Ejercicios Solemne 1B Sin Multicolinealidad
Ejercicios Solemne 1
Problema I.- (40 puntos)
El siguiente modelo representa la influencia que sobre la demanda de un producto (Y) tienen las
variables urbanización relativa (X1), nivel educativo (X2) e ingreso relativo (X3),
Y = β 0 + β1 X 1 + β 21 X 1 X 2 + β 22 X 22 + β 23 X 2 X 3 + β 33 X 33 + μ
Con una muestra de 206 observaciones se realiza la regresiónobteniéndose un coeficiente de
determinación ajustado de 0,9. Considerando que los datos de la muestra fueron estandarizados
siguiendo el método de escalamiento normal unitario, responda las siguientes preguntas:
(a) (5 puntos) ¿Cumple el modelo el supuesto básico de linealidad?
El modelo cumple el supuesto de linealidad porque es lineal en los parámetros aunque no sea lineal en
las variables.
(b) (15puntos) ¿Cuál es el valor de la Suma de los Cuadrados de los Residuos (SSRes)?
Puesto que se está trabajando con datos que han sido estandarizados siguiendo el método de
escalamiento normal unitario, entonces.
SST
=1
n -1
SST = ( n -1) = 205
⇒
MST =
⎛ MS Re s ⎞
2
RAdj
= ⎜1 −
⎟
MST ⎠
⎝
⇒
2
MSRe s = (1 − RAdj
) ∗ MST
⇒
MS Re s = (1 − 0,9 ) ∗1 = 0,1
( 5 pts )
( 5 pts )
SS Re s = MS Re s ∗ ( n− k ) = 0,1∗ 200
( 5 pts )
SS Re s = 20
(c) (5 puntos) ¿Cuál es el valor de R2?
Sabemos que
R2 =
SS Re g
SST
=
( SST − SSRe s ) = 185 = 0,902
205
205
( 5 pts )
(d) (5 puntos) ¿Cuál es el valor del test F?
F=
MSRe g
MSRe s
=
185
5 = 37 = 370
20
0,1
200
( 5 pts )
1
PICI-109 ANALISIS DE DATOS
Ejercicios Solemne 1
(e) (5 puntos) A partir de los valores del test F y R2Adj obtenidos enlas preguntas anteriores ¿qué puede
concluir del modelo?
El modelo posee un muy buen ajuste (elevado R2Adj) y con alta significancia estadística (dado el
elevado valor del test F). Sin embargo, no se puede concluir nada más dado que no se cuenta con los
valores de los coeficientes de regresión y su significancia estadística, y tampoco se sabe si los residuos
cumplen con los supuestos básicos de unmodelo de regresión múltiple (distribución normal y
homocedasticidad).
f) (5 puntos) ¿Cuál es la principal utilidad de estandarizar los datos de entrada de un modelo de
regresión?
El objetivo de la estandarización de datos es obtener coeficientes adimensionales, los cuales pueden ser
comparados directamente. La magnitud de los coeficientes de regresión no estandarizados reflejan las
unidades demedida del regresor, medidas que pueden no ser directamente comparables (litros con
mililitros, toneladas con miligramos, etc.).
2
PICI-109 ANALISIS DE DATOS
Ejercicios 1 Examen
Problema II.- (20 puntos)
La siguiente tabla muestra la Generación Nacional de Energía Eléctrica (GWh) y el Índice de
Feb-06
Mar-06
May-06
Jun-06
Jul-06
Ago-06
Sep-06
Oct-06
Nov-06
Dic-06
Ene-07
Feb-07Mar-07
Generación Nacional de
Energía Eléctrica
(GWh)
4533
4152
4648
4512 4621
4497
4635
4583
4357
4600
4502
4760
4834
4425
4989
Índice Producción
Nacional de la Industria
Manufacturera
(Año 2002 = 100)
123,9
115,2
134,1
126
120,6
123,1
122,9
116,6
128,8
127,2
128,3
127,5
120,5
141,1
Fecha
Abr-06
Ene-06
Producción Nacional de la Industria Manufacturera entre enero de2006 y marzo de 2007.
128
Algunos analistas argumentan que la Generación de Energía Eléctrica puede pronosticarse a partir del
Índice Nacional de Producción de la Industria Manufacturera por medio de un modelo lineal simple.
Utilizando datos estandarizados (siguiendo el método de escalamiento normal unitario), los resultados
de dicho modelo se muestran en las siguientes tablas:
Estadísticas dela regresión
Coef. de Determinación R2
R2 Ajustado
Error típico
Observaciones
0,750
0,700
0,548
15
1,0 pts
1,0 pts
1,0 pts
Análisis de Varianza
Regresión
Residuos
Total
Intercepción
Índice Producción de la
Industria Manufacturera
Grados de
libertad
1
13
14
Suma de
cuadrados
10,5
3,9
14
Promedio de
los cuadrados
10,5
0,3
Coef.
0,000
Error típico
0,14
Estadístico t
0,000
1.0 pts...
Regístrate para leer el documento completo.