Академический Документы
Профессиональный Документы
Культура Документы
El objetivo será predecir la tasa de fertilidad en función de las demás variables así
como también comparar las distintas regiones y los factores que más influyen en
está. Tambien se verá que tan bien predice el modelo sabiendo datos a priori y ver
como influye la fertilidad en las otras variables y viceversa.
Diseño del estudio:
El primer modelo propuesto es el máximo modelo que podemos crear, esto es con
las 6 variables que tomaremos como explicativa, obteniendo lo siguiente:
Las siguientes variables eliminadas son ppgdp que corresponde al PIB percapita,
posteriormente se elimina la variable pctUrban que corresponde al porcentaje
urbanizado del país, quedando 3 variables.
Finalmente, quedan solo dos variables y es donde se consigue el menor AIC de un
valor de -138,27
Quedando entonces la ecuación de la forma:
𝑦 = 3,522 − 0,02391 ∗ 𝑋1 + 0,03194 ∗ 𝑋2
Preguntas
1) ¿Cuál será la tasa de fertilidad de un país con esperanza de vida femenina de
70 y un índice de mortalidad infantil de 8?
Esto quiere decir que un país con las características anteriores tendrá en
promedio una tasa de fertilidad de 2,1042 hijos
Supuestos:
1) Homocedasticidad.
Se utiliza la prueba de breusch pagan para ver la homocedasticidad. El test
plantea las siguientes hipótesis:
se obtuvo lo siguiente:
Al ser el p-valor mayor que 0,05 se tiene que con una significancia del 5% el
supuesto de autocorrelacion se cumple ya que los residuos si están
correlacionados.
3) La multicolinealidad hace referencia a que no deben existir relaciones lineales
entre las variables explicativas del modelo, pues esto podría provocar que las
estimaciones y su precisión se vean afectadas:
Para detectar multicolinealidad, se utiliza el factor de inflación de la varianza (VIF),
donde para valores V IF > 10 existe presencia de multicolinealidad.
Se obtuvo lo siguiente:
Se obtuvo lo siguiente: