene la mayor influencia de las variables consideradas en el price(precio) variable endógeno.
Solo las variables sqrft y lotsize tienen una influencia significativa en la variable endogena precio.
Al estandarizar los valores de las variables, los valores de t permanecen sin cambios (iguales)
debido a:
3. coeficiente de determinación:
4. Coeficientes de regresión:
t-Werte (t-valor) :
Sobre la base de una muestra de 526 individuos, incluidas 252 mujeres, un instituto de
investigación examinó la relación entre el salario por hora promedio (wage en USD), educación
(educ en años) y género (female = 1 si es mujer) y recibió los cuatro siguientes modelos de
regresión estimada:
Con
Además,
1. Para los cuatro enfoques de regresión, calcule los coeficientes de determinación y determine
el modelo que mejor explica la variación del wage(salario). Justifica tu respuesta.
2. ¿Qué problemas estan relacionados con los coeficientes de determinacion ¿Qué significa esto
para la elección del "mejor" modelo en la subtarea 1)?
3. Explique las propiedades del coeficiente de determinacion corregida. ¿Es esto más adecuado
para comparar la bondad de ajuste de los cuatro enfoques del modelo? Justifica tu respuesta.
4. Calcule la medida de confianza corregida para los cuatro modelos de regresión y determine
el modelo con la mejor calidad de ajuste. Compara el resultado obtenido con el de la subtarea
1). Justifica tus respuestas
Solucion.-
1. coeficiente de determinación:
Debido a que el coeficiente de determinación es mayor para el cuarto modelo, este explica
mejor la variación de wage.
2.• es una variable aleatoria que no tiene que coincidir con el valor verdadero
El modelo de regresión (4) puede explicar mejor la variación del desafío solo porque tiene el
• no es interpretable como .
• ≤ para k> 1.
es más adecuado porque los cuatro modelos tienen diferentes números de regresores.
En el sentido del coeficiente de determinación corregido, el modelo (3) tiene la mejor calidad de
ajuste. El modelo (4) tiene la medida más precisa porque tiene los mismos regresores que el
modelo (3) más un término de interacción. Sin embargo, el término interacción no tiene
influencia relevante.
1. ¿Cómo cambia el salario por hora promedio de blancos y no blancos en base al modelo (7) si
invierten un año adicional en su educación? Dibuje el modelo de regresión para personas con
color de piel blanca y aquellas sin color de piel blanca en el siguiente sistema de coordenadas.
2. Los salarios a menudo se pagan al final de una semana. Por lo tanto, el instituto de
investigación decidió establecer el salario semanal para el salario variable en lugar del salario
por hora (1 semana laboral = 45 horas de trabajo). Calcule los coeficientes de regresión y los
valores t asociados del modelo (7) si el salario semanal promedio se utiliza como la cantidad
endógena en lugar del salario promedio por hora. Interpretar los resultados obtenidos.
Un empleado argumentó que, para personas de diferente color de piel, la brecha salarial debería
establecerse más alto para una mejor capacitación que para una mejor. Para tomar en cuenta
esta circunstancia en el modelo (7), se extendió por un término de interacción. Una estimación
de este modelo extendido produjo el siguiente resultado:
3. ¿Cómo cambian las ganancias medias por hora de los blancos y no blancos en el modelo (8) si
invierten un año adicional en su educación? Dibuje el modelo de regresión (8) para las personas
con color de piel blanca y aquellas sin color de piel blanca en el siguiente sistema de
coordenadas.
4. ¿El modelo estimado (8) con término de interacción explica mejor el salario por hora
promedio que el modelo (7) sin término de interacción? Justifique su respuesta basándose en la
medida de certeza corregida.
5. Sobre la base de los resultados de 4), se afirma que no existe una diferencia significativa en el
pago entre blancos y no blancos. ¿Sigue siendo correcta esta afirmación para el modelo de
término de interacción (8)? Justifique su respuesta con la ayuda de una prueba adecuada. (F
(0.95.2.522) = 3.012991; SSRr = 5980.682)
Solución.-
2. Coeficientes de regresión.
Todos los coeficientes de regresión se multiplican por un factor de 45 (número de horas por
semana).
Resulta que solo la variable educ tiene una influencia significativa sobre el salario por hora
promedio o el salario semanal.
Por lo tanto, H0 no se descarta, es decir no hay una diferencia significativa en el pago entre
blancos y no blancos.
1. Interpretar los coeficientes de regresión estimados de las variables ecoprc, regprc y educ del
modelo de probabilidad lineal (LWM). ¿Cuál de estas variables tiene el mayor impacto en la
compra de manzanas producidas orgánicamente?
2. ¿Cuáles son las tres desventajas principales del modelo de probabilidad lineal? ¿Están todas
estas desventajas arregladas en el modelo Logit?
3. Determine la influencia parcial promedio de las variables exógenas ecoprice, regprc y educ
sobre la probabilidad de respuesta del modelo logit P(ecobuy=1|x) (use
Interprete los resultados obtenidos y compárelos con los
coeficientes de regresión estimados del modelo de probabilidad lineal (LWM).
5. ¿Las dos variables exógenas income y age juntas tienen un impacto significativo en la
probabilidad de respuesta? Formule la hipótesis nula de una prueba adecuada y realícela
utilizando los datos de la Tabla 1 a un nivel de significación de α = 0.05. Interpretar el resultado
obtenido.
Solución. –
1. Interpretaciones:
2. Desventajas:
• La sucesión no puede depender linealmente de las variables x para todos los valores x posibles.
4. Pronósticos:
Los dos valores son idénticos, i. Ambos modelos predicen la compra de una manzana producida
orgánicamente igualmente bien.
variable de prueba:
Región crítica:
Con
1. ¿Cómo cambian las ganancias promedio por hora de las mujeres con piel oscura y aquellas sin
piel oscura en el modelo (9) si cada una invierte un año adicional en su educación? Dibuje el
modelo de regresión para mujeres de piel oscura y sin piel en el siguiente sistema de
coordenadas.
2. La pregunta que surge es si las dos variables exógenas, negra e hispana juntas, tienen un
impacto significativo en el salario promedio por hora. Formule la hipótesis nula de una prueba
adecuada para esta pregunta y hágala con un nivel de significancia de α = 0.05. Interpretar el
La segunda parte del estudio examina si las variables educación (educ; en años), color de la piel
(black = 1 si es color de piel oscura), origen latinoamericano (hispanic = 1 si la persona proviene
de América Latina), experiencia laboral (exper; número de años) así como el ingreso familiar no
femenino (nwifeinc; in 1000 USD$ ) tiene un impacto en el empleo de las mujeres (inlf = 1 si está
empleado). El impacto de las variables consideradas en el empleo de las mujeres se estimó sobre
la base de una muestra de 5,634 mujeres utilizando un modelo Probit. Los coeficientes de
regresión y sus desviaciones estándar (entre paréntesis) del modelo fueron los siguientes:
3. ¿Cuáles son las tres desventajas principales del modelo de probabilidad lineal? ¿Están todas
estas desventajas con el modelo Probit arreglado?
4. Determine la influencia parcial promedio de las variables exógenas educ, exper y nwifeinc
sobre la probabilidad de respuesta del modelo Probit P(inlf=1|x) (use
5. ¿Las dos variables exógenas negro e hispano juntas tienen un impacto significativo en la
probabilidad de respuesta? Formular la hipótesis nula de una prueba adecuada y realizarla en
un nivel de significación de α = 0.05. Interpretar el resultado obtenido. (Se aplica:
Solución. -
Por lo tanto, H0 no se descarta, i. Juntas, estas dos variables no tienen una influencia significativa
en la variable endógena wage.
3. Desventajas:
• La probabilidad de éxito no puede depender linealmente de las variables x para todos los
valores x posibles.
variable de prueba:
Región crítica:
gprice es la tasa de crecimiento mensual del nivel de precios y gwage la tasa de crecimiento
mensual de los salarios por hora para los EE. UU. Sobre la base de los datos históricos (t = 1, ...,
286), el siguiente modelo de retraso distribuido se estimó utilizando el método OLS y el método
FGLS factible (Mínimos cuadrados generalizados GLS) :
Además, se obtuvieron las siguientes relaciones AR (1) para los residuales de las dos
estimaciones (entre paréntesis se encuentran las desviaciones estándar de los coeficientes de
regresión estimados):
1. ¿Qué condiciones debe cumplir un proceso estocástico con un segundo momento finito para
que sea débilmente estacionario? Además, explique qué debe cumplir el requisito de coeficiente
de regresión de un proceso AR (1) para que sea débilmente estacionario, y vea si este es el caso
de las relaciones AR (1) de los residuos de OLS y FGLS ,
2. Para la estimación de OLS y FGLS del modelo de retraso distribuido, determine los
multiplicadores de impacto y los multiplicadores de largo plazo. Interpretar y comparar los
resultados obtenidos.
Solución. -
(a) es constante
(b) es constante y
no satisfecho sentado es decir Los residuos no son independientes de sus valores retardados.
Idea y hipótesis nula de una prueba adecuada: compruebe la hipótesis nula con
una prueba t para el proceso AR (1):
t estadísticas para ρ:
1. Determine la utilidad residual del modelo de regresión estimada OLS a partir del problema.
3. Corrija la matriz de diseño y la variable endógena del modelo a partir de la declaración del
problema con: