Precio de las viviendad en agencia de bienes raices b&c

PRECIO DE LAS VIVIENDAD EN AGENCIA DE BIENES RAICES B&C

NATALIA GARCÍA
LINDA MARCELA NEIRA G
CAMILO ARANGO DE LA PAVA





Profesor:
Daniel Gonzales

Asignatura:
Econometría

PONTIFICIA UNIVERSIDAD JAVERIANA
SANTIAGO DE CALI
MAYO 31 DE 2009
ANEXO

ESTIMACION DEL MODELO DE REGRESION LINEAL Y ANALISIS ECONOMETRICO

Se corrieron dos modelos con sus respectivosanálisis sobre multicolinealidad y heteroscedasticidad para ver cuál sería el más adecuado para la explicación de los precios de la casas de la agencia de bienes raíces B&C. En el primer modelo se incluyeron las variables: Precio de la casa en miles de pesos, Área construida, Número de cuartos, Antigüedad de la casa, Sur, Norte, y en el segundo modelo se incluyeron las variables: Precio de lacasa en miles de pesos, Mes, Área construida, Número de cuartos, Antigüedad de la casa, Sur, Norte.

Modelo 1:

P= β1+β2A+β3C+β4Ac +β5S+β6N+ui

Donde:
P=Precio de la casa en miles de pesos
A=Área construida (pies^2)
C=Número de cuartos
Ac=Antigüedad de la casa
S=Sur
N=Norte
β1,β2,β3,β4,β5,β6= Parámetros
ui=Perturbación o demás variables que no se incluyen en el modelo.

Alintroducir las variables y correr el modelo en Stata se obtiene:

Por lo tanto, el modelo de regresión lineal seria:

P= 15393,78 + 35,68721A - 716,9287C + 413,9871Ac + 21412,27S - 2495,775N

De acuerdo a este modelo econométrico, el precio de las viviendas ofrecidos por B&S depende positivamente del área construida, de los años de antigüedad de la casa y de si la vivienda está ubicada en el surde la ciudad y depende negativamente de la cantidad de cuartos que tenga la vivienda y de si la vivienda está ubicada en el norte de la ciudad. Además, de acuerdo al intercepto, el precio promedio de las viviendas de esta agencia de bienes raíces, sin tener en cuenta el área construida, la cantidad de cuartos que posea, sus años de antigüedad y si está ubicada en el norte o sur de la ciudad es de15393.78 pesos.

Análisis de Multicolinealidad

A partir de la tabla se puede contrastar por medio de pruebas de hipótesis individuales si cada una de las variables es significativa en la explicación del modelo. Para que cada una de las variables explicativas sea significativa en la explicación del modelo, el Valor-p de sus respectivos coeficientes debe ser menor que el nivel de significancia.Es decir, se rechaza Ho cuando: Valor p βi<α

De acuerdo a esto….

β2 es significativa?

Ho: β2=0
Ha: β2≠0

Valor p β2<α
0.0<0.05 β2 si es significativa

β3 es significativa?

Ho: β3=0
Ha: β3≠0

Valor p β3<α
0.694<0.05 β3 no es significativa

β4 es significativa?

Ho: β4=0Ha: β4≠0

Valor p β4<α
0.246<0.05 β4 no es significativa

β5 es significativa?

Ho: β5=0
Ha: β5≠0

Valor p β5<α
0.0<0.05 β5 si es significativa

β6 es significativa?

Ho: β6=0
Ha: β6≠0

Valor p β6<α
0.285<0.05 β6 no es significativa

Teniendo en cuenta lo anterior, estemodelo tiene una de las consecuencias de la existencia de alta colinealidad: Un R2 alto (R2=0.8804 ) pero pocas razones t significativas, es decir que uno o más de los coeficientes parciales de pendiente son de manera individual no significativos con base en la prueba t. Además, la presencia de Multicolinealidad se evidencia ya que con base en una prueba F, es posible rechazar la hipótesis de queβ2,β3,β4,β5,β6=0, es decir que existe una valor F significativo.

Otra forma de detectar la existencia de multicolinealidad es observando si el coeficiente de correlación de orden cero o entre dos regresoras son altos. Para esto se utiliza la matriz de correlación del modelo.

De acuerdo a la tabla es evidente que existe una alta correlación entre las variables cuartos y área construida la...