Economia

Solo disponible en BuenasTareas
  • Páginas : 6 (1318 palabras )
  • Descarga(s) : 0
  • Publicado : 10 de febrero de 2010
Leer documento completo
Vista previa del texto
{draw:frame}
Determinantes de la inversión de diez plantas industriales, a lo largo de 20 años

VARIABLE DESCRIPCIÓN PERIODO
10 Industrias General Motors
US Steel
General Electric
Chrysler
Atlantic Richfield
IBM
Union Oil
Westinghouse
Goodyear
Diamond Match 1935-1954
20 años
NO. DE OBSERVACIONES
200
INV Inversión bruta en maquinaria y equipo
V Valor de las accionescomunes y preferentes
k Stock de Capital

Variable dependiente: INV
Variable independiente: K, V

Estimación Pool o regresión agrupada, por OLS.

Y_it=∝+β_1 X_1it+e_it

Source | SS df MS Number of obs = 200
-------------+------------------------------ F( 2, 197) = 428.64
Model | 7611697.29 2 3805848.64 Prob> F = 0.0000
Residual | 1749127.64 197 8878.82051 R-squared = 0.8131
-------------+------------------------------ Adj R-squared = 0.8112
Total | 9360824.93 199 47039.3212 Root MSE = 94.227

------------------------------------------------------------------------------
inv | Coef. Std. Err. t P>|t|[95% Conf. Interval]
-------------+----------------------------------------------------------------
k | .2319314 .0254649 9.11 0.000 .1817126 .2821501
v | .1153743 .0058302 19.79 0.000 .1038767 .1268719
_cons | -43.02448 9.497896 -4.53 0.000 -61.75508 -24.29388------------------------------------------------------------------------------

Efectos aleatorios. En este modelo se aplica la prueba de Breuch y Pagan o Multiplicador de Lagrange. La regla de decisión dice que la hipótesis nula es varianza constante, si la prueba se rechaza es preferible usar el Método de efectos aleatorios (MEA) que el de datos agrupados. El P-Value de la prueba nos señala que podemos rechazar la Ho, por lo tanto decidimos por elde efectos aleatorios.

Y_it=∝+β_1 X_1it+u_it+e_it

Random-effects GLS regression Number of obs = 200
Group variable: i Number of groups = 10

R-sq: within = 0.7670 Obs per group: min = 20
between = 0.8206 avg = 20.0
overall =0.8069 max = 20

Random effects u_i ~ Gaussian Wald chi2(2) = 658.67
corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000

------------------------------------------------------------------------------
inv | Coef. Std. Err. z P>|z| [95% Conf. Interval]-------------+----------------------------------------------------------------
k | .3086939 .0171938 17.95 0.000 .2749947 .3423931
v | .1094778 .0104895 10.44 0.000 .0889188 .1300368
_cons | -57.8725 28.87471 -2.00 0.045 -114.4659 -1.279102
-------------+----------------------------------------------------------------
sigma_u |84.137837
sigma_e | 52.736556
rho | .71794583 (fraction of variance due to u_i)

Breusch and Pagan Lagrangian multiplier test for random effects

Test: Var(u) = 0
chi2(1) = 797.78
Prob > chi2 = 0.0000

Efectos fijos (otra manera de modelar el carácter individual). Aquí el intercepto variarespecto a cada estado por la técnica de variables dicotómicas de intersección diferencial, Para saber cuál es el mejor modelo entre el de datos agrupado y el de efectos fijos, se hace una prueba F. La regla de decisión dice que la hipótesis nula es V1=V2=V...=Vi=0, si se rechaza, significa que al menos algunas variables dicotómicas si pertenecen al modelo y por lo tanto es mejor utilizar el...
tracking img